Az önmagát és a világot is tanulmányozni és értelmezni képes mesterséges intelligenciák egyre nagyobb teret hódítanak a mindennapokban. De vajon hogyan érdemes mérni egy-egy ilyen rendszer képességeit? Ahogy arról mi is beszámoltunk, a tudósok szerint az IQ-tesztek nem szolgálnak megfelelő adatokkal, ezeket ugyanis ránk, emberekre szabták, így nem adnak egyértelmű választ arra, hogy egy mesterséges intelligencia pontosan milyen képességekkel rendelkezik. A Lits Link nevű portál szerint egy-egy AI valódi tudását azon érdemes lemérni, hogy a rájuk kiszabott, specifikus feladatokat mekkora pontossággal képesek végrehajtani.
Mérési megközelítések
A szakértők szerint alapvetően négyféle, egymástól jelentősen eltérő, mégis egymást segítő mérési módszert különböztethetünk meg egymástól. Ezek mindegyike külön-külön is hasznos képet fest arról, hogy mire képes egy-egy mesterséges intelligencia, de a legpontosabb eredményt akkor kapjuk, ha ezeket együtt elemezve értékeljük ki egy AI valódi képességeit.
Ez is érdekelhet! Itt az első gondolatolvasásra is képes mesterséges intelligencia
Turing-teszt
A Turing-teszt egy olyan mesterséges intelligencia teszt, amelyet Alan Turing brit matematikus javasolt 1950-ben. A mérésben a legfontosabb szerepe az embernek van, aki egyfajta bíróként viselkedik a folyamatban.
A bíró egyszerre beszélget egy géppel és egy valódi emberrel anélkül, hogy tudná: épp melyik válaszol a kérdéseire.
Ezek alapján könnyedén el lehet dönteni azt, hogy a mesterséges intelligencia képes-e olyan kifinomult és hasznos válaszokat adni, mint egy ember.
A teszt végső soron ott dől el, hogy a bíró szerepében lévő ember képes-e eldönteni, hogy épp egy AI, vagy egy ember válaszol a kérdéseire. Ha ezt nem sikerül meghatározni, a mesterséges intelligencia átment a teszten.
A Turing-teszt az egyik legjobb mérőmódszer az AI képességeinek meghatározására
Fotó: Shutterstock
Kognitív képességek mérése
Az AI-rendszerek intelligenciájának mérésére szolgáló másik módszer, ha olyan kognitív feladatokat adunk nekik, amelyek jellemzően az emberi intelligenciához kapcsolódnak, például vizuális észlelés, nyelvi megértés, problémamegoldás és döntéshozatal. A fejlett mesterséges intelligencia teljesítménye ezeken a feladatokon összehasonlítható az emberi agy teljesítményével annak érdekében, hogy felmérjük intelligenciaszintjét.
A kognitív képességek mérésének egyetlen hátulütője az, hogy a mesterséges intelligencia rendszerek bizonyos feladatokban kiválóan teljesítenek, miközben más területeken jelentős hiányoságokkal küzdenek.
Gépi tanulási mérőszámok
A gépi tanulás, amely egy népszerű megközelítés a fejlett AI-rendszerek építésére, több mérőszámot használ a rendszer teljesítményének értékelése során. Ilyenek a pontosság, a precizitás, az úgynevezett visszahívás – vagyis az, hogy egy gép hány alkalommal képes megismételni ugyanazzal az eredménnyel ugyanazt a feladatot – és az ezek átlagából keletkezett F1 pontszám. Bár ezek a mérőszámok viszonylag pontosan jelezhetik a teljesítményt, nem feltétlenül tükrözik egy mesterséges intelligencia általános képességeit.
Emberi értékelés
Végső soron a legmegbízhatóbb módja annak, hogy felmérjük egy fejlett rendszer intelligenciáját, ha mi magunk értékeljük annak teljesítményét. Ezt felhasználói kutatások során végezhetjük el, ahol az emberek interakcióba lépnek a rendszerrel, és visszajelzést adnak annak viselkedéséről. Bár ez a megközelítés szubjektívebb, mint a fentebb említettek, mégis értékes betekintést nyújthat bármely mesterséges intelligencia rendszer erősségeibe és gyengeségeibe.
Ezen mérőszámok és megfigyelések alapján a jelen tudásunk szerint a következő öt mesterséges intelligencia rendelkezik a legjobb képességekkel.
OpenAI – ChatGPT
A ChatGPT az egyik legnépszerűbb nyelvi modell, ami a saját területén az egyik legfejlettebb AI
ShutterstockA GPT-3 és GPT-4 a legmodernebb nyelvi modellezési technikákat használják, beleértve az úgynevezett transzformátor neurális hálózatokat, amelyek célja a szavak és kifejezések közötti kapcsolatok modellezése egy mondaton belül. Ez lehetővé teszi számukra, hogy a természetes nyelv szerkezetét és jelentését kifinomultabb módon értsék meg, mint a korábbi, hasonló nyelvi modellek.
