A Northeastern professzora szerint a generikus AI-modelleknek el kell tűnniük

Két évtized tapasztalat több iparágban

David Ayman Shamma 2026 szeptemberében csatlakozott a Northeastern University Khoury College of Computer Sciences intézetéhez, ahol az oaklandi campus számítástechnikai programjainak igazgatója lett. Több mint két évtizeden át dolgozott és kutatott a mesterséges intelligencia területén, többek között a Flickrnél és a NASA-nál.

Pályája során az ember és a számítógép kapcsolatát, a felhasználói élményt és az AI gyakorlati alkalmazásait is vizsgálta. Dolgozott a holland Centrum Wiskunde & Informatinál viselhető divattermékekhez kapcsolódó AI-érzékelőkön, valamint az FX Palo Alto Laboratorynál hardveralapú AI-modelleken. A Fuji Xerox fejlett kutatási és fejlesztési leányvállalata az AI-ra és az ember-számítógép interakcióra összpontosított, mielőtt 2020-ban bezárt.

Shamma kutatási igazgatóként a Yahoo Labsnál és a Flickrnél is dolgozott, a NASA Mars-kutatási központjában pedig a felhasználói élményt vizsgálta. A Toyota Research Institute-nál a szén-dioxid-semlegességgel foglalkozott. Több mint 100 szabadalom fűződik a nevéhez, korábban pedig stúdióművészetet és újságírást is tanított.

Az AI-nak támogatnia kell az embert

Shamma szerint pályájának közös eleme az olyan AI építése, amely javítja az emberek tapasztalatait, ahelyett hogy felváltaná őket. Úgy véli, hogy a fejlesztőknek a teljes folyamat során meg kell érteniük a felhasználókat és a feladatokat. Ez időnként olyan eredményekhez vezethet, amelyeket a fejlesztők nem szeretnének látni.

A Toyota Research Institute-nál például olyan kutatásokban vett részt, amelyek azt vizsgálták, hogyan érthetnék meg jobban az emberek a szén-dioxid-kibocsátást. Az egyik vizsgálatban a résztvevők láthatták, hogy autóútjuk mennyi szén-dioxid-kibocsátással jár. Bár ettől tudatosabbá váltak, nem örültek annak, amit megtudtak.

Shamma szerint a felhasználók megértése gyakran egyszerűsíti a fejlesztési feladatot. Ilyenkor azt kell mérlegelni, mire van valóban szükség, nem pedig azt, mit szeretnének feltétlenül megépíteni.

A kreatív területeken is olyan eszközöket tartana megfelelőnek, amelyek támogatják az alkotót. A generatív AI szerinte könnyen elveszi a művésztől a kreatív döntések lehetőségét. Ezért olyan „kreativitást támogató eszközöket” szorgalmaz, amelyek gyorsabban segítenek megvalósítani az alkotó saját elképzelését.

Több AI futhat közvetlenül az eszközökön

A Northeastern Global Newsnak adott, terjedelmi és érthetőségi okokból szerkesztett interjúban Shamma két trendet emelt ki. Az egyik már szerinte el is kezdődött: egyre több feldolgozás kerülhet az eszközökre, miközben kevesebb feladatot végeznek majd a felhőben.

Ennek adatvédelmi előnyei lehetnek, és csökkentheti a nagy adatközpontok iránti igényt, ha egy telefon önállóan is el tudja végezni a szükséges számításokat. Így az adatoknak sem kell minden esetben hosszú utat megtenniük a felhőalapú tárhelyekig.

A másik trend a modellek finomhangolása. Shamma szerint jelenleg túl nagy figyelem irányul az általános célú AI-ra. Egy egyszerű kérdéshez, például ahhoz, hogy hány napból áll egy két hét, nincs szükség általános célú nagy nyelvi modellre. A professzor az olyan pontosabb, célzott AI-megoldásokat tartja kívánatosnak, amelyek egy meghatározott feladatra készülnek.

Az oaklandi campuson Shamma az alap- és mesterképzési kutatás erősítésén dolgozik. Ipari tapasztalataira építve mélyebb kapcsolatokat keres az akadémia és az ipar között, többek között kutatási támogatásokkal, előadásokkal és hallgatói projektekben való részvétellel. Szerinte a campus Bay Area közelségét is fel lehet használni ezeknek a kapcsolatoknak a kiépítésére.