Századelő, logarléc – mikor lesz a csodák éve?

Logarléc
Logarléc: a jövőt nem mutatta jól

Elszámolunk vagy leszámolunk a logarléc tudással

Karl Erik Rosengren Kommunikáció c. könyvét olvasom, meg-megállva, nyikorgó gondolatokkal haladnék vele a padlásra – de meglehet, már későn.
Itt van teszem azt az a megjegyzése, mely szerint milyen nagyszerű találmányok segítették elő a tizenkilencedik században az emberi kommunikáció fejlődését. Megemlíti a számológépet is, amelynek versenytársai is akadtak, a ma már korszerűtlennek számító logarléc és az abakusz is.

Logarléc, abakusz az emlékeinkben

Itt azonnal megálltam, rohantam a asszony szoknyájához, hogy neked is volt logarléced annak idején? Mert nekem nagyon szép, mondhatnám mérnöki drágaságú logarlécet vett az anyám, hogy nagy ember lehessek, ne olyan sanyarú sorsú, mint amilyen…

– Golyós számológépem is volt – felelte az asszony, de nem is emlékeztem már rá, hogy abakusznak hívták.
– Most, hogy mondod, elsőben, vagy még az óvodában nekem is volt, görbe ívben lehetett a golyókat tologatni! – merengtem vele tovább…

Csodák éve: 2000

Nekünk, gyerekkorunkban volt „csodák éve” is! Senki nem nevezte így, csak ha hivatkozott valaki a jövőre, akkor azt mindenki a kétezredik évhez kötötte, amikorra már az emberiség minden globális problémát megold, megjárja a Holdat-Marsot, világbéke lesz és képtelefon, sőt le lesz rakva a hogyishívjáknak az örök megbonthatatlan micsodája is, talán  alapja, ha jól emlékszem.

Sajnálom is kicsit a mostani ifjú nemzedéket, nekik nincs „csodák éve”, szinte már minden fel van találva előlük, talán csak a rák tartja magát még valahogy – anyámat is az vitte el, éppen kétezerben.


Tévedtem: van új csoda, a neve mesterséges intelligencia (MI)

A mesterséges intelligencia (MI) fejlődéstörténete az 1950-es években kezdődött, amikor az első MI programokat írták meg. Az első MI alkalmazások általában játékokhoz és szimulációkhoz kapcsolódtak, mint például az első sakkjáték programok.

Az 1960-as években a MI kutatások olyan területekre terjedtek ki, mint a logikai és az adatbányászati ​​rendszerek, az idegrendszer modellezése, a beszédfelismerés és a szövegértés. Azonban a korai MI alkalmazások nagyon korlátozottak voltak, és csak nagyon specifikus problémákat tudtak megoldani.

Az 1970-es években és 1980-as években a MI kutatások új lendületet kaptak az új számítógépes technológiák és a nagyobb adatkapacitások fejlődése miatt. Ebben az időszakban jelentek meg az első gépi tanulás és neurális hálózatok, amelyek lehetővé tették a MI rendszerek hatékonyabb működését. Az 1980-as évek végén és a 1990-es évek elején az MI kutatások fókusza az asztali számítógépek és a PC-k irányába tolódott el, ami újabb lehetőségeket nyitott az MI alkalmazások fejlesztésére.

Az 2000-es években a nagy adatkészletek és a nagyobb számítási kapacitások lehetővé tették az MI rendszerek számára, hogy az emberi teljesítményt meghaladó teljesítményt nyújtsanak bizonyos feladatokban, például a képfelismerés, a hangfelismerés, a természetes nyelvfeldolgozás és a gépi fordítás területén.

A 2010-es években az MI kutatások fókusza az úgynevezett „mély tanulásra” tolódott el, amely a neurális hálózatok továbbfejlesztett változata, amelyek még hatékonyabbak a nagy adatkészletek feldolgozásában és a komplex feladatok megoldásában.

Manapság az MI rendszerek széles körben alkalmaznak számos területen, mint például az autonóm járművek, az egészségügy, a pénzügy, az ügyfélkapcsolat-kezelés, az értékesítés és az ipar. Az MI fejlődése azonban folyamatos, és továbbra is fontos kihívást jelent a kutatás számára.

A fantasztikusan sikeres ChatGPT milyen rendszerre-módszerre épült fel?

A ChatGPT egy nagy nyelvi model, amely a GPT (Generative Pre-trained Transformer) architektúrára épül. A GPT egy mesterséges intelligencia rendszer, amelyet a OpenAI fejlesztett ki és amely az előtanításra (pre-training) és finomhangolásra (fine-tuning) alapul.

Az előtanítás során a GPT rendszer nagy mennyiségű szöveges adathalmazt használ a modell megalkotásához. Az előtanítás célja, hogy a rendszer „megértse” a nyelv szerkezetét és jelentését, így képes lesz magas szintű nyelvi feldolgozásra, például szöveggenerálásra és szövegértésre.

A finomhangolás során a GPT modellt további adathalmazokkal és feladatokkal látják el, amelyekre az adott alkalmazásnál pontosabb és hatékonyabb megoldásra van szükség. Az ilyen finomhangolási eljárások lehetővé teszik a modell számára, hogy alkalmazkodjon az adott feladathoz és pontosabb eredményeket érjen el.

A ChatGPT modell konkrétan a GPT-3.5 verzióra épül, amely a GPT-3 modell továbbfejlesztett változata. A ChatGPT-et további finomhangolásokkal és adaptációkkal látták el azáltal, hogy számos nyelven tanították meg, és különböző alkalmazásokhoz finomhangolták. Ennek eredményeként a ChatGPT rendkívül sokoldalú és nagyon hatékony a szöveggenerálás, beszédfelismerés, fordítás, kérdés-válasz és más nyelvi feladatokban.

***

Érinti témánkat:

Bognár László

Megosztás a közösségi médiában

Szólj hozzá!