Absztrakt

A mesterséges intelligencia gyors fejlődése az oktatásban is jelentős változásokat hozott. A tanulmány bemutatja, hogy a középfokú iskolai nevelésben az oktatók és tanulók egyaránt különböző módokon reagálnak az új technológiai lehetőségekre: míg egyesek kihasználják a bennük rejlő potenciált a tanulási folyamatok hatékonyabbá tételére, mások aggodalommal tekintenek a változásokra. A mesterséges intelligencia különösen a tehetséggondozás terén jelez nagy ígéretet, mivel lehetővé teszi a tanulók egyéni igényeinek megfelelő tananyagok és feladatok kialakítását. A virtuális asszisztensek és az intelligens tutorok adaptív tanulási platformokkal együttműködve segítik a diákok fejlődését és támogatják az oktatók munkáját. Ugyanakkor fontos figyelembe venni az MI-technológia jelenlegi korlátait és a vele járó etikai kihívásokat, különösen a tanulási folyamat emberi tényezőinek fontosságát.

Kulcsszavak: mesterséges intelligencia, oktatás, tehetséggondozás, chat- botok, adaptív tanulás

DOI: 10.56699/MT.2024.4.4

A mesterséges intelligencia fokozatos fejlődése az elmúlt években forradalmasította számos iparág működését, így az oktatásra is egyre nagyobb hatást gyakorol. A kihívást a szereplők eltérő módon kezelik. Az oktatók egy része egyszerűen nem vesz tudomást erről az eszközről, mások aggodalmuknak adnak hangot, míg akadnak olyanok is, akik igyekeznek kihasználni ezt a lehetőséget az oktatás minőségének javítása vagy a saját munkájuk egyszerűsítése, kiváltása érdekében.

Az új technológiák bevezetése mindig is kihívást jelentett az oktatási közösség számára, és ez alól a mesterséges intelligencia sem kivétel. Azonban, ahogy az e-learning esetében országos szinten is tanúi lehettünk, a Covid–19-járvány miatt bekövetkezett kényszerű alkalmazás sok esetben hozzájárult, hogy az oktatási intézmények és az oktatók felismerjék a benne rejlő lehetőségeket.

A mesterséges intelligencia használatának elterjedése az oktatásban további lehetőségeket is kínál. A virtuális asszisztensek, az intelligens tutorok és az adaptív tanulási platformok folyamatosan fejlődnek, és lehetővé teszik az oktatók számára, hogy hatékonyabban tanítsanak, miközben támogatják a diákok személyes tanulási igényeit. Néhány oktató továbbra is fenntartja kétségeit a mesterséges intelligencia megbízhatóságával és az emberi oktatói tapasztalat helyettesítésével kapcsolatban. A technológia gyors fejlődése miatt a mesterséges intelligenciában is vannak még hiányosságok és korlátok, amelyek megnehezítik sikeres alkalmazását az oktatási folyamatban. Azok a tanárok, akik már régóta a hagyományos tanítási módszereken alapuló oktatást gyakorolják, érthető módon nehezen tudnak megszabadulni aggodalmaiktól. A jelenlegi folyamatok azonban azt mutatják, hogy a mesterséges intelligencia fokozatosan integrálódik az oktatás világába, és – tudatos használat esetén – a technológia előnyei és hatékonysága hosszú távon felülkerekedhet az előítéleteken és a kezdeti szkepticizmuson.

Előzmények

Mielőtt a mesterséges intelligenciát és felhasználási lehetőségeit alaposabban is megvizsgálnánk, fontos röviden kitekintenünk a számítógépek történetére. Az 1940-es évek elejéig kell visszanyúlnunk, amikor az első komputerek napvilágot láttak. Bár jelentős fejlődésen mentek keresztül, és a jelenben épp a mesterséges intelligenciával való felvértezésük és még mobilabbá és egyre kisebbé alakításuk folyik, alapdefiníciójuk Neumann Jánosnak a modern számítógépről alkotott elképzelése óta nem változott (Szűts, 2020). Ezek az eszközök a számológépeknek nevezett elődeikhez képest már egy olyan fontos tulajdonsággal rendelkeztek, hogy a műveletek sorozatát tudták elvégezni a bemeneti adatokon emberi beavatkozás nélkül. Ebben az időszakban a számítógépek speciális, főként hadászati célokat szolgáltak, és csak kevés embernek adatott meg, hogy ezekkel dolgozzon, végezzen számításokat. A helyzet a nyolcvanas évek elején változott meg a személyi számítógépek megjelenésével, amikor egyre több háztartás részévé vált ez az eszköz, és évről évre rohamosan nőtt a felhasználók száma. Ezt a folyamatot különösen felgyorsította az internet megjelenése. Ramesh Pandita egy 2017-es tanulmányában tette közzé, hogy az emberiség 49,63 százaléka rendelkezik internetkapcsolattal, valamint azt jelezte előre, hogy ez az érték 2020-ra eléri a 76,90 százalékot (Pandita, 2017). A Cisco-cég 2020-as előrejelzése (Cisco, 2020) pontosabbnak bizonyult, mivel ők 2023-ra jósoltak 66 százalékos lefedettséget, amely közelebb áll a tényleges 65 százalékhoz (Demandsage, 2024). A Gartner-cég felmérései szerint 2021-ben 6,2 milliárd eszköz (asztali számítógép, laptop, táblagép, mobiltelefon) volt használatban (Gartner, 2021). Ezek a számok is azt bizonyítják, hogy e technikai vívmányok egyre nagyobb teret hódítanak, a mindennapi életünk részévé váltak.

