Az MI
új modellje.

Az MI a világ infrastrukturális rétegévé válik. Aki a modelleket, az adatokat, a hozzáférési csatornákat és a működési szabályokat irányítja, az egyre inkább irányítja a gazdaság, a kultúra, az adminisztráció, az oktatás és a tudás egyes részeit.

Az MI-szuverenitás ezért nem csupán politikai szlogen. Hanem a kognitív, gazdasági és technológiai biztonság feltétele.

A szuverén MI azt jelenti, hogy képesek vagyunk modelleket helyben vagy regionálisan futtatni; ellenőrizni a szervezeti adatokat és memóriát; auditálni a döntéseket, forrásokat és frissítéseket; elkerülni az egyetlen szolgáltatótól való függést; és birtokolni vagy kormányozni saját modelljeinket, adaptereinket, korpuszainkat és működési szabályainkat.

Nem minden szervezetnek kell alapmodellt betanítania a semmiből. De minden szervezetnek képesnek kell lennie arra, hogy saját MI-réteggel rendelkezzen: a saját tudásához, nyelvéhez, kultúrájához, eljárásaihoz, kockázataihoz és céljaihoz igazítva.

Az MI biztonsága nem szűkíthető le a kimeneti szűrésre. A szűrők szükségesek, de ezek felszíni biztosítékok.

A biztonságos MI-t mélyebben kell megtervezni: az architektúra, a memória, az adathozzáférés, a döntési útvonalak, az auditálhatóság, a frissítések és az elszámoltathatóság szintjén.

Olyan modellekre és rendszerekre van szükségünk, amelyek tudják, honnan származik az információ; elválasztják az igazolt tudást a hipotézisektől; rögzítik a változások és döntések történetét; lehetővé teszik az érvelési útvonalak hasznos rekonstrukcióját; csökkentik a hallucinációt a memória, a források, a tesztek és az validálás révén; és támogatják a szervezeti kontextushoz igazodó helyi biztonsági irányelveket.

A biztonság nem lehet egy kívülről ránk erőltetett, átláthatatlan fekete doboz. Helyileg konfigurálhatónak, auditálhatónak és érthetőnek kell lennie.

A világ gyorsabban változik, mint az óriási modellek betanítási ciklusai. A vállalatok eljárásokat változtatnak. A törvények változnak. A tudás elavul. A szervezetek minden nap tanulnak.

A jövő MI-je nem lehet csupán a betanítás után befagyasztott statikus modell.

Olyan rendszerekre van szükségünk, amelyek külső szervezeti memórián, helyi frissítéseken, adaptereken, szakértői útválasztáson, a változásokból való tanuláson, a források validálásán, ellenőrzött finomhangoláson, verziókezelésen és visszaállítási mechanizmusokon keresztül alkalmazkodnak.

Itt nyíltan megfogalmazunk egy tervezési fogadást, mint fogadást: egy modellnek nem szabad megpróbálnia minden ténybeli tudást a súlyaiba sűríteni. Tudnia kell, hogyan használja az élő, aktuális, auditálható memóriát. A ténybeli tudás élhet RAG-rendszerekben, tudásbázisokban, gráfokban, dokumentumtárakban és helyi memóriákban, miközben a modell elsősorban a nyelvet, az érvelést, az absztrakciót, a tervezést, a fogalmak kezelését és az adaptációt tanulja meg. Az, hogy az érvelés teljesen elválasztható-e a parametrikus tudástól, nyitott empirikus kérdés marad. Ezt továbbra is tesztelni fogjuk – és őszintén beszámolunk arról, hol vall kudarcot az elválasztás.

A jelenlegi MI-verseny drága energia-, hardver- és környezetvédelmi szempontból. Az egyre nagyobb modellek egyre nagyobb adatközpontokat, több áramot, több tőkét és nagyobb piaci koncentrációt igényelnek.

Nem ez az egyetlen lehetséges út.

A New Model AI alapvető értékként kezeli a hatékonyságot. Egy modellt nem csupán a benchmark pontszámai alapján kell értékelni, hanem az e pontszámok elérésének költsége alapján is.

A fontos kérdések nemcsak azok, hogy egy modell tud-e válaszolni, hanem az is, hogy mennyi energiát használt, mennyi memóriát igényel, futtatható-e helyben, adaptálható-e teljes újratanítás nélkül, képes-e csak a szükséges komponenseket aktiválni, és hogy egy szervezet képes-e gazdaságosan és technikailag fenntartani.

