Dr. Farkas Richárd, Dr. Eigner György, Dr. habil. Szűts Zoltán, Dr. Fenyő Imre, W. Szabó Péter

Kerekasztal-beszélgetés: A mesterséges intelligencia használata, szerepe az osztályteremben, az innovatív tanulási kontextusok támogatásában. A chatGPT és az oktatás kapcsolata.

moderátor: Dr. Charaf Hassan

A kerekasztal mellett foglaltak helyet:

Dr. Charaf Hassan tanszékvezető egyetemi tanár, dékán – Budapesti Műszaki Egyetem Villamosmérnöki és Informatikai Kar;

Dr. Eigner György dékán – Óbudai Egyetem Neumann János Informatikai Kar; intézetigazgató – Biomatika és Alkalmazott Mesterséges Intelligencia Intézet;

Dr. Farkas Richárd egyetemi docens – Szegedi Tudományegyetem TTIK Informatikai Intézet Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék; kutató – Mesterséges Intelligencia Nemzeti Laboratórium;

Dr. Fenyő Imre egyetemi docens – Debreceni Egyetem Gyermeknevelési és Gyógypedagógiai Kar Gyermeknevelési Tanszék;

Dr. habil. Szűts Zoltán dékán, tanszékvezető egyetemi docens – Eszterházy Károly Katolikus Egyetem Pedagógiai Kar Neveléstudományi Intézet Oktatási Innováció Tanszék;

Szabó Péter mesterséges intelligencia kutató, a Tengr.ai startup alapítója, önkormányzati képviselő – Marosvásárhely Önkormányzata.

Charaf Hassan: Nem szeretem megkötni a beszélgetőtársaknak a kezét, hogy miről beszéljenek, de mindenki mutatkozzon be egy-két percben, majd mondja el a kötődését az MI-hez.

Farkas Richárd: Szeretettel üdvözlök mindenkit. Három aspektusban kötődöm legalább az MI-hez. Egyrészt kutató vagyok már húsz éve, tehát jóval a hipe előtt kezdtem el a mesterséges intelligenciával foglalkozni, azon belül is nyelvtechnológiával. Ez a szövegfeldolgozás, a szövegelemzés, a szöveggenerálás témaköre. Másodikként nemcsak kutató vagyok, hanem számos ipari projektet csináltunk ebben a témában. Voltak startupjaim, teljesen csődbe mentek, sikertelenek voltak, de én azt a részét szeretem az MI-nek, amikor látom, hogy ennek valami kézzelfogható eredménye is van. És harmadrészt, nem utolsó sorban oktató vagyok, a Szegedi Tudományegyetemről érkeztem, ahol a programozó szakok bachelor képzésében a mesterséges intelligencia specializációnak vagyok a vezetője. Mi tíz darab kurzust kínálunk per pillanat választható formában a programozó hallgatóknak, ugyanúgy, ahogy Hassan elmondta. Ők programozó hallgatók, tehát ők lesznek majd a jövő MI algoritmusainak a fejlesztői, és próbáljuk a legmodernebb eszközökkel, technológiákkal nyújtani ezt a képzést. Iszonyatosan nehéz feladat, merthogy nem tudom ugyanazt a tananyagot leadni, amit egy évvel ezelőtt leadtam. Én minden évben újra kell, hogy írjam a tananyagot majdnem nulláról, mert olyan tempóban fejlődik a mesterséges intelligencia.

Eigner György: Köszönöm szépen. Üdvözlök én is mindenkit, az Óbudai Egyetem Neumann János Informatikai Karának a vezetője vagyok, több más stallumom mellett. Oktatói szempontból a mérnökinformatikus alapképzésen a mesterséges intelligencia specializáció felelőse, kidolgozásának a felügyelője voltam, illetve felelőse vagyok a mai napig. Hasonló a megoszlás mind a tárgyak mind az elképzelések tekintetében, mint az előttem szóló által bemutatott képzések esetén, ezt nem is ragoznám. Kutatói oldalról régóta foglalkozom ezzel a területtel. Alapvetően nem nyelvtechnológia, hanem inkább élettani szabályozások tekintetében. Bár mostanában polihisztorként számos más területen is alkalmazzuk a technológiát – gazdasági elemzések, gazdasági becslések, ipari környezetben, humánoperátorok visszailleszkedése, magasan automatizált környezetben ennek támogatása, gyártásoptimalizálás és hasonló területekkel is foglalkozunk. Nagyon izgalmas projektekkel, ezen projektekbe vonjuk be a hallgatóinkat a gyakorlatokon vagy foglalkozásokon. Szerintem is elképesztő a fejlődésnek az üteme. Hogyha azt nézem, hogy az alapokat persze muszáj lerakni: matematikai alapok, a tanítási algoritmusok, de amit ezen a specializáción oktatunk az az, amit tegnap, tegnapelőtt publikáltunk. Így tudjuk tartani a sebességet, egyébként nem. Köszönöm szépen.

Charaf Hassan: Köszönöm szépen. A dékánoknak az a trükkjük, hogy nem mondanak le az oktatásról, mert ez az egyetlen alkalom, amikor nem kell felvenni a telefont, még a főnököknek sem. Tehát az oktatás „menekülő út”, ezért nem mondunk le róla ilyen könnyen. Zoli, parancsolj!

Szűts Zoltán: Köszönöm szépen. Én a neveléstudomány területéről jövök, és az egri Eszterházy Károly Katolikus Egyetem Pedagógiai Karát vezetem. Az egyetemünkön neveléstudományi doktori iskola is van, amely most tíz éves, és ott a programigazgató szerepét töltöm be, valamint a digitális pedagógia modulnak vagyok a vezetője. Idén az első év volt, amikor a hallgatók, akik jelentkeztek a doktori képzésbe, a mesterséges intelligencia oktatási használatát vizsgálták. Többségük már informatikus végzettséggel rendelkezik és programozóként is dolgozik, nem úgy, mint én, aki bölcsész létemre vizsgálja a problémákat. Amikor ez a kettő találkozik, akkor úgy gondolom, hogy jó dolgok sülnek ki. Információs társadalommal, digitális pedagógiával, online médiával is foglalkozom kutatóként és oktatóként is, és most már ettől a félévtől minden egyes kurzusomban a mesterséges intelligencia használatát átbeszéljük, vitatjuk. Úgy gondolom, hogy egy pedagógusnak a módszertani szemléletben lévő stratégiaképzési céljai is világosak kellenek, hogy legyenek. Köszönöm szépen.

Fenyő Imre: Köszönöm szépen. Nagy szeretettel köszöntök mindenkit. Én a Debreceni Egyetem Gyermeknevelési és Gyógypedagógiai Karáról érkeztem. A karunknak meglehetősen széles a képzési spektruma, hiszen a csecsemő és kisgyermeknevelőktől az óvodapedagógusokon keresztül egészen a gyógypedagógiai tanárokig képzünk pedagógusokat. És valóban az a tapasztalatunk, amit kutatási eredményekkel is az utóbbi időben már alátámasztottuk, hogy a mi pedagógus jelöltjeink jól mutatják azt az új generációt, aki már nagyon nyitott ezeknek az eszközöknek a használatára, tulajdonképpen nem amellett kell érvelni, hogy tegyék majd részévé a pedagógiai gyakorlatuknak az ilyen típusú eszközök használatát, hanem inkább csak a gyakorlati támogatást igénylik. Nagyon érdekes megtapasztalnunk azt, hogy hogyan találkoznak a pedagógusjelöltek a modern eszközökkel. Nagyon tanulságos történeteink vannak ugyanis a pedagógia múltjából annak demonstrálására, hogy mekkora lelkesedéseket tud okozni egy-egy innováció az eszközök területén, és hogy a hatvanas évek hangosított diasorozatainak csodálatos megjelenése óta hány hullám jött már, amikor azt gondoltuk, hogy majd a pedagógiai technológia okozza a megváltást. Szóval vannak kiábrándító történeteink is, de határozottan azt látjuk, hogy a hallgatók keresik azokat az eszközöket, amelyek hatékonyabbá tehetik a munkájukat. Az is kétségtelen, hogy azért vannak bennük erős félelmek is annak tekintetében, hogy mennyire változtatja meg azt a pályát, amelyet ők egy-két-három éve választottak, és amely úgy tűnik, hogy most azért elég komoly átalakulás vagy minimum kihívások előtt áll. Úgyhogy nagyon izgalmas a pedagógusképzésben foglalkozni ezzel a területtel. A hallgatóink a karunkon nagyon komoly modulokat választhatnak ezen a területen, tehát igyekszünk tényleg részévé tenni a képzésüknek, és ennek részben én vagyok a felelőse a Debreceni Egyetemen. Köszönöm szépen.

