A mesterséges intelligencia nem olvas a gondolatokban: miért a kommunikáció az új programozás?

Az elmúlt negyven évben a technológiai fejlődés alapvető iránya az volt, hogy az emberek megpróbálták elsajátítani a számítógépek működési logikáját. Kódolási és programozási nyelveket tanultunk, hogy utasításokat tudjunk adni a gépeknek. Napjainkban azonban paradigmaváltás figyelhető meg: a számítógépek kezdték el beszélni az emberi nyelvet.

A látszólagos egyszerűség paradoxona

Ez az új helyzet azt a hamis illúziót kelti, hogy a mesterséges intelligenciával (MI) való kommunikáció semmilyen felkészültséget nem igényel. A kutatási adatok azonban mást mutatnak: a mesterséges intelligencia által adott hibás, pontatlan vagy használhatatlan válaszok mintegy 44,6 százalékát a nem megfelelő felhasználói utasítások, azaz a rossz „promptok” okozzák.

„Az új programozási nyelv az emberi nyelv” – idézte Jensen Huangot, az Nvidia vezérigazgatóját Kunalsinh Kathia a TEDxSaffrony Institute of Technology rendezvényen. Ez az állítás rámutat arra, hogy a kódolási ismeretek helyét a logikus, strukturált emberi gondolkodás veszi át. A probléma gyökere az, hogy az emberek hajlamosak a kommunikációs szokásaikat változtatás nélkül átültetni a gép-ember interakcióba.

A kontextus hiánya az MI-kommunikációban

Az emberek közötti kommunikáció évszázadok óta arra épül, hogy a felek képesek értelmezni a kimondatlan információkat is. Egy emberi beszélgetés során az instrukciók mindössze egy töredékét adjuk át verbálisan, mégis teljes körű eredményt várunk el.

Amikor egy vezető kiad egy feladatot a beosztottjának, vagy egy tanár utasítást ad egy diáknak, a befogadó fél a metakommunikációs jelekből, a hangsúlyból, az arckifejezésből és a korábbi tapasztalatokból képes kiegészíteni a hiányzó információkat. Az emberi intelligencia része a józan ész és a kontextusfüggő értelmezés.

„A mesterséges intelligencia nem rendelkezik józan ésszel. Nem ismeri a kisugárzásodat. Csak a szavaidat ismeri” – mondta Kunalsinh Kathia a TEDxSaffrony Institute of Technology rendezvényen.

Egy fodrásznál tett látogatás vagy egy rendezvényen dolgozó fotós munkája jól példázza ezt a jelenséget. Ha valaki csupán annyit kér a fodrásztól, hogy „egy jó hajvágást csinálj”, a szakember a saját értelmezése és a vendég stílusa alapján hoz döntéseket. Ha viszont ugyanezt a homályos instrukciót egy géprendszer kapná meg, az eredmény kiszámíthatatlan lenne, mivel a gép nem képes az egyéni preferenciák „kitalálására”. A technológia önmagában hiába tökéletes, ha a kapott instrukció pontatlan, a végeredmény nem lesz megfelelő.

A strukturált gondolkodás rendszere: a RISE keretrendszer

A professzionális MI-használat alapja a prompt engineering (utasítástervezés), amely nem matematikai vagy informatikai, hanem rendszerszintű kommunikációs készség. A globális technológiai piacon dolgozó kutatók és fejlesztők már számos olyan keretrendszert használnak, amely kiszámíthatóbbá teszi a nyelvi modellek működését. Ezek közé tartozik a „chain of thought” (gondolatmenet) vagy a „zero-shot” prompting technika.

A mindennapi felhasználás során az egyik leghatékonyabb megközelítés a RISE mozaikszóval leírt módszertan, amely négy lépésben strukturálja a gépnek adott utasításokat.

R – Role (Szerep) Az első lépés a kontextus megteremtése. Mielőtt a felhasználó feltenné a kérdését, meg kell határoznia, hogy az MI milyen pozícióból, milyen szakmai szűrőn keresztül közelítse meg a problémát. Ha az utasítás úgy kezdődik, hogy a gép viselkedjen karriertanácsadóként vagy matematikai szakértőként, a nyelvi modell azonnal egy specifikus adatbázisra és stílusra szűkíti a válaszadáshoz használt erőforrásait.

