Hírfolyam
Meg kell várnunk, míg leereszt az MI-buborék
2024. 10. 10.Október elején a BME Matematikai Intézete szervezésében César Hidalgo tartott angol nyelvű előadást a Matematikai Modellalkotás Szemináriumon a gazdasági komplexitás és a gépi tanulás kapcsolatáról Economic Complexity: past, present, and future címmel. A chilei professzor az előadása után adott egy rövid interjút a bme.hu-nak.
Az előadása az egyik fő kutatási területéről szólt: a gazdaság komplexitásáról. Hogyan jutott el a fizikától a közgazdaságtanig?
- Valóban fizikát tanultam, de a PhD-m során Barabási Albert-Lászlónál a hálózattudományra specializálódtam. Abban az időben gyorsan fejlődött ez a terület, egyre nőtt az adatok elérhetősége például a mobilkommunikációban, az egészségügyben és a kereskedelemben. Mindig is érdekelt a gazdasági fejlődés, és később olyan közgazdászokkal kezdtem el dolgozni, akiket szintén érdekelt, de nem volt meg a technológiájuk. Közösen alkalmaztunk hálózattudományi eszközöket a gazdaságfejlesztési problémákra, így alakult ki ez a terület.
Az előadásában volt egy rész a nyelvek közötti kapcsolatokról. Az jutott eszembe, hogy egy olyan nyelv, amelyet csak pár millióan beszélnek, és kevés a rokona, hátrányt jelenthet-e a globális gazdasági versenyben.
- Igen, a nyelvek nagyon összesített képet adnak a világ közösségi hálójáról. Csak olyan emberekkel kommunikálhatsz, akikkel megérteted magad, ezért nehéz a kis nyelvekhez tartozó embereknek, ha nem kapcsolódnak más nyelvekhez, a gondolataikat közvetíteni, a tudást befogadni vagy másoknak átadni. Ezért fontos manapság az angol ismerete. Ha a lingua franca a tiéd is, akkor benne vagy a globális tudásszférában, ahol az ötletek áramlanak.
A gazdaság összetettségéről szóló kutatása választ adhat olyan kérdésekre is, mint hogy miként tud kikerülni egy ország a közepes jövedelem csapdájából?
- Azt hiszem, igen. Ha a komplexitás szemszögéből nézzük a közepes jövedelem csapdáját, azt látjuk, hogy azok az országok, amelyek nem szenvedtek ettől, azoknak komplexebb a gazdaságuk. Például amikor Dél-Korea a közepes jövedelemnél tartott, akkor a gazdasága már nagyon komplex volt, így továbbfejlődhetett. Az olyan országok, mint Tajvan vagy Szingapúr, úgy hagyták maguk mögött a közepes jövedelem csapdáját, hogy igazából soha nem is látták, mert a gazdaságuk mindig nagyon komplex volt. Amikor az országok benne ragadnak a csapdában, az éppen azért van, mert a komplexitásuk alacsony szintje nem teszi lehetővé a további növekedést.
"A világ nem azért működik, mert kevesen sokat tudnak, hanem azért, mert sokan keveset. A gazdasági komplexitás azt jelenti, hogy megértjük, hogyan áll össze ez a tudás" - írja az innen letölthető prezentációja bevezetőjében César Hidalgo. Az 1979-ben született chilei fizikus-író-vállalkozó az amerikai University of Notre Dame-en doktorált, Barabási Albert-László volt a témavezetője. Jelenleg a Toulouse School of Economics professzora, a Center for Collective Learning multidiszciplináris kutatólaboratórium igazgatója a Budapesti Corvinus Egyetemen, valamint tiszteletbeli professzor a Manchesteri Egyetemen. Korábban kutatott a Harvardon, tanított az MIT-n, és sikerkönyveket írt a gazdasági komplexitás, az információtudomány és a mesterséges intelligencia témakörében. |
És kikkel ért egyet a mesterséges intelligenciával kapcsolatban? Azokkal, akik szerint nagy veszélyei vannak, vagy azokkal, akik szerint ez felesleges pánikkeltés?
- Úgy vélem, az MI egzisztenciális kockázata eltúlzott. Azt is gondolom, hogy egy érdekes eszköz, ugyanakkor nyilvánvaló üzleti érdekek miatt nem annyira hasznos, ahogy egyesek állítják. De ez nagyon gyakori az új technológiáknál. A mesterséges intelligencia majd elkezd valódi értéket teremteni, de e pillanatban inkább egy buborék, a róla szóló közbeszéd nagyon elrugaszkodott. Meg kell várnunk a buborék leeresztését, hogy észrevehessük a fejlődést.
Emlékszem, amikor először olvastam az önvezető autókkal kapcsolatos etikai dilemmákról, miszerint ki kell találni, kit és milyen elvek szerint védjen az algoritmus. Aztán évekkel később kísérletképpen megjelentek az első ilyen autók az amerikai utakon, én pedig azt gondoltam: hé, ezt a vitát azóta lefolytatták valakik? És mire jutottak? És miért nem szólt nekem senki a végeredményről? Szóval lehet már tudni, milyen koncepció alapján fognak működni ezek az autók vészhelyzetben?