Charaf Hassan: Köszönöm, Péter, tied a szó! Majd a második körben visszafelé megyünk, hogy esélyegyenlőség legyen.

Szabó Péter: Köszönöm szépen. Én, mint ahogy azt Hassan is mondta, Marosvásárhelyről jöttem, emiatt is, de amiatt is kilógok a sorból, hogy én egy picit távolabb vagyok az oktatástól. Egy mesterséges intelligencia startupot vezetek a tengr.ai-t, aminek láthatták a kiállítását. Ennek az első ingyen használható modellje ez a képalkotó mesterséges intelligencia, ami gyakorlatilag azt jelenti, hogy magyarul beírja valaki, hogy szeretne egy macskát látni, és akkor az készít egy macskát. Nyilván a technológia mögött ennél sokkal több van, és ennek rengeteg használati területe van, illetve szeretnénk sok más irányba elvinni, és nagyon remélem, hogy jövőre eljutunk oda, hogy valaki beírja, hogy szeretne egy honlapot erről, és erről, például oktatási témáról, és akkor ezt a mesterséges intelligencia elkészíti szöveggel, képpel, HTML, CSS kóddal és a többi. Nekem a hátterem az a felhasználó élménykutatásban van nem olyan rég, de most már lehet, hogy megvan hét éve, amikor elkezdtem foglalkozni gépi tanulással, és mindig az volt a célom, hogy ezt valahogy közelebb hozzam a felhasználókhoz, tehát hogy egy emberközeli, könnyen használható, könnyen megérthető, könnyen kommunikálható mesterséges intelligencia megoldás szülessen. Annál is inkább, mert pár évvel ezelőttig még gyakorlatilag a mesterséges intelligencia az azt jelentette, hogy van egy nagy csomó szám, amiből tanul egy modell, és akkor egy kisebb csomó számot kapunk, mint predikció, mint egyfajta jóslás, de ez nem túl érdekes a legtöbb felhasználó számára, és ezt valahogy úgy kellene tálalni, hogy ők is megértsék és tudják használni, és legyen látványos. Végül is ezért van az, hogy a képalkotás fele mozdultunk el egy picit a startuppal is, merthogy ez így mindenki számára látható, és nem is annyira félelmetes, hogy generálunk egy szép kis macskát, az kevésbé ijesztő, mint fegyverrendszereket vezérelni mesterséges intelligenciával.

Charaf Hassan: Péternél maradva, egy sikeres startupról beszélünk. Az első kritikus kérdésem pedagógusoknak, oktatóknak, tanároknak mit tudsz ajánlani, miben segítse az életüket? A te algoritmusod, amely akár óvodában, akár általános iskolában ingyenes eszköz. Kiknek tudod ajánlani a programot?

Szabó Péter: Igen, én úgy gondolom, hogy igen, ahogy azt László is mondta, ezt ingyen lehet használni, és nem is várunk el semmilyen jogdíjat később se, tehát hogyha valaki akár egy tankönyvet is illusztrál ezzel, az is teljes mértékben az övé. Mindig a generálónál lesz a jog, ezt írja is a honlapon. Éppen azért fejlesztettünk különböző stílusokat is, akár ilyen rajzos, rajzfilmszerű vagy vízfesték stílusokat is, hogy egészen kisiskolás kortól is be lehessen ezt vetni. A tankönyveknek, a mesekönyveknek elég nagy az illusztráció igénye, de én úgy gondolom, hogy később is, minden korosztály szereti azt, hogyha nemcsak szöveg van egy könyvben vagy egy leckében vagy egy prezentációban, és ebből a szempontból adja magát, másrészről pedig ezt a modellt tovább tudjuk vinni, még akár jövő év folyamán is. Nagyon valószínűnek tűnik, hogy egy valódi oktatási segédlet legyen akár összekapcsolva más rendszerekkel, például egy nagy nyelvi modellel tud illusztrálni adott leckéket, nagyon adja magát, hogy egy történelmi témában generáljunk képet, de ugyanakkor, hogy lehessen beszélgetni az illető történelmi személyiséggel. Mi nem fejlesztünk nagy nyelvi modellt nulláról, azt meghagyjuk másoknak, amúgy van például a Puli is, ami magyar nyelv esetében most egész ígéretesnek tűnik, de hogy akár longchain segítségével összekapcsolható, ez egy GPT4-gyel, vagy bármilyen nagy modellel. Úgy gondolom, hogy a jövő mesterséges intelligenciája az nem egy adott modell lesz, hanem több modellnek az összeláncolása, és ezek együttesen fognak megoldani problémákat, ami akár lehet egy oktatást segítő, teljes körű megoldás is. Így a tanárnak a munkáját át lehet egy picit vinni abba, ami a legszebb célja volt és az eredeti célja, ez a nevelési cél, ami egy humánkapcsolatot feltételez, és sokkal kevésbé abba az irányba, hogy most egy hatalmas mennyiségű tananyagot betűről betűre leadni, sokkal inkább az, hogyan lehet jó embereket nevelni, hisz erre még nem látom jónak a mesterséges intelligenciát.

Charaf Hassan: Nem így terveztem az ülésrendet, de ha már a nevelést emelted ki, akkor Imrét kérdezem a mesterséges intelligencia és a nevelés világáról. A gyógypedagógia is hozzátok tartozik, és több megoldást láttam, amelyek segítik a pedagógusokat, testreszabott mozgások tanításában a betegeknek vagy a rászorulóknak.

Fenyő Imre: Igen, az egyik legerősebb irány valóban a gyógypedagógia területén figyelhető meg, és úgy tűnik, hogy nagy bizalommal lehetünk annak irányában, hogy egyre inkább érvényesülni fog a mesterséges intelligencia alkalmazása, mert a gyógypedagógus tevékenysége során abban a terápiában, amit a gyógypedagógus végez, borzasztóan fontos, hogy mindig személyre szabott és egyedi legyen az a tevékenység, amit a terápia során folytat. Ennek a segítésére nagyon alkalmas a mesterséges intelligencia, és az aktuális állapot diagnózisának felvételétől kezdve az egyéni haladási tempó, a személyre szabott feladatok kiválasztása mind olyan aspektus, amit persze nagy valószínűség szerint meg tudna tervezni a gyógypedagógus maga is, viszont őrült mennyiségű időt tud spórolni, hogyha a mesterséges intelligencia alkalmazások bekerülnek a napi gyakorlatába. Valószínű, hogy ez lesz az egyik olyan terület, ami nagyon vonzó és nagyon érdekes.

A kollégák egy kutatás során az ország összes gyógypedagógus-képző intézetében érdeklődtek a hallgatóktól, hogy mennyire látják alkalmasnak a mesterséges intelligencia alkalmazásokat, hogy támogassa a munkájukat, mert valóban a munkának van egy olyan része, ami adminisztratív és lassú, és elveszi az időt a valódi terápiától. Bár ez is előkészíti a terápiát és megalapozza annak az eredményességét, de valójában mégis úgy érzik a gyógypedagógus jelöltek, hogy ez még nem az igazi munka, tehát olyasmi, ami kitolja az eredményességet. Úgy gondolják, hogy ez lesz az a terület, ahol a mesterséges intelligencia valóban működni fog.

Azonban korántsem csak a gyógypedagógus képzésünkben látszik alkalmazhatónak a mesterséges intelligencia különböző formáinak bevezetése, mert azok a területek is, amelyek tradicionálisan messze vannak ettől – például az óvodapedagógus-jelölt hallgatók (akik, ezzel talán nem árulok el nagy titkot, általában nem tipikusan vonzódnak az informatika, az elektronikus eszközök iránt, sőt inkább hárítják ezek használatát, hiszen úgy választottak pályát, hogy óvodásokkal akarnak foglalkozni és nem számítógépekkel) is – hamar megváltoztatják véleményüket az első találkozások után.

