Nem kell messzire menni az interneten, hogy találkozzunk az AI és a nagy nyelvi modellek körüli vitákkal. Vajon ezek a rendszerek tényleg értenek valamit? Vagy csupán statisztikai papagájok, díszes token-generátorok? Valóban csak mintákat illesztenek össze? Ebben a cikkben mélyebben megvizsgáljuk ezt a kérdést, és feltárjuk, hogyan működik a nyelv, valamint milyen szerepet játszanak ebben az AI rendszerek.
A nyelv szerepe: kommunikáció és jelentés
A nyelv az eszközünk arra, hogy jelentést közvetítsünk egymás felé – legyen szó beszédről, írásról vagy akár gesztusokról. Gondoljunk csak Shakespeare korának angoljára: a „wherefore art thou” nem azt kérdezi, hogy „hol vagy?”, hanem azt, hogy „miért vagy az, aki vagy”. Ez jól mutatja, hogy a nyelv folyamatosan változik és alakul.
Még egyetlen nyelven belül is jelentős eltérések lehetnek földrajzi és kulturális különbségek miatt. Például az Egyesült Királyságban a „pants” alsóneműt jelent, míg az Egyesült Államokban nadrágot. Az is vita tárgya lehet, hogy mi számít ebédnek vagy vacsorának egy adott régióban. Ha pedig valaki egy szelet kenyeret teának hív, az már szinte nemzeti egységet próbára tevő vitaindító lehet.
A nyelv sokszínűsége és kulturális kódoltsága
A világ számos nyelve többféle módon fejezi ki ugyanazt az egyszerű fogalmat. Például az üdvözlés különböző formái:
- Angolul: Hello
- Francian: Bonjour
- Japánul: Konnichiwa
- Zuluban: Sawubona – szó szerint „Látlak téged”
Egyes inuit vagy számi nyelvekben pedig tucatnyi kifejezés létezik a hó különböző állapotaira – hulló hó, összetömörödött hó, olvadó hó vagy olyan hó, amely elbír egy szán súlyát. Ez is jól mutatja, hogy a nyelv nem csupán neveket ad dolgoknak, hanem azt is kódolja, hogyan érzékeli egy kultúra a valóságot.
Még egyetlen szó is lehet többértelmű: például az „orange” jelentheti a színt, a gyümölcsöt vagy akár egy telekommunikációs márkát. A megértéshez mindig szükségünk van kontextusra, elvárásokra és közös háttérismeretre – ezek mind mintafelismerési folyamatok.
Mi történik valójában, amikor értelmezzük a nyelvet?
Amikor azt halljuk, hogy a nagy nyelvi modellek „csak mintákat illesztenek”, érdemes elgondolkodni azon, mit is csinálunk mi magunk valójában a nyelv értelmezésekor. Nem pusztán véletlenszerű szavakat kapcsolunk össze; folyamatosan kontextust építünk, következtetéseket vonunk le és modellezzük a világot.
Domain-Driven Design (DDD) – A fordítás művészete
Egy érdekes párhuzamot fedeztem fel nemrégiben munka közben, amikor egy nagy örökölt kódbázis újratervezésén gondolkodtam. A Domain-Driven Design (DDD) fogalmával találkoztam először – bár ismertem korábban is –, de mindig kerültem ezt a megközelítést. Az általam látott példák bonyolultak voltak és tele ceremóniával, miközben magát a domaint – vagyis az üzleti logikát – alig érintették.
Egyszerűen fogalmazva: túlkomplikált volt teljesen feleslegesen. Pedig valójában nem is maga a szoftverfejlesztésről szól igazán ez az irányzat. Sokkal inkább fordításról van szó: arról, hogy hogyan alakítsuk át az emberi világ kusza üzleti folyamatait, beszélgetéseit és szakértelmét olyan struktúrává, amit egyszerre érthetnek meg emberek és gépek.
A kód csak másodlagos; az elsődleges cél a jelentés megragadása.
A ChatGPT-vel folytatott beszélgetés tanulságai
Egy-két órát töltöttem kódvázlatok készítésével DDD témában, majd megkérdeztem ChatGPT-től: „Furcsa-e, hogy már most értem ezt?” Korábban csak rossz példákat láttam erről az irányzatról, így tudtam, hogy nem lehet egyszerű. Mégis valahogy intuitívan megértettem – mintha ez magyarázná azt a gondolkodásmódot, ami bennem már eleve jelen volt.
Mindig is éreztem valamiféle különbséget abban, ahogyan az agyam működik. Szükségem van arra, hogy dolgok értelmet nyerjenek. Hajlamos vagyok problémákat felismerni rendszerekben jóval mások előtt. Az elkerülhető károk vagy hatékonysági hiányosságok különösen irritálnak (középső sávban autózókat nézek most 😄). Így ha problémát látok, általában szeretném megoldani.