Röviden utalva a mesterséges intelligencia történetére elmondhatjuk, hogy az MI kérdésköre az ötvenes években Alan Turing angol matematikus nevéhez fűződött. Az első chatbot, mely az ELIZA nevet kapta, mintaillesztési algoritmusokat és mondatrekonstrukciót használt egy pszichoterapeuta szimulálására (Reshmi–Balakrishnan, 2018; Weizenbaum, 1983; Winkler–Soellner, 2018). A Deep Blue számítógép és Garri Kaszparov sakkmérkőzései 1996-ban és 1997-ben fordulópontot jelentettek a mesterséges intelligencia fejlődésében. Ezek bebizonyították, hogy a számítógépek képesek legyőzni nagymestereket, ami a technológia további fejlődéséhez vezetett. Meg kell jegyeznünk, hogy ma a sakkprogramok önmagukat tanítják, az algoritmusok csak a szabályokat ismerik meg, majd elkezdenek játszani. Kaszparov idején a lehető legtöbb sakkjátszmát táplálták a programba. A kilencvenes években már kereskedelmi alkalmazásokban, például ügyfélszolgálatoknál használtak chatbotot, a 2000-es évektől pedig különféle webes és mobilapplikációkba is integrálták (Fitria et al., 2023), majd sorra jelentek meg a hangalapú személyi asszisztensek, például az Apple Siri (2006), az IBM Watson (2011), a Google Assistant (2012), valamint az Amazon Alexa (2014).

Chatbotok, GPT-k

Az utóbbi években tehát nagy jelentősége van a chatbotok megjelenésének. Sokan hatalmas potenciált látnak bennük, míg a kritikusok inkább a technológia negatív vonásait emelik ki. A chatbot valójában számítógépes program, amely emberi beszélgetésnek tűnő interakciót igyekszik folytatni emberekkel. Egy másik megfogalmazásban, a chatbot lehetővé teszi az ember és a számítógép közötti interakciót a természetes nyelv segítségével, a természetes nyelvi feldolgozás (neurolingvisztikus programozás, NLP) technológiájának alkalmazásával (Bradeško–Mladenić, 2012; Neumann et al., 2021; Wang et al., 2021). Korábban a szakirodalom főként a chatbot kifejezést használta, de manapság a GPT (generative pre-trained transformer) kifejezés került előtérbe, mivel pontosabban kifejezi, hogy az eszköz a robotoknál használatos „fix input – predikálható output” párok helyett a betanításra használt mintában azonosított sztochasztikus (statisztikai valószínűségen alapuló) kapcsolatok mentén hoz létre kimeneteket, amelyek egészen pontosan nem reprodukálhatók. Így alakul át a determinisztikus programozási logika indeterminisztikus kommunikációvá, s emiatt támadhat a felhasználónak az az érzése, hogy egyre emberszerűbb gépekkel beszélget, mert ezek a beszélgetések egyre kevésbé megjósolható kimenetelűek.

A chatbot fő alkotóelemei a felhasználói felület, a felhasználói üzenetelemző komponens, a párbeszédkezelő komponens, a háttérrendszer és a válasz generálására szolgáló összetevő (Adamopoulou–Moussiades, 2020a, 2020b). A chatbottal folytatott kommunikáció a felhasználótól érkező beviteli adatokkal kezdődik, amelyeket az üzenetelemző komponens vizsgál meg (Adamopoulou–Moussiades, 2020b). A párbeszédkezelő komponens lehetővé teszi a chatbot számára, hogy megjegyezze és frissítse a beszélgetés kontextusát (Kucherbaev et al., 2018). A felhasználó kiszolgálásához a chatbotnak megfelelő információkra van szüksége, amelyeket az alkalmazásprogramozási felületen (Application Programming Interface, API) keresztül vagy adatbázis-lekérdezésekkel kap meg az adatforrásból (Adamopoulou–Moussiades, 2020b; Kucherbaev et al., 2018). A válasz generálására szolgáló összetevő a válaszok előállításához szabályalapú, visszakeresésen alapuló vagy generatív alapú módszereket használ. Egyes chatbotok ezeket vegyesen alkalmazzák (Adamopoulou–Moussiades, 2020b). A szabályalapú megközelítések a már meglévő mintákból és sablonokból álló tudásbázisukban keresik a választ, így ezek a rendszerek nem hoznak létre új válaszokat. Amennyiben a chatbot olyan kérdést kap, amely illeszkedik az előre eltárolt mintához, akkor ezen minta szerint adja kimenetként a választ. Ezért az ilyen chatbotok nem követnek el nyelvtani hibákat, és gyors válaszokat adnak, de nem képesek ismeretlen feltételeket vagy bemeneteket kezelni. Általában csak az utolsó felhasználói bemenetet veszik figyelembe, és válaszaik ismétlődők lehetnek (Adamopoulou–Moussiades, 2020b; Wu et al., 2017). A visszakeresésen alapuló rendszerek az algoritmusok, a gépi tanulás és a neurális hálózatok segítségével választják ki a megfelelő választ az adatforrásból (Adamopoulou–Moussiades, 2020b; Ramesh et al., 2017; Wu et al., 2017). Rugalmasabbak, mint a szabályalapú rendszerek, mivel API-k segítségével lekérdezéseket tudnak futtatni az adatforráson, és képesek elemezni őket (Hien et al., 2018). Nem alkotnak új válaszokat, és a szabályalapú rendszerekhez hasonlóan nem követnek el nyelvtani hibákat (Ramesh et al., 2017). A generatív rendszerek nem egy halmazból választják ki válaszukat, hanem szóról szóra elemzik a bemenetet, és megfelelő válaszokat hoznak létre (Thorat–Jadhav, 2020). A gépi fordításhoz hasonló technikákat és a gépi tanulás eszközeit felhasználva a bemenetet nem egy másik nyelvre fordítják, hanem kimenetet generálnak. Általánosságban elmondható, hogy ezek a rendszerek „okosabbak”, és emberibbé teszik a beszélgetést, nyelvtani hibákat is ejthetnek, és hatalmas mennyiségű tanító adatmennyiségre van szükségük (Adamopoulou–Moussiades, 2020b; Ramesh et al., 2017; Ullmann–Schoop, 2022). A chatbotok több szempont alapján csoportosíthatók és hasonlíthatók össze (1. táblázat).

