A mesterséges intelligancia (MI) intelligenciája

(2025 augusztus)

Az MI-ben, azaz a mesterséges intelligenciában a mesterséges szó jelentése, nem emberi, hanem gépi intelligencia, ami pontosabb megnevezés. A meghatározása ma még csak közelítésekkel lehetséges. Az MI első közelítésben információkat kereső ügynök (= agent_ang), illesztő program (interface_ang).

Az emberi intelligencia meghatározásával és mérésével* is van még probléma, fokozottan igaz ez a mérhetetlen intellektus fogalomra. (Meghatározása: az "intellektus" értelmi képességet, a tudatot, tudatost jelent, magába foglalja az észlelés, az emlékezés, a gondolkodás, az érvelés és a döntéshozatal képességeit. A tudat a legmagasabb szintű mentális tevékenység, emberi tulajdonság). Az intelligencia kifejezést gyakran nagy ismeret halmazként. egyszerű szabályosságok felismeréseként használják, kihagyva belőle a következtetés, bizonyítás, előrejelzés képességét. Az előrejelzés képessége már jelen van az MI-ben is, és részben az "okos" eszközökben. Az MI erős átfedésben van az automatizálással, a matematikából a legtöbbet a valószínűségszámításból és a logikából vett át. A gépi intelligencia más mint az emberi intelligencia, és a mérése elgondolkogtató feladat... 

                                                                         (https://itbusiness.hu/technology/a-mesterseges-intelligencia/)

A gépi intelligencia (GI)

A gépi intelligencia alapváltozata egy olyan keresőmotor, amely egy sok nyelven fogalmazó "Nagy nyelvi modell" -t (LLM_ang) használ.  Az MI történetében a fordítógépek, a fogalmazó képesség megjelenése ugrásszerű fejlődést okozott. Következik, hogy az MI inputjának (= ami igen nagy tanító adathalmaz) valóságtartalma, fogalomtartalma meghatározza a -sok nyelven megfogalmazott-  output ismereteket, ami eddig a legsúlyosabb korlátozó feltétele az MI-nek. A fejlettebb változata már egy jól fogalmazó, lényegkiemelésre alkalmas keresőmotor, de a fogalomalkotás az emberi intelligencia sajátossága marad. Abból a szempontból, hogy a gép mit tesz hozzá a bemeneti információ tartalmához, mennyire jól elemzi az input megbízhatóságát, teljességét, a gép nem tekinthető intelligensnek, és bár jól haladnak a fejlesztések, a fogalomalkotás nem lesz gépi tulajdonság. Az MI-t a kollektív ismereteinkhez viszonyítjuk, ami persze nem teljesen igazságos. A kép-, hang- és videószerkesztő alkalmazások már az MI-hez tartozó programok, a besorolást szűkíteni kéne az nyelvi modellekt használó alkalmazásokra. 

A gépi intelligencia egy interface az ember és a gép között, egy számítógép program, egy algoritmus család, amely képes tanulni (=információt gyűjteni, feldolgozni, modellekbe sűríteni) és döntéseket** hozni, az emberi gondolkodást utánozva, statisztikai alapon működik. Példa adatok, minták alapján képes önállóan, vagy emberi segítséggel szabályszerűségeket és szabályokat felismerni/meghatározni, és nem csak felismeri a mintázatokat, hanem képes programozott általánosításra is. 

Az információ keresésének módja multimodális (hang vagy billentyű alapú) parancs, ami már utalhat képekre (speciális esetben ujjlenyomat, röntgenkép...), videókra, stb., és a parancs megnevezése: promt_ang. A „prompt” az a szöveges vagy hangutasítás, ami elindít egy válasz készítő, információkereső, output file_ang -okat generáló folyamatot. Sok fajtája van, néhány típus:

 1. Információs promptok

• Cél: Tények, magyarázatok, definíciók kérése

• Példa: „Mi az a kvantum-összefonódás?”

