(Forrás: nzz.ch) A mesterséges intelligencia lefordítja az ókori írásjeleket, az emberek gondolatait és még az állatok nyelvét is. De hogy pontosan hogyan fejtette meg a fehérjeszerkezeteket vagy fejlesztette ki az új anyagokat, azt senki sem tudja. Tavaly októberben Demis Hassabis egy stockholmi telefonhívást kapott, amely megváltoztatta az életét. Csak 48 évesen értesítették, hogy John Jumperrel és David Bakerrel együtt Nobel-díjat kap a kémia területén. Hassabis ehhez képest egyszer sem járt egy kémiai laborban!
A szoftverfejlesztő az Alphafold nevű mesterséges intelligencia programmal a számítógép képernyőjén megoldotta a biológia egyik legnagyobb rejtélyét: a fehérjék hajtogatását. Ezek az élet alapvető építőkövei szálakként keletkeznek, és csak hajtogatott, háromdimenziós szerkezetükben nyerik el funkciójukat. Az, hogy ez milyen törvények szerint történik, évtizedek óta rejtély volt.
A fehérjehajtogatás megfejtéséért járó Nobel-díj csak egy példa arra, hogy a mesterséges intelligencia hogyan tágítja a megértésünk határait és új nyelveket tesz elérhetővé számunkra. Ez nem csak írott szavakra vonatkozik, mint a Chat-GPT esetében.
A Meta kutatói tavaly decemberben kifejlesztettek egy modellt, amely már nem szavakkal adta vissza a belső gondolatmenetet, hanem a modellek saját nyelvén, számokban. Ahelyett, hogy mondatokban gondolkodott volna, a modell számok sorozatát állította elő, amelyek a neurális hálózat legújabb mintáit, vagyis bizonyos értelemben annak belső gondolkodási folyamatát reprezentálták.
A számsorok sokkal több információt tudtak magukban foglalni, mint az emberi nyelv, és egyszerre több lehetséges gondolati irányt is tartalmaztak. Bizonyos logikai érvelési feladatokban ezek a modellek felülmúlták azokat, amelyek természetes nyelven „gondolkodtak”. Az emberek számára ezek a számalapú gondolati lépések teljesen érthetetlenek voltak. Más mesterséges intelligenciák számára viszont valószínűleg nyitott könyvnek tűntek.
Az AI, vagyis ahogy angolul rövidítik a mesterséges intelligencia nevét, megjelenése tehát összehasonlítható egy hatalmas, új teleszkóp kifejlesztésével, amely mélyebb betekintést enged a természetbe. Minden, ami adatcsomagokra bontható, a gépekbe kerül.
Az AI tehát sokkal többről szól, mint csinos képek vagy szép mondatok generálásáról. Új szemüveget ad a kutatóknak, amely lehetővé teszi számukra, hogy eddig láthatatlan valóságokat lássanak. Átalakítja a tudomány legmélyebb folyamatait – nem csak az alkalmazottak irodáiban.
Az AI belsejében
Az AI-modellek képessége, hogy új, eddig rejtett ábécéket és nyelveket dekódoljanak, egyedülálló tanulási módszerükben rejlik. Hatalmas adatmennyiségek feldolgozásával, gyakran iteratív ciklusokban, folyamatosan módosítja belső paramétereit, amíg a legfinomabb és legbonyolultabb szabályszerűségeket is felismeri.
De éppen ebben rejlik a kihívás: miközben az AI új szabályokat és mintákat fedez fel, ezek a felismerések gyakran többdimenziós paraméterkombinációkba vannak zárva, amelyek nekünk, embereknek, egyáltalán nem segítenek a megértésben.
Az AI belsejében nincs elegáns matematikai képlet, nincs folyamatábra és nincs szabályrendszer, amelyet kivennénk, tanulmányoznánk és megértenénk – csak milliárdnyi kapcsolat van milliárdnyi mesterséges idegsejt között, amelyek parancsra aktiválódnak és kimenetet generálnak. Hogy milyen szabályok szerint teszik ezt, azt csak maga a mesterséges intelligencia tudja. A kutatók világszerte igyekeznek feltörni a mesterséges intelligencia nevű „fekete dobozt” és értelmezhetővé tenni, de az eddigi eredmények szerények.
