Az MI rendszerek m\u00e1r ma is egyre nagyobb szerepet v\u00e1llalnak saj\u00e1t maguk fejleszt\u00e9s\u00e9ben \u00e9s egyes kutat\u00f3k szerint n\u00e9h\u00e1ny \u00e9ven bel\u00fcl el\u00e9rkezhet az a pont amikor teljesen \u00f6n\u00e1ll\u00f3v\u00e1 v\u00e1lhat ez a folyamat.<\/p>\n\n\n\n
Amikor az Anthropic, egy mesters\u00e9ges intelligenci\u00e1val foglalkoz\u00f3 kutat\u00f3labor m\u00e9g az id\u00e9n megjelenik a t\u0151zsd\u00e9n, v\u00e1rhat\u00f3an a t\u00f6rt\u00e9nelem egyik legnagyobb nyilv\u00e1nos r\u00e9szv\u00e9nykibocs\u00e1t\u00e1s\u00e1t hajtja v\u00e9gre. Ennek egyik f\u0151 oka, hogy a v\u00e1llalat Claude nev\u0171 chatbotja rendk\u00edv\u00fcl n\u00e9pszer\u0171 a programoz\u00f3k k\u00f6r\u00e9ben, akik jelent\u0151s \u00f6sszegeket hajland\u00f3k fizetni a hozz\u00e1f\u00e9r\u00e9s\u00e9rt. A Claude Code nev\u0171 szoftverfejleszt\u0151 \u00fcgyn\u00f6k 2025 febru\u00e1ri indul\u00e1sa \u00f3ta vil\u00e1gszerte n\u00e9lk\u00fcl\u00f6zhetetlen eszk\u00f6zz\u00e9 v\u00e1lt a fejleszt\u0151k sz\u00e1m\u00e1ra. Ez al\u00f3l maga az Anthropic sem kiv\u00e9tel: a v\u00e1llalat \u00e1ll\u00edt\u00e1sa szerint a m\u00e1jusban k\u00f6zz\u00e9tett programk\u00f3dj\u00e1nak t\u00f6bb mint n\u00e9gy\u00f6t\u00f6d\u00e9t Claude \u00edrta. A Claude Code megjelen\u00e9se el\u0151tt ez az ar\u00e1ny mind\u00f6ssze „alacsony egy sz\u00e1mjegy\u0171” volt.<\/p>\n\n\n\n
A rendszerek nemcsak a l\u00e9trehozott tartalom mennyis\u00e9g\u00e9ben, hanem annak min\u0151s\u00e9g\u00e9ben is jelent\u0151sen fejl\u0151dtek. A METR nev\u0171 agytr\u00f6szt egyik meghat\u00e1roz\u00f3 m\u00e9r\u0151sz\u00e1ma szerint 2025 elej\u00e9n az Anthropic modelljei olyan feladatokat tudtak elv\u00e9gezni, amelyek egy emberi szoftverm\u00e9rn\u00f6knek valamivel kevesebb mint egy \u00f3r\u00e1t vettek volna ig\u00e9nybe. A v\u00e1llalat leg\u00fajabb rendszerei m\u00e1r olyan munk\u00e1kat is k\u00e9pesek megoldani, amelyek egy ember sz\u00e1m\u00e1ra t\u00f6bb mint egy teljes munkanapot ig\u00e9nyeln\u00e9nek. \u00c9ppen ez\u00e9rt sokakb\u00f3l cinikus reakci\u00f3t v\u00e1lthat ki, amikor az ipar\u00e1g egyik \u00e9llovasa, amely jelenleg fel\u00fclm\u00falja versenyt\u00e1rsait, azt szorgalmazza, hogy a vil\u00e1gnak legyen „lehet\u0151s\u00e9ge lass\u00edtani vagy ideiglenesen sz\u00fcneteltetni a fejlett AI fejleszt\u00e9s\u00e9t”. Melyik piacvezet\u0151 ne szeretn\u00e9, ha a riv\u00e1lisai abbahagyn\u00e1k a felz\u00e1rk\u00f3z\u00e1si k\u00eds\u00e9rleteket?<\/p>\n\n\n\n