I – Instructions (Utasítás) A feladat pontos, direkt meghatározása. A túl általános kérések (például: „írj a tudományról”) helyett specifikus, tárgyilagos instrukciókra van szükség (például: „magyarázd el a gravitáció koncepcióját”). Minél szűkebb és fókuszáltabb az utasítás, annál tisztább lesz a generált válasz.

S – Steps (Lépések) A nyelvi modellek rendkívül gyorsak, ami gyakran felületes vagy logikailag ugráló válaszokhoz vezet. A folyamat lassítása és strukturálása érdekében az összetett feladatokat lépésekre kell bontani. Egy adatelemzési feladatnál az utasításnak tartalmaznia kell a sorrendiséget: először az adatok áttekintése, majd a mintázatok azonosítása, végül a következtetések levonása következik. Ez a megközelítés kijelöli azt az utat, amelyen az MI-nek végig kell haladnia.

E – Expectations (Elvárások) Az utolsó fázis a kimeneti formátum meghatározása. A felhasználónak tisztáznia kell, hogy pontosan mit vár el: egy rövid bekezdést, egy vázlatpontos listát, vagy egy kreatív történetet. Elvárások hiányában a rendszer találgatni kezd, ami a pontatlanság melegágya.

Az elmélet a gyakorlatban: egy fizikaóra megtervezése

A strukturált utasításadás hatékonysága jól mérhető az oktatási szektorban. Ha egy pedagógus egy negyvenfős, elsőéves osztálynak szeretné megtanítani az Ohm-törvényt, egy egyszerű, kidolgozatlan prompt (például: „adj egy feladatot az Ohm-törvény tanításához”) nagy valószínűséggel egy hosszú, elméleti definíciókat és bonyolult, laboratóriumi eszközöket igénylő leírást eredményez.

Ezzel szemben a RISE keretrendszer alkalmazásával az eredmény drasztikusan megváltozik. Ha az utasítás meghatározza a szerepet (szórakoztató fizikatanár), a feladatot (osztálytermi aktivitás az Ohm-törvényre), a lépéseket (víz-analógia használata, diákok bevonása feszültség és ellenállás szerepekbe, 5 perces összefoglaló), valamint az elvárásokat (laboratóriumi eszközök nélküli kivitelezhetőség), az MI egy azonnal alkalmazható, gyakorlatias forgatókönyvet generál.

A promptolás, mint az új alapkompetencia

A Világgazdasági Fórum (World Economic Forum) elemzései szerint a jelenlegi munkaerőpiac legfontosabb készségei az analitikus és a kreatív gondolkodás. Ahogyan ötven évvel ezelőtt az írni és olvasni tudás hiánya jelentett behozhatatlan hátrányt, a közeljövőben az MI-utasítások megfogalmazásának (prompting) képessége válik a modern írástudás alapjává.

Gyakori kritika a technológiával szemben, hogy a mesterséges intelligencia túlzott használata elgépiesíti az embereket. Az elemzések azonban arra mutatnak rá, hogy a folyamat épp az ellenkező irányba hat. Ahhoz, hogy egy nyelvi modellből minőségi eredményt lehessen kinyerni, a felhasználónak strukturáltnak és tudatosnak kell lenniük. A prompt keretrendszerek használata nem csupán egy szoftver kezelését jelenti, hanem a saját gondolkodási folyamataink optimalizálását.

A mesterséges intelligencia jelenléte ma már nem jövőkép, hanem az új norma. Azok a munkavállalók és szakemberek, akik felismerik a tiszta kommunikáció jelentőségét, egyszerű felhasználókból a folyamatok irányítóivá, „rendezőivé” válhatnak. A jövő munkaerőpiaci előnyét nem maga a mesterséges intelligencia birtoklása jelenti majd, hanem az a képesség, hogy az ember milyen hatékonysággal tud kommunikálni ezekkel a rendszerekkel.