Erről egy történetet hadd meséljek el. Az egyes csoportokban az első találkozás egy mesterséges intelligencia modullal általában borzasztóan szórakoztató, mert a hallgatók tényleg megrázkódtatásként élik meg azt, hogy ők most egy géppel beszélgetnek. Úgy szoktuk kezdeni, hogy kérdéseket tesznek fel a mesterséges intelligenciának, amire választ kapnak, és ezek a kérdések eleinte nem is szakmai jellegűek. Az egyik hallgató azt kérdezte, hogy lesz-e fehér karácsony idén, és erre nagyon komoly választ kapott: mondta neki a mesterséges intelligencia, hogy fogalma sincs, és ebben meg is tudtak egyezni. Az egész ott lett igazán érdekes, amikor elbúcsúztunk a mesterséges intelligenciától, mert azért mi nagyon udvariasak vagyunk, megköszöntük a beszélgetést és elköszöntünk, a mesterséges intelligencia visszaköszönt, majd azzal zárta a beszélgetést, és egyébként boldog karácsonyt kíván nekünk. Erre mondta azt a hallgató, hogy jaj, libabőrös vagyok – és igen, innen kezdődik az élmény, érdekes látni azt, hogy a következő órán, és az azt a követő órákon, amikor már szakmai kérdéseket tesznek fel, akkor hirtelen rájönnek arra, hogy mennyire hatékonyan segíti a munkát, mennyi keresést spórol meg az eszköz alkalmazása. A valóban meglehetősen nagy távolságot tartó hallgatók is nagyon hamar megtapasztalják azt, hogy ez az ő munkájukat is hatékonyabbá tevő eszköz lehet, hogyha jól használják. Azt gondolom, hogy tényleg nagyon izgalmas és nagyon-nagyon erős emocionális töltetű találkozások zajlanak ezen a területen. Egyelőre én úgy látom, hogy nagyon jó irányba mutató hatással.

Charaf Hassan: Köszönöm szépen. Az, hogy beszélget velünk egy gép, nem science fiction. Egy kínai cég adományozott 2000 fordítógépet az atlétikai VB-re. Ha valaki kínaiul beszélt, azt mi magyarul hallottuk. Mi magyarul beszéltünk, a gép fordított élőben. Ez mesterséges intelligencia nélkül nem tudna működni. Beszélgettünk a géppel, ketten ott álltunk, két külön nyelven beszéltünk, és a gép az, ami tulajdonképpen beszél velünk. Fontos erre felkészülni, és felkészíteni a pedagógusokat is, hogy a gyerekek ilyen élményekről fognak mesélni, és ezt is tudni kell kezelni. Az előbb Zoli egy kicsit félve mondta azt, hogy bölcsész. Bölcsészet nélkül nincs fejlődés, nincs kultúra és így tovább, tehát ezt most nem kell ilyen félve mondani. Hogyan tud a mesterséges intelligencia a közoktatásban segíteni, kérlek fejtsd ki nekünk ezt a témát.

Szűts Zoltán: Köszönöm szépen. Nem tudjuk elégszer hangsúlyozni, hogy a mesterséges intelligencia disruptív, tehát kreatívan bomlasztó, mint nagyjából minden digitális technológia, sőt, hogyha visszamegyünk az időben, mint minden technológia. Talán kevésbé ismert, hogy amikor először a vasút elterjedt, akkor nagyon sokan attól féltek, hogy olyan gyorsan megy a mozdony, hogy az embereknek a belső szerve úgy rázkódik, hogy leszakad, vagy nem kapnak levegőt. Aztán ugye, ide mégis sokan vonattal jöttek szerintem. A másik ilyen jelenség volt, hogy az autók sebességét 5 km/h-ban korlátozták, – az elején –, mondván, hogy ezek a gépek annyira veszélyesek, ha csak egy ember irányítja őket a ló intelligenciája nélkül, akkor bármilyen baleset bekövetkezhet, úgyhogy korlátozni kell. A bringások már 30 kilométer per órával mentek, de azért az autó előtt piros zászlót lengettek. És nekem is ez volt a tapasztalatom az egyik egyetemi csoportban, hogy amikor elkezdtünk a géppel beszélgetni, akkor azt mondta egyik hallgatónk, hogy tanár úr, engem most kirázott a hideg, egy picit ezt most ne csináljuk. Arra rájöttem, hogy én egyre lelkesebb vagyok, egyre több dolgot csinálok a mesterséges intelligencia segítségével, de van, aki másképp viszonyul ehhez. Nagyon sok félelem van még bennünk, nagyon sok túl optimista és túl pesszimista elképzelés. Nekünk az a feladatunk, hogy ezt valahová közepére tegyük, de úgy, hogy bemutatjuk mire képes és mire nem. Például említettük – itt szerintem mindenki találkozott vele –, hogy valaki a házi feladatát megíratja a ChatGPT-vel és akkor mi történik? Megnézi, hogy mit lehet még csinálni a segítségével, a tanárok is ránéznek a rendszerre, ott fogunk tartani, hogy megíratják a házi feladatot, mi pedig kijavíttatjuk azt a házi feladatot, mindezt a gépek segítségével. A fizetés, a bér az jön, de fölszabadul az időnk.

Ez nem jó, sok szempontból nem jó, mert magunkat váltjuk ki a gépekkel, de a fennmaradó időt nem a fejlesztésre használjuk. Szerintem minden tanárnak az az álma, elképzelése a köznevelésben, hogy személyre szabottan, differenciáltan oktathasson. Hogyha valaki ezt egy 30–35 fős csoportban meg tudja csinálni, akkor mindenképpen érdemes az ő mintáját követni (biztos, hogy nem egyszerű, sőt szinte lehetetlen). Viszont a mesterséges intelligencia itt segíthet. Mondjuk a tükrözött osztályteremben olyan dolgokat tud megvalósítani, amiről mi csak beszéltünk, hogy majd meg lehet csinálni. A mesterséges intelligencia személyre szabottan mindenkinek már előre elküldi a tananyagot, megnézi, hogy hogy sikerül az elsajátítása, és az órán már csak a fejlesztés zajlik adott esetben.

A jogi kereteket is említetted, nagy kihívás, hogyan lehet óraszámot elszámolni. Hadd mondjak el egy példát én, amikor doktorandusz voltam, akkor az volt bennem különleges, hogy értettem a számítógépekhez és az egyik professzoromnak mindig segítettem beállítani dolgokat. Amikor már rájöttem hogyan működik ez a rendszer, akkor öt perc alatt megcsináltam. Gyakran mondta csalódottan, hogy ez ennyi volt? Teljesen bizonytalan volt, hogy ez már nem komoly munka. Ekkor mondtam, nem, ez csak a bemelegítés volt, mert itt nagyon komoly bajok vannak. Akkor ő is megizzadt, én pedig megnyugodtam. Másfél órán át dolgoztam, kérdeztem, hogy drivert mellékeltek-e? Hú, mondom, jaj, jaj! A másfél óra végére, amikor ugyanaz az a kész állapot fennállt, mint az elején, jeleztem, hogy most van kész. Utólag nem vagyok büszke magamra, de az eset azt példázza, hogy sokan még más hozzáállást várnak tőlünk a számítógéppel kapcsolatban és nem hiszik el, hogy gyorsan is el lehet a munkát végezni.

Charaf Hassan: Nem trükközünk!

Szűts Zoltán: Nem, nem, természetesen, tehát ez nagyon rossz példa és senki ne kövesse. Amire nekünk szükségünk van az, hogy ezek az eszközök, ezek asszisztensként működjenek, ne ők irányítsanak minket, hanem a pedagógiai célok megvalósításához használjuk őket. Én magam is, hogyha szélesíteni szeretném a látókörömet, akkor vitatkozom a géppel, javaslatokat kérek tőle. Ez az én véleménybuborékomat mindig jól át tudja törni, adott esetben pedig a tanulókat arra kell biztatni, hogy használják a gépet, mármint a ChatGPT-t, a Google Bardot szoktam. Nézzék meg, hogy hogyan érvel, azt meg lehet tanulni tőle, hogy a gép nem fárad ki, minden érvelést ugyanúgy kezd, ugyanúgy végigvezet. Már az ötödik pontnál arra gondolok, hogy na jó, ez már így jobb lesz könnyítve, de a gép nem ezt fogja csinálni. Egy struktúrát, rendszerezettséget lehet tőle tanulni, én úgy gondolom Csepeli Györggyel közösen, hogy nem attól kell félni, hogy a gép ébred tudatra, hanem hogy az ember fogja elveszíteni a tudatát, ez nyilván nem egyik napról a másikra, és nem globálisan fog történni, de picit azért át tudunk adni sajnos belőle. Ezt nem szabad tennünk. Köszönöm szépen.

Charaf Hassan: Köszönöm szépen. Az ember mindig attól fél, amit nem ismer. Ahhoz, hogy a pedagógusok ne féljenek ettől az MI-től, segíteni kell nekik. Biztosítani kell a keretet, lehetőséget, hogy képezzük őket, segítsük őket ebben a dologban, mert különben jogosan fognak tőle félni. Ismétlem, a gyerekem minden nap kérdezi, tényleg meg tudja-e a tanár állapítani, hogy a ChatGPT oldotta meg a feladatot. Bevallom őszintén, a saját gyerekemnek nem mondtam se igent, se nemet. Pont azért, hogy ebben a lebegésben maradjon. Amikor már túl lesz az iskolán, el fogom neki mondani, de most nem szeretném, mert lehet, hogy visszaélne ezzel. Tehát itt szeretném kiemelni azt, hogy a pedagógusoknak eszközöket is kell biztosítani, időkeretet, hogy levegőhöz jussanak, és bizonyos képzéseken menjenek keresztül. A képzés itt nem a mélytanulási algoritmusnak a matematikai konvergenciáját jelenti, hanem az alkalmazást. Vegyük elő ezeket az eszközöket, és nézzük meg. Amikor bevezettem a Microsoft programozást az egyetemen, megköveztek. Ó, ez Microsoft, toljuk a Bill Gates szekerét. Továbblépünk, most „véresebb” területre megyünk. Hogy könnyíti meg az életünket a mesterséges intelligencia az egészségügyben? Gyuri, tied a szó.

