Egyre nagyobb az egyéni felelősségünk, a hamis hírek ugyanis mindent el fognak borítani, túl hatékonyan terjednek. Ezért egyébként az emberek felelősek, úgy működünk, hogy az új és félelmet keltő dolgokat akkor is sokan megosztják, ha totál kamuk. A megoldás első lépése kitalálni, hogy ki mondja meg, mi a teljes hazugság.

Az álhírek különböző fajtáit még felmérni is nehéz, ön viszont sokat kutatta a kérdést. Hogyan érdemes gondolkodnunk az álhírekről?

Sinan Aral Az LSE-n és a Harvardon végzett mesterfokozatot, az MIT-n doktorált Sinan Aral gyerekként, nulla angoltudással került az USA-ba, mára a társadalmi hálózatok, a közösségi média és digitális marketing egyik legeredményesebb kutatója. Jelenleg az MIT Sloan üzleti iskolájának professzora és az MIT digitális gazdasági kutatóintézetének vezetője. Hálózati kutatásai azért is nagy jelentőségűek, mert nem csak pár száz vagy pár ezer ember vagy vállalat döntéseit tudja vizsgálni nagy mintán, hanem a fél világ vagy egész országok szinte teljes felnőtt lakosságának megvalósult döntéseit képes feltárni a hálózatokban elfoglalt helyük és szereplők egymásra való hatásának függvényében is. Most azért jött Budapestre, hogy átvegye a Rajk László Szakkollégium diákjainak Simon-díját, és mesterkurzust tartson nekik.

Nemrég jelent meg egy nagyobb kapcsolódó cikkünk, amiben a hamis hírek terjedését vizsgáltuk a Twitter teljes adatbázisán, pontosabban a 2006-os alapítástól kezdve 2017-ig. Itt viszont már az elején gondban voltunk a hamis hírek elnevezésével is. Leginkább azért, mert a legismertebb „fake news” kifejezés mára teljesen elvesztette az eredeti értelmét, mi se akartuk használni.

A fake news kifejezést ugyanis egyre inkább politikusok kezdték el bármire használni, ami ellene mondhat a véleményüknek, aminek egyébként igen komolyan káros hatásai lehetnek a demokráciára. Trump például nemrég jött haza Ázsiából, és rögtön bejelentette, hogy az USA legnagyobb problémája a fake news, ami alatt a CNN-t és a New York Timest érti. Ettől az értelmezéstől meg kellett különböztetünk a mi definíciónkat, mert nekünk a hírek tényleges igazságtartalma volt fontos, nem a politikailag motivált megbélyegzés. Ezért azt értettük hamis hír (false news) alatt, ahol egy hír valódiságát hat különböző független tényellenőrző szervezet egyöntetűen cáfolta, az volt igaz hír, amiket ezek igaznak azonosítottak.

Nem vesztettek a szigorú definícióval sok információt? A profi álhíreket, megtévesztőnek szánt tartalmakat gyakran akár nyelvileg is nehéz egyértelműen azonosítani, nemhogy tökéletesen cáfolni őket.

De, számos félrevezető információ sosem lett leellenőrizve, így nem is került az adatbázisunkba. De ez egy szándékos kompromisszum volt, hiszen így viszont teljesen biztosan tudtuk egy hírről, hogy igaz volt-e, vagy hamis.

Mik lettek a fő eredmények?

Összehasonlítva az igaz és a hamis hírek terjedését, azt találtuk, hogy a hamis hírek gyorsabban, szélesebb körben, távolabbra és mélyebben terjedtek el az emberek közt, minden megfigyelt információs kategóriában. Néhol nagyságrendekkel verték az igaz hírek terjedését. Ezen belül azt is bebizonyítottuk, hogy a hamis politikai hírek kiemelkednek a többi álhír közül, ezek külön gyorsabban, szélesebb körben, mélyebben terjednek.

Miért?