Más szavakkal: megértést reméltünk, ehelyett eredményeket kaptunk. Hassabis Alphafoldja esetében az AI tehát helyes fehérjeszerkezeteket szolgáltat, de az a kijelentés, hogy ezzel megoldódott a nagy biológiai rejtély, egy lényeges hiányosságot figyelmen kívül hagy: sem az AI maga, sem annak megalkotója, Hassabis nem tudja megmagyarázni nekünk, hogy a fehérjehajtogatás valójában hogyan működik.
A természet sok nyelven beszél: a biológia a DNS és a fehérjék építőelemeit használja szókincsének, a kémia az elemek kötéseit írja le, a matematika pedig formális keretet nyújt a fizikai törvények leírásához. A térképek pedig grafikákba és szimbólumokba sűríti a földrajzot. Az AI-t jelenleg ezekből és sok más területről származó adatkészletekkel képezik, és eközben folyamatosan új, eddig ismeretlen mintákra bukkannak.
Új anyagok és digitális régészek
Az új anyagok felfedezése és szintézise például egy fáradságos kísérletek és hibák sorozata, de tavaly drámai gyorsulás jeleit mutatta. Az autonóm laboratóriumok elkezdték kombinálni a robotikát az AI-vel, hogy önállóan fejlesszenek anyagrecepteket, szintetizáljanak anyagokat és elemezzék a termékeket – mindezt gyakorlatilag emberi beavatkozás nélkül.
Így a kutatók egyszerre 380 000 új stabil kristályszerkezetet azonosítottak. Remélik, hogy ez a generatív mesterséges intelligencia és az automatizálás kombinációja elősegíti az új energiatechnológiák, műanyagok vagy gyógyszerekhez szükséges anyagok fejlesztését.
Egy másik tudományág, amelyet a mesterséges intelligencia szó szerint újratervez, az archeológia. Itt egyre jobban képes megfejteni a múlt gyakran töredezett és nehezen hozzáférhető nyelveit. Kiemelkedő példák erre az ókori Holt-tengeri tekercsek vagy a Herculaneum-i tekercsek, amelyeket a Vezúv kitörése tartósított meg.
Ahol az emberek határaikhoz érnek, mert az ősi szövegek túl törékenyek vagy a betűk elhalványultak, az AI képes mintákat felismerni multispektrális felvételeken vagy virtuális kibontásokat végrehajtani. Az AI az archeológiai tájkutatásban is hasznos segítőnek bizonyul. Új lézertechnológiák segítségével a kutatók áttörték a sűrű növényzetet az ősi Campeche-ben, Mexikóban. Egy mesterséges intelligencia modell mintákat keresett az adatokban, és több száz eddig ismeretlen maja lelőhelyet talált.
A mesterséges intelligencia modellek képességei miatt a kutatók még azt az ősi álmot is megálmodhatják, hogy megértsék az állatok nyelvét, ahogyan Assisi Szent Ferenc tette. Az Earth Species Projecthez hasonló projektek azzal a feladattal foglalkoznak, hogy megfejtsék társaink kommunikációs rendszereit.
Bioakusztikai adatokat elemeznek mesterséges intelligenciával, és közben elképesztő mintákat fedeznek fel. Vannak például jelek arra, hogy az elefántok egyedi „neveket” használnak, hogy egymáshoz szóljanak, vagy hogy a bálnák speciális hangokkal, amelyek az emberi „hellóhoz” hasonlítanak, reagálnak fajtársaik hívására.
A rejtett nyelvek megfejtésének talán legmélyrehatóbb lépése az, amely minket magunkat érint: a saját agyunk mintáinak olvasási képessége. Így nemrégiben agy-számítógép interfészek segítségével egy férfi nyelvét közvetlenül az idegsejtjeinek aktivitásából szintetizálták, és így visszaadták neki a hangját, amelyet egy agyi betegség következtében elvesztett.