Eigner György: Köszönöm szépen. Teljes mértékben egyetértek. Szerintem egy platformon vagyunk – ugyanaz a véleményem, használni kell ezeket az eszközöket, az iparban már használják. Az egy dolog, hogy a háttérben még miket kell megfejteni pl. a jogi aspektusok. Egy picit hasonló, mint a gőzgépnek a felfedezése, ott is a masszív bevezetés késett kb. 70 évet, mert ki kellett találni, hogy hogyan személyesítünk meg nem létező entitásokat, ruházzuk fel őket jogokkal, hogy ne a beruházót vagy a megbízót vigyék el a börtönbe, hanem csak a céget zárják be.

A jogtudomány késett 70 évet abban az esetben, nem a mérnöki tudomány. Itt valószínűleg nem fog késni 70 évet, mert már most is dolgozunk olyan rendszerekkel, ami a kettőt ötvözi. Konkrétan dolgozunk ilyennel, van ilyen projektünk. Kitérve, a saját példámat mondanám el. A hétvégén belekontárkodtam más területekbe az AI használatával. Szoktam ilyet csinálni egyébként. Van egy-kettő futó beruházásunk. Gondoltam én, hogy milyen jó lenne egy látványterv. Elővettem néhány eszközt – nem árulok el nagy titkot, egy Bing, GPT-engine, Dall-3 bekötéssel. Addig faragtam a promptot, behúztam hozzá még képfelismerővel egy másik nagy gyártótól, Google Maps-ről a területet, megnézte, körüljárta, faragtam egy-két órát, miközben a gyerekeim ugráltak a fejemen. Egész jó látványtervet csinált egyébként. Picit ilyen mikrochip stílusú lett a látványterv – bevallom őszintén, de 10–12 verzió és hosszú faragás után értelmezhető, értékelhető eredményt kaptam. Meglepődtem, és a saját szerepemet is átgondoltam.

Vannak nagyon jó kollégáim, és nagyon jó ipari kapcsolataink. Számos dologban gondolkozunk, dolgozunk együtt. Másfél hete jelent meg az arXiv-on, aki nem ismeri ez egy Open Source tudományos platform, egy írás arról, hogy hogyan lehet különböző botokkal meghajtani egy szoftverfejlesztő vállalatot. Gyakorlatilag hogyan lehet ezt virtualizálni. Nagy lelkesen, néhány barátom ki is próbálta. Gondoltam, ha már látványtervet tudok csinálni, akkor egy céget is tudok a semmiből rögtön létrehozni. Elővettem én is az előfizetésemet, meg a GPT applikációmat. Nagyon meglepő volt, hogy néhány prompt faragás után ezt is GPT applikáción keresztül végeztem el. Nem nehéz felpromptolni ezeket a botokat, és csak öt vagy hat szerepkör volt, egy tesztelő, egy fejlesztő, egy vezérigazgató. Ezek mindegyike kapott egy-egy külön személyiséget és egy durván két, két és fél órás játszás után én ugyan nem jutottam el oda, ahova a barátom eljutott, hogy gitlabra ki tudott rakni egy futtatható szoftvert, amit a botok serege írt. Nekem nem futott le teljesen az app; de azért kitalálták a stratégiát, megtervezték az üzleti tervet, le is programozták, tesztelték. Mindenesetre elgondolkodtató, érdekes volt.

Másfél napja az életem újra felfordult, az OpenAI konferenciáját figyelve, a GPTstore-ral – aki nem követte az Open AI-nak a CEO-ja bejelentette, hogy egy olyan applikáció boltot hoznak létre GPT-nek, mint az App Store, Play Store, Huawei Store-rendszerű dologban gondolkoznak, hogy ez fog most bejönni, nemsokára megjelenik náluk is. Az Enterprise előfizetőknek is elérhető lesz teszten nemsokára. Olyan applikációboltot hoztak létre, amit nagyon egyszerű használni, van hozzá futtató környezet és applikáció környezet. Mi is dolgozunk ilyen felhőszolgáltatáson; van egy saját felhőszolgáltatásunk az Óbudai Egyetemen. Hasonló módon kínálunk erőforrást, API-t. Nyilván ott kézzel kell kontrollálni a környezetben az erőforrásokat, beletenni az alkalmazásokat. Itt pedig, aki nem tud programozni, ezzel a rendszerrel el tudja mondani természetes nyelven, hogy milyen szoftvert szeretne, milyen alkalmazást szeretne kialakítani, milyen adatokat szeretne ehhez felhasználni, honnan vegye az adatokat a rendszer. Nyilvánvalóan nagyon sok gyenge pontját látom, végtelen mennyiségű „gagyi” applikáció fog megjelenni, nem biztosítva a minőséget, olyan adatokon tanítva, aminek a jogi háttere kérdéses. Ez már itt kopogtat, olyan applikációk jelennek majd meg nemsokára, amit már olyan emberek írtak, akik az életben nem tanultak programozni. Elmondják, hogy mit szeretnének úgy, ahogy az elején elkezdtük, HTML CSS kódot tudjon generálni, soha nem látjuk a kódot mögötte. Elmondjuk, hogy mit szeretnénk, az mennyibe kerüljön, milyen adataink vannak. Nyilván e köré a keretrendszer köré nem biztosított, hogy föl fog épülni az a minőségbiztosítás, etika, értelmezésjogi háttér.

Rákanyarodva az egészségügyi applikációkra. Ez itt is kritikus kérdés. Két évvel ezelőtt, az MDR IVDR-t vagy IVDR-rendelethez – aki nem ismeri ezeket a jogi klauzulákat, ez a szabályozási háttér a területen – hasonlóan, mint az AI Act, ami most van formálódóban, ez hat és fél évvel ezelőtt kezdődött. Azóta sem tudták bevezetni egyébként, folyamatosan tologatják, most is tolják. Nem is ez a lényeg, hanem ez a keretrendszer, amit hat évvel ezelőtt fejlesztettek, tökéletesen alkalmatlan arra, hogy egy AI alapú rendszert tanúsítson benne az ember. Tehát, hogyha valaki egy olyan diagnosztikai eszközt akar fejleszteni, azt nem tudja piacra vinni a jogi keretek hiányosságai miatt. Ezeket a rendszereket be lehet illeszteni most is, de önmagukban termékesíteni, orvosi validáció nélkül az eredményt elfogadni nem lehet. Oda akarok kilyukadni, hogy hat évvel ezelőtt, vagy mondjuk nyolc évvel ezelőtt, amikor a tervezése, bevezetése megtörtént a szabályozásnak, nyilván kanyarban nem volt ez az AI „bumm”. Mindenki használja ezeket a rendszereket, mi is. Vércukorszint-előrejelzéstől kezdve sebészeti applikáción keresztül a szövetdisszekció meghajtásig, tehát nagyon-nagyon sok olyan izgalmas projektünk van, aminél elengedhetetlenek ezek az eszközök. Csak oda akarok kilyukadni, hogy egy olyan jogi keretrendszer, amit négy évvel előztem meg, tökéletesen alkalmatlan ennek a kezelésére. Mi azzal küzdünk most, hogy egy-egy ilyen applikációt jelenleg önmagában egy feature-ként vagy widget-ként lehet értékesíteni. Ha a kettő dolgot összerakom, eljönnek azok az applikációk, amiket olyan emberek írtak, akik soha nem tanultak kódolni, nem tudják, hogy az adathitelesítés, adatminőség mit jelent az egészségügyi keretrendszernél, ami biztosítja, hogy ne mondjon hülyeséget, ne vetessen be velem pl. az Amazonról megvásárolt tablettát. Ez a kettő nem ér össze. Csak az egyik van itt, fél év múlva ezekben a botokban már tanácsadók fognak megjelenni. Mindenki kitalál egy diétás tanácsot vagy valamit, aki ad neki egy nagyon jó tanácsot, például úgy, hogy mögötte az a tanúsítás hitelesítés, betegbiztonság az nincs ott. Én ezekben látom most óriási problémát. Amellett, hogy jogi, kiberbiztonsági kérdés, hogy az oktatástechnológia milyen mértékben fog fölfejlődni. Én sem hiszek abban, hogy ki lehet váltani az embert. Nem lehet kiváltani, a képességeit lehet fokozni, megsokszorozni.