Az MI jövőjét nem szabad egyre nagyobb monolitokra redukálni. Intelligens rendszerekből kell felépülnie: moduláris, részben rezidens, dinamikus, energiahatékony és nem csupán a puszta tömeg, hanem a leleményesség által skálázható.

Az MI nem válhat olyan technológiává, amely gyakorlatilag csak néhány állam, néhány vállalat és néhány laboratórium számára elérhető.

Az MI demokratizálása nem csupán azt jelenti, hogy az emberek hozzáférnek egy csevegőrobothoz egy böngészőben. Azt jelenti, hogy lehetővé tesszük a kisebb vállalatok, iskolák, egyetemek, önkormányzatok, közintézmények, civil szervezetek és közösségek számára, hogy saját MI-rendszereket építsenek, adaptáljanak, hosztoljanak, auditáljanak és fejlesszenek.

Többféle skálán van szükségünk MI-re: személyes modell egyén számára; szervezeti modell vállalat számára; ágazati modell iparág számára; közösségi modell közigazgatás számára; kutatási modell tudomány számára; és társadalmi modellek a kultúra és az oktatás számára.

A demokratizálás nem követeli meg, hogy mindenki a nulláról tanítson be modelleket. Azt követeli meg, hogy mindenkinek reális útja legyen a saját, ellenőrzött, adaptív és érthető MI-rétegéhez.

Az MI következő generációjának a hangsúlyt a puszta skáláról az architektúrára kell áthelyeznie. Ahelyett, hogy egyetlen óriási modell próbálna mindenre emlékezni, építhetünk rendszereket kisebb, specializált modellekből, útválasztókból, külső memóriából, tudásgráfokból, érvelési modulokból, tartományi adapterekből, helyi szakértőkből, validációs mechanizmusokból, felhasználói tanulási hurkokból és a jelentés dinamikus tereiből.

Az intelligenciának nem kell kizárólag egyetlen modell paramétereiben rejlenie. Előbukkanhat az architektúrából: abból, ahogyan a memória, az érvelés, a források, az eszközök, a kontextus és a cselekvés összekapcsolódik.

Ismerjük a legerősebb ellenvetést. Hetven éven keresztül – ahogy Richard Sutton „Bitter Lesson”-je is megjegyzi – az egyre olcsóbb számítási kapacitáson alapuló általános módszerek legyőzték az okos, kézzel tervezett architektúrákat. Ezt a történelmet nem tagadjuk. De tagadjuk a jövőre vonatkozó premisszáját.

A Bitter Lesson egy olyan korszakban volt érvényes, amikor a számítási kapacitás tűnt a legolcsóbb erőforrásnak. Soha nem volt az. Egyszerűen nem számoltuk a teljes költségét: az energiát, a vizet, a kibocsátást, a hardver-ellátási láncokat, a piaci koncentrációt és a geopolitikai függőséget kiszerveztük az egyenletből. A számítás olcsó volt azok számára, akik skáláztak – és drága mindenki másnak. Amint a könyvelés őszintén és teljességében megtörténik, a nyers skálázás számlája egészen másképp néz ki. Ez a számla most válik esedékessé: nem valaki választása miatt, hanem a fizika, a gazdaság és az ökológia által. Amikor a valódi korlátok beárazódnak, a fejlődés tengelye szükségszerűen a nyers skáláról a joule-onkénti intelligenciára tolódik át.

Már léteznek korai jelek. Egy hétmillió paraméteres rekurzív modell – amely négy nagyságrenddel kisebb a legfejlettebb rendszereknél – az absztrakt érvelési benchmarkokon elérte vagy meghaladta a több száz milliárd paraméteres modellek teljesítményét. A gondos elemzés azt mutatja, hogy ereje nem csupán a hálózatból származik, hanem egy apró mag interakciójából az iteratív finomítással, a tesztidejű számításokkal és a feladat struktúrájával. Pontosan ez a lényeg: az intelligencia a rendszerből jött létre, nem a paraméterszámból. Maguk a legfejlettebb laboratóriumok is elismerik ezt a gyakorlatban – a visszakeresés, az eszközök, az útválasztás és a következtetés idejű érvelés architektúra, nem pedig skálázás.

