Az intelligenciarobbanás elmélete
Az MI világa, különösen a science fiction műfaj, gyakran fest fel olyan jövőképet, ahol szuperintelligens rendszerek – vagyis minden emberi képességet meghaladó számítógépek – uralják az emberiséget. Az olyan prominens vezetők, mint az OpenAI és a Meta vezérigazgatói is azt jósolják, hogy a szuperintelligencia előbb-utóbb megérkezik. A kérdés azonban korántsem ilyen egyszerű: a filmekben ábrázolt gépek sokkal fejlettebbek, mint a mai eszközeink, amelyek legfejlettebb változatai is csak most tanulgatnak Excel-táblázatokat kezelni.
Irving John Good már 1965-ben felvetette, hogy ha egy MI elég kifinomulttá válik arra, hogy önmagát javítsa, gyors egymásutánban létrehozza saját, egyre okosabb verzióit – kialakul az úgynevezett intelligenciarobbanás. Érdemes kiemelni, hogy a DeepMind által fejlesztett AlphaGo Zero már megmutatta, mire képes egy önmagát tanító rendszer: emberi adatok nélkül, több milliószor játszva saját magával napok alatt érte el azt a fejlődési szintet, amire az embernek egy élet is kevés lett volna.
Közelebb járunk az áttöréshez, mint gondolnánk?
Az MI már most képes saját maga kódot futtatni. Az olyan rendszerek, mint az OpenAI Codex vagy a Claude Code önállóan, órákon keresztül képesek új kódot írni vagy meglévőt frissíteni. Egy gyors, mobilról adott utasítással működő weboldalt generálhatunk percek alatt, de igazán látványos az, amit gyakorlott fejlesztők tudnak kihozni belőle: teljes projektek újraszervezése, teljesen új fejlesztési útvonalak tervezése.
A kérdés azonban korántsem ilyen egyszerű: ezek a rendszerek még mindig az emberi programozókra támaszkodnak a célok és kísérletek meghatározásában, illetve annak eldöntésében, hogy valójában melyik változtatás jelent előrelépést. Jelenleg nem tudnak valóban önállóan fejlődni, még ha néhol túlzóak is a közelgő szuperintelligenciáról szóló beszámolók. Vagy talán mégis közelebb vagyunk ahhoz, hogy az MI egyre szélesebb képességeit önmagától fejlessze?
Az MI szuperereje: az információ feldolgozása
A legmodernebb modellek többet olvasnak, értelmeznek és rendszereznek, mint amit egy ember képes lenne egy egész élet alatt. Cikkeket, költészetet, történelmet és tudományos műveket fognak át – sőt, már most képesek hosszabb szövegrészeket fejben tartani és összefoglalni. ChatGPT vagy Gemini esetében komplett könyvhalmokat tölthetünk fel, hogy az MI pár perc alatt összegezze és értékelje azt, ami az embernek hetekig tartana. Ez persze nem jelenti azt, hogy mindig pontos és okos a végeredmény, de a rendszer képes saját dokumentációját és kódját átlátni, javaslatokat tenni, olyan tempóban, amit egyetlen mérnökcsapat sem tud utánozni.
Az indoklás vagy érvelés terén még van lemaradásuk e rendszereknek, legalábbis általános területeken. Ugyanakkor a DeepMind AlphaDevje már olyan új, hatékony algoritmusokat fedezett fel, amelyeket most valódi szoftverekben használnak. Más modellek pedig a felsőbb matematika és tudományos problémák megoldásában remekelnek – olyan területeken, ahol már nem elég a sablonos, statisztikai mintakövetés. Ennek következtében bizonyos MI-rendszerek már most is képesek olyan felfedezésekre, amelyeket ember még sosem talált meg.
Mi hiányzik még az AGI-hoz?
A következő lépés az úgynevezett mesterséges általános intelligencia (AGI), vagyis egy olyan rendszer, amely rugalmas, emberhez hasonló gondolkodásra is képes – egyik területről tanuljon, és azt alkalmazza másra is. Egymás után pipálja ki az MI az egyes mérföldköveket, de a szuperintelligencia felé vezető úton nem a címke számít, hanem az, hogy a rendszer képes-e megbízhatóan önmagát tervezni, fejleszteni, javítani.
Ha végül sikerül egy ilyen, több területet lefedő, rugalmas rendszert építeni, amely hozzáfér saját forráskódjához, adatbázisához és oktatási folyamataihoz, valóban ugrásszerű fejlődés következhet be. De hogy mennyire állunk ettől messze, abban nincs egyetértés. Egyes kutatók szerint még messze vagyunk a valódi intelligencia megértésétől, mások viszont azt jósolják, hogy már néhány éven belül áttörés történhet ezen a téren. Sam Altman például már 2024-ben úgy fogalmazott, hogy a szuperintelligencia akár rövid időn belül megérkezhet.
Jövőnk: kontroll vagy túllövés?
Bár science fictionnek hangozhat, az MI-vállalatok folyamatosan tesztelik rendszereik biztonságát, nehogy azok kontroll nélküli, önfejlesztő spirálba lépjenek. Az Alignment Research Center mérési rendszere alapján tesztelt GPT-5.1-Codex-Max már két óra negyvenkét percig képes volt bonyolult feladatok megoldásán kitartani – ez hatalmas előrelépés a GPT-4 néhány perces teljesítményéhez képest, de még messze nem elég a Good-féle intelligenciarobbanáshoz.
Az Anthropic is kiemelten figyel az MI saját fejlődési képességeire. Ma még nem beszélhetünk teljesen önfejlesztő MI-ről, de már ott tartunk, hogy az újabb rendszereket az előzők kódjával javítják. Ha elérjük az AGI szintjét, és mindezt óriási tudásbázissal, gyorsasággal és emberi ítélőképességgel kombináljuk, akkor Good szuperintelligencia-elmélete már nem is tűnik olyan elrugaszkodottnak. Ezért a legfőbb kérdés az: beérjük-e az emberi szintet, vagy sikerül messze túllőnünk rajta?