Charaf Hassan: Köszönöm szépen. A '90-es évek tanulságai a mai napig is jelen vannak. A szakértői rendszerek jellemzője, főleg az egészségügyben az volt, hogy a gép mondja meg, segítve az orvost, mi a helyzet. És itt bukott meg ez az irány, legalábbis Európában és Magyarországon is. Sok-sok jó alkalmazás született, de a jogászoknak egy kérdésük volt, ki a felelős, ha baj van? És abba, hogy ki a felelős, belefulladt egy egész szakma. Közben Kína elhúzott Európa mellett. Én azt mondom, most óvatosabbak legyünk a jogi szabályozásban, tehát ne legyünk túl szigorúak, de nagyon fontos az adatvédelem is! Dokumentum, szöveg, elemzés, információkinyerés, Ricsi, ez a te erősséged. Mesélj nekünk, légy szíves, az MI hogyan segíti az életedet, hogyan lesz sikeres a startup?

Farkas Richárd: Hát ezt nem tudom. Nyilván nem technológiai dolgok miatt buktak el a startupjaim. Üzleti dolgok miatt. A ChatGPT nagyon jól tud nekem marketing szövegeket, meg nem tudom, miket írni, lehet, hogy most már menni fog a dolog. A szövegfeldolgozás, az egész terület hozta el a nagy nyelvi modellekkel a mesterséges intelligenciának a láthatóságát.

Egy évvel ezelőtt, amikor azt mondtam, hogy mesterséges intelligencia, akkor az emberek fejében az önvezető autók jelentek meg, esetleg robotok, hogy az lesz a mesterséges intelligencia, senki nem gondolta, hogy nem az lesz, hanem a ChatGPT, amikor tudok beszélgetni az emberekkel. Ahogy a délelőtti előadásokban, és most is elhangzott, remélem, hogy ez mindenkinek nyilvánvaló, de én nem szeretem ezt intelligenciának hívni, ami most történik. Egyszerűen arról van szó – kicsit kisarkítva –, hogy az interneten elérhető összes szöveges adatot betolták a GPT-nek, ami ugye a ChatGPT mögötti nyelvi modell. Egy nagyon buta, statisztika számítás történik a háttérben, tehát amikor fölteszek egy kérdést, akkor ő szépen szavanként le fogja generálni a választ. Úgy fogja generálni, hogy megnézi az interneten látott szövegekből az adott témába milyen szavak mentén miket beszéltek az emberek, miről irkáltak az emberek. Egyszerűen kiválasztja a legvalószínűbb következő szót, ami a kérdésre és a már legenerált néhány szó után a legvalószínűbbnek tűnik. Ennyi.

Nem szabad azt gondolni, hogy itt valami intelligens következtetéssel, intuícióval, nem tudom mivel bíró gép van, hanem ez egy tisztán statisztikai dolog. Ennek ellenére rengeteg alkalmazása van, mert ez a nagyon bonyolult statisztikai dolog – ha úgy tetszik – nagyon komoly nyelvi készségeket tud reprezentálni, úgyhogy ezek tényleg nagyon jó irányba vitték el az alkalmazásfejlesztést.

MI kutatóként két dolgot szeretnék itt bedobni. Az egyik az az, hogy 80 éve létezik az MI, mint kutatási terület. Hetvenöt éven keresztül arra próbáltuk a gépet megtanítani, hogy az emberek hogyan viselkednek, hogyan kell neki viselkedni, hogyha egy emberrel kell interakcióba lépni. Az elmúlt években az történik, hogy iszonyat mennyiségű, elképzelhetetlen nagy mennyiségű adatokon tanítunk elképzelhetetlenül bonyolult neurális hálókat, tehát olyan matematikai modelleket, amik nem interpretálhatók. Tulajdonképpen az történik, hogy a gép valahogy működik, és mi emberek próbálunk úgy viselkedni, hogy megtanuljunk a géppel együttműködni. Ez egy elég faramuci helyzet. Az történik, hogy próbálgatjuk, hogyan kell promptolni, hogy tényleg azt kapjam, amit én akarok. Ez mérnökként nekem nagy szívfájdalom, mert mérnökként azt tanuljuk, hogy megtervezem a rendszert, és az úgy működik, ahogy én megterveztem. Itt meg teljesen más van.

A programozókat, ahogy oktatjuk, az egy óriási kihívás. Őket arra neveljük a programozó szakon, hogy van egy specifikáció, azt le kell kódolni. Ellenben, amikor mesterséges intelligencia megoldásokat fejlesztünk, az meg egyfajta kísérletezős tudományág, vannak adataink, van egy probléma, amit meg akarok oldani, van a való életnek valamilyen területe, amit modellezni akarunk. Teljesen másfajta gondolkodásra van szüksége a programozó hallgatóknak, mint egyébként, amikor le kell kódolni egy specifikációt. Ez egy nagyon érdekes terület. Ismerjük meg, hogy a gép mire képes, hol vannak a határai, ne csak azt, hogy hú, milyen gyorsan tudok Beethoven IX. szimfóniájáról információt kérni, hanem azt is ismerjük föl, hogy mit nem tud, nem szabad megbízni abban, amit válaszol, mert sokszor hülyeséget is szokott mondani.

Ez a kísérletezés dolog, ami szerintem nemcsak a programozó hallgatóknak, hanem mindenkinek a gondolkodásmódjában át kellene, hogy alakuljon. A másik nagyon érdekes dolog, hogy én csak a mai napon voltam itt, de itt minden egyes alkalommal elhangzott, hogy az MI hogyan segítheti a pedagógusok munkáját.

Megint csak MI kutatóként beszélve. Mi, amikor egy ilyen alkalmazást vagy megoldást fejlesztünk, ezt is gépi tanulásnak hívjuk. Mutatunk egy csomó példát, hogy én mint ember, hogyan oldom meg azt az adott feladatot. Ezt próbálja utánozni a gép. Ezt hívjuk ma a gépi tanulásnak. Ugye a ChatGPT is úgy működik, hogy az OpenAI-ban sok százezer emberi kérdésre, emberi válaszra vagy emberi feladatra, emberi feladatmegoldás-párt leírtak az emberek, és ez alapján ennek az utánzásával, imitálásával válaszol a ChatGPT, de hogy ma a technológiában csak ez az egyetlen lehetőség van arra, hogy megtanítsuk a gépet valamilyen feladat végrehajtására, hogy mutatok neki egy csomó példát, és akkor ebből tanul.

Hogy ne csak az MI adjon a pedagógiának, én is szoktam néha beszélgetni pedagógusokkal, hogy menjünk már ezen kicsit túl. Amikor az iskolában a gyerekeket meg akarjuk tanítani valamire, vagy amikor egy fiatal kollégát, egy junior kollégát fölvesznek egy céghez, akkor van neki egy betanulási ideje. Az nemcsak abból áll, hogy akkor ezerszer megmutatom neki, hogy hogyan kell megválaszolni egy e-mailt az ügyfélszolgálaton, hanem ott mindenféle pedagógiai eszköz rendelkezésre áll, hogy visszajelzést adok, hogy miért csinálta rosszul, hogy kéne másképp csinálni. Én arra számítok, hogy megvannak az első lépések, de a következő években az MI kutatásában ez igenis egy nagyon erős terület lesz, hogy milyen pedagógiai eszközökkel lehet majd a gépeket megtanítani arra, hogy az adott feladatot minél jobban ellássák. Túl azon, hogy mutatok neki példákat, hogyan tudok neki visszajelzést adni, korrigálni stb. stb. Szerintem ez egy izgalmas terület, ahol a pedagógiai szakértelemre is szükség lesz.

Charaf Hassan: Köszönöm szépen. Láttad a robotot is, úgy tanítottuk pingpongozni, hogy megmutattam neki. Ejnye-bejnye, nem volt jó ez a visszaütés, korrigáltam, tehát tanítottam.

Farkas Richárd: Igen, de nem tudod neki szóba elmondani, hogy kicsit másképp.

Charaf Hassan: De bizony! Megvan már a ChatGPT-nek a 4. verziója, már hangot is tud kapni a bemenetnél, meg képet is, és egyből tud reagálni. Beszéljünk a fekete doboz effektusról, azaz nem tudjuk, miért döntött így az MI. Péter, nem tudom, hogy foglalkoztok-e ezzel, mert ha annyi képet tudsz generálni, akkor előbb vagy utóbb kell, hogy legyen egy kérdés. Miért?

