Az AI egy vödörbe került

Először is, sodródjunk a közelmúltba. Talán emlékeznek rá, hogy a generatív mesterségesintelligencia előtt a mesterséges intelligencia egyik népszerű formája szakértői rendszerek vagy tudásalapú rendszerek néven volt ismert. Ezek még mindig léteznek, bár kevésbé, és az LLM-ek pizzája nélkül. Csavar, hogy a hibrid mesterséges intelligencia, más néven neuro-szimbolikus mesterséges intelligencia növekvő hulláma újraéleszti a szabályalapú rendszerek legjobbjait, és összekeveri őket az LLM-ekkel; lásd a részletes elemzésemet az itt található linken.

Valószínűleg manapság senkit sem fog látni az AI között. A mesterséges intelligencia általános látszata amorf folttá vált, és szinte mindenki azt állítja, hogy MI-t használ. Úgy tűnik, nem számít, hogy az AI valóban mesterséges intelligencia-e. Pusztán mutasd meg, hogy mesterséges intelligenciát használsz – a világ kíváncsi lesz, hogy mit mondasz. A részvények árfolyama emelkedik, amikor egy vállalat bejelenti, hogy erősen hajlik az MI-re, annak ellenére, hogy senki sem tudja, milyen típusú mesterséges intelligenciát használ, és hogyan alkalmazza az MI-t.

Korábban leírtam az AI számos és változatos definícióját; lásd itt a linket. Meglepődhet, ha megtudja, hogy az AI-nak nincs egyetlen, globális, teljesen elfogadott meghatározása. Így általában megúszhatja azt, hogy bármit MI-nek nevezzen, és valószínűleg talál egy definíciót, amely alátámasztja állításait. Elképzelhetetlennek tűnik, hogy mindannyian beszélünk a mesterséges intelligenciáról, és aggódunk miatta, mégsem létezik általánosan elfogadott definíció arra vonatkozóan, hogy mi az AI. Pörög a fejed.

Az AI irányítása kulcsfontosságú

Függetlenül attól, hogy valaki milyen típusú mesterséges intelligenciát választ, alaposan át kell gondolnia a mesterséges intelligencia irányításának kulcsfontosságú szerepét. A szervezetekben alkalmazott mesterséges intelligenciát megfelelően felügyelni kell. Célszerűnek tűnhet az AI-ba való rohanás, de ha a mesterséges intelligencia irányításának átfogó elemei nincsenek megfelelően megtervezve és megvalósítva, akkor az AI több problémát fog okozni, mint amennyit megold.

A mesterséges intelligencia irányítása a magánszektorra és a közszférára egyaránt vonatkozik. Az olvasók emlékezhetnek arra, hogy részletesen foglalkoztam a mesterséges intelligencia irányításával a kereskedelmi vállalatok és a kormányzati szervek számára. A közszféra mesterséges intelligenciájának irányítása sok hasonlóságot mutat a magánszektorral, ugyanakkor vannak jelentős különbségek is. A különbség fogalmának egyik módja az, hogy a kereskedelmi mesterségesintelligencia-irányítás elsősorban azokat a szervezeteket igyekszik irányítani, amelyek üzleti célokat követve létrehoznak vagy alkalmaznak mesterséges intelligenciát, míg a közszektorbeli AI-irányítás általában a kormányzati hatalom gyakorlását az MI-n keresztül kívánja irányítani, miközben kötelességszerűen megőrzi a demokratikus értékeket és a jogállamiságot.

Korábban tárgyaltam a mesterséges intelligencia irányítását a közszférában; lásd a linket itt, beleértve ezt a tömör leírást is:

• Az AI irányítása a közszférában:„A közszektorbeli mesterségesintelligencia-irányítás magában foglalja azokat az elveket, struktúrákat, gyakorlatokat és irányítást, amelyek révén egy közszektorbeli szervezet biztosítja, hogy mesterséges intelligencia-rendszereinek fejlesztése vagy beszerzése, valamint ezeknek a mesterségesintelligencia-rendszereknek az üzembe helyezése, használata és esetleges visszavonása megfelelően dokumentált és hatékony módon, a demokratikus bizalom, a közjogi értékek, az egyéni jogok és a közjogi értékek védelme mellett valósuljon meg.”