Először azt hittük, hogy a hamis hírek terjesztői népszerűbbek vagy egyszerűen csak aktívabbak, inkább igazolta a Twitter, hogy valós személyek, vagy csak régebben vannak a közösségi hálón. De az jött ki, hogy pont az ellenkezője igaz, a hamis hírek terjesztőinek átlagosan kevesebb követőjük van, kevésbé igazoltan valós személyek, kevésbé aktívak, és kevesebb ideje vannak a Twitteren. Mindez azt jelenti, hogy ezek dacára terjedtek gyorsabban az álhírek, nem ezen jellemzők segítségével. Utána arra jutottunk, hogy talán a hamis hírek újdonságereje miatt terjedhetnek ennyivel gyorsabban. És azt is találtuk, hogy az információelmélet három különböző mértéke alapján a hamis hírek inkább újdonságértékű információt hoztak a valódi hírekhez képest. Ezt az újdonságerőt az elmúlt hatvan nap szembejövő twitteres tartalmához viszonyítottuk. De ezt még mindig kicsit túl elméletinek éreztük, hiszen lehet, hogy az emberek nem élik meg annyira új információnak mindig azt, ami inkább annak számít. Ezért elemeztük a válaszaikban szereplő reakcióikat is. Itt az jött ki, hogy a hamis híreknél az emberek szignifikánsan többször fejeztek ki meglepetést, ami alátámasztja, hogy ezek inkább újdonságok. A másik azonosítható kiemelt alapérzelem még az undor volt egyébként, szóval azért terjesztenek hamis híreket, mert egy új információt visszataszítónak, bizonyos értelemben félelmetesnek tartanak.

Voltak olyan vélekedések az USA-ban még a legfelsőbb szinteken is, hogy az álhíreket automatizált kamu Twitter-botok, azaz algoritmusok terjesztették el sikeresen. Ezt meg lehetett nézni?

Igen, többféleképp is lehet azonosítani a Twitter-botokat a viselkedésük alapján. Mi azt találtuk, hogy a botok tényleg felgyorsították némileg a hamis hírek terjedését, de ugyanúgy az igaz hírek terjedését. Szóval biztosan nem magyarázható a botokkal ez az őrületes különbség a hamis és az igaz hírek terjedése közt. Az emberek maguktól sokkal inkább felelősek az álhírek terjedéséért, mint ahogy korábban gondolhattuk.

Ha én vagyok a szabályozó vagy egy normális állam, akkor szeretném tudni, hogy hol érdemes beavatkozni, hogy ne terjedjenek ennyire az álhírek. Tudna segíteni itt?

A mi kutatásunk nagy durranás volt, a Science címlapjára tették, ez volt a legátfogóbb tanulmány valaha az álhírek online terjedéséről, de ha jobban meggondoljuk, azért egy elég egyszerű alaptanulmány volt. Az első lépések egyike ezen a tudományterületen. Lényegesen fontosabb és bonyolultabb kérdés, hogy mit tudunk vele kezdeni. Négy megközelítést tartok itt fontosnak:

az oktatást,

az ösztönzőket,

a szabályozást

és a technológiai megoldásokat, a gépi tanulás és a mesterséges intelligencia (MI) irányából.

Ezeket kifejtené részletesebben?

Az oktatásnak van egy keresleti és egy kínálati oldala. Azok jelentik a kínálatot, akik létrehozzák és terjesztik az hamis híreket, a kereslet pedig azokból áll, akik fogyasztják és tudatosan vagy önkéntelenül megosztják a barátaikkal ezeket. Az oktatás pedig a keresleti oldalról szól, meg kell tanítani az állampolgárokat, hogy figyeljenek az álhírekre, és hogy hogyan figyeljenek. Az egyik konkrét beavatkozási lehetőség a címkézés. Ha elmegy az ember a közértbe ételt venni, az az étel igen részletesen fel lesz címkézve: rá lesz írva, hogy mennyi kalória van benne, mennyi fehérje, mennyi transzzsír. Még az is, hogy hogyan készült, organikusan szabadon tartották-e közben a csirkéket, a gyártás során kerülhetett-e bele mogyoró, és hasonlók. Amikor információt fogyasztunk, lényegében semmit nem tudunk arról, hogy hogyan készült. Első körben tudnunk kéne, hogy az adott forrás hányszor tett ki hamis híreket és igaz híreket, mekkora a valószínűsége, hogy ez a sztorijuk is kamu? Milyen újságírói normákhoz tartják magukat az adott hírcsatorna újságírói? Kell-e nekik három különböző független forrás, vagy elég csak kettő ahhoz, hogy hírként megjelentessenek egy állítást? Hány újságíró dolgozott ezen, mennyi ideig, és hány emberrel beszéltek? Ezek csak példák, de az fontos, hogy jelenleg semmit nem tudunk arról, hogy milyen minőségű tartalmakat fogyasztunk.

