A mesterséges intelligencia már nem laborok zárt ajtaja mögött él, hanem telefonokban, banki döntésekben, buszmenetrendekben és ügyfélszolgálati üzenetekben dolgozik. Csendben teszi. Egy budapesti futár appja például percenként számol útvonalat, miközben egy kórházi szoftver röntgenképeken jelöl gyanús foltokat. Otthon a hangasszisztens nem érti meg a családi vitát, de bekapcsolja a lámpát, időzítőt állít, és megkeresi a legközelebbi gyógyszertár nyitvatartását. Munkahelyen leveleket rendez, jegyzetet készít, hibás számlasorokat szúr ki, vagy jelzi, ha egy gép túl sok áramot fogyaszt. A sportfogadásról, vásárlásról vagy utazásról szóló döntésekben sem maga a varázslat számít, hanem az, hogy az adatok honnan jönnek és mennyire tiszták. Ezért egy keresés, például a betmatch vélemények, akkor hasznos, ha az olvasó látja a forrásokat, a dátumokat és a mintát. Az MI tehát nem távoli csoda. Eszköz, amelyet jól vagy rosszul is be lehet állítani.
Hogyan tanul a gép emberi példákból
A mesterséges intelligencia alapja legtöbbször minta felismerése. Ennyi a mag. Egy képfelismerő rendszer milliónyi címkézett fotón gyakorol, majd megtanulja, hogy a macska füle, szeme és testtartása más arányban jelenik meg, mint egy kenyérpirító széle. A nyelvi modellek szövegekkel edzenek. Nem értenek úgy, mint egy tanár, de statisztikai alapon kitalálják, melyik szó következik jó eséllyel a másik után. Ezért tudnak udvarias választ írni, hibát keresni egy táblázatban, vagy vázlatot adni egy szerződéshez. A gond ott kezdődik, ha a tanítóanyag torz. Ha tíz évnyi céges felvételben több férfit léptettek elő vezetőnek, a rendszer könnyen ezt tekinti normának. Nem rosszindulatból. A matematika egyszerűen lemásolja a múltat, ha senki sem javítja ki. Ez a pont különbözteti meg a hasznos gépi tanulást a vak automatizmustól. Jó projektekben ezért külön tesztcsapat nézi a hibákat, nem ugyanaz az ember, aki a modellt építette. Egy banknál például ezer elutasított kérelmet is átfutnak, hogy kiderüljön, nem büntet-e a rendszer egy irányítószámot vagy egy szokatlan munkarendet. Unalmas munka. De ettől lesz tisztességesebb a válasz.
Munkahelyek, ahol a szoftver már kolléga
Egy könyvelő nem attól fél leginkább, hogy a gép elveszi a munkáját. Inkább attól, hogy rossz adatból rossz döntést kap. A számlafeldolgozó MI például másodpercek alatt kiolvassa az összeget, az áfakulcsot és a partner nevét, de egy gyűrött blokk vagy egy elírt adószám még ma is gondot okoz. Ezért a jó irodák nem kirúgják a tapasztalt embert, hanem átteszik ellenőrző szerepbe. Rövidebb lesz a rutin. A felelősség marad. Az ügyfélszolgálatokon hasonló a kép. A chatbot megválaszolja, hol tart a csomag, mikor jár le a jótállás, vagy hogyan lehet jelszót cserélni. Ha viszont egy ügyfél dühös, gyászol, vagy pénzügyi kár érte, ember kell. Gyorsan. A modern munkahelyen az MI akkor működik jól, ha világos határt kap: mit intézhet egyedül, és mikor adja át az ügyet. Egy magyar kisvállalatnál ez lehet egy egyszerű szabálylista is. Három sikertelen válasz után a rendszer jegyet nyit, névvel, időponttal, előzményekkel. Így az ember nem nulláról indul. Kevesebb a kapkodás, és kevesebb az udvariatlan félmondat.
Egészségügy képernyőn és vizsgálóban
Az orvoslásban a mesterséges intelligencia egyik legerősebb terepe a képelemzés. Egy algoritmus naponta több ezer CT-szeletet lát, és nem fárad el hajnali háromkor. Jelölhet apró tüdőgócokat, bőrfoltokat, érkárosodást a szemfenéken. Ez nagy segítség. De diagnózist nem szabad rábízni felügyelet nélkül. A kép mögött ott van a beteg kora, gyógyszere, láza, korábbi műtétje és az a mondat, amelyet félve mond ki a rendelőben. Ezt a teljes képet ma is ember rakja össze. Kórházakban az MI más területen is spórolhat időt. Előre jelezheti, melyik osztályon lesz ágyhiány péntek estére, vagy melyik műszer szorul karbantartásra. Ez nem látványos. Mégis számít, mert egy várólistán három nap különbség sok család életét borítja fel. A magyar ellátásban az adatminőség a szűk keresztmetszet. Papír, régi rendszer, hiányzó mező. Amíg ezek rendezetlenek, a legjobb modell is fél szemmel dolgozik. Egy rendelőnek ezért nem szenzációs robotra van először szüksége, hanem egységes kódlapra, pontos időbélyegre és tiszta beleegyezési folyamatra. Apró adminisztráció. De nélküle a gépi találat csak tipp marad, nem orvosi támasz.
