Saját MI-utódunkat tanítjuk be minden egyes billentyűleütéssel?

Saját MI-utódunkat tanítjuk be minden egyes billentyűleütéssel?
  Hősünk 2025 februárjában elgondolkodott azon, hogy mennyi idő múlva fogják a munkáltatók mesterséges intelligenciával helyettesíteni alkalmazottaikat, hiszen minden szükséges adattal rendelkeznek ehhez.

Egy év távmunka a Google-nél

2020 és 2021 között hősünk teljes munkaidőben dolgozott a Google-nél, teljesen távmunkában. Soha nem járt a Google székhelyén, minden hozzájárulása digitális volt: billentyűleütések, érintőpad-mozgások és egérkattintások sorozata a hivatalos Google laptopjáról. Videótalálkozókon keresztül adott hang- és videóbemeneteket, de soha senki nem látta személyesen.

Csak nemrég merült fel a gondolat, hogy ezeket a cselekedeteket valószínűleg rögzítették. Természetesen bizonyos dolgokról már ismert volt, hogy rögzítve vannak: például a Google monorepo-ba beküldött kódsorok feltehetően még mindig ott vannak. A levelek is tárolva vannak valahol, ahogy a Google Docs-on keresztül írt jegyzetek is. De mi a helyzet a vállalati számítógépen végzett többi tevékenységgel?

Nagyonis lehetséges, hogy az egész napi munkafolyamatot dokumentálták. Elméletileg a munkáltatónak joga volt minden olyan bemenetet gyűjteni, amit a vállalati számítógépen adtak meg: minden egérkattintást, minden billentyűleütést. És ezeket mind visszaküldhették volna valamilyen adattárházba. Ez sokkal gazdagabb adattípus, mint egyszerűen a kimeneti kódsorok: ezek olyan *viselkedési nyomok*, amelyek meghatározzák, hogyan oldódnak meg problémák az elejétől a végéig.

Távmunka automatizálása felügyelt tanulással

A viselkedési nyomok a munkakimenet automatizálásának fogalmát a mesterséges intelligencia jól definiált tanulási problémájává egyszerűsítik. A modell bemenetei lennének mindazok a bemenetek, amelyeket a számítógép szolgáltat: képernyőn megjelenő pixelek, esetleg hang. A kimenetek pedig azok a “műveletek”, amelyeket a számítógépen végeztek: billentyűleütések, egérmozgások, kattintások.

Nagy léptékben teljesen megvalósíthatónak tűnik olyan nagy modell betanítása, amely képes megjósolni a műveleteket a számítógépes bemenetekből. Ez a jelenlegi technológiával is megoldható: felügyelt tanulással, amely lehetővé teszi a műveletek előrejelzését számítógépes bemenetekből, és transzformerek segítségével, amely neuronhálózat-típus kiválóan alkalmas nagy mennyiségű adatból való tanulásra.

A vállalat szempontjából a folyamat egyszerű lenne. A munkáltató rögzíti a munkavállaló tevékenységét bizonyos ideig; betanít egy modellt, hogy reprodukálja a kimenetét a legmonotonabb és legunalmasabb feladatokhoz. Vagy talán a vállalat az összes rendelkezésre álló adatot felhasználja, és egy modellt tanít be az összes alkalmazott kimenetének összességére. Ez közelebb állna ahhoz, amit más területeken, például a képfelismerésben és a nyelvfeldolgozásban láttunk sikeresen működni, ahol a több adaton való tanítás általában a helyes válasz.

Tökéletlen modelljeink képesek-e javítani termelékenységünket?

A cégek tehát betaníthatnak egy modellt az alkalmazottak cselekedeteinek utánzására. De hogyan használhatók ezek a modellek? Ha a létrejött mesterséges intelligenciára gondolunk, az nem lenne az alkalmazott közvetlen helyettesítője, hanem egy valószínűségi modell, amely megmondja egy adott művelet valószínűségét egy adott bemenet alapján.

A neurális hálózatokat könnyen megtéveszthetik a megtévesztő bemenetek, és általában nem teljesítenek jól, ha a bemenetek túlságosan eltérnek a megszokottól. Ezek az emberekkel ellentétben problémát jelentenek.

Magasabb bizonytalanságú helyzetekben a modell kevésbé hasznos eloszlást adna a potenciális műveletekről. Ilyenkor a mohó művelet-mintavételezés “kitettségi torzításhoz” vezethet, ahol a modell valami furcsát csinál, olyan helyzetbe kerül, amelyet még soha nem látott, és elkerülhetetlenül kisiklik.

A legvalószínűbb megoldás hasonló lesz ahhoz, ami az önvezető autók esetében bevált: a számítógép magától “vezethet”, amíg nem találkozik valami teljesen váratlannal, amikor egy ember beavatkozik. Miután az újszerű forgatókönyv megoldódott, és a feladat ismét hasonlít valamire, amit a számítógép már tud kezelni, a modell folytathatja a működést.

Kétféle alapvető felhasználói felület képzelhető el: “gyorsítás” stílus és “művezető” stílus.

A gyorsítási beállításban az asszisztens nagyon gyorsan elvégezne bizonyos feladatokat, míg a felhasználó várakozik. Ha a bemeneti késleltetés nem korlátozó tényező, a számítógép egy szempillantás alatt elvégezhetné a feladatokat.

A művezető módban egy ember felügyelne *sok* párhuzamosan dolgozó MI-t. Ez csak akkor lehetséges, ha a modellek beavatkozás nélkül tudják végezni munkájuk nagy részét. Ebben a beállításban egy személy lenne felelős több MI asszisztens sikeréért, és akkor segítene nekik, amikor a feladat elér egy bizonyos bizonytalansági szintet.