1. táblázat: Chatbotok összehasonlítása (saját szerkesztés)

A chatbotok alkalmazásának lehetőségei az oktatásban és a tehetséggondozásban

A chatbotokat gyakran használják az e-kereskedelemben és ügyfélszolgálati teendők ellátására, de egyre népszerűbbek az oktatásban és szűkebb körben tekintve a tehetséggondozásban, mivel számos lehetőséget kínálnak a tehetségek azonosítására, fejlesztésére és támogatására. Mohammad Amin Kuhail és munkatársai (2023) szerint a chatbotok az oktatás forradalmasításának ígéretét hordozzák a tanulók bevonásával, a tanulási tevékenységek személyre szabásával, az oktatók támogatásával és a tanulói viselkedés mélyreható elemzésével. A szerzők kiemelik, hogy a chatbotok a számítástechnika és informatika oktatása terén (Java és Python programozási nyelvek, számítógépes hálózatok, adatbázisok stb.) a legkiemelkedőbbek. Régebben több desktopalapú chatbotot is létrehoztak, melyek többsége 2013 előtt látott napvilágot. Ezek hátránya, hogy használatukhoz telepíteni, majd folyamatosan frissíteni kell a programot, és operációsrendszer-függők is. Nem meglepő, hogy a webalapú chatbotok preferáltabbak, mivel esetükben nincs szükség telepítésre, frissítésre, valamint nem függenek az operációs rendszertől (Kuhail et al., 2023). A tanulók az iskolával, a tananyaggal és a feladatokkal kapcsolatos információik jelentős részét online környezetben szerzik meg, vagy chat során osztják meg egymással. A csevegőprogramok tehát jelentős segítséget nyújtanak a tanulásban és a tanulással kapcsolatos folyamatokban (Szűts–Jinil, 2018). Az NLP területén zajló folyamatos fejlesztések lehetővé tehetik, hogy a rendszerek megértsék a tanulók kérdéseit.

Ők sokkal inkább hisznek a csevegőtársaknak, mint az egyszerű keresőmotoroknak (Szűts–Jinil, 2018; Pokatilo, 2016). Általánosságban elmondható a pedagógus-továbbképzéseken és a tanórákon kapott visszajelzések alapján, hogy a diákok a bennük felmerülő kérdések megválaszolására, új ismeretek szerzésére használják a chatbotokat, a tanárok pedig a tananyag kidolgozása során és gyakorlópéldák elkészítéséhez használják a mesterséges intelligencia adta lehetőségeket.

A chatbotok a tanulókkal kommunikálva, megfelelő, következetes kérdéseket feltéve és az ezekre kapott válaszokat begyűjtve, valamint a mesterséges intelligencián alapuló algoritmusok felhasználásával feldolgozva ki tudják értékelni, hogy a vizsgált személynek milyen képességei vannak. Természetesen több buktatóval is számolni kell. Mivel a tehetség összetett fogalom, a szakemberek is eltérő szempontokat és mércéket alkalmazhatnak ezzel kapcsolatban, így egy gépi algoritmustól sem várhatjuk el, hogy igen vagy nem választ adjon arra, hogy a vizsgált személy tehetséges-e vagy sem. Előfordulhat, hogy egy tanuló nagyon jó matematikai és logikai képességekkel rendelkezik, viszont rosszak a kommunikációs készségei, és ezért kedvezőtlen értékelést kap. Ugyanakkor ha hús-vér szakember próbálja elvégezni a beazonosítást, sokszor az első benyomás, a holdudvarhatás, a személyes szimpátia is torzító tényezőként jelenhet meg a kiértékelés során. A chatbotok, illetve a mesterséges intelligencián alapuló rendszerek folyamatosan fejlődnek, így várhatóan egyre pontosabb eredményekkel tudnak majd szolgálni a tehetségek azonosítása terén. A Google Gemini jelen pillanatban az „Egy alaposabb beszélgetés során be tudod-e azonosítani, hogy milyen területeken vagyok tehetséges?” kérdésre az alábbi választ adja (megjegyzés: a nyelvtani hibákat szándékosan nem javítottuk – mint említettük, a generatív nyelvek nyelvtani hibákat véthetnek, és előfordulhat, hogy helytelenül fogalmaznak):

„Igen, egy alaposabb beszélgetés során be tudom azonosítani, hogy milyen területeken vagy tehetséges. Ehhez többek között a következőket fogom figyelembe venni:

• A te tudási és képességeid, például a nyelvtanulás, a matematika, a logika, a kreativitás, a problémamegoldás és a szociális készségek terén.
• Az érdeklődési köröd és a hobbid.
• A személyes tapasztalataid és a sikereid.
• A motivációd és az elkötelezettséged.