Mindkét technológia hatalmas mennyiségű szöveges adat alapján lett betanítva az internetről, így biztosítva azt, hogy természetes nyelvet generáljanak és értsenek meg széles körű kontextusokban. Ezek az adatok kulcsfontosságú ahhoz, hogy koherens és folyékony szöveget generáljanak.
Még több érdekesség! A tükörben nézi magát és javítja a mozdulatait ez a robot – videó!
IBM – Watson
Az IBM által megalkotott Watson fejlett, természetes nyelvi feldolgozó algoritmusokkal van felszerelve, amelyek képesek elemezni és megérteni az emberi nyelvet. Ennek köszönhetően a program képes szöveges dokumentumokat, e-maileket, közösségi média bejegyzéseket és más, teljesen strukturálatlan adatforrásokat olvasni és értelmezni. Watson természetes nyelvi feldolgozó képességei
lehetővé teszik számára, hogy releváns információkat nyerjen ki a szövegekből, és olyan mintákat és kapcsolatokat azonosítson, amelyeket az embereknek nehéz lenne észlelniük.
Watson gépi tanulási algoritmusokat használ teljesítményének folyamatos javítására. Ennek révén a mesterséges intelligencia képes tanulni a múltbeli tapasztalatokból, és működését folyamatosan finomítani. A gépi tanulás lehetővé teszi, hogy Watson idővel egyre pontosabbá és hatékonyabbá váljon, így egyre értékesebb eszközzé válik az adatkezelés és döntéshozatal területén.
Tesla – Autopilot
Az önvezető autók még pár évvel ezelőtt is elképzelhetetlennek tűntek, ám Elon Musk és a cége, a Tesla dollármilliókat öntöttek az Autopilot, vagyis robotpilóta névre keresztelt mesterséges intelligencia fejlesztésébe.
Ennek köszönhetően a rendszer kamerákat, radart, ultrahangos érzékelőket és GPS-adatokat is használ, hogy átfogó képet alkosson a környezetéről. Az érzékelő rendszere lehetővé teszi, hogy az autó érzékelje és felismerje az objektumokat, gyalogosokat és más járműveket a közelében.
Különösen figyelemreméltó, hogy az Autopilot 90-95%-os pontossággal képes baleseteket detektálni.
A robotpilóta mélytanuló neurális hálózatot használ, amelyet több milliárd mérföldnyi vezetési adat alapján képeztek ki. A rendszer képes felismerni a bonyolult vezetési szituációkat, és teljesítménye napról napra javul.
Hanson Robotics – Sophia
A Sophia névre keresztelt humanoid robot, a legfejlettebb mesterséges intelligenciával van felszerelve, és arra tervezték, hogy utánozza az emberi viselkedést és interakciókat. 2016-os bemutatása óta Sophia a robotika és a mesterséges intelligencia innovációjának szimbólumává vált.
Sophia kifinomult, természetes nyelvi feldolgozáson alapuló algoritmusokat használ az emberi beszéd megértésére és a valós idejű válaszadásra. Ennek köszönhetően zökkenőmentes és értelmes beszélgetéseket folytathat bárkivel, miközben AI-alapú látórendszerekkel van felszerelve, amelyek segítségével képes érzékelni és utánozni az emberi arckifejezéseket is.
A robot ezen kívül
képes személyes és érzelmi töltetet is adni az interakcióinak, miközben tanul a saját tapasztalataiból és hibáiból.
Ennek révén idővel képes alkalmazkodni az új környezetekhez és javítani kommunikációs készségein is.
Anthropic — Claude
Az Anthropic által kifejlesztett, Claude névre keresztelt mesterséges intelligencia egy tulajdonságával mindenképpen kiemelkedik az összes többi AI-rendszer közül: ez pedig nem más, mint az etikus és biztonságos működés.
Claude legfontosabb tulajdonsága ugyanis az, hogy
minden helyzetben a lehető legetikusabban, az emberi jogokat és szabadságelveket maximálisan tiszteletben tartva folytat beszélgetést bárkivel.
Ez biztosítja, hogy minimalizálja a kockázatokat, például az elfogult vagy káros kimeneteket, így megbízható választás érzékeny témák, beszélgetések során.
Ezt is olvasd el! Megijedtek a kutatók: a mesterséges intelligencia már képes önmagát reprodukálni
Zökkenőmentes és természetes párbeszédre tervezték, de Claude kiemelkedik az intuitív interakciók létrehozásában, legyen szó akár alkalmi, akár szakmai használatról. A legújabb természetes nyelvi feldolgozásának köszönhetően Claude könnyedén kezeli a bonyolult kérdéseket, és kontextusfüggő, rendkívül pontos válaszokat képes adni.