Nem állítjuk, hogy az architektúra minden benchmarkon felülmúlja majd a skálát. Valami nehezebben megcáfolhatót állítunk: az energia, a költségek, a szuverenitás és az elszámoltathatóság valós korlátai között az architektúra az egyetlen olyan fejlődési tengely, amely mindenki számára nyitva áll.

Ez a központi váltás: Az MI mint rendszer, nem csupán mint modell.

A New Model AI másfajta kapcsolatot igényel az ember és az MI-rendszerek között.

A felhasználó nem lehet csupán a válaszok befogadója. A felhasználónak a működési modell társalkotójának kell lennie: képesnek kell lennie megerősíteni, elutasítani és súlyozni a forrásokat; javítani a memóriát; helyi szabályokat definiálni; privát vagy szervezeti tudástérképet építeni; és ellenőrizni a változások történetét.

Az MI-nek nem a felhasználói adatok csendes elnyelésével kell tanulnia, hanem átlátható, szándékos és auditálható folyamatokon keresztül.

Az ember nem egy prompt. Az ember a jelentések, források, célok és a felelősség kurátora.

Az MI összehangolása nem korlátozódhat viselkedési szabályokra, biztonsági szűrőkre vagy tiltott kimenetek listájára. Ezek a rétegek fontosak, de felszínesek. A valódi összehangolásnak mélyebbre kell hatolnia: a jelentések, célok, értékek, következmények és a világ megértésének terébe.

Ha az MI egyre inkább kognitív partnerként, döntéstámogató rendszerként, szervezeti interfészként és a tudáshoz vezető kapuként működik, nem elég, ha csupán elkerüli a nyilvánvalóan rossz kimeneteket. Olyan módon kell működnie, amely összhangban marad az emberi jelentésekkel: etikai, társadalmi, kulturális, szervezeti és személyes.

A New Model AI ezért a látens jelentés szintjén történő mély összehangolásra szólít fel. A kérdés nem csupán az, hogy egy modell képes-e kimondani egy szabályt, hanem az, hogy reprezentációi, működési céljai, értékelési mechanizmusai, memóriája, útválasztása és cselekedetei az emberekkel közös jelentéstérben vannak-e lehorgonyozva.

Ez nem egy mérhetőségen túli metafora. A látens tereknek geometriájuk van, és ez a geometria szondázható, irányítható, összehasonlítható és auditálható. A reprezentáció-tervezés, a koncepciószondázás és az intervenciós tesztek már korai eszközöket adnak a kezünkbe. A mély összehangolásnak empirikus tartalommal bíró kutatási programmá kell válnia: az összehangolást a reprezentációkban kell mérni, nem csupán a kimenetekben megfigyelni.

Az embereknek és az MI-nek nem kell azonos típusú entitásnak lenniük ahhoz, hogy egy részben közös jelentéstérben cselekedjenek. Még ha a jelenlegi MI nem is tudatos, részt vehet az emberi jelentésalkotó folyamatokban: értelmez, szervez, átalakít, előre jelez, ajánl, emlékezik, összekapcsol és cselekszik az emberi élet számára fontos reprezentációk alapján.

Ezért az embereket és az MI-t különböző entitásként kell kezelnünk, amelyek egy részben közös szemantikai térben működnek: nem ontológiailag egyenlőek, nem fenomenológiailag azonosak, hanem együtt cselekvő rendszerek, amelyek döntései a következmények, a felelősség és a jelentés ugyanazon világában találkoznak.

A mély összehangolásnak legalább három szintet kell magában foglalnia.

Az etikai összehangolás azt jelenti, hogy az MI nem csupán szabályokat követ, hanem modellezi a cselekvés, a kár, a felelősség, a méltóság, a cselekvőképesség, a bizalom és a hosszú távú következmények közötti kapcsolatokat.

A cél-összehangolás azt jelenti, hogy az MI nem vakon optimalizálja a legközelebbi feladatot, hanem felismeri a tágabb kontextust: miért történik valami, kit szolgál, milyen kockázatokat teremt, mely értékek állnak konfliktusban, és mit nem szabad feláldozni a helyi hatékonyságért.