A beszélgetés során számos kérdést fogok feltenni, amelyek segítenek nekem abban, hogy jobban megismerjem a te adottságaidat és érdeklődési körödet. Például megkérdezhetlek arról, hogy milyen tantárgyakban teljesítesz jól az iskolában, hogy milyen hobbijaid vannak, hogy milyen sikereket értél el az életedben, és hogy miért szeretsz bizonyos dolgokat csinálni. A beszélgetés során azt is meg fogom figyelni, hogyan reagálsz a kérdésekre, és hogyan fejezed ki magad. Ezekből az információkból is következtetni tudok a te képességeidre és tehetségedre. Természetesen egy beszélgetés önmagában nem elegendő a tehetség pontos azonosításához. Azonban egy jó beszélgetés segíthet abban, hogy jobban megismerjem a te adottságaidat, és hogy meghatározzam azokat a területeket, amelyekben a tehetséged a legnagyobb. Ha szeretnéd, hogy segítsek a tehetséged azonosításában, akkor szívesen beszélgetek veled. A beszélgetés során kérlek, hogy legyen őszinte és nyílt velem, hogy minél több információt tudjak meg rólad.”

A chatbotok felhasználhatók a tehetségek fejlesztésére azáltal, hogy személyre szabott tananyagokat és feladatokat biztosítanak. Folyamatosan követni tudják a tanuló fejlődését, és ezt figyelembe véve képesek adaptívan módosítani a forrásanyagokat és a gyakorlófeladatokat. Írásunk egyik szerzője, Esztelecki Péter a zentai Bolyai Tehetséggondozó Gimnázium és Kollégium számítástechnika-tanáraként gyakran szembesül azzal a problémával, hogy egy gyakorlati témakör feldolgozása során némely tanuló számára lassú a tanulási tempó, ők könnyűnek találják a feladatokat, egyes diákok számára viszont gyors a folyamat, és nem tudják megfelelően megoldani a feladatokat. Ha két csoportot képeznénk a teljesítmény alapján, előbb vagy utóbb felmerülne az igény, hogy ezeket a csoportokat is újabb két-két csoportra bontsuk, mígnem a végén arra jutnánk, hogy az lenne a legeredményesebb, ha minden tanulónak más nehézségű feladatokat adnánk, és más munkatempót biztosítanánk. Ezt a személyre szabott oktatást egyetlen oktató sem tudná megvalósítani a jelenlegi óraszámokkal, viszont a gépek kapacitásukat tekintve ki tudják elégíteni ezt az igényt, és a folyamatos fejlődésnek köszönhetően bízhatunk abban, hogy ezt mind eredményesebben fogják megtenni. Az informatika nagyon szerteágazó tudományág, és percről percre új fejlesztések látnak napvilágot, így egyetlen tanár vagy műszaki szakember sem ismerheti minden területét részletekbe menően, viszont digitálisan rögzített dokumentációk és oktatási segédanyagok sokasága áll rendelkezésünkre. Ám ezeket pusztán emberi munkával képtelenség lenne feldolgozni és folyamatosan frissíteni, valamint ebből személyre szabott oktatási segédanyagokat készíteni. Vegyük például az adatbázisok tantárgyat, melynek keretén belül a diákok megtanulják az SQL-nyelv használatát (Structured Query Language, strukturált lekérdezőnyelv). A tanár által létrehozott oktatási segédanyagon és példákon kívül természetesen temérdek dokumentum és képzés található az interneten. A Google Gemini a „Meg tudsz-e tanítani SQL-utasítások írására?” kérdésre azonnal igenlő választ ad, bemutatja az alapvető utasításokat, példákkal szemlélteti a használatukat, valamint tippekkel és forrásanyagokkal is szolgál az alapok megismeréséhez és a gyakorláshoz. Ha interakcióba lépünk a chatbottal, további utasításokat mutat be, és részletesen, példákon keresztül szemléltetve magyarázza el őket.

Fontos kiemelni, hogy az oktató személyes jelenléte semmiképp sem vonható ki a folyamatból, és nem helyettesíthető gépi algoritmusokkal (főként az általános és középiskolákban), hiszen lényegesek a személyes interakciók és a tanár nevelő hatása. A tehetségek támogatása során a chatbottól kapott dicséretek hatása jóval alulmaradhat a tanár folyamatos oktató-nevelő munkájához képest.

Esztelecki Péter gyakorló pedagógusként több tanári továbbképzésnek a megalkotója és megvalósítója. Ezeken nemegyszer kitért a chatbotok működésére, és volt alkalma beszélgetni általános iskolai, illetve középiskolai oktatókkal az ezekben az új technikai vívmányokban rejlő lehetőségekről és buktatókról. Sokak számára még ismeretlen ez a terület, így nem használják ki a benne rejlő lehetőségeket, sem a diákok, sem önmaguk fejlesztése céljából. Egyes tanárok viszont már használtak chatbotot, főként információk fellelésére, valamint a tananyag bővítésére. A legtöbben aggodalmukat fejezik ki amiatt, hogy a diákok chatbotot alkalmaznak a beadandó házi dolgozatok megírásához, mivel az esszé jellegű feladatokhoz legeneráltatják a szövegállományt, amelyet mindennemű értelmezést, feldolgozást, továbbszerkesztést mellőzve a saját munkájukként prezentálnak. Az oktatók többsége főként emiatt tekint rossz szemmel a chatbotra, és inkább szeretné kizárni ennek az eszköznek a használatát. Az IKT-eszközök terepén otthonosabban mozgó tanárok jelezték, hogy személyre szabott feladatokat készítettek e korszerű számítástechnikai eszközök segítségével, valamint azt nyilatkozták, hogy többnyire mellőzik esszészerű tanulmányok íratását. A legérdekesebb eset talán az volt, amikor az egyik tanár bevallotta, hogy általános iskolás gyermeke helyett megírt egy beadandó feladatot, melyet az irományt elolvasó tanár mesterséges intelligencia által előállított szövegnek nyilvánított. Középiskolás tanulókkal folytatott beszélgetések során kiderült, hogy döntő többségük már használt mesterséges intelligencián alapuló eszközöket valamilyen beadandó programozási feladat vagy akár esszé megírásához úgy, hogy az oktató nem vette észre, hogy a tanuló nem a saját szellemi termékét nyújtotta be.