A kutatók 256 elektródát ültettek be a motoros kéregébe, és egy mesterséges intelligenciát tanítottak meg arra, hogy a férfi agyi jelekből kiolvassa a beszédszándékot. A mesterséges intelligencia ezután valós időben leírta, amit a férfi kizárólag gondolatban fogalmazott meg.
Gondolkodó számok
Egyes szakértők azt is feltételezik, hogy a mesterséges intelligencia hamarosan teljesen új nyelveket vehet majd igénybe a kommunikációhoz. A chatbotok jelenleg angolul, németül vagy más emberi nyelveken kommunikálnak. A legjobbak közülük belső gondolatláncokat (ún. „chains of thought”) generálnak, amelyek lehetővé teszik, hogy figyeljük őket gondolkodás közben.
A végső válaszok nem mindig vezethetők le ezekből a gondolati közbenső lépésekből, de utalnak arra, hogy mi zajlik a modellek belsejében. Ez a kívánatos átláthatóság azonban hamarosan véget érhet.
A Meta kutatói tavaly decemberben kifejlesztettek egy modellt, amely már nem szavakkal adta vissza a belső gondolatmenetet, hanem a modellek saját nyelvén, számokban. Ahelyett, hogy mondatokban gondolkodott volna, a modell számok sorozatát állította elő, amelyek a neurális hálózat legújabb mintáit, vagyis bizonyos értelemben annak belső gondolkodási folyamatát reprezentálták.
A számsorok sokkal több információt tudtak magukban foglalni, mint az emberi nyelv, és egyszerre több lehetséges gondolati irányt is tartalmaztak. Bizonyos logikai érvelési feladatokban ezek a modellek felülmúlták azokat, amelyek természetes nyelven „gondolkodtak”. Az emberek számára ezek a számalapú gondolati lépések teljesen érthetetlenek voltak. Más mesterséges intelligenciák számára viszont valószínűleg nyitott könyvnek tűntek.
Az AI megjelenése tehát összehasonlítható egy hatalmas, új teleszkóp kifejlesztésével, amely mélyebb betekintést enged a természetbe. Minden, ami adatcsomagokra bontható, a gépekbe kerül. Az AI tehát sokkal többről szól, mint csinos képek vagy szép mondatok generálásáról. Új szemüveget ad a kutatóknak, amely lehetővé teszi számukra, hogy eddig láthatatlan valóságokat lássanak. Átalakítja a tudomány legmélyebb folyamatait – nem csak az alkalmazottak irodáiban.
Az AI belsejében
Az AI-modellek képessége, hogy új, eddig rejtett ábécéket és nyelveket dekódoljanak, egyedülálló tanulási módszerükben rejlik. Hatalmas adatmennyiségek feldolgozásával, gyakran iteratív ciklusokban, folyamatosan módosítja belső paramétereit, amíg a legfinomabb és legbonyolultabb szabályszerűségeket is felismeri.
De éppen ebben rejlik a kihívás: miközben az AI új szabályokat és mintákat fedez fel, ezek a felismerések gyakran többdimenziós paraméterkombinációkba vannak zárva, amelyek nekünk, embereknek, egyáltalán nem segítenek a megértésben.
Az AI belsejében nincs elegáns matematikai képlet, nincs folyamatábra és nincs szabályrendszer, amelyet kivennénk, tanulmányoznánk és megértenénk – csak milliárdnyi kapcsolat van milliárdnyi mesterséges idegsejt között, amelyek parancsra aktiválódnak és kimenetet generálnak. Hogy milyen szabályok szerint teszik ezt, azt csak maga a mesterséges intelligencia tudja. A kutatók világszerte igyekeznek feltörni a mesterséges intelligencia nevű „fekete dobozt” és értelmezhetővé tenni, de az eddigi eredmények szerények.
Más szavakkal: megértést reméltünk, ehelyett eredményeket kaptunk. Hassabis Alphafoldja esetében az AI tehát helyes fehérjeszerkezeteket szolgáltat, de az a kijelentés, hogy ezzel megoldódott a nagy biológiai rejtély, egy lényeges hiányosságot figyelmen kívül hagy: sem az AI maga, sem annak megalkotója, Hassabis nem tudja megmagyarázni nekünk, hogy a fehérjehajtogatás valójában hogyan működik.