1. Szabó Péter: Köszönöm szépen, ez egy nagyon jó kérdés, és nagyon jól látod, miután valóban foglalkozunk ezzel, hogy mit miért generál. Mindig abból indulunk ki, hogy minden gépi tanulás az alapvetően egy hibának az elkerülése, ugyanúgy, mint az emberi tanulás, például a diák is azért tanul, hogy ne kapjon rossz jegyet. A gép is azért tanul, hogy egy függvény csökkenjen, végülis onnan tudjuk, hogy tanul. Ha ebből indulunk ki, akkor valamilyen szinten megmagyarázható az, hogy miért generál valamit egy gép, és képeknél ez nagyon látványos is. Azért is van lent a bejáratnál egy több kockából álló képsorozat, ahol minden lépése meg van örökítve. Pont az a lényeg, hogy először megpróbálja a gép a szónak megkapni az esszenciális jelentését, a gyertyával van ez példázva. Nyilván ezt ő úgy kapja meg, hogy eleinte nagyon sok gyertyáról szóló képet betanítunk, tehát gyertya címkével vannak ellátva ezek a képek, amihez adunk hozzá zajt, mind többet és többet, és az a feladat, hogy a zajt szűrje ki, majd a végén csak zaj van, és akkor a zajból tud képet alkotni, de itt mindig a hibafüggvénye a lényeg. Tehát, hogy mit nevezünk hibának.

Van ehhez egy nagyon kijózanító példa, ami '22-ben a Nature-ben jelent meg: egy kutatás során arra tanítottak egy modellt, hogy a különböző kémiai anyagoknak az emberre nézve káros hatásainak a minimumát kapja meg. Vagyis, hogy egy gyógyszer a legkevésbé legyen káros, az emberre legkevesebb mellékhatása legyen. Na most a kísérlet kedvéért a kutatók megfordították ezt a hibafüggvényt, ugye el tudjuk képzelni, hogy akkor azt keresi, hogy mi a legkárosabb. Hat órán keresztül futtatták, negyvenezer új kémiai fegyvert fedezett fel a modell. Úgy gondolom, hogy ez a kulcsa ennek, hogy határozzuk meg azt, és főleg, hogy ki határozza meg, és milyen szándékkal a hibát, és ezért is nagyon fontos ez, hogy megmagyarázható legyen a gépi tanulás, mert hogyha ezt fekete dobozként kezeljük, akkor nagyon könnyű ezt démonizálni, nagyon könnyű azt mondani, hogy hát gonosz a gép, de igazából a gép se nem gonosz, se nem jó, se semmi, az még mindig csak egy gép, az még mindig csak egy matematikai probléma. Mondjuk képalkotásnál tudjuk, hogy ez egy Markov-lánc, mivel Markov már 1922-ben meghalt, a matematikája az nagyon régi, viszont az a fontos itt, hogy értsük meg azt, hogy mi történik tanulás során, és mi történik az inferencia során, tehát hogy mi történik, amikor mi ezt futtatjuk, és akkor miért, milyen promptra, milyen kérdésre mit válaszol a modell.

Itt hozok egy másik példát, ami szintén egy nagyon szörnyű probléma, amit nekünk meg kellett oldani. Akik használtak akár a Dall-e-t, akár a Midjourney-t, biztos találkoztak azzal, hogy bizonyos promptokra egyszerűen megtagadja a választ. Úgy kell elképzelni, mintha lenne egy nagy szótár, amiben nemcsak szavak, hanem szókapcsolatok, illetve token kapcsolatok vannak, amik alapján ő azt mondja, hogy erre ő nem válaszolhat, ezt hívják cenzúrának. Ez viszont nagyon visszafogja a kreativitást, merthogy nem lehet megmondani pár szóból, hogy mi volt az alkotónak a célja. Viszont ugye érthető az, hogy miért döntött úgy mondjuk a Microsoft a Bing esetében, hogy ezeket a szavakat cenzúrázza. Most gondoljunk arra, hogy vannak beteg emberek, akik mondjuk meztelen gyerekeket akarnak generálni. Ezt nyilván nem szeretné senki megengedni egy modellnek, egy képalkotó modellnél ez egy óriási probléma. Azt mondja a készítő, hogy a legegyszerűbb az, hogy beírok egy karaktersort, amivel a meztelent megtiltom, sőt még a felhasználót is letiltom ebben az esetben. Ami jó megoldásnak tűnik, csak ezzel az a probléma, hogy így az input szintjén, a bevitel szintjén próbáljuk ezt megfogni, tehát az illetők – legalábbis egy részük – megpróbálja azt másként megfogalmazni. Mivel tudja, hogy ez nem megy, akkor megpróbálja azt mondani, hogy mit tudom én, gyerekek ruha nélkül. Ha az sem megy, akkor el lehet képzelni, hogy addig ragozza, addig írja körül, amíg nem működik. Mindent ez a lexikon alapú szűrés sem tud megfogni. Azért, hogy ne ebbe az irányba menjen el, ne juthassunk oda, ahova Midjourney jutott tavaly nyáron (a „nagy fekete” szókapcsolatot tiltotta, a „Big Black” az nem ment). Ne gondoljunk bele, hogy ez miért volt fontos nekik, de ez így hosszú távon nem egy járható út.

Mi egy teljesen más irányt vettünk, pont azért, hogy ezt a problémát megoldjuk. Mi nem a szavakat cenzúrázzuk, sőt át is engedjük azokat, hanem azt mondjuk, hogy ha ezeknek a fogalmaknak az eredménye vezetne egy rossz irányba, akkor azt fordítsuk vissza. Ezért van az, hogy például a Tengr.ai-ba, ha valaki beírná ezt, amúgy nem ajánlom, hogy valaki ilyesmiket promptoljon, de hogyha valaki beírná azt, hogy meztelen gyerek, akkor egy ruhában levő gyereket generálna a modell, és ennek az az előnye, hogy a rosszakaratú ágensek számára, akik szeretnének visszaélni ezzel, sokkal nehezebb feltörni, merthogy nem kap egyértelmű visszacsatolást, hogy akkor ez így nem megy. Ebből a szempontból jó is, hogy egy picit fekete doboz, de a rosszakaratú felhasználók szempontjából teljesen fekete doboz. A mi szempontjaink szerint ez nem egy fekete doboz, mert mögötte van a modellnek egy értelmezése, ami esetünk sokkal szerencsésebb, mint amit az előbb hallottunk, hogy az adatokat nem lehet kiengedni az egyetem területéről. Mi tudunk tanítani a KIFÜ-nek a Komondor szuperszámítógépén, és úgy gondolom, hogy most visszakanyarodjak a másik kérdésre, hogy mi a siker kulcsa?

Úgy gondolom, hogy a mi esetünkben technikailag, hogy nagyon nagy mértékben a KIFÜ-nek a Komondor szuperszámítógépe a siker kulcsa, legyünk őszinték, én nagyon kétlem, hogy lenne olyan startup Magyarországon, aki egy 12 millió eurós hardvert tudna venni, viszont mivel van egy ilyen hardver, ezt lehet használni startupoknak, oktatási intézményeknek satöbbi. Pont ezért is van Debrecenben. Ezért én úgy gondolom, hogy így egy picit kisebb a hátrányunk hardverben, és itt megint, nem tudom, hogy hányan tudják, viszont a KIFÜ-nek a Komondor szuperszámítógépében pont ugyanaz a DGX architektúra, és pont ugyanazok az A100-as Nvidia-videokártyák vannak, amin Amerikában az OpenAI-nál, ahol a ChatGPT-t is tanították. Tehát ez egy abszolút világszintű gép, ami a világ top 200 szuperszámítógépe között van. Egy ilyen utolsó generációs szuperszámítógép, ami a sikerünk egyik kulcsa, a másik pedig az, hogy megpróbáltuk a felhasználók számára könnyen használhatóvá tenni. Én úgy tudom, hogy mi voltunk az elsők, akik elértük, hogy anyanyelven lehet ezt promptolni. Most már a promptolásnál eljutottunk 74 nyelvre. Igen, most már a Dall-e3 is szinte bárhány nyelven promtolható, viszont mikor megjelent a Dall-e2, az még csak angolul működött. A miénk már akkor is működött magyarul, és nyilván azóta is folyamatosan fejlesztjük.

Még mindig nem mondanám azt, hogy ez biztosan egy siker volt, nem innék a medve bőrére annyira előre (nemcsak azért, mert volt medve a városunkban a múlt éjjel is), mert egy startupnál mindig benne van az, hogy nem elég a technika, és nem elég a jó szándék, hanem mindig egymillió dolog közbejöhet, különösen a mesterséges intelligencia startupoknál. Most több nagyobb befektetővel, VC-kel is tárgyalunk. Mindig előjön az, hogy jó-jó, de mi lesz az AI-acttel, mi ennek a jogi háttere, mi van, hogyha történik valami?