Mit ért az ösztönzők alatt?

Több csatorna bemutatta, hogy az amerikai elnökválasztási kampány alatt rengeteg hamis hír érkezett Macedóniából. Jobban megnézve viszont a macedón álhírkomplexumban dolgozók nem voltak különösebben politikailag motiváltak, a pénzért csinálták. A szenzációs hamis híreik mellett ugyanis reklámfelületet tudtak eladni. Gazdaságilag voltak motiváltak, egyszerűen sokkal nagyobb látogatottságot hoztak a hamis hírek, mint a valódiak. Az egyik módja az álhírkínálat visszafogásának az, ha a gazdasági ösztönzőket csökkentjük. Például a Facebook és Twitter visszavágja a hamis hírek elérését, terjedési lehetőségeit, akkor csökkenni fognak a gazdasági ösztönzők.

A technológia alatt azt értem, hogy a gépi tanulást és a mesterséges intelligenciát igénybe vehetjük arra is, hogy megtaláljuk és azonosítsuk a hamis híreket. Igazából ez az első lépés minden más irány előtt, hiszen először meg kell találni a hamis híreket, mielőtt vissza tudjuk fogni az elérésüket vagy címkézni szeretnénk ezeket. Mi létre is hoztunk egyébként algoritmusokat, amik rengeteg jellemző (a tartalom, a szerzők vagy a terjedési jellegzetességei) alapján előrejelzi egy sztori igazságát, pontosságát. De a további ilyen gépi modellek megalkotása igen fontos lesz.

A nap végén viszont valakiknek csak el kell döntenie, hogy mi számít hamis hírnek.

Igen, ez a fő probléma és a legnehezebb kérdés is, mivel minden innen indul ki. Iszonyúan fontos társadalmi és szakpolitikai probléma, hogy a Facebook döntse el-e, hogy mi az igaz és mi a hamis, netán a kormány kezébe adjuk ezt a döntést, esetleg állítsunk fel független bizottságot rá. Hogyan érjük el, hogy a független bizottság ne politizálódjon át? Vagy legyen több tényellenőrző szervezet, de akkor hogyan legyünk biztosak abban, hogy őket nem tudják befolyásolni a politikai erők? Nincsen kész válaszom, de nyilvánvalóan muszáj kitalálnunk a válaszokat mindezekre a kérdésekre.

Hogy jön ezekhez akkor a szabályozási feladat?

A szabályozási megoldás az utolsó lépés, habár innen indult ki az egész felvetés. Őrült problémás, mivel egyértelmű átváltás, trade-off van a hamis hírek leállítása és a szólásszabadság között, és az utóbbi elég fontos eleme a demokráciának. Korábban beszéltünk arról, hogy a politikusok a „fake news” kifejezéssel próbálják legyőzni a nekik nem tetszőket, de Malajziában például hosszú börtön- és komoly pénzbüntetést szabhatnak ki az álhírek terjesztőire. Az ilyesmi rossz kezekben, rossz kormányzati szerkezetben az elnyomás eszköze, egy diktátor egyszerűen le is csukathatja a kritikus hangokat úgy, hogy rájuk süti, szerinte ők álhírek terjesztői. Szóval nagyon óvatosnak kell lenni a szabályozással.

Egy másik példa az USA-ban elfogadott illetlenségi törvény (Communications Decency Act), aminek 230. cikkelye kimondja, hogy például a Facebook és más hasonló platformok közvetítő szervezetek. Ez azt jelenti, hogy ők nem felelősek azért, amit más emberek mondanak a platformjukon. Amikor ezt 1996-ban elfogadták, az online szólásszabadság nagy győzelmének tartották, hogy senki nem uralkodhat a neten kifejtett véleményeken. Magam is azt hiszem, hogy ez egy nagy eredmény, és fenn kell tartanunk a szólásszabadságot. Azonban a szólásszabadságnak vannak határai, amit átlépve az általa okozott károk messze meghaladják az ilyen szólásszabadságból eredő hasznokat. Az USA-ban nemrég fogadtunk el a szexuális kizsákmányolást célzó emberkereskedelem ellen egy törvényt, ami visszavágja a korábban említett 230-as cikkely érvényességét, és kimondja, hogy a Facebook igenis felelős azért, ha ilyen jellegű hirdetések jelenhetnek meg az oldalán. Tehát a következő kérdéskör az, hogy hol húzódik a szólásszabadság határa. Ez pedig nagyon nehéz vita, a szólásszabadság korlátozása ugyanis csúszós lejtő, ha elkezdjük korlátozni, hogy az emberek miről beszélhetnek, annak lavinahatása is lehet. Összefoglalva tehát az oktatás, az ösztönzők, technológia és a szabályozás fontos pillérei a megoldásnak, mindnek megvannak a saját problémái, de az egész felett ott tornyosul a főprobléma: hogy ki döntheti el, hogy mi az igaz és mi a hamis.