Mit jelent ez a mi számunkra?

A fejlődés növeli a digitális munka átlagos entrópiáját. Ennek az elvnek semmi köze a neurális hálózatokhoz. Ahogy jobb eszközöket fejlesztünk ki, gyorsabban tudjuk elvégezni az ismétlődő feladatokat. A jobb absztrakciók csökkentik a bemenet mennyiségét, amellyel ugyanannyi kimenetet tudunk generálni.

Minden távmunkás munkája időnként ismétlődő jellegű. Az érték abból származik, ahogyan a legkevésbé ismétlődő dolgokat kezelik: reagálnak az új helyzetekre, alkalmazkodnak a változásokhoz. Az új eszközök csökkenteni fogják a munkában lévő ismétlődések mennyiségét. A mindennapi munka kevésbé lesz kiszámítható, mivel a legvilágosabb és legmonotonabb feladatokat modellezik.

Mindezek alapján hogyan teheti magát nélkülözhetetlenné az ember? A válasz az entrópia elleni harccal. Ha a leghatékonyabb vállalat az, ahol az alkalmazottak mindig a legkevésbé ismétlődő dolgot csinálják, akkor a legproduktívabb alkalmazott az, aki a legkevésbé modellezhető. A hangsúly azokon a dolgokon van, amelyekhez nehéz tréningadatokat gyűjteni.

A “legbiztosságosabb” vagy legnehezebben MI-esíthető munkák azok, amelyek sok váratlan helyzetet tartalmaznak, kreativitáson vagy más emberi sajátosságon alapulnak.


Legfrissebb posztok

Az Apple újabb kémszoftver-támadásokat leplezett le

MA 23:01

Az Apple újabb kémszoftver-támadásokat leplezett le

Az Apple nemrégiben figyelmeztette felhasználóit, hogy készülékeiket sorozatosan támadták meg fejlett kémszoftverekkel. A francia nemzeti kibervédelmi szervezet, az ANSSI által felügyelt CERT-FR szerint idén eddig legalább négy alkalommal...

Különös kövek, meglepő felfedezések a Mars felszínén

MA 22:52

Különös kövek, meglepő felfedezések a Mars felszínén

🪐 Az amerikai Perseverance marsjáró legfrissebb mérései minden eddiginél izgalmasabb kérdéseket vetnek fel a vörös bolygó hajdani lakóival kapcsolatban. Egy nemzetközi kutatócsoport, köztük Dr. Michael Tice, a Texas A&M...

Hová tűnt az univerzum vize, rejtély egy csillag körül

MA 22:26

Hová tűnt az univerzum vize, rejtély egy csillag körül

A James Webb-űrteleszkóp friss megfigyelései meglepő eredményre vezettek: egy fiatal csillag körül, amely az NGC 6357 galaxisban található, a csillagászok egy szinte teljesen vízmentes, bolygókeletkezési korongot fedeztek fel....


MA 22:04

Plaud NotePin, az okos diktafon, ami tényleg mindent tud

A Plaud NotePin egy ultrakompakt, ruhára csíptethető hangrögzítő, amely kiemelkedik azzal, hogy beépített MI-alapú hangfelismeréssel rendelkezik, ráadásul több mint 112 nyelven képes leiratozni és összefoglalni a rögzített beszélgetéseket,...

Az ötezer éves térdelő bika titka Iránból

MA 21:26

Az ötezer éves térdelő bika titka Iránból

🐮 Egy ötezer éves ezüstbika különös pózban térdel: emberi vállakat és karokat kapott, de feje bika, kecsesen hajlított szarvakkal. Kezében hegyes ivóedényt tart, lábai alatt díszes köpeny húzódik. A...

Titokzatos vulkánok figyelnek ránk az űrből, Chiltepe rejtélye

MA 21:02

Titokzatos vulkánok figyelnek ránk az űrből, Chiltepe rejtélye

🌋 A közép-amerikai Nicaragua szívében, a Managua-tóban található Chiltepe-félsziget lenyűgöző látványt nyújt az űrből. Egy 2014-ben, a Nemzetközi Űrállomás fedélzetéről készült fényképen két vulkáni tó szinte szempárként mered az...

Támadnak az új Meta-szemüvegek és a digitális világok

MA 20:51

Támadnak az új Meta-szemüvegek és a digitális világok

A kaliforniai Menlo Parkban megrendezett Connect 2025-ön a Meta minden eddiginél nagyobb dobásokkal jelentkezett a viselhető technológia, a virtuális valóság és a kiterjesztett valóság terén. Jelentős lépés, hogy...

A marsi teknős: újabb furcsaságot fotózott a Perseverance

MA 20:26

A marsi teknős: újabb furcsaságot fotózott a Perseverance

🐕 A NASA Perseverance marsjárója egy különös sziklaalakzatot fotózott, amely megtévesztésig hasonlít egy teknősre: mintha egy páncélból dugná ki a fejét. Az óriási jármű a Jezero-kráterben, egy 45 km...

Az okosszemüveget felturbózta a Snap: itt a Snap OS 2.0

MA 20:01

Az okosszemüveget felturbózta a Snap: itt a Snap OS 2.0

🕶 A Snap új szintre emelte AR-szemüvegét, a Snap Spectacles-t: megérkezett a Snap OS 2.0. A frissítés része egy villámgyors, natív böngésző, amely egyszerűbb kezelést, gyorsabb oldalbetöltést és optimalizált...