Tanulás személyes tempóban
Tanórán az MI türelmes gyakorlópartner. Nem is sóhajt. Egy hetedikes diák tízszer is megkérdezheti, miért lesz a tört osztásánál szorzás a reciprokával, és a program új példát adhat almával, pizzával vagy futópályával. Egy nyelvtanuló azonnal visszajelzést kap kiejtésre és szórendre. Ez erős. A tanár szerepe közben nem tűnik el. Sőt, láthatóbb lesz. Neki kell észrevennie, ha a gyerek csak másolja a választ, ha szégyelli a hibáit, vagy ha túl könnyű feladatokat kap, mert a rendszer félreértette a szintjét. Az iskolai használatnál a szabály egyszerű: az MI magyarázzon, ne írja meg titokban a házi dolgozatot. Ehhez értékelést is át kell alakítani. Kevesebb sablonos esszé. Több szóbeli védés, órai jegyzet, forráskritika, saját példa. Egy történelemtanár kérheti, hogy a diák mutassa meg, melyik mondatot írta ő, melyiket javasolta a gép, és miért fogadta el vagy húzta ki. Így a csalásból tanulási beszélgetés lesz. Ehhez persze kell iskolaigazgatói bátorság is, mert a tiltás könnyebb, mint a jó feladat megtervezése. Egy tisztességes házirend fél oldalban is elfér. Melyik eszköz használható, hol kell jelölni, és mikor tilos.
Adatvédelem és bizalom a mindennapokban
A mesterséges intelligencia adatéhes. Ez kellemetlen igazság. Egy térképes alkalmazás helyadatból tanul, egy webáruház kattintásokból, egy biztosító kárbejelentésekből, egy város pedig kameraképekből és forgalmi szenzorokból. Minél pontosabb a kép, annál nagyobb a kísértés, hogy valaki többet kérdezzen belőle, mint amit eredetileg ígért. Ezért a bizalom nem plakátokon dől el, hanem apró beállításokon. Ki látja az adatot? Meddig marad meg? Lehet-e törölni? Egy átlagos felhasználó nem olvas el húsz oldal jogi szöveget. Nem is fog. A tisztességes rendszer ezért rövid, emberi nyelvű választ ad: mit gyűjt, mire használja, kinek adja tovább. A cégeknek itt nincs sok mozgástere. Az európai adatvédelmi szabályok büntetnek, de a hírnév gyorsabban üt. Egy rosszul kezelt arcfelismerési ügy elég ahhoz, hogy ügyfelek ezrei kapcsolják ki az engedélyeket. A jó gyakorlat mérhető. Adatminimalizálás, naplózás, rendszeres törlési próba. Egy bank például havonta ellenőrizheti, hány dolgozó nyitott meg olyan ügyfélprofilt, amelyhez nem tartozott aktív ügy. Ha nincs üzleti ok, jön a kérdés. Ez száraz kontroll, mégis ettől hiszi el a felhasználó, hogy nem árucikknek nézik.
Mit érdemes holnap kipróbálni
A modern világ nem vár arra, hogy mindenki mérnök legyen. Elég pár jó szokás. Aki munkahelyen MI-eszközt vezet be, kezdjen egy kicsi, mérhető feladattal, például heti ötven bejövő levél címkézésével. Két hét után látszik, mennyi hibát vétett, mennyi időt nyert, és hol akadt el. Nem kell sajtóközlemény. Kell egy táblázat. Magánemberként is érdemes egyszerű tesztet csinálni. Ha egy kereső vagy chatbot tanácsot ad egészségre, pénzre vagy jogi ügyre, kérjen tőle forrást, dátumot és ellenérvet. Ha nem tud válaszolni, az már válasz. Gyerekeknél a legjobb próba a közös használat. Tíz perc alatt kiderül, hogy a program magyaráz, vagy csak kész megoldást dob. A mesterséges intelligencia szerepe a modern világban így kevésbé félelmetes: számológép, nagyító és néha rossz tanácsadó egy dobozban. A kérdés nem az, hogy használják-e, mert már használják. Inkább az, ki ellenőrzi, milyen adaton tanul, és mer-e nemet mondani, amikor a gép túl magabiztos. Holnap jó kezdés lehet egyetlen folyamat kiválasztása. Írják le kézzel a jelenlegi lépéseket, mérjék meg az időt, majd csak ezután engedjék oda az MI-t. Papíron. Így hamar kiderül, segít-e, vagy csak újabb zajt tesz a nap közepére. Ha a válasz hasznos, jöhet a következő feladat; ha nem, vissza a rajzasztalhoz hétfő reggel. Kis lépés elég ma.