Egy utolsó dolog, hogy mi az úgynevezett Privacy-by-Design elvet követjük, ami nyilván sokkal könnyebb képeknél, mint szinte bárhol máshol, de igyekszünk a felhasználóknak a saját adataihoz való jogát is tiszteletben tartani, illetve a szerzői jogot is az Unióban, és ezért is, hogyha valaki észrevesz egy ilyent, hogy véletlenül bekerült, akkor azt lehet jelenteni. Erre volt is példa, és ezt mindig megoldottuk. Úgyhogy ebbe a háromszögbe, tehát ebbe a jogi, technikai és felhasználói élmény háromszögbe próbálunk bennmaradni, mert úgy gondolom, hogyha valaki ebből kiesik, akkor az nagyon nehezen tud megmaradni egy szabadpiacon.

Charaf Hassan: Köszönöm szépen. Imre, a köznevelés világában miben segítsünk? Milyen igények vannak, és ha kell szabályozás, milyen szabályozáshoz kell nyúlni?

Fenyő Imre: Elmondanám talán azt a legközvetlenebbül előttünk álló érdekes kihívást, amire tényleg felfigyeltünk, ami a közvetlen, napi problémáink közül is talán a legközelebb van a mesterséges intelligencia felhasználáshoz, és ez valóban egy speciálisan helyi elem. Ugyanis talán sokak előtt ismert – itt az emelvényen ülők előtt biztosan –, hogy a magyar egyetemi szféra átalakulása a napi gyakorlatot is erősen befolyásolta a változáson és az átalakuláson átment egyetemek mindegyike esetében. Nálunk is az történt, hogy amikor alapítványi egyetemmé vált Debrecen, akkor minden egyes kar saját indikátorokat kapott, amellyel az eredményességét igazolni tudja, illetve ezek mentén az indikátorok mentén előírásokat is, hogy merre kell elmozdulni az egyes teljesítményterületeken. A pedagógusképzés területén az egyik ilyen indikátor, az eredményességi indikátoraink talán legfontosabbika, a lemorzsolódás csökkentése. Valóban az a kihívás előttünk, hogy hogyan oldjuk meg azt, hogy a beiratkozott pedagógusjelölt hallgatók közül viszonylag kevesen morzsolódjanak le, tehát sokan kapjanak diplomát. Na most volt olyan kolléga, aki erre azt javasolta, hogy akkor innentől kezdve ne adjunk elégtelent soha többé, és akkor mindenki kapjon diplomát, de ez nyilván járhatatlan útnak tűnt, csak viccelhettünk ezzel. Viszont amikor elkezdtünk szétnézni, hogy milyen lehetséges eszközök is állnak rendelkezésre, akkor nagyon érdekes és izgalmas megoldásokat láttunk. Persze a világnak pénzben, erőforrásokban jóval erősebben ellátott szegletéből, amely úgy tűnik, hogy messze van tőlünk, de aztán úgy gondoltuk, hogy talán mégsem elérhetetlen távolságban.

Azt láttuk ugyanis, hogy vannak a világon olyan egyetemek, amelyek már nagyon jól tudják használni többek között a hatalmas adatmennyiségből felépülő hallgatói adatbázisokat, és ezeknek a mesterséges intelligencián alapuló elemzéseit arra, hogy megpróbálják kiszámítani az egyes hallgatók egyetemi pályafutását, az egyes hallgatók viselkedését, ha vizsgálják, hogy mennyit járnak órára, ha megnézik, hogy mennyit ülnek a könyvtárban, ha megnézik, hogy mikor adják be a feladatokat, ha megnézik, hogy milyen eredményességgel, hány százalékot teljesítenek, és így tovább. Ezeket az adatokat elemezve egyrészt időben ki tudják szűrni azokat a hallgatókat, akik elindultak a lemorzsolódás felé, tehát fel tudnak figyelni azokra, akikre mi ma utólag figyelünk fel, amikor már késő, amikor a hallgató már kiiratkozik. Utólag értjük: tényleg, ő szeptember óta nem járt órára … Későn, túl későn vesszük észre. Nagyon jó lenne, ha lenne egy olyan mechanizmusunk, amely már időben jelez. Illetve a fejlett rendszerek nemcsak jelezni tudnak, hanem diagnosztizálnak is, és azt is jelzik, hogy egy-egy hallgató milyen támogatásra szorul. Azokból a jelekből, amelyek a viselkedésében megfigyelhetők, milyen támogatási igény következtethető ki. Vajon neki csak egy lelki támaszra, egy beszélgetőtársra van szüksége vagy egy szakmai mentorra? Ő valószínűleg bizonyos alapműveltségi elemei hiányossága miatt maradt le, és ezt kellene felzárkóztatni, vagy mi az ég történt vele ... Azt gondoljuk, hogy el kell indulnunk ebben az irányban, persze tényleg messze van ez, de úgy gondoljuk, hogyha a következő fejlesztéseinket mind szisztematikusan úgy tesszük meg, hogy ebbe az irányba mutassanak, nem elérhetetlen egy ilyen tanulmányi rendszer működtetése. Hogyha valóban elkezdjük átalakítani az infrastruktúránkat, ha elkezdjük úgy átalakítani az oktatók megszokott eljárásait, hogy ezekből megfelelő minőségű és mennyiségű adatot tudjunk gyűjteni. akkor meg tudjuk tenni végre azokat a lépéseket, amelyeknek eredményeképpen nagyon reméljük, hogy tényleg egy erős lépést teszünk abba az irányba, hogy például ilyen mesterséges intelligenciával támogatott kari működés, illetve egyetemi döntéselőkészítés is megalapozható legyen.

Charaf Hassan: Még egy apró kiegészítő kérdés. A diákok vagy a hallgatók, akik ott nálatok vannak. Mit kell tenni azért, hogy ők ne ijedjenek meg a géptől, és ne legyen ez a kockázat úgy, mint egy rémálom előttük. Mit kell tenni azért a képzésen kívül?

Fenyő Imre: Borzasztóan érdekes a kérdés, mert tényleg egy olyan világról beszélünk, amely idegenkedik az eszközöktől. Az óvodák világa az nemrégen még arra sem volt felkészülve egyes helyeken, hogy akár egy e-mailt fogadjanak intézményi szinten. Azt elvárni tőlük, hogy programozható eszközökkel rendelkezzenek, hogy olyan játékokkal rendelkezzenek, amelyek digitális alapon működnek, hogy tartsák a lépést azzal a világgal, ahonnan a gyerekek érkeznek, és ahol számukra természetes, hogy bizony online és digitális eszközök veszik őket körül, mint a levegő, olyan természetes számukra, hogy okostelefonokat, okoseszközöket használnak az intézménytől távol töltött időben, szóval ezt azért valamilyen szinten az óvodapedagógusok következő generációjának bizony kezelni kell tudni. Tehát el kell fogadnunk azt, hogy az intézmény-működtetés is, illetve a gyerekekkel való együttműködés is meg kell, hogy változzon. Modernizálnunk kell ezt a közeget, mert egyébként teljesen idegen lesz és avítt. A szülők sem fogják megérteni, hogy miért is nem történnek meg bizonyos lépések a gyerekeikkel, és az óvodapedagógusok is úgy fogják érezni, hogy lemaradnak és elmaradnak, akár a nevelési rendszer egyéb elemeihez képest is. Úgyhogy azt gondolom, hogy viszonylag egyszerű megmagyarázni az óvodapedagógusjelölt hallgatóknak is, hogy miért szükséges az ő felkészülésükbe beiktatni a modern eszközök használatára való felkészítést, hiszen pontosan látják, hogy melyik irányba változik a világ, és hogyan változik meg a gyerekek intézményen kívüli élete.

Charaf Hassan: Köszönöm szépen. Zoli! Ugyanazt a kérdést teszem föl neked a közoktatásban. Nálatok is van pedagógusképzés, milyen a fogadtatása az MI-nek, és mit kell tenni azért, hogy segítsünk nektek, vagy ez a közösség segítsen nektek abban, hogy a pedagógusok hozzájussanak ehhez a tudáshoz.