Számos pszichológiai tanulmányból tudhatjuk, hogy az emberek egy része igen furcsán reagál arra, ha az álhírek után szembesítik a tényekkel. Sokakat kicsit sem zavar, hogy a tévképzeteikkel szemben áll a valóság, másokat pedig akár még meg is erősít a téves hiedelmében, ha „ezt akarja elhitetni velük” a kormány, a média vagy a nagy összeesküvés. Ennek tudható be, hogy bár régóta vannak megbízható tényellenőrző szervezetek az USA-ban, a hatásuk elhanyagolható, és sokan kicsit se bánják, ha folyamatosan és akár rendszerszerűen hazudnak nekik politikusok vagy egyes médiák?

A megerősítési torzítás különböző formái ismertek, amikor elfogadjuk azt a hírt, ami egyezik a véleményünkkel, és megpróbálunk nem tudomást venni azokról, ami szembemennek vele. Vagy akár még negatívan is viszonyulunk hozzá, hogy az a hír biztosan politikailag motivált hazugság eredménye. De amint mondtam, az álhírek kutatása még igencsak gyerekcipőben jár, nem tudjuk biztosan, hogy mi miért működik vagy miért nem. Vegyük például a címkézést, az az igazság, hogy még ennél se tudjuk, hogy működik-e. Láttam számos, még nem megjelent kutatást, amelyek egy része arra jutott, hogy a címkézés hatékonyan csökkenti az álhírek terjedését, de láttam olyanokat is, ahol az jött ki, hogy a címkézés kifejezetten felerősítette a hamis hírek elterjedését. Szóval nagyon sokat kell még tanulnunk arról, hogy viselkednek az emberek hamis hírekkel és azok cáfolatával is.

A negatív címkézésről többet tudunk? Az USA-ban már régóta megy, hogy Trump „fake news”-nak hív egész újságokat, és kicsit lemaradva, de ezt a politikai stratégiát egy pár hete már elkezdték átvenni nálunk is. Ugyanakkor azt látjuk, hogy az érvek nélkül hitelteleníteni próbált újságok olvasottsága, előfizetőinek száma inkább jelentősen gyarapodott az ilyen jellegű kormányzati támadások közepette. A Washington Post, a New York Times vagy a CNN igazából meg is köszönhetné, hogy Trump nyíltan őket tartja a hatalmára legveszélyesebbnek.

Nemsokára megjelenik egy cikkem arról a harcról, ami valóságértelmezésért folyik. Ez nagy vonalakban arról szól, hogy ki szabja meg az emberek valóságát, ami a legnagyobb hatalom a világon. Az az álhíráradat, amit eddig láttunk, semmi ahhoz képest, ami ezután fog a nyakunkba zúdulni. Jön a médiaszintézis (a gépi tanulás és a mesterséges intelligencia segítségével egyénre szabott, soha nem látott szinten manipulált tartalmak, amiket lehet jó, érdekes vagy rossz célokra is használni – a szerk) vagy a deepfake, ahol a szinte tökéletesen meghamisított fotókat és videókat sokkal nehezebb lesz kiszűrni. A helyzet még sokkal rosszabb lesz, mielőtt javulni kezd majd. Ezért most egy igen lényeges momentumban vagyunk, aki ugyanis sikeresen meghatározza a valóságot, az meg tudja változtatni az emberek tömegeinek gondolkodását és viselkedését ebben a környezetben.

