Generatív mesterséges intelligencia és más mesterségesintelligencia-típusok

A mesterséges intelligencia az emberi intelligencia gépi szimulációja. Az ősi mítoszokba foglalás és az emberi cselekvésre képes gépek létrehozására tett több évszázadnyi erőfeszítések dacára a gépi tanulás első valódi példájára 1951-ig kellett várni, amikor is a Manchesteri Egyetemen kidolgozott egyik sakkprogram megtanulta, hogyan játszhat elég jól ahhoz, hogy legyőzze az ember játéktudását. Ez volt a játékokban használt mesterséges intelligencia legelső formája.

Napjainkban már mindenütt jelen van a mesterséges intelligencia, különös tekintettel az okostelefonokra és a mobilalkalmazásokra, amelyekben általános feladatokat végez. Ilyen feladat például az arcfelismerés, a beszédfelismerés, a levélszemétszűrés, a nyelvi javaslatok megjelenítése és a másik nyelvre fordítás.

Nem létezik olyan mesterségesintelligencia-típus, amely egymagában mindenre képes. A szövegszerkesztésre, könyvelésre vagy éppen digitális kompozitálásra használt különféle számítógépes programokhoz hasonlóan különböző mesterségesintelligencia-típusok léteznek, amelyek működési módja is eltér, és más-más célra szolgálnak. A gyakorta használt mesterségesintelligencia-típusoknak három alapkategóriája van.

Az ebbe a típusba sorolt mesterséges intelligencia konkrét feladatokat végez el, és nem tanítható be ennél többre. A szűk mesterséges intelligencia körébe tartoznak a képfelismerési funkciók, a természetes nyelvi feldolgozómodulok és a képgenerátorok. Ide sorolható emellett Siri, a Google Segéd és Alexa is. Mindegyik képes hangalapú utasítások megértésére és megválaszolására, pontos orvosi diagnózisok felállítására azonban nem.

Ahogyan a nevük is sugallja, ezek a gépek csupán ingerekre (például egy virtuális sakktábla bábuinak mozgására) tudnak reagálni. A korlátozott memóriájú mesterséges intelligenciára épülő gépekkel ellentétben nem generálnak később felidézhető emlékeket, de hasznos részei a digitális életünknek. Reaktív gépek például a levélszemétszűrők és azok a javaslatgeneráló rendszerek, amelyek a felhasználó viselkedését figyelve megnézendő tartalmakat vagy esetleg megvásárolni kívánt árucikkeket tudnak javasolni.

A mesterséges intelligencia fejlesztésének reaktív gépek utáni szakasza a korlátozott memóriájú mesterséges intelligencia kifejlesztése volt. Ez utóbbi képes tárolni a tudást, tanulni tud belőle, és a tanultak alapján új feladatokat tud elvégezni. Ez a mesterségesintelligencia-típus jól használható a jövőbeli trendeket mutató előrejelzések készítésére a pénzügyektől kezdve az időjárásig minden téren. Manapság ezt a típust használják a legtöbb területen, például csevegőrobotokban és önvezető autókban.

Mint ahogy a mesterséges intelligencia egyéb részhalmazai is konkrét célokra szolgálnak, a generatív mesterséges intelligencia is rendelkezik eltérő típusú tartalmak készítésére szolgáló különböző modelltípusokkal.

A mesterséges intelligencia leggyakrabban emlegetett formája vélhetően a szövegírás, a csevegőrobotok mesterséges intelligenciát használó modelljei pedig nagy népszerűségre tettek szert, és gyakran szerepelnek a híradásokban. Legyen szó korrektúrázásról, felmérések megírásáról vagy kódkészítésről, ezek a szöveggenerátorok minden területen használatosak.

A mesterséges intelligenciára épülő képgenerátorok (köztük az Adobe Firefly) szöveges promptokat tudnak képekké alakítani. Számos különböző célra használhatják őket művészek, tartalomkészítők és marketingszakemberek. Ezeknek a képgenerátoroknak a betanítása több száz millió kép és képfelirat felhasználásával történt, így bárki körülírhatja, hogy mit is szeretne, és gyorsan létrehozhat egy új képet annak szöveges leírása alapján.

A művészek és a tervezők segítségül hívhatják ezt a technológiát az új ötletek gyűjtéséhez, ezenkívül új módszereket kipróbálva képzelhetik el az alkotásaikat anélkül, hogy órákat töltenének az egyes változatokkal. A marketingszakemberek és a független tartalomkészítők gyönyörű képeket készíthetnek még akkor is, ha nem számítanak tapasztalt művészeknek.

A képgenerátorok képekből álló óriási adathalmazokkal végzett betanításához hasonlóan a mesterséges intelligenciát használó zenegenerátorokat zeneszámokkal és metaadatokkal tanítják be. Azonosítani tudják a zenei műfajokra jellemző mintázatokat és konkrét szerzők műveit, és új zeneszámokat tudnak készíteni ezen jellemzők alapján.

A generatív mesterséges intelligencia e formája a videó-, a hang- és a képgenerálást is magában foglalja. Ezeknek a modelleknek a betanítása hanganyagokat, videókat és szövegeket tartalmazó adatokkal történt. Segíteni tudnak a videókészítőknek abban, hogy hamarabb elvégezhessék a vágást, a feliratozást és a különböző kimeneteknek megfelelő átméretezést, emellett akár új videós tartalmak szöveges promptok alapján történő generálását is lehetővé teszik.