Láncreakció

Merre mennek az MI-trendek? Erre a kérdésre úgy próbáltunk meg válaszolni, hogy végigmentünk egy tízes listán, amely a 2023-ban figyelemre érdemesnek mondott MI-startupokat sorolta fel, és elmondtuk, melyikről mit gondolunk, mire lesz jó, van-e esélye az elterjedésre, egyáltalán jó ötlet-e erre (is) használni a mesterséges intelligenciát? Ha az adásban elhangzott véleményekből indulunk ki, akkor a startup színtér nagy bajban van, de talán nem eszik ennyire forrón a kását...

A századik adásban a Láncreakció stábja magát elemezte: mit mutat az adattudomány, ha a podcastunk hallgatottsági adatait vesszük górcső alá, és milyen mérőszámok és paraméterek hiányoznak a podcast mérés egyelőre vadnyugati állapotai miatt az eszköztárból. Ki beszél, amikor sokan hagyják el az adást? Milyen témák és formátumok rendelkeznek a legnagyobb hallgató-megtartó erővel? Érdekel-e valakit Ada Lovelace élete? Legyőzi-e a ChatGPT a Python-provokációt? A századik adásban minden kiderül!

Az adattudósoknak olyan a KDNuggets, mint influenszereknek a Youtube, vagy az űrkutatás iránt érdeklődőknek a Space.com - alap. Az oldalt egy orosz származású matematikus, Gregory Piatetsky-Shapiro alapította 1993-ban, amint ezt a 2021-es leköszönése alkalmából írott cikkében részletesen el is meséli. Az oldal története nem csak önmagában érdekes, hanem adattudósok számára hasznos tanulságokkal is szolgál, mint például hogy mit kezdjünk a nehéz természetű szakemberekkel, milyen alkalmazottakat érdemes keresni és miért éri meg jótékonysági munkákat végezni. Az oldal történetét idéztük fel ebben az epizódban.

A mai beszélgetés alapját az a TheVerge cikk adta, amelyben sorra veszik a Large Language Model-eken alapuló keresők (BingChat, Google Bard és társaik) veszélyeit, potenciális hibáit és hatásait. Mi ezen felül azt is megpróbáltuk megfejteni, van-e ezekre a veszélyekre gyógyír? A megfejtések keresése közben előkerült Magyarósi Csaba videója a szerelmes MI-ről,  a New York Times cikke a ChatGPT-vel való beszélgetésről, és a Portfolió összeállítása a Big Tech cégek értékének az országok GDP-jével való összevetéséről.

dr. Balkányi László orvosi tudásmérnökkel a Covid elmúlt 3 évének statisztikai tapasztalatairól beszélgettünk: hogy működik, milyen adatokra támaszkodik ez a terület - járványügyi hírszerző hálózat, MediSys és surveillance kifejezések is előkerültek -, hogyan működik a tudományos megközelítés és a politika, illetve a publikációs terület, ahol már AI is segít a tanulmányok előszűrésében pl. a Frontiers kiadónál. Mit tud és mit nem tudhat egy kutató, mire vonatkoznak a számok (pl. a többlethalálozás az Economistnál és az Our World In Data szervezet oldalán), milyen tudományos előrelépések történtek akár az epidemiológiában, akár a biotechnológiában, és mit várhatunk a jövőtől? Vége lesz-e a Covid-járványnak, lesz-e másik, jól teljesített-e Svédország vagy éppen Kína, és összességében rosszul vagy jól vette-e ezt az akadályt az emberiség ebben a kihívásban?

Immár két hónapja üzemel Elvira, a MÁV ügyfélszolgálati hangasszisztense, ami menetrendi tájékoztatást ad, vészhelyzeti hívásokat fogad, és azt is tudja, mit nem tud. A fejlesztést a Clementine végezte, a projekt tagjaival beszélgettünk az első hónapok tapasztalatairól. Milyen modulok és kód van mögötte, hogy fogalmaznak azok az utasok, akik meg akarják értetni magukat a robottal, miért és mennyit káromkodnak a hívásokban, milyen kihívásoknak kellett megfelelni a fejlesztés során és így tovább, egy hangasszisztens lelkének összes mélysége feltárul a beszélgetés során.

Gyula megnézte a Brain Games című tévésorozatot és rájött, hogy az agyműködés titkainak megismerése bárkit hozzásegíthet ahhoz, hogy jobb előadó és meggyőzőbb adatelemző legyen belőle, Gyurinak pedig ehhez már csak Cyril Northcote Parkinson törvényeit kellett hozzátennie, hogy teljes legyen a konyhapszichológiai alapokra helyezett tanulságok vidám rendszere.

Vajon mennyire váltak be a jóslataink, amiket tavaly ilyenkor tettünk a 2022-es évre? És a szakújságok hogyan teljesítettek? Szembesítjük magunkat és a hivatásosokat is, de nem átallunk 2023-mal kapcsolatos várakozásainknak is hangot adni, s közben megemlítünk olyan remek weboldalakat, mint a stateof.ai és az IEEE Spectrum.

Megkíséreljük leleplezni a varázslatot, ami a Transformer nyelvi modelleket képessé teszi a formailag szinte tökéletes beszélgetésre. Ehhez először belenézünk a neurális hálók és mélytanulás múltjába, ehhez olyan fogalmakat nézünk meg, mint a backpropagation, a Common Crawl szerepe a megfelelő méretű korpuszok létrejöttében, a rekurrens neurális hálózatok és az LSTM modellek, továbbá elhangzott az egyik atyamester, Yoshua Bengio neve is. Megérkezünk a Google 2017-es cikkéhez (Attention is all you need), amiből a BERT következett, majd az OpenAI-féle GPT-hez. További részletekhez ajánljuk az NLP Demystified oldalt. Az is kiderült, hogy Gyuri a teszteléshez Feri másik műsorát, a csúnyarosszmajom podcastot használta.

A stateof.ai minden évben elkészülő gigantikus évösszegzője alapján mi is megbeszéltük, mi minden történt tavaly a mesterséges intelligencia háza táján. Megelőzte-e Kína az USA-t, merre mennek tovább a nyelvi modellek és vannak-e jobbak a GPT-3-nál, hol szivárognak az adatok a tudományos kutatásban, mennyi idő alatt jelennek meg az új eredmények open source változatban és így tovább: azaz mi történt tavaly és mi fog történni idén? Bónusz - kiderült, hogy Gyula új tanfolyamokat indít!