AI, ANI, és AGI
Miről is beszélünk valójában
- AI Körkép
A mesterséges intelligencia ma már mindenhol jelen van — beépült eszközeinkbe, termékeinkbe és a boardroomi párbeszédekbe. Ugyanakkor egyre szélsőségesebb állítások tárgya: egyesek egyszerű produktivitási rétegként kezelik, mások közelgő autonóm erőként.
Alapvetően különböző fogalmakat mosunk össze egyetlen kifejezésben: „AI”. Amíg ezeket nem választjuk szét, a kockázatról, a képességekről és a stratégiáról folytatott bármilyen vita összezavarodott marad.
Ez a cikk három különálló kategóriát tisztáz — az AI-t, az ANI-t és az AGI-t —, azt, hogy mit jelentenek a gyakorlatban, és hol állnak ma a jelenlegi rendszerek.
Az AI mint gyűjtőfogalom
A „mesterséges intelligencia” nem egyetlen képesség. Ez egy olyan megnevezés, amelyet nagyon különböző dolgokat végző rendszerek széles körére alkalmaznak.
A gyakorlatban az AI olyan rendszerekre utal, amelyek:
- adatokból tanulnak mintákat,
- előrejelzéseket generálnak,
- tartalmat állítanak elő,
- vagy döntéshozatali folyamatokat támogatnak.
A legújabb fejlesztések ezeket a rendszereket gyorsabbá, olcsóbbá és széles körben elérhetővé tették. Ennek eredményeként az AI ma olyan területeken működik, amelyeket korábban kizárólag emberinek tartottunk — a nyelv, a vizuális értelmezés, sőt az alkotói munka terén is.
Azonban ezeknek a rendszereknek az alapvető természete a lényegét tekintve nem változott. Nem „értenek” úgy, ahogy az emberek. Ehelyett mintákat elemeznek, és statisztikai összefüggések alapján állítanak elő kimeneteket.
Ha mindezt egyszerűen csak AI-nak nevezzük, az egy olyan általános képességet sugall, amely nem létezik — és ez megalapozza mind a túlbecsülést, mind az indokolatlan félelmet.
ANI — A mai AI valódi neve
Amit a legtöbb vállalat ma AI-nak nevez, az valójában Mesterséges Szűk Intelligencia (Artificial Narrow Intelligence, ANI).
Ezek a rendszerek nem általános célú gondolkodók. Optimalizált eszközök, amelyeket konkrét, jól meghatározott problémák megoldására építettek — és ezeken a határokon belül rendkívül hatékonyak lehetnek.
Egy ANI rendszer képes folyékony szöveget generálni, mintákat felismerni képeken, és adatvezérelt ajánlásokat tenni, de ezek a képességek mindegyike elkülönülten működik, nem egy egységes intelligencia részeként.
Egy nyelvi modell nem érti, amit ír. Egy képmodell nem fogja fel, amit lát. Egy döntési modell nem érti kimenetének valós következményeit.
Ez tervezési korlát.
Az ANI rendszerek nem rendelkeznek szándékkal, tudatossággal, önálló célmeghatározással és azzal a képességgel, hogy tudást vigyenek át egyik területről a másikra; nem gondolkodnak, csupán előre meghatározott vagy tanult feladatokat hajtanak végre.
Ha az ANI-t általános intelligenciaként kezeled, túlzottan megbízol benne. Ha szűk rendszerként érted meg, akkor hatékonyan kontrollálhatod, validálhatod és alkalmazhatod.
A legtöbb jelenlegi AI-hiba abból ered, hogy az emberek többnek feltételezik, mint ami valójában.
Hol helyezkednek el a mai humanoid robotok
A humanoid robotok uralják a címlapokat. Erős illúziót keltenek arról, hogy közeledünk az általános intelligenciához.
Az olyan rendszerek, mint a Tesla Optimusa, a Figure AI robotjai vagy a Boston Dynamics platformjai, több szűk komponenst kombinálnak:
- számítógépes látásmodelleket,
- mozgástervező rendszereket,
- vezérlési algoritmusokat
- és előre meghatározott feladatstruktúrákat.
Minden elem speciális. Még akkor sem változik a helyzet, ha ezeket a robotokat nyelvi modellekkel párosítják. A rendszer lehet, hogy követ utasításokat vagy társalog, de még mindig korlátozott paraméterek között működik.
