Januárban az Alibaba és a Microsoft is a Stanford egyetem által készített tesztnek vetette alá saját fejlesztésű MI-modelljét, amelynek célja a rendszerek természetes nyelvek feldolgozására vonatkozó képességeinek mérése volt. A Stanford Question Answering Dataset (SQuAD) egy speciálisan erre a célra összeállított adatkészlet, amelynek alapján a gépeknek összesen 500 Wikipedia-cikkre vonatkozóan több mint 100 ezer kérdésre kell minél alaposabb választ adniuk.

A teszt meghatározza az Exact Match (a pontos válaszok) értékelésére szolgáló viszonyszám értékét az átlagos emberi felhasználók esetében, vagyis az MI-knek ezt kell megközelíteniük vagy akár meghaladniuk, hogy a humán képességekkel összevethető szövegértési kompetenciáról beszéljünk. Ez egészen idáig nem jött össze nekik, azonban az Alibaba és a Microsoft rendszere most első ízben megugrotta az emberi adottságokra reflektáló 82,304 pontot.

Ez a belépő a gyakorlati felhasználásba

Az Alibaba mesterséges intelligenciája egészen pontosan 82,44, míg a Microsoft rendszere 82,65 EM-pontot ért el. Ezzel mindkettő sikeresen vette az akadályt, bár az Alibaba most azzal haknizik, hogy a világon elsőként az ő MI-je volt képes meghaladni az emberi teljesítményt – ez annyiban igaz is, hogy az Alibaba végső pontszámát egy nappal korábban véglegesítették a Microsofthoz képest, de a gyakorlatban ez egy megosztott első helyet jelent.

A teszt jelentősége abban áll, hogy az MI-k ezzel már nagy pontossággal képesek értelmezni az egzakt módon, de számtalan lehetséges megfogalmazásban feltett kérdéseket. (Arról, hogy ez technikai szempontból mennyire bonyolult dolog, legutóbb a gyerekek által használt hang alapú vezérlés kapcsán írtunk.)

Az Alibaba természetes nyelvek feldolgozásával foglalkozó vezető kutatója szerint a mostani eredmény nyomán már elmondhatjuk, hogy az olyan kérdésekre, mint mondjuk a "mitől esik az eső", a gépek ma már nagyon nagy pontossággal képesek válaszolni. A technológia ezután lépésről lépésre alkalmazható lesz egy nagy csomó felhasználási területen, mint amilyen az ügyfélszolgálati tevékenység, a múzeumi vezetés vagy az orvosi tanácsadás – a lényeg nyilván az, hogy a folyamatokban minden esetben drámaian csökken az emberi támogatás szükségszerűsége.

Megállíthatatlanul fejlődnek, de van is hova

Teljes sci-fi-őrületre azért még ne számítsunk, hiszen a technológiák gyakorlati implementációja csak hosszabb távon valósul meg. Ráadásul más – ugyancsak kínai – kutatások arra figyelmeztetnek, hogy az MI-rendszerek félelmetes adatfeldolgozó képességük és tanulási sebességük ellenére sem okosabbak egy 6 éves gyereknél. Bár léteznek olyan modellek, amelyek nulláról indulva és saját magukat tanítva, néhány óra alatt képesek lesznek elverni a legjobb emberi sakk- vagy gójátékosokat, ezek is a meghatározott gondolkodási sémák szerint működnek.

A kínai fejlesztésű AI-MATHS vagy a japán Torobo robotok például azért hasaltak el tavaly a helyi gimnáziumi matematika felvételiken, mert esetenként nem tudták értelmezni a szöveges feladatokat, amelyeket amúgy lazán képesek lettek volna megoldani. Ez nem jelenti, hogy a későbbiekben sem sikerül majd a dolog, hiszen a rendszerek gyors ütemben tanulnak és fejlődnek. A természetes nyelvek feldolgozása viszont olyan terület, ahol a gépek és az emberek teljesítménye között a látványos eredmények ellenére is még nagyon nagy a különbség.