• Hasznos tanuláshoz, kutatáshoz, gyors válaszokhoz

 2. Kreatív szöveg-promptok (amikor szöveget generálunk)

• Cél: Történetírás, novella, vers, dialógus generálása

• Példa: „Írj egy sci-fi történetet egy magányos robotról a Marson”

• Hasznos íróknak, alkotóknak, játékfejlesztőknek, zárójelentés íráshoz, hírdetésszerkesztéshez

 3. Képalkotó promptok (ha képet, videót, hangot generálunk)

• Cél: Digitális művészet, illusztrációk, karaktertervek

• Példa: „Egy város naplementében, madártávlatból”

• Hasznos dizájnhoz, vizuális projektekhez

 4. Kódolási promptok

• Cél: Kód generálása, hibakeresés, algoritmusok írása

• Példa: „Írj egy Python függvényt, ami kiszámolja a Fibonacci-sorozatot”

• Hasznos fejlesztőknek, tanulóknak, kutatóknak

 5. Dialógus promptok

• Cél: Szerepjáték, karakterek közti beszélgetés, szimuláció

• Példa: „Te vagy Sherlock Holmes, én pedig Watson vagyok. Oldjunk meg egy rejtélyt!”

• Hasznos játékhoz, szórakozáshoz, kreatív gyakorlatokhoz, dszpécserereknek

 6. Tervezési és ötletelkereső promptok

• Cél: Terv-, (projekt-) indítás, ötletgenerálás, brainstorming

• Példa: „Készíts  egy logót valamilyen divatmárkához”

• Hasznos vállalkozóknak, marketingeseknek, kereskedelmi szakembereknek

• 7. Hogy lehet céltudatosan használni az AI-t?  Kérdések, utasítások, prompt-ok szerkesztése: (iterációnak nevezik, így a kérdés újrafogalmazását és finomítását, formai, a tartalmi pontosítást, a tévedés javítását is, https://youtu.be/el5X3cywTdk?si=IlLr7h0vldDDS3Po alapján készült a promtok leírása, elérhető 2025 aug.-ban). Jó kérdést kitalálni - a GI nem tudja- nehezebb mint megválaszolni egy kérdést. Manual, kezelési útmutató, recept az AI használathoz: Milyen gondolkodási sémák segítenek a hatékony kérdésfeltevésben? Miért fontos a strukturált címek és a tematizált chat-ek használata? Hogyan készíthetőek egyedi tanulási anyagok? Mit jelent a szélességi és mélységi tanulás az AI segítségével? Milyen konkrét technikákkal  tehetőek könnyebbé az ismétlődő feladatok? Hogyan változtatja meg az AI a problémamegoldó folyamatokat? Kreatív (kitalálás, kérdező) vagy Szerkesztő (leíró, utasító) mód használata. 

• 1. párhuzamos témák, keresések, chat-ek megnevezése, fa-struktúrák, mappák  
• 

   

   Fa struktúra (https://tamop412.elte.hu/tananyagok/algoritmusok/lecke8_lap1.html)

   

  2. dokumentumcsatolás, képek, kép stb. generálása

  3. hang alapú kérdések (voice function)

  4. igen-nem kérdéseket feltenni, akkor nem szöveggel válaszol

  5. tartalom (=kontextus) először, forma (=strukturálás), szerkesztés később

  6. Teljességre is rá lehet kérdezni

  7. kérdőívek, felmérések

  8. több nézőpontból véleményalkotás

  9. stílusok közötti átírás, e-mail fogalmazás idegen nyelven

  10. Fogalmi kapcsolatok rendezése, fa, hierarchia, könyvtár szerkesztése

  11. e-mail analízis forráskódból

  12. tartalom összefoglalás, feliratozás

  13. videó összefoglalás hangfájl alapján

  14. érvelés, felkészülés vitára, ellenérvelni is tud

  15. témakörbejárás több nézőpontból

  16. témavizsgálat több forrásból

  17. más AI modellek, más AI válaszokkal összehasonlítás (a válasz a bevitt anyag függvénye)

  18. több AI-val párhuzamosan és sorosan: egymással is beszélnek

  19. Tömöríteni, összefoglalni, megnevezni tud

  20. Értelmezni is tud, fogalmat is

  21. fogalommal kapcsolatos személyre szabott oktatási anyagokat készít

  22. fordítás, hang alapon is, beszélgetés pl. egy kínaival

  23. stratégiát terv-algoritmus készítés

  24. adjon ötleteket, GROCK (https://grok.com/).