M\u00e9gis \u00fagy t\u0171nik, hogy az Anthropic vezet\u0151i \u0151szint\u00e9n agg\u00f3dnak. \u00c9vek \u00f3ta figyelmeztetnek arra a lehet\u0151s\u00e9gre, hogy az emberi ellen\u0151rz\u00e9s al\u00f3l kics\u00fasz\u00f3 AI s\u00falyos k\u00e1rokat okozhat. A mesters\u00e9ges intelligencia leg\u00fajabb gener\u00e1ci\u00f3i annyira kompetens programoz\u00f3kk\u00e1, m\u00e9rn\u00f6k\u00f6kk\u00e9 \u00e9s hamarosan tud\u00f3sokk\u00e1 v\u00e1lhatnak, hogy sokan att\u00f3l tartanak, ezek lehetnek az utols\u00f3 olyan rendszerek, amelyeket m\u00e9g emberek alkottak. Jack Clark, az Anthropic egyik t\u00e1rsalap\u00edt\u00f3ja szerint 60 sz\u00e1zal\u00e9k az es\u00e9lye annak, hogy 2028 v\u00e9g\u00e9re l\u00e9trej\u00f6n egy olyan AI rendszer, amely k\u00e9pes lesz teljes eg\u00e9sz\u00e9ben emberi k\u00f6zrem\u0171k\u00f6d\u00e9s n\u00e9lk\u00fcl megalkotni saj\u00e1t ut\u00f3dj\u00e1t.<\/p>\n\n\n\n
Ez a pillanat egy \u00fagynevezett „rekurz\u00edv \u00f6nfejleszt\u00e9snek” nevezett folyamat kezdet\u00e9t jelenten\u00e9. Ez egy z\u00e1rt k\u00f6rfolyamat. A modell els\u0151 v\u00e1ltozata l\u00e9trehozza a m\u00e1sodikat, amely gyorsabb \u00e9s fejlettebb. A m\u00e1sodik elk\u00e9sz\u00edti a harmadikat, amely m\u00e9g fejlettebb lesz. A folyamat tov\u00e1bb folytat\u00f3dik, \u00e9s minden \u00fajabb iter\u00e1ci\u00f3val n\u00f6vekednek a k\u00e9pess\u00e9gek. Ha siker\u00fcl egy ilyen AI rendszert megalkotni, az emberi m\u00e9rn\u00f6k\u00f6knek t\u00f6bb\u00e9 nem kell \u00faj rendszereket \u00e9p\u00edteni\u00fck. Clark szerint „ami sokak sz\u00e1m\u00e1ra csup\u00e1n fant\u00e1ziad\u00fas t\u00f6rt\u00e9netnek t\u0171nhet, az val\u00f3j\u00e1ban egy l\u00e9tez\u0151 trend lehet”.<\/p>\n\n\n\n
Senki sem tudja biztosan, milyen k\u00f6vetkezm\u00e9nyekkel j\u00e1rna a rekurz\u00edv \u00f6nfejleszt\u00e9s. Mivel az AI az emberekkel ellent\u00e9tben f\u00e1radhatatlanul \u00e9s folyamatosan dolgozhat, egyesek \u00fagy v\u00e9lik, hogy r\u00f6vid id\u0151n bel\u00fcl szuperintelligens rendszerek kialakul\u00e1s\u00e1hoz vezetne. Ezt gyakran „gyors felsz\u00e1ll\u00e1snak” (fast take-off) nevezik. Megjelent egy j\u00e1t\u00e9kosabb elnevez\u00e9s is, a „foom”, amely azt a hangot id\u00e9zi fel, amelyet egy intelligenciarobban\u00e1s okozhatna. Az AI vesz\u00e9lyeire figyelmeztet\u0151k att\u00f3l tartanak, hogy az \u00edgy l\u00e9trej\u00f6v\u0151 szuperintelligencia az emberi ellen\u0151rz\u00e9sen k\u00edv\u00fcl ker\u00fclne, \u00e9s a rekurz\u00edv \u00f6nfejleszt\u00e9s kezdet\u00e9vel az emberis\u00e9g sorsa a g\u00e9pek kez\u00e9be ker\u00fclne. Ugyanakkor egy \u00f6nmag\u00e1t fejleszt\u0151 AI val\u00f3sz\u00edn\u0171leg kezdetben sebess\u00e9gkorl\u00e1tokba \u00fctk\u00f6zne.<\/p>\n\n\n\n
