2026 eleje: a kódolás automatizálása
Eredeti: ai-2027.com, AI Futures Project, 2025. április 3. A magyar változatot a Kreatív Kontroll készítette, a szerzők írásos engedélyével.
Az a fogadás, hogy MI-vel gyorsítják fel az MI-kutatást, kezd megtérülni.
Az OpenBrain belső használatban továbbra is beveti a folyamatosan javuló Agent–1-et az MI-kutatás-fejlesztésben (K+F). Összességében 50 százalékkal gyorsabban haladnak az algoritmusokkal, mint MI-segédek nélkül haladnának. Ami fontosabb: gyorsabban, mint a versenytársaik.
Az MI-K+F gyorsítószorzója: mit jelent az 50 százalékkal gyorsabb algoritmikus haladás?
Azt jelenti, hogy az OpenBrain MI-vel egy hét alatt annyival jut előbbre az MI-kutatásban, amennyit MI nélkül másfél hét alatt tenne meg.
Az MI-haladás két összetevőre bontható.
A számítási kapacitás növelése. Több számítási teljesítményt (compute) fordítanak egy MI tanítására vagy futtatására. Ettől erősebb MI-k születnek, viszont többe is kerülnek.
A jobb algoritmusok. Jobb tanítási módszerekkel váltják át a számítási kapacitást teljesítményre. Ettől képesebb MI-k születnek anélkül, hogy a költség ezzel arányosan nőne, vagy ugyanaz a képesség olcsóbban jön ki. Ide tartozik az is, amikor minőségileg, illetve mennyiségileg új eredmények válnak elérhetővé. A „paradigmaváltások" szintén algoritmikus haladásnak számítanak, például az a váltás, amely a játékot játszó megerősítéses tanulású (RL) ügynököktől a nagy nyelvi modellekig vezetett.
Itt csak a másodikról, a jobb algoritmusokról beszélünk. Ez teszi ki a jelenlegi MI-haladás nagyjából felét.
A továbbiakban ezt néha úgy rövidítjük, hogy az MI-K+F gyorsítószorzója 1,5.
Pontosítások:
A szorzó mindent magában foglal. Beletartozik például a kísérletek futtatásának ideje is, nem csak az algoritmikus kutatás gondolati munkája.
Fontos észben tartani, hogy a szorzó a haladás viszonylagos, nem pedig abszolút sebessége. Tegyük fel, hogy egy GPT–4 szintű modell tanítási költsége évről évre a felére csökkent néhány éven át, a szokásos emberi kutatás mellett. Ha ezután az MI hirtelen automatizálja a kutatás-fejlesztést, a szorzó pedig 100-szorosra ugrik, akkor egy GPT–4 szintű modell tanítási költsége 3,65 naponta feleződne. Ez viszont nem tartana sokáig, mert beharapna a csökkenő hozadék, végül elérnék a kemény korlátokat. Ebben a példában a költség talán összesen 5–10 alkalommal feleződne, néhány hét vagy hónap alatt, aztán beállna. Másképp fogalmazva: ha a szokásos emberi tudomány 5–10 év további kutatás után ütközne bele a csökkenő hozadékba, illetve a fizikai korlátokba, akkor a 100-szoros szorzóval dolgozó MI-k ugyanezekbe 18,25–36,5 nap kutatás után ütköznének bele.
A fogalom bővebb kifejtése, illetve az, hogyan használjuk az előrejelzésünkben, a felszállásról (takeoff) szóló függelékünkben olvasható.
Több versenytárs nyilvánosan kiadott MI-je is eléri vagy meghaladja az Agent–0 szintjét, köztük egy nyílt súlyú (open-weights) modell. Az OpenBrain válaszul kiadja az Agent–1-et, amely képesebb, illetve megbízhatóbb.
Az emberek természetes módon próbálják összehasonlítani az Agent–1-et az emberrel, a képesség-profilja viszont nagyon más. Több tényt tud, mint bármelyik ember, gyakorlatilag minden programnyelvet ismer, a jól meghatározott kódolási feladatokat rendkívül gyorsan oldja meg. Ugyanakkor még az egyszerű, hosszú távú feladatokban is gyenge, például abban, hogy végigvigyen egy videojátékot, amellyel korábban nem játszott. A szokásos munkanap azonban nyolc óra, egy nap munkája pedig általában kisebb darabokra bontható. Úgy is gondolhatsz az Agent–1-re, mint egy szórakozott munkatársra, aki gondos irányítás mellett kivirul. Az ügyesebbek megtalálják a módját, hogy automatizálják a munkájuk rutinszerű részét.
Az OpenBrain vezetői az MI-K+F automatizálásának egyik következményére fordítják a figyelmüket: a biztonság fontosabbá vált. 2025 elején a legrosszabb eset a kiszivárgott algoritmikus titok volt. Most viszont, ha Kína ellopja az Agent–1 súlyait, azzal közel 50 százalékkal gyorsíthatja a saját kutatását. Az OpenBrain biztonsági szintje egy gyorsan növő, nagyjából 3000 fős technológiai cégre jellemző: csak a felkészült kibercsoportok alacsony prioritású támadásai ellen véd, ez a RAND besorolásában az SL2 szint. Keményen dolgoznak azon, hogy a súlyaikat, illetve a titkaikat megvédjék a belső fenyegetésektől, valamint a legnagyobb kiberbűnözői szindikátusoktól (SL3). A nemzetállamok elleni védelem (SL4, SL5) viszont alig látszik a láthatáron.
Az eredeti szöveg: ai-2027.com. A magyar változatot a Kreatív Kontroll készítette, a szerzők írásos engedélyével.