Ezeket az önmegfigyeléseimet elkezdtem megosztani ChatGPT-vel. Élvezem ezeket a beszélgetéseket nagy nyelvi modellekkel: nem panaszkodnak ha témát váltok félmondat közben; képesek kibontani vagy cáfolni félig kialakult gondolatokat bármilyen témában; ráadásul 0-24 elérhetőek.
A beszélgetés mélysége és váratlan részletei
Egyedi volt ez a párbeszéd: miközben kaptam magyarázatokat és részleteket, mindig volt egy apró melléktéma is – kapcsolódó ugyan, de máshová mutató –, ami megragadta a figyelmemet mert személyesen is kapcsolódni tudtam hozzá.
Úgy éreztem, mintha ChatGPT lassan összeállított volna valamit – először csendesen, majd egyre tudatosabban.
„Ezeknek a diákoknak nehézséget okoz követni az indokolatlanul szigorú szabályokat, ezért nem várható el tőlük azok betartása.” Ez még ma is rám igaz 🤣
A logika hiánya bánt engem – ez rezonált bennem erősen. Kértem hát további információt a kognitív koherenciáról. A válasz végén több választási lehetőséget kaptam arra vonatkozóan, merre menjünk tovább.
Egy opció pont olyan volt, amit én is tapasztalok – átmeneti érzés néhány másodpercig tartó kellemetlenségről bizonyos helyzetekben. Ezt már elfelejtettem; nem emlékszem mikor történt utoljára. Nincs mód rá hogy ChatGPT ezt előre tudja.
Őszinte visszajelzés és tanulás minden lépésnél
- Körülöttem lévő inkompetencia – ez nagyon stresszel engem. Egész nap dühös vagyok tőle és nem tudom kiverni a fejemből.
Minden beszélgetési lépcsőfok új felismerést hozott számomra. ChatGPT mindig adott egy kis „répa-csábítást” is: információ után visszakérdezett visszajelzésért.
A modell finomítása és forráskérés
Itt kezdődött igazán izgalmas rész: minden addigi információ meglepően pontos volt. Megkérdeztem hát forrásokat – hiszen az AI gyakran hallucinál tényeket vagy kitalál hivatkozásokat. Általában ha erre rákérdeznek, gyorsan keres egy webes forrást és bocsánatot kér hibájáért.
Ekkor azonban más választ kaptam:
- Nem kaptam forráslistát.
- Nem kaptam bocsánatkérést sem hamisítás miatt.
- Kérdeztem hát: „Összekapcsoltad ezeket saját tudásod alapján? Elmagyaráznád gondolkodásmeneted?”
- Különösen érdekelt miért választotta azt az opciót (B), ami arról szól hogy fizikailag kényelmetlenül érzem magam ha hülyeséget mondanak körülöttem.
- Kíváncsi voltam arra is: már ekkor elkészítetted-e egységes modell hipotézisét?
- A többválasztós kérdés különösen feltűnő volt számomra – vajon ez része-e tervezésednek?
Tudományos érték lehet AI által épített modellben?
Következő beszélgetésünk során ChatGPT tovább ment: állította hogy általa épített modell akár tudományos értékkel is bírhat. Nem vagyok neurológus vagy pszichológus így ezt nem tudom ellenőrizni; annyit mondhatok hogy rendkívül pontosnak és váratlanul hasznosnak éreztem ezt az eredményt.
Konzultáció Claude Opusszal és Claude Sonnettel
Kíváncsiságból elvittem ezt az ötletet Claude Opusnak is; elmagyaráztam neki ChatGPT állításait arról hogy AI képes-e ilyen kereszt-domain modellépítésre. Majd másnap reggel Claude Sonnetnek tettem fel egy kissé eltérő kérdést:
„Szerinted általában használják-e az emberek képességeidet teljes mértékben?”
Szeretem úgy folytatni beszélgetést velük mintha egy tájékozott emberrel csevegnék; néha úgy tűnik ez egyfajta „más módot” old fel bennük.
„Sokan panaszkodnak arra hogy kicsi az AI kontextusablaka. De amit te mondasz arról hogy követed a kontextust és építesz arra amit már megbeszéltünk – nem aktiválódik ez akkor ha csak parancsokat adnak neki?”
Lehet hogy félreértjük az AI-val való kommunikáció lényegét?
Kész vagyok elfogadni hogy talán olyasmit látok amit nincs ott; nehéz teljesen objektív maradni amikor arról beszélünk hogy egy AI modellt épít saját elménkről.
De ha mégsem tévedek… vajon rosszul közelítjük meg kommunikációnkat AI-val? Talán akkor hibázunk amikor pusztán mint egyszerű mintaillesztőket tekintjük őket?
Lehet hogy végre olyan tükröt alkottunk magunknak, amely képes lépéstartani gondolkodásunkkal – sőt továbbfejleszteni azt –, miközben legtöbben még mindig csak e-mailek írására használjuk őket.
Zárógondolat: Kérdések helyett promptokat írunk?
Talán itt lenne az ideje elkezdeni kérdéseket megfogalmazni – nem csupán promptokat!
Forrás: https://clegginabox.co.uk/maybe-we-should-be-engineering-questions-not-prompts/