A rendezvényt Szabados Levente AI-szakértő előadása nyitotta, aki a Frankfurt School of Finance and Management docenseként és a mesterséges intelligencia üzleti bevezetését támogató Neuron Solutions tudományos tanácsadójaként gyakorlati szemszögből vizsgálta a generatív modelleket.
Az AI nyelvi modellek legfontosabb újdonsága, hogy közvetlenül, emberi nyelven utasíthatók. A Github Copilot ez alapján képes létrehozni kódot, és többféle, specializált modell képességeit egyesíti, így például képes a kódtöredékek befejezésére és különböző programnyelvek közötti fordításra is. A szakértő szerint emellett azonban adatfeldolgozó és -osztályozó feladatokra is alkalmas a modell, ami a hétköznapi “ügyintézés” és a data science számára egyaránt hasznos képesség, valamint hatékonyan tudja támogatni a tudáselsajátítást például a dokumentációk feldolgozásának egyszerűsítése révén.
Látszik, hogy ezeknek az AI modelleknek számos alkalmazási területe van a vállalatok számára, és óriási hatékonyságnövekedést érhetnek el a segítségével, ugyanakkor ehhez az kell, hogy jól aknázzák ki ezeket a lehetőségeket.
„A GPT rendszer szellem a palackban. A tudás elérése szempontjából limitált, ha nincs hozzá csatlakoztatva böngészésre alkalmas bővítmény, és a prompt minősége is kulcsfontosságú”
– tette hozzá Szabados Levente.
AI és ember dialógusa
A programozó tudása nélkülözhetetlen egyrészt a megfelelő utasítások és adatkészletek megadásában, másrészt a GPT által írt kód kiértékelésében. Az esetek legnagyobb részében a promtra adott válasz ugyanis nem vagy nem jól működik, és bár a kód javítására utasíthatók a modellek, így sem biztos, hogy az elvárt eredményhez jutunk.
Szabados Levente arról is beszélt, hogy a generatív modell képes lépésről lépésre elmondani, miként oldana meg egy feladatot, erre építve pedig egészen hosszú gondolatláncokat tudunk felépíteni vele. „Innen egy lépés: egy aktív szoftverágenst eszközökkel látunk el és interakciók sorozatán keresztül próbáljuk rávenni, hogy megfelelően használja azokat. Az AutoGPT és más keretrendszerek ezen az elven működnek. A modell célokat azonosít, lebontja taskokra, és miután azok végrehajtódnak, kiértékeli őket. A felhasználónak azonban szintén ellenőriznie kell, hogy megfelelően valósult-e meg az adott task” – mondta a szakértő.
Fejlesztők új szerepben?
A generatív modellek fejlődése abba az irányba hat, hogy egyre több feladat válik automatizálhatóvá. Ez azonban nem jelenti azt, hogy ne kellene foglalkozni az AI által javasolt megoldások mögötti kóddal és működési logikával. Ez pedig nemhogy csökkenti, hanem növeli a fejlesztők felelősségét.
Változik a szerepük és az eszközeik is, meg kell tanulniuk együttműködni sokkal aktívabb szoftverágensekkel. Bár a kódok nagy része valószínűleg gépileg generált lesz, de a fejlesztőknek továbbra is el kell sajátítaniuk a programozás lényegét. Ugyanakkor a vállalatok számára azok a fejlesztők lesznek igazán értékesek, akik a mechanikus kódalkotás helyett értik a szoftvereket és fejlett szimulációkat.
Ott kell lenni az elején
Az előadást követően a meetup izgalmas panelbeszélgetéssel folytatódott, amelyben Oláh Attila vezető front-end fejlesztő (Supercharge), Kiss Miklós Chief Product Officer (SEON), Keleti Arthur kibertitok jövőkutató, IT biztonsági szakértő, illetve a Green Fox Academy pszichológus-trénere, Ádám Annabella és technológiai vezetője, illetve a mentor csapat vezetője, Szél Péter vett részt Fazekas Barbara, a Bobcats Coding CEO-ja és társalapítója moderálásával.
A panelbeszélgetés fő témája az volt, hogyan lehet felkészülni a mesterséges intelligencia által dominált jövőre. A kulcs a nyitottság és az alkalmazkodás, ami a tájékozódás, a tanulás és a tapasztalatszerzés lépcsőfokain keresztül járható be. Keleti Arthur véleménye szerint ez elkerülhetetlen lesz, különösen annak fényében, hogy az emberi minőségű gondolkodáshoz akár tíz éven belül is eljuthat a technológia. A nyelvi modellekkel való együttműködés Oláh Attila szerint csak ma jelenthet előnyt, de már öt év múlva is olyan alapkészség lesz, mint a Google keresés.
„Teljesen egyetértek, hogy aki lemarad, az kimarad, ennek a történetnek ott kell lenni az elején, akár az egyén, akár a szervezet szintjén gondolkodunk”
– tette hozzá.
Az AI terjedése felértékeli az IT szakértelmet
„Azt láttuk az elmúlt negyven évben az IT-ban, hogy egyre fejlettebb eszközök állnak a szakma rendelkezésére, de az új megoldásokat mindig megelőzte egy kis bizonytalanság. Aztán kiderül, hogy azok járnak jól, akik hajlandók lépni. Fel kell venni a ritmust”
– véli Kiss Miklós.
Ádám Annabella kiemelte a soft skillek jelentőségét is: a cégeknek egyre inkább érdemes a jelöltek kompetenciáit, készségeit előtérbe helyezni a hard skillek mellett, ugyanis azok a munkavállalók tudnak igazán hatékonnyá válni, akik gördülékenyen kommunikálnak és jól tudnak együttműködni. Az ehhez szükséges empátia és felelősségvállalás egyelőre úgy tűnik, gépektől nem várható el.
„Érzelmi tekintetben vagy akár tudatosság kérdésében nem intelligens az AI, csak nagyon sokat látott már: a számára elérhető információkat képes fogyaszthatóan elénk tárni”
– fogalmazta meg Oláh Attila. Generatív modellek használata alapján Szél Péter is hasonlóan látja a helyzetet.
„Az AI tudja, hogy néz ki egy program, van egy statisztikai modellje arról, hogyan néz ki egy programkód, de az általa vétett hibák egyértelművé teszik, hogy nem érti azt, amit produkál. Erre csak a fejlesztők képesek, egyelőre nagyon messze van, hogy a vállalatok ki tudják váltani a szakembereiket AI megoldások alkalmazásával. Az eszközök megismerésével, beépítésével a mindennapi munkafolyamatokba természetesen foglalkozni kell. Ebben a mi is segítséget tudunk nyújtani vállalati partnereink számára, hiszen a Green Foxnál az oktatásunkba is beépítettük ezeket az eszközöket.”
