Láncreakció

És úgy általában milyen szakmákkal versenyez az ML Engineer? Ugyanazt kell-e tudnia, mint egy data scientistnek, egy data analystnek, vagy egy data engineernek? Ki mennyit keres, melyik szakma mekkora hiány? Rendet teszünk a Data szakmában és bónusznak megtárgyaljuk azt is, leküzdi-e az MI az inflációt?

Ha már mindenki a generatív MI előnyeiről és veszélyeiről osztja az észt, bemutatjuk az észosztás résztvevőit! Kicsoda Steve Wozniak, Max Tegmark, Eliezer Yudkowsky, Tristan Harris, Jaron Lanier, Mérő Lászó, Andrew Ng és Yann LeCun vitája, Timnit Gebru és elhíresült tanulmánya, Emily M. Bender, Sam Altman, Henry Kissinger és Eric Schmidt a WSJ-ben, Yuval Noah Harari vs Yann LeCun, Naomi Klein cikke, Tilesch György, Margrethe Vestager és Thierry Breton? Ki mit gondol és ehhez milyen tudományos háttere, múltja van?

A dataSTREAM 2023 konferencia közepén felvett adásban a podcast legénysége egyetemi oktatókkal egészült ki - dr. Abonyi János a Pannon Egyetem egyetemi tanára, tudományos és stratégiai dékánhelyettes, az adattudományi szakmérnök képzés szakvezetője és dr. Mihajlik Péter, a Műegyetem TMIT tudományos főmunkatársa, aki a SpeechLabben foglalkozik mélytanulásra épülő beszédleiratozási kutatással. Arról beszélgettünk, hogy mit gondolunk a skynetezésről - amikor a média és a szakemberek egy része is az emberiség feletti uralmat megszerző MI-ről értekezik -, a tudás fontosságáról, az MI-közmű mivoltáról és arról, született-e valaha gyümölcsöző beszélgetés egy baráti vacsorán a Bűn és bűnhődés felett.

A Szilícium-völgy műszaki értelmisége Pause Giant AI Experiments: An Open Letter címmel írt nyílt levelet az MI kutatások fél éves felfüggesztésének szükségességéről, és különben is, mindenki skynetezik a ChatGPT nyomán mindjárt érkező szuperintelligenciától való félelmében. A fokozódó hangulat (amihez pl. ez a 444-cikk is jócskán hozzájárul) farvizén Gyuri és Feri arról vitatkoztak, itt van-e a szingularitás, bajban van-e a világ, mit gondoljunk Max Tegmarkról, értsünk-e egyet Madarász Tamás londoni MI-kutatóval, akit Az élet meg minden podcastban hallottunk, neadjisten Lex Friedman szavait igyuk? És mi lesz Emily M. Bender nyelvész sztochasztikus papagájaival? Ki hova teszi az elinflált kétcentesét vagy friss kétdollárosát? Izgalmas hét ez, érzelmektől sem mentes vita a Láncreakcióban!

A Láncreakció mai vendége Fodor Gábor, a Kaggle machine learning versenyplatform grandmastere, aki ma a H2O.ai-nál dolgozik, ahol egyébként három másik nagymester felvételiztette. Már az egyetem alatt is indult versenyeken, de az első sikereit valamivel később érte el, például azon a madárhang-felismerő versenyen, ahol fütyörészést nem hallott, spektrum-ábrákat annál inkább, viszont azt sose tudhatta meg, melyik ábra melyik madárhoz tartozik. Mi értelme volt a Kaggle-nek régen és megváltozott-e ez mára, mi az üzleti modell, ki a tulajdonos és milyen stratégiákkal érdemes részt venni a küzdelemben, erről mind mesélt nekünk az egyetlen magyar nagymester.

Ezen a héten Huszti Dániel, az IBM adatelemzési szakértője volt a vendégünk és az IBM Cloud Pak for Data megoldáscsomag kapcsán szóba került a cég viszonya a nagy nyelvi modellek körüli hype-hoz, a beszerzések co-creation alapú megközelítése, a data fabric és data mesh közötti különbség, az etikus és a magyarázható MI, végül pedig a Monty Python Nemzetközi Filozófiai Futball közvetítése is.

Mi is az a digitális gyarmatosítás és miért emlegetik ezt mostanában a nagy nyelvi modellek kapcsán újra és újra? Miért baj, ha nagyon sokan használják a Facebookot, hol csorbítja ez az államok hatalmát, és vajon mennyire használnak ki minket a nagy techcégek? Elvehetik-e például a nyelvünket, az egészségügyi rendszerünket vagy éppen a társadalomfejlődésre való képességeinket? De ami a legfőbb kérdés: mi köze van mindennek Gaspard de Prony trigonometriai táblázataihoz és a munkájukat vesztett fodrászokhoz?

Mindig csak mások híreiről, eredményeiről mesélünk, de ezúttal a saját projektjeinkről, terveinkről számoltunk be. Gyula levezető elnök volt a Business Intelligence Konferencián és megfigyelt dolgokat az Export to Excel parancs környezetéről, illetve a célszalag felé tart az általa szervezett focis-adattudós verseny, Gyuri a 2023-as dataSTREAM konferenciát harangozta be, ami május 18-án lesz, illetve a július 3. és 7. között Veszprémben megrendezésre kerülő SPSS nyári iskolát reklámozta, Feri pedig a május 31-én a budapesti Hotel Hélia-béli eseményt, a Podcast Fesztivált említette, aminek közreműködik a szervezésében. Előkerült még Mérő László Észjárások című könyve, egy megdöbbentő ChatGPT élmény és még a Veo kamerarendszer is, amivel Gyuri a fia focimeccseit elemzi.

Vajon megvan-e az adattudós szakmában a naprakészen tartott tudás, az újdonságok követésének igénye és mennyire nehezíti ezt meg a rengeteg, sokszor marketing-bullshittól nagyra nőtt, szakirodalomnak látszó olvasnivaló? Gyula egy Linkedin-posztból válogatott néhány trendi kifejezést és megpróbált utánajárni, ezek tényleg újdonságok vagy csak régi témák újracsomagolt változatai.

A Microsoft kiadott egy 150 oldalas tanulmányt a nemrég bejelentett GPT-4 képességeiről, ami a "Sparks of Artificial General Intelligence: Early experiments with GPT-4" címet viseli. Ennek tartalmát megismerve Gyuri megingott korábbi hitében, miszerint az AGI létrejötte lehetetlen, és Ferit és Gyulát is magával rántotta. A tanulmányt elemző videóból kiderül, hogy a GPT-4 képes az eszközhasználatra, a hazugságra, Fermi-kérdések megválaszolására, ceruzarajzok alapján weboldal készítésére és elmondott lakás-alaprajzból térkép felvázolására, sőt akár egy feltöltött CSV nyomán elemzői kérdések grafikonnal való megválaszolására is. Ez igyekeztünk feldolgozni, s közben előkerült a Stanford olcsó LLM-je (az Alpaca), amit a GPT 3.5 outputján tréneltek, valamint a HuggingFace.co, ahol a hippik gyűjtik az MI megoldásokat.