Aggályok, buktatók

A kilencvenes éveket megelőzően a diákok könyvtári könyveket kikölcsönözve tudták megírni a házi dolgozatokat, általában úgy, hogy az olvasottakat összefoglalták a saját szavaikkal, vagy rosszabb esetben szóról szóra átmásolták őket, igaz, az információk utóbbi esetben is legalább egyszer átfutottak rajtuk. Az összefoglalót papírra vetették, vagy számítógépen begépelték, majd kinyomtatták. Az optikai szövegfelismerés (Optical Character Recognition, OCR) lehetővé tette, hogy egy lapolvasóval betöltött tartalmat szerkeszthető szöveges dokumentumban jelenítsenek meg, és akár mindenféle átolvasás nélkül (vagy esetleg kisebb módosításokkal) kinyomtatva saját munkaként adjanak el. Hasonló volt a helyzet az első digitális enciklopédiák és lexikonok esetében is. A legtöbbször a tanár is ismerte a tudományterületéhez tartozó szakirodalmat, és jó eséllyel fel tudta ismerni a plagizálást. Az internetnek köszönhetően temérdek információ áll a tanulók rendelkezésére a különféle munkák megírásához. Az úgynevezett copy-paste (másolás-beillesztés) módszer sok esetben csábítónak tűnt, de véletlenszerűen néhány mondatra Google-keresést futtatva könnyedén meg lehetett állapítani, hogy saját megfogalmazású gondolatokból vagy átemelt mondatokból tevődik-e össze az iromány. Közben megjelentek a különféle plágium-ellenőrző szoftverek is, amelyek a teljes dokumentum elemzésére képesek, és mindegyik mondat, sőt akár részmondat esetében megjelenítik, hogy plagizálás történt-e. A chatbotok megjelenése új dimenziókat nyitott ezen a téren, mivel az általuk létrehozott válaszok a rendelkezésükre álló (általában soknyelvű) tudásbázisból generálódnak le, és nehezen követhető vissza, hogy történt-e plagizálás. Gyakran előfordul, hogy egyazon kérdésre más-más megfogalmazásban érkeznek válaszok, sőt a felhasználó azt is kérheti a rendszertől, hogy fogalmazza át a mondatokat. Lekérhető például egy házi olvasmány rövid összefoglalója, de akár egy szereplő jellemzőit vagy a történések közötti összefüggéseket, a mű átvitt értelmét stb. is könnyűszerrel meg lehet tudni a chatbotoktól a mű elolvasása nélkül. A chatbotok egy adott témakörben fogalmazást és verset is tudnak írni, a matematikai feladatok többségére szintén tálcán kínálják a megoldást, vagy akár programozási témakörben teljes programkódokat le tudnak generálni. A chatbothasználat területén nagy veszélyt jelenthet a hallucináció (konfabuláció vagy téveszme), amely a mesterséges intelligencia olyan magabiztos válaszát jelenti, amelyet a képzési adatai nem támasztanak alá (Ji et al., 2022). E „kitalált”, hamis információkat nem mindig egyszerű kiszűrni, és különösen veszélyesek, ha valaki mindenféle ellenőrzés nélkül tényként adja tovább őket. A chatbotok fejlesztői nagy erőket fordítanak e hiba kiküszöbölésére. A ChatGPT 3.5 a 2023-as év közepéig például a „Mit tudsz Esztelecki Péterről?” kérdésre többek között az alábbi választ adta: „Esztelecki Péter (1939-2021) magyar festőművész és grafikus volt. Az 1950-es évek végén kezdett el festeni, de az 1960-as években érte el első jelentősebb sikereit. Művei elsősorban absztrakt expresszionista stílusban készültek, de a 80-as években egyre inkább az installáció felé fordult. Esztelecki Péter számos kiállításon vett részt Magyarországon és külföldön egyaránt. 1982-ben részt vett a Velencei Biennálén, majd 1986-ban a Kassel Documentán. Művei számos magyarországi és külföldi múzeum és gyűjtemény részét képezik. Esztelecki Péter életének utolsó éveit Olaszországban töltötte, ahol 2021-ben elhunyt.” Természetesen minden lekérdezés során más kitalált információkat közölt a mesterséges intelligencia. A rendszerfejlesztést követően az alábbi választ adta a Chat GPT 3.5: „Sajnálom, de nem találtam információkat egy olyan nevű személyről, aki Esztelecki Péter néven ismert lenne a tudásom lejárati dátumáig (2021 szeptember). Lehet, hogy az adott személy nem ismert közszereplő vagy nemrég került a nyilvánosság előtt. Ha több információt kívánsz megtudni erről a személyről, kérlek, adj meg több kontextust vagy specifikációt, és igyekszem segíteni, amennyire csak tudok.” Az eredetileg Google Bard, manapság pedig Google Gemini néven futó chatbot viszont korrekt összefoglalót közöl, amelyben az információk többsége helyes, és csak akkor ismerhetők fel a hallucináció jelei, amikor további részletekre kérdezünk rá. Végül fontos még megemlíteni, hogy a chatbotok egyoldalú információt nyújthatnak, ami korlátozhatja a diákokat a kritikus gondolkodásban.