Nincs egységes megértés a viselkedés mögött.
Ezek a robotok nem alkotnak önálló célokat, nem tartanak fenn egy következetes belső világmodellt, és nem visznek át tudást rugalmasan különböző kontextusok között; koordinált feladatokat hajtanak végre, és semmi mást.
AGI — Mit jelentene valójában
A Mesterséges Általános Intelligencia nem a jelenlegi AI fejlettebb változata. Ez egy teljesen más kategória.
Egy AGI rendszer képes lenne:
- tudást átvinni különböző területek között,
- olyan problémákat megoldani, amelyekre nem kifejezetten betanították,
- egy koherens világmodellt fenntartani,
- és rugalmasan alkalmazni az érvelést ismeretlen helyzetekben.
Ez a kritikus váltás: nem jobb teljesítmény, hanem különböző képesség.
A mai rendszerek skálázással fejlődnek — több adat, több számítási kapacitás, jobb kimenetek. Az AGI nem pusztán a skálázásból fakadna. Egy strukturális áttörést igényelne abban, ahogyan a rendszerek tudást reprezentálnak és használnak.
Egy AGI megértené a kontextust, az okozatiságot és a következményeket.
Ezért félrevezetők a megszokott összehasonlítások.
Az AGI nem:
- egy pontosabb chatbot,
- egy gyorsabb modell,
- vagy egy rendszer, amely sok feladatot végez „elég jól”.
Olyan rendszer, amely feladatspecifikus újratanítás nélkül képes alkalmazkodni, általánosítani és területek között érvelni.
Hol tartunk az AGI felé vezető úton
A jelenlegi rendszerek erősek, de közel sem állnak az általános intelligencia eléréséhez.
A folyékony nyelvet és a meggyőző eredményeket könnyen összetévesztik a valódi megértéssel; valójában ezek a rendszerek belső világmodellek, ok-okozati érvelés vagy önálló célalkotás nélkül működnek.
Nem „tudnak” semmit. Előrejeleznek.
A megjelenés és a képesség közötti szakadék az alapvető probléma.
Ahogy a modellek skálázódnak, egyre több feladatban teljesítenek elfogadhatóan. Ez az általánosság látszatát kelti. De sok feladatot elvégezni nem ugyanaz, mint megérteni azokat.
A kimenetek mögött nincs egységes intelligencia — csak egyre hatékonyabb mintafelismerés.
Az eredmény: rendszerek, amelyek általánosnak tűnnek, de nem azok.
Minden komoly értékelésnek el kell különítenie:
- a viselkedésbeli hasonlóságot (aminek látszik)
- a kognitív képességtől (ami valójában).
Jelenleg ez a szakadék még nagy. Sokkal nagyobb, mint amit a nyilvános diskurzus sugall.
Miért érezzük még mindig „közelinek" az AGI-t
Az AGI közelségének érzete abból fakad, ahogyan a jelenlegi rendszerek megjelennek. Három mögöttes tényező áll a háttérben.
1. A nyelv hamis jeleket ad
Az emberek a folyékony nyelvet megértéssel azonosítják.
Amikor egy rendszer koherens, strukturált válaszokat ad, az alapfeltételezés az, hogy szándék, érvelés és tudatosság áll mögötte.
Ez a feltételezés téves. A nyelvi modellek megértést szimulálnak.
2. A skálázás az általánosság illúzióját kelti
A nagyobb rendszerek feladatok széles körében teljesítenek megfelelően. Ezt a „mindenhol elég jó” teljesítményt gyakran általános intelligenciaként értelmezik.
Nem az.
3. A narratívák felerősítik az érzékelést
A nyilvános diskurzus keveri:
- a tudományos haladást,
- az üzleti ösztönzőket,
- és a médiavezérelt narratívákat.
Az eredmény kiszámítható: túlzás.
Az AGI mozgó célponttá válik, nem pedig egyértelműen meghatározott technikai küszöbbé.
Fogjuk meg a narratívát, és a helyzet egyértelmű.
Az AGI-hoz szükséges alapvető képességek — ok-okozati érvelés, világmodellezés és autonóm célalkotás — még hiányoznak
Az AGI közelségének érzése pszichológiai.