  25. mese, irányítható történet generálása, hang alapon is

  26. (állás) interjúra való felkészülés

  28. Kérdezni is tud adott témában

  29. Mit válaszol az AI arra, hogy kell használni az AI-t?

  30. A számítógépes eszköz (agent, secretary of computer, interface), amit pontosan utasítani kell.

   

   

   

  

   

   

  (https://stockcake.com/i/ai-services-hub_2908780_1420908)

   

   

   A kérdés, az utasítás, a promt függvényében a válasz lehet szöveg, kép, hang, kódsorozat ..., és egy kódsorozattal egy autót vagy egy rakétát is el lehet irányítani, megfelelő érzékelőkkel. A valóságban azért bonyolultabb az irányítástechnika, ma már nincs éles határvonala az MI-vel.  Egy automata mindig ugyanazt a választ adja, de a komoly számítógépes irányítási algoritmusokat integrálja az MI, azaz fordított a helyzet: az MI soha nem fog kitalálni pl. rakétairányító algoritmust (Kálmán-szűrő a neve), hanem inputként meghívja, ha kap rá utasítást. A példából következik, hogy az MI egy agent, azt tudja, amit az inputban megtanítottunk, bár ma már megtanítható előjelzésekre, döntésekre is. 

   

  *

  A mai értelemben vett intelligenciateszteket Alfred Binet alkotta meg. Az általános tankötelezettség bevezetését követően a francia oktatási kormányzat szembesült azzal, hogy vannak gyerekek, akik nem képesek lépést tartani a többiekkel, és kialakultak a legrosszabbak számára fenntartott külön osztályok. A tanárok döntötték el, hogy ki kerül a kölön osztályokba. Binet-t azzal bízta meg a Francia Közoktatási Minisztérium, hogy készítsen olyan felmérést, amely alapján objektíven megállapítható a gyerekek iskolaalkalmassága. Binet feladatai a hétköznapi ítéletalkotásra épültek. „Mire jó a gyufa?”, „Milyen napszak van, amikor a nap lenyugszik?” – és hasonló kérdésekből állt a világ első, 1905-ben elkészült valódi intelligenciatesztje (https://mensa.hu/intelligencia/az-intelligencia-merese/).

  A korábbi tesztkísérletek az egyetemi érdemjegyekkel való korreláció hiányán buktak meg. Binet pont ezen a téren érte el a legnagyobb sikert: képes volt olyan tesztet találni, amely megmutatta, hogy a feladatai valóban az intelligenciát mérik, azaz aki a feladatokon jobban teljesít, az valóban intelligensebbnek tekinthető, mint aki rosszabbul. A fő kritérium pedig az életkor lett, mert az idősebb gyerekek átlagosan előrébb járnak az értelmi fejlődésben, mint a fiatalabbak. Binet megvizsgálta, hogy az egyes feladatokat átlagosan hány éves korban tudják megoldani a gyerekek, és így a feladatok megfeleltethetőek voltak egy adott életkorra jellemző átlagos teljesítményszintnek, amelyet Binet mentális kornak nevezett. Például egy gyereknek, aki az átlagosan 8 évesek által megoldott feladatokat még meg tudja oldani, de a 9 évesekét már nem, a mentális kora 8 év. Binet ezek után összehasonlította a mentális kort az életkorral, és kiderült, hogy a gyerek értelmi fejlődése megelőzi-e a kortársaiét, vagy pedig lemaradásban van. 

  Binet feladatai véletlenszerűen választott feladatok voltak. A Binet-féle teszt nem abszolút mértékkel (pl. reakcióidővel) méri az intelligenciát, hanem relatív módon: a mentális kor csak mások eredményeihez, az egyes korcsoportok átlagához viszonyítva ad eredményt. Binet számítási módját módosították: ha a mentális korból nem kivonjuk az életkort, hanem elosztjuk az életkorral, akkor a különböző gyerekek összehasonlításakor a tapasztalatokkal megegyező eredményt kapunk, így született meg az intelligenciahányados, vagyis az IQ fogalma. A módosított változat Stanford–Binet néven vált ismertté, és rövid idő alatt nagy népszerűségre tett szert az Egyesült Államokban. (Magyarországon Éltes Mátyás munkája nyomán 1914-ben jelent meg a Binet-teszt első adaptációja.) 