Tudunk valamit a különböző hamis hírek életciklusáról? Ez csak feltételezés, de magyar nyelven mintha hosszabb ideig élnének az olyan álhírek, ahol a fogyasztónak kell befejeznie a gondolatmenetet, és önmagukban nem is klasszikus álhírek. Egy hülye példával élve mondjuk „Donald Trumpnak kicsi a keze. A törpéknek is kicsi a kezük. Nos? A Fehér Ház nem cáfolta!”, eggyel jobban megy, mint a „Trump eltitkolná, hogy igazából egy törpe!” .

Nagyon fontos tényező az álhírek életciklusa, már csak azért is, mert az álhírek, a propaganda az ősidők óta velünk vannak. Annyi a különbség manapság, hogy a szociális média által ezek lényegesen gyorsabban terjednek, mint bármikor korábban. Az államalapítás utáni egyik első elnökválasztáskor például megpróbálták elhíresztelni, hogy az egyik jelölt meghalt, de nem jártak túl sok sikerrel.

Ma már komoly szerepük van az álhíreknek az elnökválasztásnál is. A mai álhírek életciklusa nagyon rövid, gyorsan fellobbannak, elterjednek, és végük. Az utána érkező korrekciók, egyértelmű cáfolatok viszont lényegesen kevesebb emberhez jutnak már el, tömegeket biztosan félreinformálva így. Tehát maga az álhír életciklusa rövid, de közvetített fals információ véleménytorzító hatása tartós. És ha belegondolunk, hogy a Facebookot 2,2 milliárd ember használja aktívan, a Twittert 336 millió, akkor beláthatjuk, hogy ez nem tréfa.

A vállalatok miért nem használják jobban az álhíreket, ha ilyen hatékonyan terjednek? Akár a riválisok lejáratására, akár a saját holmijaik reklámozására, még akár politikai erőknek profibb álhíreket szállítva.

Láttunk már ilyesmit, például az egész Cambridge Analytica-ügy erről szólt, ahol a rejtett kamerás felvételeken a cég vezetői elismerték, hogy lényegében álhíreket terjesztve befolyásolták az amerikai választásokat. A vállalatoknak sem árt aggódniuk a hamis hírek miatt, ezek ugyanis komolyan károsíthatják az adott céget. Például amikor elterjedt egy hamis tweet arról, hogy robbanás volt a Fehér Házban, és Barack Obama is megsérült. Ez a hamis hír nagyjából 130 milliárd dollárnyi (mai áron nagyjából 36,5 ezer milliárd forintnyi – a szerk) részvényesi értéket semmisített meg egyetlen nap alatt. A piacok ugyanis megijedtek, hogy az elnök megsérült, esetleg meg is halt, ilyen esetben pedig felmérni is nehéz, hogy mekkora bizonytalanságot okoz mindez. Egy másik példa a vállalati károkra, amikor a választások után elterjedt, hogy a Pepsi vezérigazgatója azt mondta, hogy a cégük nem látja szívesen fogyasztóként Trump támogatóit. Vagy ott van az, amikor azt terjesztették el a Starbucksról, hogy az USA-ba érkező illegális bevándorlóknak ad egy ingyen kávét. Mondanom sem kell, hogy ezek a történetek mind teljesen hamisak voltak, viszont nagyon hátrányosan érintették az adott cégeket. És akkor ott van még az algoritmizált tőzsdei kereskedés kérdése is. Vannak nagy kereskedőházak és befektetési alapok, amelyek a algoritmusok segítségével automatizáltan gyűjtik be az elérhető információkat, és ezek alapján kereskednek is. Ezen információk egyik ága a közösségi média, amit szintén bekötnek az algoritmusaikba, hogy elemezzék és használják egy adott részvény árazásához az innen nyert híreket. Az automatizált működéssel így a hamis hírek hatását érdemben felerősíthetik.

Ha extrém szintű álhíráradatra kell felkészülnünk, akkor a vállalatoknak is ki kell dolgozniuk álhírek elleni stratégiát?

Abszolút. Külön dedikált csapatokat kell létrehozniuk, akik kezelik a különböző formában felbukkanó, a vállalatra potenciálisan káros álhíreket.

Ha tudjuk, hogy az álhírek sokkal gyorsabban terjednek, akkor az államnak mégiscsak muszáj felkészülnie a közösségi médiában, mondjuk katasztrófák vagy terrorakciók esetére, hiszen ezekben a helyzetekben is gyorsabban fognak terjedni az álhírek.

