A teltházas rendezvény Szabados Levente AI-szakértő előadásával kezdődött, aki a Frankfurt School of Finance and Management docenseként és a mesterséges intelligencia üzleti bevezetését támogató Neuron Solutions tudományos tanácsadójaként gyakorlati szemszögből vette nagyító alá a generatív modelleket. 

Az AI nyelvi modellek legfontosabb újdonsága, hogy közvetlenül, emberi nyelven utasíthatók. A  Github Copilot ez alapján képes létrehozni kódot, és többféle, specializált modell képességeit egyesíti, így például képes a kódtöredékek befejezésére és különböző programnyelvek közötti fordításra is.  A szakértő szerint emellett azonban adatfeldolgozó és -osztályozó feladatokra is alkalmas a modell, ami a hétköznapi “ügyintézés” és a data science számára egyaránt hasznos képesség, valamint hatékonyan tudja támogatni a tudáselsajátítást például a dokumentációk feldolgozásának egyszerűsítése révén. 

„A GPT rendszer szellem a palackban. A tudás elérése szempontjából limitált, ha nincs hozzá csatlakoztatva böngészésre alkalmas bővítmény, és a prompt minősége is kulcsfontosságú” – tette hozzá Szabados Levente. 

AI és ember dialógusa

A kódgenerálás terén viszont feltétlenül szükség van emberi interakcióra. A programozó tudása nélkülözhetetlen egyrészt a megfelelő utasítások és adatkészletek megadásában, másrészt a GPT által írt kód kiértékelésében. Az esetek legnagyobb részében a promtra adott válasz ugyanis nem vagy nem jól működik, és bár a kód javítására utasíthatók a modellek, így sem biztos, hogy az elvárt eredményhez jutunk.

Szabados Levente arról is beszélt, hogy generatív modell képes lépésről lépésre elmondani, miként oldana meg egy feladatot, erre építve pedig egészen hosszú gondolatláncokat tudunk felépíteni vele. „Innen egy lépés: egy aktív szoftver ágenst eszközökkel látunk el és interakciók sorozatán keresztül próbáljuk rávenni, hogy megfelelően használja azokat. Az AutoGPT és más keretrendszerek ezen az elven működnek. A modell célokat azonosít, lebontja taskokra, és miután azok végrehajtódnak, kiértékeli őket. A felhasználónak azonban szintén ellenőriznie kell, hogy megfelelően valósult-e meg az adott task” – mondta a szakértő.

Fejlesztők új szerepben?

A generatív modellek fejlődése abba az irányba hat, hogy egyre több feladat válik automatizálhatóvá. Ez azonban nem jelenti azt, hogy ne kellene foglalkozni az AI által javasolt megoldások mögötti kóddal és működési logikával. Ez pedig nemhogy csökkenti, hanem növeli a fejlesztők felelősségét.

„Változnak az eszközeink és változik a szerepünk is. Meg kell tanulnunk együttműködni sokkal aktívabb szoftver ágensekkel. Bár a kódok nagy része valószínűleg gépileg generált lesz, de azt senki sem fogja megúszni, hogy a programozás lényegét elsajátítsa. A kihívás sokkal inkább a szoftverek megértése, a fejlett szimuláció lesz, mint a mechanikus kódalkotás, ezért van szükség például a Green Foxra is” – emelte ki Szabados Levente.

Ennek a történetnek ott kell lenni az elején

Az előadást követően a meetup izgalmas panelbeszélgetéssel folytatódott, amelyben Oláh Attila vezető front-end fejlesztő (Supercharge), Kiss Miklós Chief Product Officer (SEON), Keleti Arthur kibertitok jövőkutató, IT biztonsági szakértő, illetve két kollégánk, Ádám Annabella pszichológus-tréner és Szél Péter technológiai vezető, mentor csapatunk irányítója vett részt Fazekas Barbara, a Bobcats Coding CEO-ja és társalapítója moderálásával. 

A fő téma természetesen az volt, hogyan lehet felkészülni a mesterséges intelligencia által dominált jövőre. A kulcs a nyitottság és az alkalmazkodás, ami a tájékozódás, a tanulás és a tapasztalatszerzés lépcsőfokain keresztül járható be. Keleti Arthur véleménye szerint ez elkerülhetetlen lesz, különösen annak fényében, hogy az emberi minőségű gondolkodáshoz akár tíz éven belül is eljuthat a technológia. A nyelvi modellekkel való együttműködés Oláh Attila szerint csak ma jelenthet előnyt, de már öt év múlva is olyan alapkészség lesz, mint a Google keresés. „Teljesen egyetértek, hogy aki lemarad, az kimarad, ennek a történetnek ott kell lenni az elején” – tette hozzá.

Az AI terjedése felértékeli az IT szakértelmet 

„Azt láttuk az elmúlt negyven évben az IT-ban, hogy egyre fejlettebb eszközök állnak a szakma  rendelkezésére, de az új megoldásokat mindig megelőzte egy kis bizonytalanság. Aztán kiderül, hogy azok járnak jól, akik hajlandóak lépni. Fel kell venni a ritmust” – véli Kiss Miklós. Ádám Anabella kiemelte a soft skillek jelentőségét is, amelyeket szintén fontos fejleszteni, mert a cégek gördülékenyen kommunikáló és együttműködő kollégákat keresnek. Az ehhez szükséges empátia és felelősségvállalás egyelőre úgy tűnik, gépektől nem várható el. „Érzelmi tekintetben vagy akár tudatosság kérdésében nem intelligens az AI, csak nagyon sokat látott már: a számára elérhető információkat képes fogyaszthatóan elénk tárni” – fogalmazta meg Oláh Attila.

Generatív modellek használata alapján Szél Peti is hasonlóan látja a helyzetet. „Az AI tudja, hogy néz ki egy program, van egy statisztikai modellje arról, hogyan néz ki egy programkód, de az általa vétett hibák egyértelművé teszik, hogy nem érti azt, amit produkál. Erre csak a fejlesztők képesek, ezért továbbra is érdemes programozást tanulni és nagyon alaposan megismerni a szoftverek építőköveit. Az IT szakértelem szerepét az AI terjedése felértékeli, mert csak ennek birtokában tud bárki elfogadni vagy elutasítani egy AI eszköz által tett javaslatot. Az eszközök megismerésével természetesen foglalkozni kell, a Green Fox tananyagának már része ez is.”

‍

Ha érdekel a téma, olvasd el szakértőink cikkeit is:

- Fenyegetettségből versenyelőny: Használd ki az AI-ban rejlő potenciált programozóként!

- Miért nem elég jó programozó a Chat GPT?

- Chat GPT – Tények és tévhitek leendő programozóknak

‍