  Felnőttek számára készült intelligenciateszt azonban továbbra sem állt rendelkezésre. A mentális kor és az életkor hányadosára épülő számítási mód nem használható felnőttekre, mert ekkor már nem igaz, hogy az idősebbek általában mentálisan fejlettebbek, márpedig Binet az egész elgondolást erre épül. A felnőttek számára készült első IQ-tesztet David Wechsler alkotta meg a deviációs IQ fogalmával, amely azóta azonos a felnőttek esetében használt IQ-val. A deviációs IQ a mentális képességek normális eloszlásából indul ki, ekkor az átlagértékhez 100-as IQ-t rendelünk, és az átlagtól való eltérést, távolságot mérjük. Az átlag meghatározásához nagy minta, sok ember összehasonlítható teszt eredménye szükséges. Az IQ felnőttek esetében – a nevével ellentétben – nem egy hányados, és nem is egy abszolút értelemben vett tulajdonság, mint például a testmagasság, hanem egy különbségen alapuló mutató: azt fejezi ki, hogy egy személy milyen eredményt ért el a saját országában, a saját korcsoportjának átlagához képest. 

  Az első, csoportosan is felvehető tesztek az első világháború során jelentek meg Army Alfa és Army Béta néven, és az Egyesült Államok hadserege használta őket a tisztek kiválasztásakor. Az IQ-tesztek az ehhez hasonló, egyszerre sok emberrel, egyszerűen és gyorsan kitöltethető tesztek megszületése nyomán váltak igazán elterjedtté (https://mensa.hu/intelligencia/az-intelligencia-merese/). A  második világháború során az IBM dolgozotatott ki és dolgozott fel teszteket lyukkártyás gépekkel, a hadsereg tesztjeiben jelentek meg a szabályos változásokat mutató kis ábrák.

   

  **

  A döntéselmélet (https://en.wikipedia.org/wiki/Decision_theory), vagy racionális választás elmélete a valószínűségszámítás, a közgazdaságtan és az analitikus filozófia egyik ága, amely a várható hasznosságot és a valószínűséget használja annak modellezésére, hogy az egyének hogyan viselkednének racionálisan bizonytalan körülmények között. Abban különbözik a kognitív és viselkedéstudományoktól, hogy főként előíró jellegű, és egy racionális ágens számára optimális döntések azonosításával foglalkozik, ahelyett, hogy leírná, hogyan hoznak ténylegesen döntéseket az emberek. Ennek ellenére a terület fontos a valós emberi viselkedés társadalomtudósok általi tanulmányozása szempontjából, mivel lefekteti az egyének matematikai modellezésének és elemzésének alapjait (hipotézisvizsgálat) olyan területeken, mint a szociológia, a közgazdaságtan, a kriminológia, a kognitív tudomány, az erkölcsfilozófia és a politikatudomány.

   

  A stratégiai és taktikai döntések közötti különbség: a stratégia megmondja, mit akarunk elérni, a taktika pedig, hogyan jutunk oda. A stratégiai döntéseknél hosszú távú célokat és irányokat határozunk meg, a taktikai döntések a stratégia megvalósítását szolgálják lépésenként és rövid távon, 

   

  Stratégiai döntések:

  • Időtáv: Hosszú távú (években mérhető)
  • Fókusz: Vállalati küldetés, vízió, versenyelőny kialakítása
  • Példa: Új piacra lépés, termékportfólió átalakítása, technológiai váltás
  • Döntéshozók: Felsővezetés, igazgatótanács
  • Hatás: Az egész szervezetre kiterjed

  
   Taktikai döntések
  • Időtáv: Közép- vagy rövid távú (hónapok, negyedévek)
  • Fókusz: Folyamatok, erőforrások, részfeladatok optimalizálása
  • Példa: Marketingkampány időzítése, munkaerő átcsoportosítása, beszállítók kiválasztása
  • Döntéshozók: Középvezetők, operatív vezetők
  • Hatás: Egyes részlegekre vagy projektekre korlátozódik