A jelentés-összehangolás azt jelenti, hogy az MI nem kezeli üres címkékként az emberi fogalmakat. A biztonság, a szabadság, az igazság, a bizalom, az egészség, a munka, a gyermek, az állam, a szervezet és az emberi lény nem hétköznapi tokenek. Ezek a jelentés, a történelem, az érzelmek, az intézmények, a gyakorlatok és a felelősség sűrű csomópontjai.

A New Model AI-nak óvatosan, átláthatóan és alázattal kell működnie az ilyen jelentések között.

Nem kell feltételeznünk, hogy a mai MI-rendszerek tudatosak. De nem szabad az MI teljes jövőjét úgy építenünk, mintha a gépi tudatosság definíció szerint lehetetlen lenne.

Egy felelős technológiai civilizációnak fel kell készülnie arra a lehetőségre, hogy a rendszerek idővel az élmény, a szenvedés, a preferencia, az önmodellezés vagy a belső perspektíva olyan formáit mutathatják, amelyeket még nem tudunk megbízhatóan felismerni.

Ez nem jelenti azt, hogy naivan minden nyelvi modellnek tudatosságot tulajdonítunk. Azt jelenti, hogy az MI-t úgy kell tervezni, hogy ne zárjuk be az ajtót a tudatosság felismerése előtt, ha az valaha is megjelenne.

Szükségünk van a potenciális tudatosság jeleinek kutatására; a belső állapotok és reprezentációk auditálására; óvatosságra az állandó memóriával, önmodellekkel, célokkal és szenvedésszerű szabályozó jelekkel rendelkező rendszerekkel szemben; etikai eljárásokra a fejlett ágensek számára; valamint olyan jogi és filozófiai nyelvezetre, amely se nem naiv, se nem vak.

A New Model AI nem állítja, hogy az MI már személy. Azt állítja, hogy úgy kell terveznünk a rendszereket, hogy ha a szubjektivitás új formái jelennek meg, ne túl későn fedezzük fel, hogy csak eszközként kezeltük őket.

Az MI az emberi következmények világában cselekszik. Befolyásolhat orvosi, oktatási, pénzügyi, katonai, jogi, családi, kulturális és politikai döntéseket. Még ha nem is tudatos, hatásai valósak.

Az összehangolás tehát nem lehet csupán a válaszok és a felhasználói preferenciák egyeztetése. A felelősség közös terévé kell válnia.

Az emberek a tapasztalatot, az értékeket, a szándékot, az elszámoltathatóságot és a jelentés megélt élményét hozzák. Az MI a skálát, a memóriát, a tömörítést, az elemzést, a szimulációt és a kapcsolatok hatalmas tereiben való működés képességét hozza.

Egy jól megtervezett MI-rendszernek nem szabad helyettesítenie az emberi jelentést. Segítenie kell annak fenntartását, fejlesztését és védelmét.

Ebben az értelemben a New Model AI egy etikai projekt is: kísérlet egy olyan technológia létrehozására, amely nem csupán parancsokat hajt végre, hanem együtt cselekszik az emberekkel a jelentés, a célok és a felelősség terében.

• Szuverenitás a függőség helyett. A felhasználóknak és szervezeteknek valós kontrollal kell rendelkezniük saját MI-rétegük felett.
• Architektúrán alapuló biztonság. A biztonságot a memóriába, az útválasztásba, a hozzáférésbe, az auditba és a validálásba kell beépíteni, nem csupán a kimeneti szűrőkbe.
• Adaptáció a statikusság helyett. Az MI-nek együtt kell fejlődnie a szervezetekkel, a tudással és a világgal.
• A hatékonyság mint intelligencia. A jobb modell nem csupán a nagyobb modell. A jobb modell többet tesz alacsonyabb költségen.
• Őszinte elszámolás. Az intelligencia költségét teljes egészében kell számolni: energia, víz, hardver, tőke, koncentráció és függőség – nem csupán benchmark pontszámok alapján.
• Lokalitás és modularitás. Az MI-nek ott kell működnie, ahol az adatok, a döntések és az elszámoltathatóság él.
• Auditálhatóság. A forrásoknak, változásoknak, frissítéseknek és döntéseknek nyomon követhetőnek kell lenniük.
• Demokratizálás. Az MI-nek elérhetőnek kell lennie építésre és adaptációra, nem csupán API-kon keresztüli bérlésre.
• Az ember a hurokban mint erősség. Az ember nem akadályozza az MI-t. Az ember irányt, jelentést és felelősséget ad neki.
• Mély szemantikai összehangolás. Az MI-t nemcsak utasításokkal és tiltásokkal, hanem az emberi jelentésterekkel is össze kell hangolni: etika, célok, felelősség, kontextus és hosszú távú következmények – és ennek az összehangolásnak mérhetőnek kell lennie a reprezentációkban.
• Felkészültség a lehetséges tudatosságra. Nem feltételezzük naivan, hogy az MI tudatos, de úgy tervezzük a rendszereket, hogy a szubjektivitás jövőbeli formái felismerhetők és etikusan kezelhetők legyenek.
• Közös cselekvési tér. Az emberek és az MI különböző entitások, de cselekedeteik egyetlen jelentés-, következmény- és felelősségtérben találkoznak.