Az egyik figyelemre méltó eredmény az, hogy ha éleslátással azonosítani akarjuk az AI-val kapcsolatos legjobb gyakorlatokat a közszférában, akkor tisztán kell lennünk azzal kapcsolatban, hogy milyen típusú mesterséges intelligenciát veszünk számításba. Ez megint az alma kontra narancs rejtvény.

Közigazgatás-kutatás

A közigazgatás tudósai és kutatói által végzett kortárs tanulmányok hajlamosak feltárni, hogyan használják a mesterséges intelligenciát a közszférában, és hogyan befolyásolja azt, de ezek a tanulmányok jellemzően nem tesznek kellő különbséget arról, hogy milyen típusú AI-t használnak. Más szavakkal, egy idézett esettanulmány vagy akár egy nagyszabású felmérés azt mondja, hogy a mesterséges intelligencia bizonyos szempontból előnyös, és vannak árnyoldalai is, amelyekkel foglalkozni kell, de ez anélkül történik, hogy megmagyaráznák, hogy valójában mi került a mesterséges intelligenciába.

Jonathan Rystrøma, Chris Schmitzb, Nathan Daviesa, Gerhard Hammerschmid, Albert Meijer, Chris Russell, „A technikai tipológiája a mesterséges intelligencia rendszerekben a közigazgatásban” című nemrégiben megjelent tanulmánya.arXiv, 2026. június 30. tette ezeket a kiemelkedő pontokat (részletek).

• "A mesterséges intelligenciával (AI) végzett kutatások a közszférában gyakran az AI-t egyetlen kategóriaként kezelik, figyelmen kívül hagyva a különböző mesterséges intelligencia-rendszerek közötti technikai különbségeket. Ezek a különbségek azonban hatással vannak arra, hogy a különböző rendszerek hogyan hatnak az alapvető nyilvános értékekre, például az elszámoltathatóságra, az eljárási igazságosságra és a megkülönböztetésmentességre."
• „Elemzésünk a közigazgatást és a digitális kormányzat mesterséges intelligenciával kapcsolatos ösztöndíját (2019–2025) alakító, legtöbbet idézett tanulmányok egy konkrét mintájára támaszkodik.”
• „Jelenleg fennáll annak a veszélye, hogy a kutatók vagy aluldefiniálják hatókörüket azáltal, hogy egyáltalán nem használnak taxonómiát – általánosságban hivatkoznak az „AI”-ra, az „algoritmusokra” vagy az „automatizált döntéshozatalra” –, vagy pedig egy alkalmatlan létező taxonómiára hagyatkoznak, amely nem követi egyértelműen az ilyen tulajdonságokat.”
• „Egyértelmű szükség van a mesterséges intelligencia-rendszerek tipológiájára, amely tisztázza közértéküket.”
• "Az AI-rendszerek öt kategóriájának tipológiáját vezetjük be: kézzel kódolt, üvegdobozos, feketedobozos, általános célú és ügynöki rendszereket."

Amint fentebb megjegyeztük, a tanulmány a közigazgatás és a mesterséges intelligencia területén a legtöbbet idézett kutatási munkákat vizsgálta a 2019-től 2025-ig tartó időszakban. Az AI leírása gyakran tág és unalmas volt. Nehéz újra felhasználni a kutatás eredményeit, amikor nem lehet tudni, hogy az AI közül melyik volt az alma és melyik a narancs. Előfordulhat, hogy betartja a narancsra vonatkozó ajánlásokat, ha mohón foglalkozik az alma örökbefogadásával a szervezetében.