Egy ilyen rendszer l\u00e9trehoz\u00e1s\u00e1hoz automatiz\u00e1lni kellene sz\u00e1mos olyan speci\u00e1lis feladatot, amelyeket jelenleg emberek v\u00e9geznek. Ma adattud\u00f3sok dolgoznak az AI elm\u00e9leti alapjain, m\u00edg programoz\u00f3k val\u00f3s\u00edtj\u00e1k meg azokat a gyakorlatban. Rendszerm\u00e9rn\u00f6k\u00f6k \u00e9p\u00edtik ki azokat az alapokat, amelyek r\u00e9v\u00e9n a k\u00eds\u00e9rleti modellek ipari m\u00e9ret\u0171 rendszerekk\u00e9 v\u00e1lhatnak. M\u00e1s szakemberek \u00faj tan\u00edt\u00e1si adatforr\u00e1sokat keresnek, vagy azok el\u0151\u00e1ll\u00edt\u00e1s\u00e1nak \u00faj m\u00f3djait kutatj\u00e1k. A biztons\u00e1gi \u00e9s \u00f6sszehangol\u00e1si csapatok pedig ellen\u0151rzik, hogy a tan\u00edt\u00e1si folyamat eredm\u00e9nye ne okozzon sz\u00e1nd\u00e9kos vagy v\u00e9letlen k\u00e1rokat.<\/p>\n\n\n\n
Nem minden ilyen feladat automatiz\u00e1lhat\u00f3 egyforma k\u00f6nnyeds\u00e9ggel, \u00e9s minden szakter\u00fcleten vannak olyan r\u00e9szfeladatok, amelyek k\u00f6nnyebben \u00e1tadhat\u00f3k a g\u00e9peknek, mint m\u00e1sok. Nem val\u00f3sz\u00edn\u0171, hogy sok id\u0151nek kell eltelnie addig, am\u00edg egy emberi programoz\u00f3 \u00fagy v\u00e9gezheti a munk\u00e1j\u00e1t, hogy egyetlen sornyi k\u00f3dot sem \u00edr saj\u00e1t kez\u0171leg. Az azonban elk\u00e9pzelhet\u0151, hogy m\u00e9g hosszabb ideig tart majd, mire egy AI \u00f6n\u00e1ll\u00f3an t\u00e1rgyalhat egy kor\u00e1bban nem digitaliz\u00e1lt tudom\u00e1nyos dokumentumgy\u0171jtem\u00e9ny megszerz\u00e9s\u00e9r\u0151l.<\/p>\n\n\n\n
Nem mindig egy\u00e9rtelm\u0171, hogyan halad el\u0151re ez az \u00fagynevezett „egyenetlen hat\u00e1rvonal”. Sok\u00e1ig \u00fagy t\u0171nt, hogy az \u00faj algoritmusok tervez\u00e9se az egyik legbiztons\u00e1gosabb emberi feladat marad. Ezt a felt\u00e9telez\u00e9st azonban megingatta a Google DeepMind AlphaEvolve nev\u0171 rendszere, amely 2025 m\u00e1jus\u00e1ban algoritmusfejleszt\u00e9si feladatokat kezdett ell\u00e1tni. Javaslatot tett arra, hogyan ossza el hat\u00e9konyabban a Google a terhel\u00e9st adatk\u00f6zpontjai k\u00f6z\u00f6tt, amivel a v\u00e1llalat teljes sz\u00e1m\u00edt\u00e1si kapacit\u00e1s\u00e1nak 0,7 sz\u00e1zal\u00e9k\u00e1t siker\u00fclt megtakar\u00edtani. Emellett jobb m\u00f3dszereket tal\u00e1lt a m\u00e1trixszorz\u00e1s v\u00e9grehajt\u00e1s\u00e1ra, ami 1 sz\u00e1zal\u00e9kkal gyors\u00edtotta fel a Gemini nev\u0171 nagy nyelvi modell tan\u00edt\u00e1s\u00e1t.<\/p>\n\n\n\n