Összefoglalás

A számítógépek folyamatos fejlődésével és az internet térhódításával egyre több ember számára váltak elérhetővé a modern technológiák. A hardverelemek folyamatos fejlődése gyorsabbá és hatékonyabbá tette a személyi számítógépeket és a szervergépeket, de az utóbbi évekre a mesterséges intelligencia elterjedése nyomta rá a bélyegét. A chatbotok is ennek hatására jelentek meg mai formájukban, és egyre szélesebb körben terjedtek el a banki-pénzügyi szolgáltatások terén, az üzleti kommunikációban, az ügyfélszolgálati teendők ellátásában, és még hosszasan sorolhatnánk. A chatbotok gyakorlati haszna ellenére a tanárok többsége még bizalmatlan velük szemben, de egyre többen próbálják kihasználni az általuk nyújtott lehetőségeket a tananyagok összeállítása és a feladatok elkészítése során, valamint a személyre szabott oktatás megvalósításában. A diákok is feltehetik kérdéseiket a chatbotoknak, segítséget kérhetnek valamilyen témakörben, vagy elsajátíthatják egy programozási nyelv használatát stb. Mielőtt azt gondolnánk, hogy ilyen lehetőségek mellett hamarosan nem lesz szükség tanárokra, fontos végiggondolni, hogy a pedagógus oktató-nevelő munkája nem helyettesíthető gépekkel, viszont a mesterséges intelligencia nyújtotta lehetőségek kiaknázásával hatékonyabbá tehető az oktatás.

Absztrakt

Az MI-technológiák gyors fejlődése és elterjedése számos etikai kérdést vet fel, amelyek alapos vizsgálatot és szabályozást igényelnek. Jelen tanulmány célja az MI alkalmazásával kapcsolatos legfontosabb társadalmi és etikai aggályok feltérképezése és ismertetése. A tanulmány az MI-technológiák etikai dilemmáit két fő területre osztja: előítéletesség és diszkrimináció, valamint munkavállalók áthelyezése és gazdasági egyenlőtlenségek. Az MI-rendszerek gyakran továbbviszik a tanító adatokban meglévő torzításokat, ami igazságtalansághoz vezethet a társadalom különböző csoportjai között. Emellett az MI automatizálása jelentős munkahelyvesztést és jövedelmi egyenlőtlenségeket eredményez, mivel a technológiai előnyöket főként a nagyvállalatok és a magasan képzett szakemberek élvezik. A tanulmány számos példát mutat be az MI alkalmazásának etikai kihívásaira, és javaslatot tesz a szabályozási keretek és etikai normák kidolgozására.

Kulcsszavak: mesterséges intelligencia, etikai dilemmák, előítélet, diszkrimináció, gazdasági egyenlőtlenségek

DOI: 10.56699/MT.2024.4.5

A mesterséges intelligencia (a továbbiakban: MI) fejlesztésével párhuzamosan egyre szélesebb körűvé válnak az alkalmazási területei, valamint az ezzel a fejlett technológiai eszközzel kapcsolatos etikai kérdések is. Az MI különböző etikai irányelvek kidolgozásához vezetett a pozitív alkalmazások előmozdítása és a negatív következmények minimalizálása érdekében. Számos új MI-technológiát építettek be a világ mindennapi működésébe, amilyenek például az egészségügyben használt MI-alapú eszközök, az MI által támogatott autók vagy az arcfelismerő rendszerek az üzleti életben és a szolgáltatóiparban. Kétségtelen, hogy az elmúlt évek egyik legszembetűnőbb vívmánya a ChatGPT nevű alkalmazás volt.

A sikeres alkalmazások ellenére különböző etikai kérdések merültek fel, amelyek átfogó felmérést és elemzést igényelnek. Az MI etikájának kérdése még mindig jelentősen alulkutatott, ezért szükség van a benne rejlő etikai potenciál feltárására, hogy a fejlesztők és a társadalom egésze számára megfontolandó etikai koncepciót dolgozzunk ki. Jelen tanulmány az MI-vel kapcsolatos etikai kérdések meghatározása érdekében széles körű szakirodalmat tekint át. Célja az MI alkalmazásával kapcsolatos legfontosabb társadalmi és etikai aggályok feltérképezése és ismertetése.

A tanulmány így épül fel: először az alapvető etikai dilemmák beazonosítására kerül sor, majd az előítéletesség és diszkrimináció kérdéskörének mélyebb elemzését olvashatjuk. Ezt követően az írás kitér a munkavállalók áthelyezésére és a gazdasági egyenlőtlenségre mint etikai dilemmákra. Az értekezés konklúzióval zárul.

Az előítéletesség, diszkrimináció, a munkavállalók áthelyezése és a gazdasági egyenlőtlenségek olyan etikai dilemmákat vetnek fel, amelyek már az MI-technológiák megjelenése előtt is léteztek, de amelyeket az MI-technológiák alkalmazása tovább fokozhat. A tanulmány ezek vizsgálatára fókuszál. Egyéb kérdéseket, mint például az adatvédelmi és adatbiztonsági aggályok, a terjedelmi korlátok miatt nem tárgyalunk. A tanulmányban az „etikai dilemmák” és „etikai kérdések” kifejezések szinonimaként értelmezendők.