- Ez a mesterséges intelligencia emberi értékekkel való összehangolásának problémája. Nem egyszerű, mert alapvetően azokról az elvekről szól, amelyek alapján a társadalmunk működik. Kérdés, hogy amikor az MI egy rendszert egy alapelvhez próbál igazítani, akkor milyen elvet válasszon. A döntéshozókét vagy a többségét? Ha az utóbbi, akkor hogyan mérje fel? Hogyan kezelje a kompromisszumokat, hogyan fésülje velük össze? Szóval ezek örökké nyitott problémák lesznek, a megoldás soha nem lesz optimális. Folyamatosan tökéletesíthetjük, de nem lesz teljesen jó, mert nincs teljes kontrollunk.
Mi a véleménye a nagy nyelvi modellek használatáról az oktatásban?
- Fontosnak tartom, hogy az oktatásban részt vevők kreatívan alkalmazzák a nagy nyelvi modelleket, úgy, hogy azok ösztönözzék az elérni kívánt tanulási célokat. A csalás, a házi feladat megíratása vagy a problémák megoldatása ellen szigorúnak fel kell lépni, de vannak más felhasználási módok is, ahol kreatívabbak lehetünk. Például lehet bírálni, amit egy nagy nyelvi modell előállít, mert a bírálat megköveteli az ismereteket vagy legalább azt, hogy valaki képes legyen egy témát addig vizsgálni, míg felismeri, mi az igazság. Tehát szerintem mindaddig, amíg a nyelvi modellt úgy használod, hogy az elősegítse a tanulási célokat vagy kiegészítse azokat, addig jó. Nyilvánvalóan nagy a kísértés, hogy a munka elvégzésére használják, arra kell megtanítanunk a hallgatókat, hogy ne tegyék. Büszkéknek kell lenniük a munkájukra és a felelősségükre.
A Corvinuson kutat, most a BME-n tartott előadást. Csak Barabási professzor révén van kapcsolata Magyarországgal vagy más szálakon is?
- Eredetileg László révén, hiszen amikor a doktorim miatt megismerkedtem vele, ő volt az első magyar, akivel találkoztam. Rajta keresztül megismertem más magyarokat is, és a corvinusos kapcsolat már hozzá nem kötődő kollégákon keresztül alakult ki. Elsősorban Lengyel Balázs és Lőrincz László professzorra gondolok, akik hasonló gazdaságföldrajzi területen aktívak, mint akikkel együtt dolgoztam. Azt hiszem, 2021-ben kerestek meg egy ERA Chair-pályázattal kapcsolatban, amely egy, az Európai Unió által nyújtott támogatás a kutatási kiválóság fejlesztésére. Szóval akartak hozni valakit a Corvinusra, én pedig szívesen jöttem. Együtt írtunk egy pályázatot és megkaptuk a támogatást.
Ha a Harvardon vagy a Manchesteri Egyetemen dolgozó kollégái megkérdezik, miért dolgozik a távoli és egzotikus Kelet-Európában, mit válaszol?
- Nem szoktam ilyen kérdést kapni, az emberek elfogadják, hogy követed az utad. Én azt szeretem az itteni munkában, hogy ezeknek az intézményeknek nagy ambíciók vannak, fejlődni akarnak. Ez egy egészen más játéktér. Egy világhírű egyetemen az a tét, hogy feljebb tudsz-e jutni a szervezetben. Ezzel szemben azokban, amelyek épp megpróbálják megtalálni a helyüket a világban, hozzájárulhatsz az intézmény globális márkájának felépítéséhez. Szerintem ez egy őszintébb és kreatívabb feladat.
Lát esélyt a BME-vel való együttműködésre?
- Van már egy diákom, aki egy olyan projekten dolgozik, amelynek a BME kutatója, Molontay Roland a társ-témavezetője. Remélem, hogy sikerül együttműködni, érdekes egyetemnek tűnik a BME. Úgy tűnik, a hallgatók érdeklődők és motiváltak.
A Matematikai Modellalkotás Szemináriumot Szász Domokos professzor kezdeményezte 2001 őszén, azóta minden ősszel megrendezik. Az elmúlt bő 20 évben Molnár-Sáska Gábor és Mádi-Nagy Gergely vett részt szervezésben, 2023-tól pedig Molontay Roland (az utolsó képen balra) vette át a feladatot. A szeminárium célja, hogy rendszeres platformot biztosítson az alkalmazott matematikai eredmények, modellek és problémák bemutatásához, továbbá elősegítse az együttműködést más intézményekkel és a matematikai modellezésben érdekelt cégekkel. A sorozat a matematikai modellezés minden aspektusát felöleli, beleértve a modellek fejlesztését, elemzését, finomítását és validálását különféle alkalmazásokban. |
gp