A teljes rekurz\u00edv \u00f6nfejleszt\u00e9shez a folyamat minden egyes elem\u00e9nek automatiz\u00e1ltt\u00e1 kell v\u00e1lnia. Az AI \u00e1ltal t\u00e1mogatott kutat\u00e1s \u00e9s fejleszt\u00e9s felgyorsul\u00e1sa azonban m\u00e1r ezt megel\u0151z\u0151en is \u00e9rezhet\u0151 lehet. A Georgetown Egyetemhez tartoz\u00f3 Centre for Security and Emerging Technology janu\u00e1rban k\u00f6zz\u00e9tett jelent\u00e9se szerint „ahogy az AI kutat\u00e1s \u00e9s fejleszt\u00e9s egyre nagyobb r\u00e9sz\u00e9t AI rendszerek v\u00e9gzik, az emberi kutat\u00e1sra \u00e9p\u00fcl\u0151 fejleszt\u00e9sekhez k\u00e9pest t\u00edzszeres, sz\u00e1zszoros, majd ezerszeres termel\u00e9kenys\u00e9gn\u00f6veked\u00e9s k\u00f6vetkezhet be”. A jelent\u00e9s arra is figyelmeztet, hogy m\u00e9g ha a kutat\u00e1s egyes ter\u00fcletei kezdetben nehezen automatiz\u00e1lhat\u00f3k is, „a fejl\u0151d\u00e9s felgyorsult \u00fcteme miatt ezek a sz\u0171k keresztmetszetek hamar megsz\u0171nhetnek”.<\/p>\n\n\n\n
Jelenleg egyetlen AI modell sem k\u00e9pes \u00f6n\u00e1ll\u00f3an megalkotni saj\u00e1t ut\u00f3dj\u00e1t. A nagy rendszerek azonban m\u00e1r k\u00e9pesek kisebb modelleket l\u00e9trehozni. Emberi seg\u00edts\u00e9ggel pedig m\u00e1s nagy AI rendszereket is meg tudnak alkotni. Az \u00e9v elej\u00e9n Andrej Karpathy, aki akkor m\u00e9g f\u00fcggetlen kutat\u00f3k\u00e9nt dolgozott, ma pedig az Anthropic munkat\u00e1rsa, olyan chatbotot tan\u00edtott be, amely nagyj\u00e1b\u00f3l a 2019-ben bemutatott GPT-2 k\u00e9pess\u00e9geivel rendelkezett. Akkoriban ennek a modellnek az elk\u00e9sz\u00edt\u00e9se 168 \u00f3r\u00e1nyi tan\u00edt\u00e1st ig\u00e9nyelt 32 korszer\u0171 processzoron. Karpathy ugyanazt az eredm\u00e9nyt egyetlen sz\u00e1m\u00edt\u00f3g\u00e9ppel, nyolc GPU seg\u00edts\u00e9g\u00e9vel, mind\u00f6ssze h\u00e1rom \u00f3ra alatt \u00e9rte el. N\u00e9h\u00e1ny h\u00f3nap tov\u00e1bbi munk\u00e1val a Nanochat nev\u0171 modell tan\u00edt\u00e1si idej\u00e9t valamivel t\u00f6bb mint k\u00e9t \u00f3r\u00e1ra cs\u00f6kkentette.<\/p>\n\n\n\n