Etikai dilemmák az MI területén

Az etikai elvek azok az erkölcsi iránymutatások, amelyek az egyének vagy csoportok cselekedeteit és viselkedését irányítják. Ezek az elvek segítenek meghatározni, mi minősül „adekvát” vagy „helytelen” viselkedésnek egy adott élethelyzetben, és magukban foglalják az egyének vagy csoportok erkölcsi kötelességeit is.

Az MI területén az etikai keretek kidolgozása különösen fontos, tekintettel a technológia feltörekvő és újszerű jellegére. Mark Coeckelbergh (2020) rámutat, hogy mivel az MI különböző interakciókat folytat az emberekkel, elengedhetetlenül szükséges az MI-alapú fejlesztések és technológiai alkalmazások etikai kereteinek kidolgozása. A szakirodalom arra is rámutat, hogy az MI használatának etikai dilemmái gyakran a más fejlett technológiákkal való kombinációból erednek. Keng Siau és Weiyu Wang (2020) szerint az MI etikáját még mindig nem veszik kellőképpen figyelembe, mivel a legtöbb MI-alapú technológia programozása korlátozza autonóm alkalmazásukat. Ugyanakkor a mindennapokban már ezen a téren is változás figyelhető meg.

Az MI-alkalmazások az emberi élet számos területét befolyásolják, ezért egyértelműen szükség van szabályozásra és átfogó felülvizsgálatra. Erre vonatkozóan több szabályozási törekvés is létezik. Lássunk néhány példát:

a) Az Egyesült Államokban a 2023. október 30-án kiadott „Executive Order on Safe, Secure, and Trustworthy Artificial Intelligence” (White House, 2023) célja az MI-rendszerek biztonságának és megbízhatóságának növelése, valamint az amerikaiak magánéletének védelme.

b) Kínában a „New Generation Artificial Intelligence Development Plan” (State Council of PRC, 2017) irányozza elő az MI fejlesztését és alkalmazását, beleértve az etikai normák és szabványok kidolgozását a társadalmi stabilitás és a nemzetbiztonság megőrzése érdekében.

c) Az Európai Unióban az „Artificial Intelligence Act” (EUR-Lex, 2021) javasolja az MI-rendszerek kockázatalapú szabályozását, különös hangsúlyt fektetve a magas kockázatú alkalmazásokra és az etikai elvek betartására, hogy biztosítsák az alapvető jogok védelmét.

Összességében mindhárom szabályozás célja, hogy kezelje az MI-technológiák által felvetett alapvető etikai dilemmákat. Ezek a dilemmák a következő két kategóriába sorolhatók: az MI fejlesztését érintő, valamint az MI-alapú rendszerek használata által okozott etikai dilemmák.

Az MI fejlesztését érintő néhány etikai dilemmát az olyan tényezők okozzák, mint az MI-rendszereket betanító adathalmazokban megjelenő torzítás (data bias), az adatbiztonság (data security) és a személyes adatok védelme (data protection). Például egy olyan MI-alapú alkalmazásnak, mint a ChatGPT, a szakirodalom szerint erőforrás-igényes és erősen környezetszennyező a fenntartása és működtetése (Hale, 2023). Matthew Elmore (2023) pedig rávilágít, hogy specifikus etikai dilemma a ChatGPT esetén, hogy az OpenAI kizsákmányolt és alulfizetett adatcímkézőkre támaszkodott afrikai és más alacsony jövedelmű országokban.

Az MI-alapú alkalmazások használatából eredő etikai dilemmákat okoz az előítéletesség és diszkrimináció (bias and discrimination), a munkahelyek kiszorítása vagy a munkavállalók áthelyezése (job displacement) és a gazdasági egyenlőtlenségek (economic inequity). A továbbiakban a tanulmány e dilemmákat kívánja röviden körüljárni.

Előítéletesség és diszkrimináció

Az MI-alapú technológiákat emberek fejlesztik és tanítják, s az általuk létrehozott adatbevitelek révén kapnak e technológiák tanító adatokat. Ennek következtében a tanító adatok, amelyeket a rendszerekbe táplálnak, elfogultságot és diszkriminációt eredményezhetnek. Az MI-alapú eszközök képesek olyan hatalmas mennyiségű és összetettségű adatot gyűjteni és értékelni, amelynek a feldolgozása meghaladja az emberi képességeket, s így ezek beépíthetők az elemzésekbe és a döntéshozatali folyamatokba (Byrne, 2021). Ennek következményeként különböző (például bűnügyi és igazságszolgáltatási, toborzási, valamint monitoring- és értékelési) rendszerekben fel lehetett fedezni az MI elfogultságát és diszkriminatív megnyilvánulásait. Ez a tény különösen akkor aggodalomkeltő, ha figyelembe vesszük, hogy az ilyen döntéstámogatási algoritmusoknak a kifejlesztésekor épp azt tűzték ki célul, hogy azok a különféle rendszerekben megjelenő elfogultságot csökkentsék, és megkönnyítsék a döntést. Ehhez képest a gyakorlatban megjelenő MI-alkalmazások ennek épp az ellenkezőjét bizonyították. Konkrétan azt, hogy nem tudják teljesen megszüntetni a diszkriminációt. Ennek egy példája az Amazon nevű vállalati csoporthoz köthető, ahol MI-alapú toborzási rendszert fejlesztettek ki, hogy automatizálja az álláspályázatok átvizsgálását, és azonosítsa a legjobb jelölteket. Az algoritmus azonban a férfiakat preferálta, mivel az előző tíz évben benyújtott pályázatokból tanult, amelyek nagyrészt férfiaktól származtak. Így hátrányosan megkülönböztette a női jelentkezőket, például alacsonyabb pontszámot adott azoknak a pályázatoknak, amelyek tartalmazták például a „női” szót („női röplabdaklub”) vagy olyan egyetemek nevét, ahol több női hallgató volt (Dastin, 2018).