Az AI tipológiája

A fenti kivonatok utolsó pontja megemlítette, hogy a szerzők az MI öt kategóriából álló tipológiáját vezették le. Javasolták, hogy a továbbiakban a közigazgatási kutatásokba ezt az öt kategóriát vegyék fel. Például egy közszektorbeli esettanulmánynak elég mélyre kell merülnie abban, hogy az MI-t elfogadták, hogy az adott kategória nyilvánvaló legyen. Hasonlóképpen, egy felmérés a mesterséges intelligencia általános használatáról a közszférában, érdemes lehet bemutatni az öt kategóriát, és ennek megfelelően adatokat gyűjteni az egyes kategóriákon belüli használatról.

A szerzők részletesen kifejtik az öt kategóriát, és arra biztatjuk, hogy olvassa el a cikket, hogy megértse a lényeget. Íme néhány gyors egysoros a papírból, amelyek felkelthetik az étvágyat, és kezdeti tisztánlátást nyújthatnak az egyes kategóriákkal kapcsolatban:

• 1. "Kézi kódolt rendszerek. Az első réteg a kézzel kódolt rendszerek: rendszerek, amelyek döntési szabályait kódban írják elő, nem pedig adatokból tanulják meg."
• 2. "Üvegdoboz rendszerek. A második réteg az üvegdobozos rendszerek: olyan rendszerek, amelyek döntési szabályait az adatokból tanulják meg, de a tanult logikájuk ellenőrizhető marad – legalábbis szakértők által."
• 3. „Fekete dobozos rendszerek. A harmadik réteg a feketedobozos rendszerek: olyan rendszerek, amelyek tanult logikája ellenáll az értelmes ellenőrzésnek, még a szakértők által is.”
• 4. „Általános célú rendszerek. A negyedik réteg az általános célú rendszerek: olyan általános feladatokra előképzett rendszerek – mint például a következő token előrejelzése –, amelyek adaptálhatók különféle downstream alkalmazásokhoz olyan mechanizmusok révén, mint a tanulás átvitele vagy a természetes nyelvi utasítások.”
• 5. "Ágens rendszerek. A tipológia utolsó rétege az ágens rendszerek: olyan mesterséges intelligencia rendszerek, amelyek összetett és általános célokat követhetnek, autonómiával léphetnek fel, és hatással vannak környezetükre."

Amint arra hamarosan rátérek, azok, akik nagyon jártasak az MI-ben, zúgolódhatnak az öt kategória miatt, és azon töprenghetnek, vajon megvalósítható-e egy összetett mesterséges intelligencia beszorítása egy adott kategóriába. Ne aggódj, ezzel rövidesen foglalkozom.

Példa a hozzáadott értékre

Ahhoz, hogy képet kapjon arról, hogy a tipológia használata hogyan növelheti lényegesen a mesterséges intelligencia-központú közszektorbeli elemzések értékét, tegyük fel, hogy egy tanulmány ezt az átfogó következtetést vonja le:

• Tanulmányi eredmény:„A kormányzati szervek egyre gyakrabban használnak mesterséges intelligenciát.”

Ez érdekes, de kissé határozatlan. Ha a kutatás a tipológiát használta volna, akkor a következtetésükben talán ez állna helyette:

• Tanulmányi eredmény:"A kormányzati ügynökségek egyre gyakrabban alkalmaznak üvegdobozos prediktív modelleket, jobban, mint a mesterséges intelligencia bármely más kategóriája. Eközben az általános célú mesterséges intelligencia LLM-ekkel végzett kísérleti vagy kísérleti kísérletek következnek a sorban, és valószínűleg a következő évben fognak megjelenni."