Félnünk kellene ma az AGI-tól
Röviden: nem.
Az AGI nem kockázat. Nem létezik semmilyen működő formában. Most erre összpontosítani elvonás a figyelmet.
A valódi kockázatok az már létező — és már széles körben telepített — rendszerektől erednek. Ezek a kockázatok a használatról szólnak.
A mai AI rendszerek képesek befolyásolni döntéseket, alakítani az információáramlást, és teljes átláthatóság nélkül automatizálni folyamatokat. Ha rosszul tervezik vagy helytelenül alkalmazzák őket, ez kézzel fogható problémákhoz vezet: elfogult vagy hiányos adatokon alapuló döntések, az automatizált kimenetek iránti túlzott bizalom, elégtelen emberi felügyelet és nem egyértelmű felelősség a kritikus folyamatokban.
Főbb tanulságok
Ez a cikk három fogalmat választ szét, amelyeket rendszeresen összemos egyetlen kifejezés. Néhány kulcsos következtetés:
- Az „AI” egy megnevezés, nem egységes képesség. Ha egyetlen dologként kezeljük, az túlbecsüléshez és indokolatlan félelemhez egyaránt vezet.
- A mai AI mesterséges szűk intelligencia. A jelenlegi rendszerek meghatározott határokon belül működnek. Nem gondolkodnak — előrejeleznek.
- A folyékonyság nem megértés. A koherens nyelvi kimenet nem jelent szándékot, érvelést vagy tudatosságot a háttérben.
- A skálázás az általánosság illúzióját kelti. Sok feladatban jól teljesíteni nem ugyanaz, mint általános intelligenciával rendelkezni.
- Az AGI más kategória, nem a jelenlegi AI fejlettebb változata. Az általa igényelt alapvető képességek — ok-okozati érvelés, világmodellezés, autonóm célalkotás — még nem léteznek.
- A valódi kockázatok már most jelen vannak. A helytelenül alkalmazott szűk AI az a kihívás, amely most igényel figyelmet. Az AGI elvonás ettől.
Ezeknek a különbségeknek a megértése az alapja minden komoly párbeszédnek a bevezetésről, a felügyeletről és a felelősségről.
Záró gondolatok
A mai AI már most is alakítja a döntéseket, szűri az információkat és befolyásolja a viselkedést nagy léptékben. Az AGI, ha megérkezik, egy teljesen új kockázati kategóriát vezet majd be, de az azonnali korlát a fegyelem.
A kritikus kérdések egyszerűek: milyen döntések automatizáltak, hol szükséges az emberi felügyelet, hogyan validálják a kimeneteket, és ki a felelős, ha a rendszerek hibáznak. Ha ezek nincsenek egyértelműen meghatározva, a képesség kötelezettséggé válik. Az AGI nem az azonnali probléma; a meglévő rendszerek azok.
Források
- AI & You. (2024). ANI, AGI, ASI: What are we talking about? Cikk megnyitása →
- DebateUS. (2024). Debating superintelligence: A beginner’s guide to ANI, AGI and artificial superintelligence. Cikk megnyitása →
- Monday Momentum. (2024). ANI vs AGI. Cikk megnyitása →
- Moveo AI. (2024). Types of AI. Cikk megnyitása →
- Tutorials Dojo. (2024). AGI vs ASI vs ANI: AI stages towards super intelligence. Cikk megnyitása →
Fekszi Csaba
Fekszi Csaba informatikai szakértő, több mint két évtizedes tapasztalattal az adatmérnökség, a rendszerarchitektúra és az Mesterséges Intelligencia alapú folyamatoptimalizálás területén. Munkájának középpontjában olyan skálázható megoldások tervezése áll, amelyek mérhető üzleti értéket teremtenek.
Kapcsolódó cikkek
Miért nem szabad összekeverni a ChatGPT-t az Mesterséges Intelligenciával
Amit a vállalati döntéshozóknak érteniük kell a skálázás előtt
Miért akad el olyan sok AI-projekt — és hogyan léphetsz végre túl a pilot fázison
Biztos benne, hogy az AI a megfelelő következő lépés?
Segítünk feltárni a valódi lehetőségeket, korlátokat és a reális következő lépéseket.