M\u00e1rciusban a tan\u00edt\u00e1si folyamat tov\u00e1bbi gyors\u00edt\u00e1s\u00e1t egy Autoresearch nev\u0171 AI \u00fcgyn\u00f6kre b\u00edzta. K\u00e9t nap alatt az id\u0151tartam egy \u00f3ra negyvennyolc percre cs\u00f6kkent, majd \u00f6t nappal k\u00e9s\u0151bb m\u00e1r csak egy \u00f3ra harminckilenc percet vett ig\u00e9nybe. Karpathy szerint: „Semmihez sem ny\u00faltam.” A 18 sz\u00e1zal\u00e9kos javul\u00e1s az\u00e9rt figyelemre m\u00e9lt\u00f3, mert Karpathy kiemelked\u0151en tehets\u00e9ges szakember. Az OpenAI kutat\u00f3csapat\u00e1nak alap\u00edt\u00f3 tagja volt, majd \u00f6t \u00e9ven kereszt\u00fcl a Tesla AI r\u00e9szleg\u00e9nek vezet\u0151jek\u00e9nt dolgozott. A fejleszt\u00e9sek \u00f6nmagukban nem voltak k\u00fcl\u00f6n\u00f6sebben l\u00e1tv\u00e1nyosak. Az AI \u00fcgyn\u00f6k jobb kezd\u0151\u00e9rt\u00e9keket v\u00e1lasztott a tan\u00edt\u00e1shoz, kisz\u00e9les\u00edtette a modell figyelmi ablak\u00e1t, \u00e9s felismerte, hogy a rendszer f\u00f3kusza id\u0151nk\u00e9nt elkalandozik. Karpathy szerint ezek k\u00f6z\u00fcl egyik sem sz\u00e1m\u00edtott k\u00fcl\u00f6n\u00f6sen \u00fajszer\u0171 \u00f6tletnek. Egyszer\u0171en \u0151 maga nem vette \u0151ket \u00e9szre. „Ezek \u00f6sszead\u00f3dtak, \u00e9s val\u00f3ban jobb\u00e1 tett\u00e9k a Nanochatet” – mondta.<\/p>\n\n\n\n
Az ehhez hasonl\u00f3 gyorsul\u00e1s szinte elker\u00fclhetetlen, ahogy a modellek egyre fejlettebb\u00e9 v\u00e1lnak. A t\u00f6bb terab\u00e1jtos fejlett rendszerek \u00e9p\u00edt\u00e9se gyakran j\u00f3val kev\u00e9sb\u00e9 l\u00e1tv\u00e1nyos munka, mint amit az ipar\u00e1g magas fizet\u00e9sei \u00e9s eleg\u00e1ns irod\u00e1i sugallnak. Sokszor k\u00fcls\u0151 szolg\u00e1ltat\u00f3kt\u00f3l sz\u00e1rmaz\u00f3 infrastrukt\u00faraelemek \u00f6sszekapcsol\u00e1s\u00e1b\u00f3l, hardveres \u00e9s szoftveres hib\u00e1k jav\u00edt\u00e1s\u00e1b\u00f3l, valamint a tan\u00edt\u00e1si folyamat kezdeti param\u00e9tereinek finomhangol\u00e1s\u00e1b\u00f3l \u00e1ll. E feladatok jelent\u0151s r\u00e9sz\u00e9t az AI m\u00e1r ma is k\u00e9pes elv\u00e9gezni viszonylag kev\u00e9s emberi fel\u00fcgyelet mellett.<\/p>\n\n\n\n
Joe Spisak, a Reflection AI kutat\u00f3ja szerint azonban m\u00e9g az \u00f6sszetettebb szellemi feladatok automatiz\u00e1l\u00e1sa is egyre k\u00f6zelebb ker\u00fcl. Ha egy fejlett rendszernek bemutatnak egy v\u00e1zlatos elk\u00e9pzel\u00e9st arr\u00f3l, hogyan lehetne hat\u00e9konyabb\u00e1 tenni egy folyamatot, egyre ink\u00e1bb k\u00e9pes \u00f6n\u00e1ll\u00f3an megtervezni a k\u00eds\u00e9rletet, lefuttatni azt egy kisebb modellen, elemezni az eredm\u00e9nyeket, majd olyan megold\u00e1si tervvel el\u0151\u00e1llni, amely m\u00e1r nagyobb l\u00e9pt\u00e9kben is alkalmazhat\u00f3.<\/p>\n\n\n\n