Szűts Zoltán: Úgy gondolom, hogy föl kell vennünk azt a tempót, ami a világot is jellemzi, tehát hogyha megtörténik egy fejlesztés, akkor két–három év múlva próbáljuk majd azt valamilyen módon bevezetni. De nyilván óvatosnak kell lenni, tehát nem kell azonnal, de meg kell, hogy legyen az a megfelelő dinamikája a dolognak. Tehát hogy addig, amíg ilyen sok kötöttség van, mint a tematikák, mint a szakirodalom, amelyek nyilván fontosak és támaszt jelentenek, addig nagyon-nagyon nehéz ezt valós időben követni. Itt mindenki arról beszél, hogy van egy bizonyos fáziskésés. A piacon látunk gyakorlatokat, például az adatkapitalizmust, amit Shoshana Zuboff említ, hogy gyakorlatilag az emberek viselkedéséből lehet adatokat nyerni, és utána ezeket lehet majd felhasználni. A köznevelésnek is kellene, hogy legyen egy olyan háttértámogató rendszere, ami rendelkezik olyan kutatókkal, rendelkezik olyan szuperszámítógépekkel, amelyek képesek ezeket az új gyakorlatokat nagyon gyorsan átvezetni. Amire még törekszünk az oktatásban, hogy bezárjuk az ajtókat és ablakokat is, hogy nehogy véletlenül kívülről valami inger bejöjjön, nyilván ennek megvan a pedagógiai értelme. De a tanteremben már mindig van egy képernyő, amin keresztül a tanulók kilépnek a világba, a világ pedig belép a tanterembe, de ezen keresztül nagyon gyakran nem a pedagógikum terébe lépnek ki. Tehát ez egy nagyon nagy kihívás ma. Olyan nagy fáziskésés van az oktatásban, hogy gyakran még láttunk fából készített dobozt a tanteremben, ahová be kell rakni a telefonokat mindenkinek. Szemléletváltás kell, valamint sokkal több idő és lehetőség a pedagógusoknak, hogy átgondolják azokat a gyakorlatokat, amelyek segítségével egyéni projektfeladatokat kaphatnak a tanulók. Említettétek, hogy sok a hibalehetőség, a hibalehetőség szerintünk még az, hogy rossz osztályzatot kap a tanuló, mert így szocializáljuk őket. Az hibalehetőség, hogy nem szerzik meg azt a tudást, ami az életükben szükséges lesz számukra. Tehát úgy szocializáljuk őket, hogy valóban megoldják a feladatot, és nemcsak egyénileg, hanem igazából bármilyen lehető eszközzel és közösségben, akkor tudjuk majd fölvenni a versenyt azzal, amit a világunk diktál.

Charaf Hassan: Köszönöm. Én most megszakítanám a sort, s megkérdezem: itt volt az államtitkár úr, miért nem vetitek föl neki azt, hogy a tanároknak, pedagógusoknak biztosítsanak ilyen képzéseket és lehetőségeket, és adjanak rá időt. Ez egy konkrét igény, hisz vannak sokan, akik akarnak tanulni, de ez nem megy egyéni szorgalom alapján, mert ennyi idejük nincsen, mert túl vannak terhelve több tekintetben. Ezt föl lehetne vetni! Mivel Péter csúnyán néz rám, öt percünk maradt, így mindenkinek egy perc jut arra, hogyan fog fejlődni ez a szakma. Mi várható a következő egy évben? Ricsi, MI-kutatóként veled kezdek, hogy az alaphangot magasabbra tegyük, de reálisan mondd el a szakmai részt. Mit várunk ettől az évtől? Szerinted?

Farkas Richárd: Ezt nem lehet megjósolni. Az elmúlt éveknek a trendjeiből az látszik, hogy nem lehet megjósolni.

Charaf Hassan: De ha mégis mondanod kell valamit, akkor hova teszed a zsetont?

Farkas Richárd: Hát én nagyon remélem, hogy most ez a generatív történet bejárta a világsajtót, mindenki használja mind a képgenerálást, mind a szöveggenerálós dolgokat, de abban bízok, hogy egy kicsit konszolidálódik ez a láz. Azt érzem, hogy nagyon túl van gondolva, hogy ez mennyi mindenre jó, hogy mennyi mindenben fog nekünk segíteni. Nagyon sok mindenben fog segíteni, de hogy kicsit érkezzünk vissza a talajra. Én erre számítok.

Charaf Hassan: Köszönöm. Mire emlékeztek? Gyuri, a GPT marketbe, vagy az applikációs Store-ba – hogyha ezt a nevet használjuk – alkalmazások kerülnek fel oda, köztük sok hülyeség is. Mit javasolsz a következő évre? Milyen killer applikációk lesznek fönt, amelyek a pedagógusoknak esetleg izgalmas lehetnek?

Eigner György: Én az oktatástechnológia teljes reformjára szavazok. Konkrétan a tanár a saját elgondolására, stratégiájára fogja tudni használni, vagy szabni úgy, hogy ne kelljen hozzá kódolni úgy, hogy ez egy kényelmes, könnyű eszköz legyen.

Charaf Hassan: Ha természetes nyelven meg lehet fogalmazni a promptot, hogy generáljon nekünk egy appot, akkor miért nem bízzuk rá a pedagógusra, hogy fogalmazzanak meg egy olyan alkalmazást, ami az igényeiket kielégíti , hisz ezt ők tudják a legjobban megmondani. Mi csak becsülni tudjuk, hogy mi fájhat, amit a gyerekektől hallok, vagy szülői értekezleten elmondják a tanárok, mi a helyzet, de a valódi problémát csak ők érzik. Segítsünk nekik abban, hogy ilyen promptot tudjanak írni, természetes nyelven nem kell tanulni, programozni ehhez. Szerintem ez jó lehet. Zoli, mi fog változni ebben az egy évben?

Szűts Zoltán: Jövőre szerintem jó gyakorlatokról fogunk már beszámolni, ezekről fogunk vitatkozni, tehát lesz már annyi adatunk és alapanyagunk, tapasztalatunk, és hogyha még ezek után is meg fogtok hívni, és ez a meghívás rendszeres lesz, akkor már különböző módszertanokról, stratégiákról fogunk beszélni. Addigra talán kirajzolódik, hogy milyen területen nem lesz szükség mesterséges intelligenciára. Ezzel kapcsolatban elmondok egy történetet. Porszívót akartunk venni, erőset és okosat. Az egyik koreai gyártó termékét néztük a márkaboltban, de az eladó azt mondta, hogy uram, ne is nézegesse, ez már nincsen készleten, már nem lehet kapni, csak kiállított példány. Mondom, miért nem? Azt mondja az eladó, hát drága volt, senki nem vette 200 ezer forintért. Mondom, ez tényleg nagyon drága. De ne aggódjon, mondja az eladó, jön egy másik, de az már mesterséges intelligenciás lesz. Kéziporszívó, de mesterséges intelligenciával ellátott? Persze! És mondom, az mennyibe kerül? Hát az már 500 ezer lesz, mondja. Mondom neki, nagyon rossz az üzleti modell, egyébként nem hiszem, hogy fogják vinni, hiszen nem kell bele mesterséges intelligencia, inkább legyen olcsóbb. Azt gondolhatta magában, hogy volt itt egy okoskodó pali, de szerencsére elment. Köszönöm szépen.

Charaf Hassan: Köszönöm. Imre, jövőre!?

Fenyő Imre: Nekem eléggé baljós az egy éven belüli távlatban való előrelátásom. Azt gondolom, hogy itt mindannyian rengeteg értekezleten fogunk ülni, és hosszú fejtöréseket fogunk végrehajtani annak tekintetében, hogy mégiscsak megváltozzon minden felsőoktatási képzőhelynek a tanulmányi és vizsgaszabályzata. Azon fogjuk törni a fejünket, hogy hogyan szűrjük ki a mesterséges intelligenciával írt dolgozatokat, és őrületes passzusokat fogunk megfogalmazni, és rettenetes elrettentő szabályokat fogunk kitalálni, hogy nehogy a hallgatók mégiscsak használják. Attól félek, hogy erre fogjuk az energiánkat fordítani a következő egy évben.

Charaf Hassan: Köszönöm. Péter! Ez alatt az egy év alatt a fejlesztések milyen irányba mennek, és mi lesz jövőre?

Szabó Péter: Úgy gondolom, hogy oktatásban ez egy nagyon izgalmas év lesz, annak ellenére, hogy nem értek az oktatáshoz, de nem is kell nekem szerencsére, mert ez mindig egy ilyen kétpólusú történet, hogy mindig kell valaki, aki ért egy adott szakmához, és egy másik valaki, aki ért a gépi tanuláshoz, és ebből a kettőből tudnak nagyon jó megoldások létrejönni. Úgy gondolom, hogy összhangban fejlesztett megoldásból mához egy évre eljutunk oda, hogy lesz olyan szoftver, ami gépi tanulással magyar nyelven egy adott tantárgyat legalább példaként meg tud tanítani, és ebből kiindulva aztán az egész közoktatást meg lehetne reformálni gépi tanulással.

Charaf Hassan: Köszönöm szépen, legyen ez a végszó!