Ezt kiemelten fontosnak tartom, az álhírek ugyanis nemcsak a demokráciát, az üzleti életet vagy tőzsdei kereskedést veszélyeztethetik, hanem például a természeti katasztrófák után a katasztrófavédelmet vagy a terrorakcióknál a rendőröket is. Nálunk az MIT-n még a bostoni robbantásos merénylet közben volt egy terrorincidens. A terroristák robbantottak a bostoni maratonon, majd utána el is tudtak menekülni a helyszínről, és nem lehetett tudni, hogy hol vannak a városban. Ekkor a Twitteren sokkal több friss információ keringett, mint a hírcsatornákon, de sokkal több hamis információ is közéjük vegyült. Ha a terrorelhárítók használják a közösségi médiát, a hamis információ félrevezetheti őket, és komoly problémákat okozhat. Ahogy ha terroristák megtudják, hogy a rendőrök használják közösségi médiát, akkor tudatosan is félrevezethetik álhírekkel a hatóságokat. Vagy ha a haiti földrengéskor elterjed, hogy 60 ember rekedt egy belvárosi házban, holott a valóságban tíz tömbbel odébb rekedtek benn, akkor a katasztrófavédelem pár perces késése is életeket jelenthet. Itt is nagy szerepe lesz tehát a hírek algoritmizált ellenőrzésének, hogy hamar meg tudjuk mondani, hogy mely hírek milyen eséllyel hamisak.

Ha valaki sok hamis hírt fogyaszt, akkor megváltozik általában a hozzáállása a hamis hírekhez?

Azt tudom elmondani, hogy a kollégáim az MIT-n bebizonyították, hogy az ismétléssel jobban el lehet hitetni valamit. Ha egy hamis állítást újra és újra hallunk, egyre nagyobb eséllyel hisszük igaznak.

Elég pontosan lehet tudni, hogy ebben a régióban az Oroszországhoz köthető dezinformációs stratégia lényege a destabilizáció, hogy olyan légkört teremtsen, ami elbizonytalanítja a lakosságot: senkinek nem lehet teljesen hinni, senkiben nem lehet megbízni. A médiának és kormányoknak lehet erre valami ellenstratégiájuk, amivel megőrizhetik a hitelességüket?

Ez egy nagyon veszélyes lehetséges szituáció, mivel a hamis hírek célja gyakran nem az, hogy meggyőzzön egy álláspontról, hanem az, hogy káoszt teremtsen, összezavarja az embereket, hogy megkérdőjelezzenek mindent. És bárcsak lenne több válaszom, de a már elhangzott négy pilléren túl csak a nyilvánvaló dolgokat tudom elmondani: a hamis hírek megvitatása és az igazság bemutatása, a különböző források rendszeres megfigyelése és címkézése, hogy hányszor tettek ki hamis/igaz tartalmakat, ezek mind elég alapvetőek.

Mi az egyéni felelősségünk ebben a helyzetben általában és külön a digitális hálózatokban?

Az egyéni felelősségünk egyre nő, mert új közösségi korszakba léptünk három fő jellemző alapján:

digitális közösségi hálók elterjedésével,

a gépi tanulás és a mesterséges intelligencia fejlődésével és

az okostelefonok elterjedésével.

Egyrészt a nulláról elképesztően hamar lényegében mindenki felkerült a digitális közösségi hálókra. A gépi tanulás is őrületes fejlődésen ment át az elmúlt évtizedben, ami azért fontos, mert ezek futtatják azokat az algoritmusokat, amikkel információhoz jutunk. Ilyen algoritmusok javasolnak nekünk új ismerősöket, ezek kezelik a hírfalunkat, ezek mondják meg, mi az aktuálisan fontos témák és hasonlók. Az okostelefonok pedig két új dolgot jelentenek. Egyrészt a szociális információ áramlása folyamatos, ott van az orrunk előtt folyton. Másrészt nagyon részletes információkat oszt meg a felhasználóról, sokkal többet tudok a barátaimról vagy családtagjaimról. Mindezek azt jelentik, hogy sokkal inkább hatunk egymásra, mint bármikor korábban. Ha pedig amit teszünk vagy mondunk online, az lényegesen nagyobb hatással lesz többi emberre, akkor a felelősségünk is megnő, sokkal inkább végig kell gondolnunk, hogy milyen példaképek vagyunk.