Az ilyen feladatokat, amelyek az embereknek \u00f3r\u00e1kba telnek, az AI rendszerek k\u00f6r\u00fclbel\u00fcl harminc perc alatt k\u00e9pesek elv\u00e9gezni. Az emberek szerepe fokozatosan a kutat\u00e1si igazgat\u00f3\u00e9hoz v\u00e1lik hasonl\u00f3v\u00e1: meghat\u00e1rozz\u00e1k az ir\u00e1nyokat \u00e9s kijel\u00f6lik a k\u00eds\u00e9rleteket, mik\u00f6zben az AI maga \u00edrja meg a k\u00f3dot, jav\u00edtja a hib\u00e1kat, optimaliz\u00e1lja \u00e9s figyeli a folyamatokat. Ez a termel\u00e9kenys\u00e9gn\u00f6veked\u00e9s egyszerre vonz\u00f3 \u00e9s nyugtalan\u00edt\u00f3. Ahogy az emberek szerepe zsugorodik, fenn\u00e1ll a vesz\u00e9lye annak, hogy elvesz\u00edtik az ellen\u0151rz\u00e9st. A v\u00e9gs\u0151 eredm\u00e9ny olyan modellek vil\u00e1ga lehet, amelyeket m\u00e1s modellek tan\u00edtanak, olyan c\u00e9lok \u00e9rdek\u00e9ben, amelyeket szint\u00e9n modellek hat\u00e1roznak meg, mik\u00f6zben biztons\u00e1gukat kiz\u00e1r\u00f3lag m\u00e1s modellek ellen\u0151rzik.<\/p>\n\n\n\n
Egyesek katasztr\u00f3f\u00e1t\u00f3l tartanak. Max Tegmark, a Massachusettsi M\u0171szaki Egyetem fizikusa \u00e9s g\u00e9pi tanul\u00e1ssal foglalkoz\u00f3 kutat\u00f3ja szerint ez olyan lenne, mintha valaki lehunyt szemmel teljes g\u00e1zzal sz\u00e1guldana az aut\u00f3p\u00e1ly\u00e1n. Az eredm\u00e9ny szerinte biztos v\u00e9gzet lenne, amennyiben a sof\u0151r nem nyitja ki a szem\u00e9t. Tegmark \u00fagy v\u00e9li, hogy a nagy teljes\u00edtm\u00e9ny\u0171 AI rendszerek kiszor\u00edthatj\u00e1k az embereket a korm\u00e1nyzati \u00e9s gazdas\u00e1gi d\u00f6nt\u00e9shozatalb\u00f3l, p\u00e9ld\u00e1tlan hatalmat adhatnak azok kez\u00e9be, akik el\u0151sz\u00f6r hozz\u00e1k l\u00e9tre \u0151ket, vagy egyszer\u0171en k\u00f6z\u00f6mb\u00f6ss\u00e9 v\u00e1lhatnak az emberis\u00e9g ir\u00e1nt, \u00e9s fokozatosan h\u00e1tt\u00e9rbe szor\u00edthatj\u00e1k az embereket az adatk\u00f6zpontok \u00e9s az energiatermel\u00e9s b\u0151v\u00edt\u00e9se \u00e9rdek\u00e9ben. H\u00e1rom \u00e9vvel ezel\u0151tt Tegmark glob\u00e1lis sz\u00fcnetet s\u00fcrgetett az AI fejleszt\u00e9s\u00e9ben, mivel \u00fagy v\u00e9lte, hogy a GPT-4 l\u00e9trehoz\u00e1sa m\u00e1r akkor is egy ilyen vakmer\u0151 utaz\u00e1s kezdet\u00e9t jelentette. Az idei CSET jelent\u00e9s szerint a rekurz\u00edv \u00f6nfejleszt\u00e9s r\u00e9v\u00e9n l\u00e9trej\u00f6v\u0151 rendszerek „sz\u00e9ls\u0151s\u00e9ges kock\u00e1zatokat hordoznak. Ez m\u00e1r most el\u0151k\u00e9sz\u00edt\u0151 int\u00e9zked\u00e9seket tesz sz\u00fcks\u00e9gess\u00e9.” \u00dagy t\u0171nik, hogy az Anthropic is egyre ink\u00e1bb osztja ezt a n\u00e9zetet.<\/p>\n\n\n\n
