A Mozilla Corporation, a Firefox böngésző gyártója 2017-ben megvette az egyik legnépszerűbb könyvjelző-gyűjtő alkalmazást, a 2007-ben Read-it-later néven alapított Pocketet, amit idén egyszercsak bezárt a megváltozott felhasználói szokásokra hivatkozva. Miben bízhat az egyszeri felhasználó, ha a jól működő és sokak által használt szolgáltatásokat is bezárják a cégek, vannak-e fenntartható üzleti modellek a startupoknál, milyen korábbi nagy bezárások borzolták a kedélyeket, és hogy nézett ki az Excelben elrejtett repülőszimulátor?

A nagy nyelvi modellek eredményességét nehéz mérni, hiszen egy meglehetősen szubjektív tevékenységet kellene összehasonlítható és objektív módon értékelni. A régebbi benchmark-adatbázisok, mint pl. az MMLU vagy a GPQA már nem jelentenek kihívást az LLM-eknek (ahogy ezt az LMArena Leaderboardján is láthatjuk), mert rájuk tanultak - de akkor mi a megoldás? Az Apple tanulmánya szerint (The Illusion of Thinking) úgysem tudnak komplex problémákat megoldani az LLM-ek, és Caiwei Chen is azt írja, hogy válságban a benchmarking (Can We Fix AI's Evaluation Crisis?). Amíg ezek vitatkoznak, mi versenyezhetünk az LLM-ekkel - ki az okosabb?

Az OpenAI konkurenseit bemutató sorozatunk második részében a Claude LLM-et fejlesztő Anthropicot mutatjuk be, amelyet az OpenAI-ból kiugrott kutatók, élükön az Amodei testvérpárral alapítottak. A közhasznú, de for-profit vállalat a biztonságosabb AI-t tűzte ki célként, az alapítók kissé hippik, de azért sikerült a crypto-bűnözőtől elfogadni a kezdőtőkét, majd az Amazon befektetésein felnövekedni meghatározó piaci szereplővé. A CEO Dario Amodei blogján olvashatunk a szerető kegyelem gépeiről és az AI magyarázhatóságának szükségszerűségéről, mikközben máshol a neten pedig az Anthropic számairól találunk érdekes grafikonokat.

Az American Dialect Society 2013-ban az év szavának választotta a Cory Doctorow által népszerűvé tett kifejezést, az "enshittification"-t, azaz elszaródást. Arról szól, hogy a szolgáltatások eleinte a felhasználókra fókuszálnak, később inkább az üzleti partnerekre, végül főleg a saját részvényeseikre - a felhasználók pedig (sőt egy idő után már az üzleti partnerek is) egyre jobban érzik magukat figyelmen kívül hagyva. Hogyan hat ez a folyamat az MI esetében? És mi köze van mindennek Yann LeCun (akit többé már nem érdekel az LLM) itthon idén megjelent könyvéhez, amelynek a címe A mesterséges intelligencia és a mélytanulás forradalma? Erről beszélgettünk, illetve még megemlítettük Gyuri előadását is.

Kapcsolódó adások:

095 - Elmetrükkök a prezentáció tudományában 

Gyuri és Feri kimentek a BusinessFest elnevezésű konferencia-kiállítás-vásár rendezvényre, és egy-egy mikrofonnal a kezükben kóboroltak a standok, színpadok és foodtruckok között. Később Gyuri eltűnt, Feri viszont egy jót beszélgetett Mihalik Judittal, az IBS oktatójával arról, mire használják az MI-t a diákok és az oktatók, és milyen különbségek mutatkoznak ebben a különböző kontinensekről érkezettek körében.

Ne csak mindig az OpenAI szolgáltatásairól beszéljünk, ezzel a céllal néztük át a Google kínálatát, amire jó apropót szolgáltatott az idei fejlesztői konferencia, a Google I/O 2025. A kiterjesztettvalóság-szemüveget meghajtó Android XR-on (és a két szemüveg-partneren: Warby Parker és Gentle Monster) kívül minden az AI-ról szólt: egyebek mellett a Google Meet közel valós idejű fordítási képességéről, a kissé idegen Gmail összefoglalókról (Personal Context) és a NotebookLM-ről. Említettük még a Genimi 2.5 Pro vezető helyét az LMArena Leaderboardon, és bónuszként az Italian Brainrot mémet.

Az adás elején pedig bemutattuk a Clementine Nyári Iskolát, ami a statisztikai, adatelemzési és mesterséges intelligencia technológiákra fókuszál és a felsőoktatásban résztvevők számára ingyenes!

Május elején jelent meg egy cikk a Guardianen (Better at everything: how AI could make human beings irrelevant), amiről Simó György posztolt a Facebookon és ebből remek humán beszélgetés kerekedett. Megpróbáltuk mi is hozzátenni a magunk két fillérjét a témához: vajon tényleg lényegtelenné degradálhatja az emberiséget az MI? És amíg erről beszéltünk, felidéztük egy korábbi epizódunkat a bullshit jobokról, illetve a Harvard Business Review felmérését arról, mire is használjuk manapság a GenAI-t?

Aki nem tudott eljönni a Clementine évi rendes adattudományi konferenciájára (dataSTREAM 2025), innen képet kaphat az idei témákról, ami amúgy az "adattudósok az LLM-korszakban" címet kapta. Gáspár Csabával átbeszéltük néhány előadás témáját - ellentmondások az AI háza táján, betüremkedő LLM-ek az adattudósok világában, bizalmatlanság a közvéleménykutatókban és bizalom a magyarázhatatlan nagy nyelvi modellekben.

Nem csak a podcaston dolgozunk, és most éppen azért nem érünk rá, mert elindítottuk a Minerva Kutatóintézetet, ami egy MI-alapú telefonos közvéleménykutatás-támogató rendszer. Emiatt nem volt elég időnk, hogy alaposabban belemásszunk Darius Amodei, az Anthropic CEO-jának írásába a magyarázhatóság sürgető igényéről (meg Richard Brautiganről), az ai-2027.com disztópikus jövő-forgatókönyvébe, Yann LeCun LLM-ekre dobott "atombombájába" és az ELTE GTK dékánjának különös kijelentéseibe sem.

Vajon ki jár jobban, aki a keresési feladatait a Perplexityvel vagy a Google-lel igyekszik megoldani? Könnyebb megfogalmazni a keresési kérdést az LLM-nek, de cserében ott lebeg felettünk a hallucináció rémképe. Elveszítjük-e a kritikus szemléletet, ha ráhagyjuk a szolgáltatásra az információ validálását? Hol versenyeztette II. Frigyes az arab számokat az abakusszal, milyen édességek hiányoznak a magyar kivándorlóknak, kicsoda Gyuri édesapja, és vajon viselte-e Feri nevét a nyolcvanas években egy sikeres futballista? Két műsorvezető a ringben egy-egy keresővel felfegyverkezve - ki győzött?