Azt állítom, hogy a második leírás sokkal több értéket ad. A topológia kihasználásával az eredmények egyértelműbbek és könnyebben felhasználhatók. A kezdeti, nem tipológia alapú megközelítés meglehetősen homályos volt, és egyszerűen azt állította, hogy a mesterséges intelligencia egyre gyakrabban használatos. Ez minimálisan hasznos. A tipológia alkalmazása után az eredmények sokkal szemléletesebbé váltak, és felfedték, hogy az üvegdobozos prediktív modellek dominálnak, és az általános célú mesterséges intelligencia LLM-ek várhatóan az elfogadás következő hullámát jelentik.

A mesterséges intelligencia bonyolultsága elhomályosíthatja a dolgokat

A tipológia nem ingyenes ebéd. A mesterséges intelligencia tipológiájának használatában az egyik figyelemre méltó nehézség az, hogy a mesterséges intelligencia területe gyorsan fejlődik, és hajlamos a mesterséges intelligencia típusainak keverése felé. Kissé fejkaparó kihívás egy összetett mesterséges intelligencia egyetlen kategóriába sorolása. Ez felveti azt a kényes kérdést, hogy egy adott példányt két vagy több kategóriába soroljunk-e, vagy szükség van-e ehhez egy küszöbértékre.

Tegyük fel például, hogy egy mesterséges intelligencia 10%-a kézzel kódolt és 90%-a üvegdoboz. Ez az AI mindkét kategóriába tartozik, vagy csak egy kategóriába tartozik? Adok egy percet, hogy átgondold ezt. Csak nyugodtan. Rendben, azt állíthatja, hogy az MI-t üvegdoboz-típusként kell feltüntetni, mert ez teszi ki a mesterséges intelligencia túlsúlyát a jelzett 90%-ban. Az ellenérv az, hogy ez méltánytalanul kihagyja azt a 10%-ot, amelyet kézzel kódoltak. Valaki joggal feltételezheti, hogy az MI 100%-ban üvegdoboz típusú, ha nem sorolja fel mindkét kategóriában az MI-t. Mit tegyek?

Nos, ha mindkét kategóriába sorolja az MI-t, egyesek azt feltételezhetik, hogy ez egyenletes 50/50-es felosztás. Tudjuk, hogy ez nem így van. Az üvegdoboz 90%-os, míg a kézzel kódolt csak 10%. Így félrevezető lehet, ha mindkét kategóriába tartozik.

Ez megy és megy. Nincsenek egyszerű válaszok, és a kulcs az lesz, hogy a tipológiát megfontoltan kell használni. A tipológiát alkalmazóknak pontosan meg kell fogalmazniuk, hogy milyen feltételezéseket tettek, és milyen paramétereket választottak.

A világ, amelyben vagyunk

Nagyra értékelem az MI-vel kapcsolatos taxonómiák és tipológiák megfogalmazására irányuló erőfeszítéseket. Csak így tovább.

Őszintén remélem, hogy a mesterséges intelligencia irányításával kapcsolatos viták, különösen a közszférában, fokozatosan elmozdulnak a mesterséges intelligencia monolitként történő szabályozásától, és a mesterséges intelligencia különböző osztályainak képességei, autonómia szintjeik és a közértékekre gyakorolt hatásuk szerinti szabályozása felé haladnak. Ez tükrözi a más területeken, például az EU MI-törvényében bekövetkezett fejleményeket, ahol a szabályozási kötelezettségek egyre inkább a mesterségesintelligencia-rendszer természetétől és kockázati profiljától függenek, nem pedig egyszerűen attól, hogy az „AI” jelölést kapta-e. A mesterséges intelligencia jogi vonatkozásairól, beleértve az EU AI-törvényt is, az itt található linken olvashat.

Egyelőre egy utolsó gondolat. A híres filozófus és irodalomkritikus, George Henry Lewes ezt a határozott megjegyzést tette: „A tudomány a tapasztalatok szisztematikus osztályozása.” A mesterséges intelligencia területének fel kell érniük, és hasznos univerzális definíciókat és osztályozásokat kell kialakítaniuk. Ez a tudomány és az emberiség javát szolgálja.