Jelenleg t\u00f6bb fizikai korl\u00e1t is akad\u00e1lyozza az \u00f6nfejleszt\u00e9s felgyorsul\u00e1s\u00e1t. Ezek k\u00f6z\u00fcl a legfontosabb a sz\u00e1m\u00edt\u00e1si kapacit\u00e1shoz val\u00f3 hozz\u00e1f\u00e9r\u00e9s. Az \u00fajabb modellek a hat\u00e9konys\u00e1g javul\u00e1sa ellen\u00e9re is t\u00f6bb sz\u00e1m\u00edt\u00e1si teljes\u00edtm\u00e9nyt ig\u00e9nyelnek tan\u00edt\u00e1suk sor\u00e1n, mint el\u0151deik, ez\u00e9rt a fejl\u0151d\u00e9s \u00fctem\u00e9t nagyr\u00e9szt az adatk\u00f6zpontok \u00e9p\u00edt\u00e9s\u00e9nek sebess\u00e9ge hat\u00e1rozza meg. Az AI fogyaszt\u00f3i haszn\u00e1lata szint\u00e9n lass\u00edthatja a kutat\u00e1si \u00e9s fejleszt\u00e9si folyamatokat. Helen Toner, a CSET ideiglenes \u00fcgyvezet\u0151 igazgat\u00f3ja szerint az adatk\u00f6zpontok korl\u00e1tozott kapacit\u00e1s\u00e1t meg kell osztani a fizet\u0151 \u00fcgyfelek kiszolg\u00e1l\u00e1sa, a j\u00f6v\u0151beli modellek tan\u00edt\u00e1sa \u00e9s a nyitott kutat\u00e1si projektek k\u00f6z\u00f6tt. Min\u00e9l nagyobb az els\u0151 kateg\u00f3ria ir\u00e1nti kereslet, ann\u00e1l kevesebb er\u0151forr\u00e1s marad r\u00f6vid t\u00e1von a m\u00e1sik kett\u0151re.<\/p>\n\n\n\n
Tov\u00e1bbi k\u00e9rd\u00e9seket vet fel a tan\u00edt\u00f3 adatok probl\u00e9m\u00e1ja. Az AI fejl\u0151d\u00e9s\u00e9nek jelent\u0151s r\u00e9sze olyan ter\u00fcleteken t\u00f6rt\u00e9nt, ahol a rendszerek ellen\u0151rizhet\u0151 jutalmaz\u00e1s r\u00e9v\u00e9n saj\u00e1t maguk is k\u00e9pesek tanulni. Egy program vagy m\u0171k\u00f6dik, vagy nem. Egy matematikai bizony\u00edt\u00e1s vagy helyes, vagy hib\u00e1s. Ilyen esetekben a modellek \u00e1ltal el\u0151\u00e1ll\u00edtott szintetikus adatok ellen\u0151rizhet\u0151k, \u00e9s biztons\u00e1gosan felhaszn\u00e1lhat\u00f3k \u00fajabb modellek tan\u00edt\u00e1s\u00e1hoz. Sokkal nehezebb azonban jav\u00edtani egy rendszer kreat\u00edv \u00edr\u00e1si k\u00e9pess\u00e9geit vagy jogi \u00edt\u00e9l\u0151k\u00e9pess\u00e9g\u00e9t. Ha ezekben a ter\u00fcletekben tov\u00e1bbra is a val\u00f3s vil\u00e1gb\u00f3l sz\u00e1rmaz\u00f3 tapasztalatokra lesz sz\u00fcks\u00e9g, az korl\u00e1tozhatja az \u00f6nfejleszt\u00e9s lehet\u0151s\u00e9geit.<\/p>\n\n\n\n
A k\u00f6rfolyamat bez\u00e1r\u00e1sa fontos \u00e1llom\u00e1s lehet a szuperintelligencia fel\u00e9 vezet\u0151 \u00faton, \u00e9s vil\u00e1gn\u00e9zett\u0151l f\u00fcgg\u0151en jelentheti ak\u00e1r az ut\u00f3pi\u00e1t, ak\u00e1r a v\u00e9gzetet. Ugyanakkor nem ez az egyetlen felt\u00e9tele annak, hogy a mesters\u00e9ges intelligencia k\u00e9pess\u00e9gei exponenci\u00e1lis n\u00f6veked\u00e9snek induljanak.<\/p>\n\n\n\n