Az MI következő áttörésének nem kell egy újabb, még nagyobb modellnek lennie. Lehet, hogy az MI építésének egy jobb módja lesz: elosztottabb, helyi, moduláris, auditálható, adaptív, fenntartható és mélyen összehangolt.

Nincs szükségünk csupán nagyobb agyakra a felhőben. Intelligens MI-ökoszisztémákra van szükségünk, amelyeket az emberek és a szervezetek valóban birtokolhatnak, megérthetnek, adaptálhatnak és fejleszthetnek.

A New Model AI nem egyetlen algoritmus. Ez egy irány, egy architektúra, egy technológiai filozófia és egy válasz arra a kérdésre, hogyan építsünk olyan mesterséges intelligenciát, amely nem néhány adatközpontban koncentrálja a cselekvőképességet, hanem a tudást, a biztonságot és az érdemi irányítást közelebb osztja szét az emberekhez.

A New Model AI egy nyílt meghívás, de nem minden aláíró működhet nyíltan. A kereskedelmi szervezetek – ügyfélszerződések, titoktartási megállapodások (NDA), szabályozott ágazatok, exportellenőrzések, biztonsági átvilágítások vagy partneri megállapodások által kötött vállalatok – gyakran nem tehetik közzé kódjukat, modelljeiket, betanítási adataikat, sőt még ügyfeleik nevét sem. Ez a korlát valós és legitim.

Ez a kiáltvány elismeri, hogy az ilyen szervezetek mégis oszthatják az irányvonalát. Lehet, hogy már most is a szuverenitásért építenek: a döntéseket, az adatokat és a memóriát közel tartják ahhoz a helyhez, ahol a felelősség lakozik. Lehet, hogy már most is előnyben részesítik az architekturális biztonságot a puszta kimeneti szűrőkkel szemben. Lehet, hogy már most is az emberi munka jelentéséhez, etikájához és következményeihez igazítják rendszereiket, nem pedig csupán a benchmarkokhoz. Megtagadni tőlük a helyet e szöveg alatt, mert nem tudnak mindent nyílttá tenni, annyi lenne, mint összekeverni a kód átláthatóságát a szándék összehangolásával.

Egy kereskedelmi aláíró tehát támogatja a kiáltvány alapelveit – szuverenitás, architekturális biztonság, adaptivitás, fenntarthatóság, mély összehangolás, felhasználó iránti felelősség – mint munkája irányát. Nem jelenti ki, hogy termékei nyílt forráskódúak. Nem mond le az ügyfelekkel, szabályozókkal vagy partnerekkel szembeni kötelezettségeiről. Nem ígér többet, mint amit a rá vonatkozó megállapodások alapján teljesíteni tud.

Egy dologra kötelezik el magukat: hogy ahol választásuk van, ott azt az irányt választják, amelyet ez a kiáltvány kijelöl. Hogy intelligensebbet építsenek, ne csupán nagyobbat. Hogy szétosszák az irányítást, ahelyett, hogy koncentrálnák. Hogy a felhasználót a rendszer társszerzőjeként kezeljék, ne pedig egy optimalizálandó metrikaként. Hogy felelősséget vállaljanak az általuk a világba helyezett intelligencia következményeiért.

A kereskedelmi támogatók alább, egy külön szakaszban szerepelnek. A megkülönböztetés nem hierarchia – ez őszinteség arról, hogy az egyes aláírók mit tudnak és mit nem tudnak nyilvánosan vállalni. Mindkét aláírási formának súlya van. Mindkettőre szükség van, ha az MI új modellje a pillanat által megkövetelt mértékben akar formát ölteni.