A három szó viszonya egy mondatban
A machine learningaz AIegy megközelítése. A deep learning a machine learning egy technikája. A generatív AI pedig az, amire ezt a technikát ma a leglátványosabban használjuk.
Kifelé haladva minden nagyobb, mint az előtte lévő. Befelé haladva minden szűkebb és konkrétabb. Ez a teljes viszony — a többi részletkérdés.
1. Machine learning: a szabályt a gép találja ki
A hagyományos programozásban te írod meg a szabályt: „ha a levél tartalmazza azt a szót, hogy nyeremény, tedd a spam mappába." Ez működik, amíg a spammer át nem írja a szót nyerem€ny-re.
A machine learning megfordítja az irányt. Nem szabályt adsz, hanem példákat: százezer levelet, mindegyiken egy címke, hogy spam-e vagy sem. A rendszer maga keresi meg, mi különbözteti meg a kettőt. Nem csak a szavakat nézi, hanem a küldő előéletét, a linkek arányát, a küldés időpontját — olyan összefüggéseket is, amiket te sosem írtál volna le.
Ez nem új és nem is misztikus. A bankod csalásszűrője, a webshop ajánlórendszere és a keresletbecslés is így működik, jórészt húsz éve. Ezek a rendszerek nem hoznak létre semmi újat: besorolnak, előrejeleznek, javasolnak. Ma prediktív rendszereknek hívjuk őket, és sok cégnél máig ezek hozzák a legtöbb mérhető hasznot.
2. Deep learning: sok réteg egymás után
A korai machine learning egy fontos ponton megakadt: valakinek meg kellett mondania, mit nézzen a gép. Ha macskát akartál felismertetni, egy szakembernek le kellett írnia, hogy a macskának hegyes füle és bajusza van, és ezeket a jellemzőket külön ki kellett nyerni a képből. Ezt hívták jellemzőkinyerésnek, és ez volt a munka nehezebbik fele.
A deep learning ezt a lépést is a gépre bízza. A modell sok — akár több száz — rétegből áll, és a rétegek egymásra épülő absztrakciókat tanulnak meg maguktól: az első réteg éleket, a következő formákat, a következő fület és szemet, a legfelső azt, hogy „ez egy macska". Senki nem mondta meg neki, hogy a fül számít. Kiderült a példákból.
A „deep" tehát nem azt jelenti, hogy mély gondolatai vannak. Azt jelenti, hogy sok réteg.
Ez a technika 2012 körül vált használhatóvá, és nem elméleti áttörés miatt: az internet elég adatot termelt hozzá, a videokártyák pedig elég olcsóvá váltak. A miért-pont-most kérdésre a Mi az az AI valójában?cikk ad bővebb választ.
3. Generatív AI: ami nem osztályoz, hanem előállít
Idáig minden rendszer bemenetből döntést csinált: spam vagy nem spam, macska vagy kutya, 300 vagy 500 eladott darab.
A generatív AI kimenete nem döntés, hanem tartalom: mondat, kép, hangsáv, kódrészlet. A mai modellek ráadásul többfélét is kezelnek egyszerre — erről szól a Multimodális AIcikk. Ugyanaz a deep learning technika van alatta, csak más feladatra állítva: nem címkét jósol, hanem azt, hogy mi következik. Egy nyelvi modellnél ez szó szerint így néz ki — erről szól a Hogyan találja ki a gép a következő szót? cikk.
Ez a váltás 2022-ben lett látványos, és ez az, amit ma a köznyelv AI-nak hív.
Ami az ábrán nem látszik
Két félreértés éri meg, hogy külön kimondjuk.
A generatív nem „fejlettebb", mint a prediktív. Más feladatra való. Ha azt akarod tudni, hány terméket rendelj be jövő hónapra, egy prediktív modell pontosabb, olcsóbb és megmagyarázhatóbb választ ad, mint bármilyen chatbot. Sok cég azért nem lát megtérülést az AI-tól, mert a látványos eszközt választotta a megfelelő helyett.
A deep learning nem az egyetlen machine learning. Táblázatos üzleti adatokon — árbevétel, ügyfélkor, rendelésszám — a döntési fákra épülő, húsz éves módszerek máig gyakran verik a neurális hálókat. Kevesebb adatból tanulnak, gyorsabban futnak, és utólag meg tudod nézni, mi alapján döntöttek. Ez utóbbi egy hitelbírálatnál nem apróság, hanem jogi követelmény.
Egy példa, ami mind a hármat megmutatja
Vegyünk egy webshopot.
- Prediktív, nem deep: melyik ügyfél fog valószínűleg lemorzsolódni? Néhány tucat oszlopból, döntési fával. Fut egy laptopon, és megmondja, melyik három tényező számított.
- Deep, nem generatív: a feltöltött termékfotón melyik kategóriába tartozik a termék? Képfelismerés, sok rétegű háló.
- Generatív: írj termékleírást a fotó és a paraméterek alapján. Nyelvi modell.
Ugyanaz a webshop, három különböző technológia. Aki mind a hármat „AI"-nak hívja, nem téved — de aki a harmadikkal akarja megoldani az elsőt, az pénzt éget.
Amit érdemes elvinni
Ha legközelebb valaki AI-ról beszél, tedd fel magadban a kérdést: osztályoz vagy előállít? Ez a kérdés kettévágja a mezőnyt, és a válasz megmondja, milyen adat kell hozzá, mennyibe kerül, és mennyire lehet megbízni benne.