A mesterséges intelligencia rohamos fejlődésével régóta tele vannak a hírek, mégse látunk semmilyen érdemi előrelépést, nem változott meg az életünk kicsit se. Mi a helyzet akkor pillanatnyilag?

Fontos különbséget tenni a gépi tanulás és a mesterséges intelligencia közt. A neurális hálózatokra épülő MI koncepciója az 1960-as évek óta ismert, de nagyon lassan fejlődött, az utóbbi öt évben azonban ezen hálózatok fejlődése kiugróan erős volt, azt is mondhatjuk, hogy exponenciálisan kezdett el fejlődni. Ezzel együtt úgy gondolom, hogy még sehol nem vagyunk, a közelében sem járunk az általános mesterséges intelligenciának. Sokkal később fogunk emberként viselkedő robotokkal találkozni, mint azt a legtöbben gondolják.

A létező eredmények megértéséhez különbséget kell tennünk a felügyelt tanulás és a megerősítéses tanulás között. Az előbbinél címkézett adatokat adunk a gépnek, ami megtanul különbséget tenni így címkézett és nem címkézett adat között, az ilyesmi jó például a képfelismeréshez. A megerősítéses tanulásnál egy bizonyos környezetben adunk egy célt gépnek, az döntéseket hoz a világban, és megtanulja, hogy mely lépések vitték közelebb a megadott célhoz. Így működött például az Alphago, ami simán verte már a világ legjobb emberi gojátékosát. Ami szép eredmény és nem is látok semmilyen okot, ami miatt ne jutnánk el egyszer az általános mesterséges intelligenciáig, de még elég sok problémát meg kell addig oldanunk. A gépi tanulásnál is nagyon komoly fejlődés volt, elsősorban a feldolgozóképesség terén. Elképesztő mennyiségű adatot tudnak az algoritmusaink kezelni, ennek segítségével lehetséges például az emberi szociális hálók evolúciójának vizsgálata is.

A kezelhető adatok robbanásszerű növekedésével óriási igény van mindenhol a jó data scientistekre (adattudósokra), de mitől lesz valaki jó?

Az biztos, hogy hiány van, mi is most indítottunk az MIT-n egy új, üzleti elemző mesterszakot, és pár éve létrehoztunk külön data science intézetet is az egyetemen belül. Jó lenne, ha növekedne kínálat, az egyetemek és középiskolák több ilyen jellegű képzést nyújtanának. Amihez nyilván a diákoknak kérniük kéne a középiskoláikat és az egyetemeiket, hogy legyenek még ilyen képzések. Számomra egyébként a jó adattudós három különböző tudományághoz ért jól. Egyrészt szükséges a programozói, adatbáziskezelői tudás, hogy nagy adatbázisokat tudjon az ember hatékonyan kezelni, strukturálni, tárolni, lekérdezni. Mellé kell az erős statisztikai tudás, amivel lényegében az új ismereteket kinyerjük az adatokból. A harmadik feltétel pedig a társadalomtudományok alapos ismerete, ismerni kell ugyanis problémateret. Ez lehet közgazdaságtan, szociológia vagy épp szociálpszichológia is. Az első két feltétel viszonylag magától értetődő, de sokan megfeledkeznek arról, hogy milyen fontos ismerni az emberi tényezőt is, még akkor is, ha technikai rendszerekkel foglalkozunk épp, mint mondjuk a villamos hálózat. A legtöbbször ezek ugyanis szocio-technikai rendszerek, mivel emberek készítik, emberek által fejlődik. Ezek mellé kell még egy sokszor kifelejtett, megfoghatatlanabb dolog, a kreativitás. Ez ugyanis félig művészet is, onnan kezdve, hogy mi az igazán jó kérdés, milyen adatra van hozzá szükség, azt hogyan tudod összegyűjteni, hogyan tervezed meg az egész projektet. Egy projekt során rengeteg nyílt kérdésre kell kreatív választ adni különböző megközelítésekből. Szóval a tökéletesen képzett adattudósok még menjenek el művészeti múzeumba, vegyenek részt kreatív programokon, úgymond eddzék az agyuk azon részét, amivel a szokatlanabb módon gondolkoznak.

Borítókép: Szilágyi Anna / Index.