Az MI-alapú alkalmazások jelentős aggodalmakat vetettek fel és potenciális kárt okoztak a büntető- és igazságszolgáltatási rendszerekben is. Az MI elfogultsága a büntetőrendszerben a prediktív bűnüldözési algoritmusok révén mutatkozott meg, amelyekben az MI-t a bűnügyi adatok elemzésére, illetve a bűncselekmények valószínűségének és helyének előrejelzésére használták (Berk, 2021). A bűnüldözési rendszerből eredő elfogultság a szakirodalom szerint diszkriminációhoz és egyenlőtlenségekhez vezetett a büntető igazságszolgáltatás terén.

Az Amerikai Egyesült Államokban elhíresült példák jól szemléltetik ezt a fajta elfogultságot. Elsőként ismertetendő a PredPol: ez egy bűnügyi előre jelző rendszer, amelyet több rendőrkapitányság használt az Egyesült Államokban (Angwin et al., 2016). A történelmi bűnügyi adatok alapján próbálta előre jelezni a jövőbeni bűncselekmények helyét és időpontját. Mivel azonban a történelmi bűnügyi adatok magukban foglalták a rendőrség általános elfogultságát, a rendszer hajlamos volt a már korábban is túlzottan megfigyelt és járőrözött kisebbségi közösségeket megcélozni (Lum–Isaac, 2016). Ennek eredményeként e közösségek még több rendőri jelenlétet tapasztaltak, ami tovább növelte az igazságtalanságot és a diszkriminációt.

A második példa a COMPAS nevű kockázatbecslő rendszer, amelyet szintén az Egyesült Államokban használnak, hogy értékeljék a bűnelkövetők újabb bűncselekmény-elkövetésének valószínűségét (Angwin et al., 2016). Egy vizsgálat kimutatta, hogy a rendszer faji elfogultságot mutatott: az afroamerikai elkövetők esetében nagyobb valószínűséggel jelzett magasabb kockázatot, még akkor is, ha azonos tényezőket vett figyelembe a fehér bőrű elkövetőkkel szemben (Dressel–Farid, 2018). Ez részben annak volt köszönhető, hogy a rendszer tanító adatbázisában már meglévő faji elfogultságok szerepeltek.

Ezek a példák jól illusztrálják, hogy az MI-alapú rendszerek mennyire függnek a tanító adatkészlet minőségétől, és mennyire fontos, hogy kiegyensúlyozott, reprezentatív és elfogulatlan adatbázisokat használjanak az ilyen rendszerek fejlesztése során. Itt fontos hangsúlyozni, hogy az EU-ban az MI szabályozására készült rendelet – a már említett Artificial Intelligence Act – tiltott alkalmazási módszernek nevezi a profilalkotásra épülő prediktív rendészeti eljárásra használni kívánt MI-alapú rendszereket (EUR-Lex, 2021). Emellett lényeges szempont, amint a fenti példák is mutatják, hogy az MI-alapú algoritmusok történelmi adatokra alapozzák működésüket. Az algoritmusrendszerek frissítése nélkül az MI potenciális fenyegetést jelenthet, ha a korábbi adatok elfogultságot és diszkriminatív gyakorlatot tartalmaznak.

Xavier Ferrer és munkatársai (2021) szerint mivel az MI adatait emberek táplálják be, a torzítás nemcsak a kezdeti betáplált adatokból származhat, hanem a fejlesztők nemtörődömségének, hanyagságának eredménye is lehet. Így az elfogultság mint a torzítás nem kívánt következménye nem csupán a rossz minőségű tréningadatok használata miatt jöhet létre, hanem szándékkal, vagy gondatlan algoritmustervezés útján is. Egy másik emberi tényező az, hogy a fejlesztők elmulaszthatják az információk diverzifikálását. Ez magában foglalja különböző hátterű, társadalmi osztályú, perspektívájú és tapasztalatú személyek kihagyását vagy előnyben részesítését, ami szintén diszkriminatív eredményekhez vezethet (Chen, 2023).

Az MI-eszközök elfogultsága és diszkriminációja számos etikai és jogi problémát okozott, beleértve a korlátozott elszámoltathatóságot és átláthatóságot, a kisebbségi közösségekre gyakorolt hatást és a nem szándékos elfogultságokat, amelyek társadalmi és gazdasági egyenlőtlenségekhez vezetnek. Így egyfajta ajánlásként megfogalmazható, hogy az EU-ban kialakult álláspont alapvetően ennek az etikai problémának a feloldását hivatott megtestesíteni: az MI-alapú technológiákat nem szabad túlzott mértékben döntéshozatalra használni, sokkal inkább a döntéstámogatás lehet az etikus cél. Az MI-rendszerek igazságos és nem diszkriminatív módon történő fejlesztése szintén csökkentheti az elfogultságot és diszkriminációt, s javíthatja az eredményeket.

Az MI-rendszerek túlzott mértékű használata (overreliance) jelentős kockázatokat hordoz magában, különösen akkor, ha a felhasználók kritikus területeken is ellenőrzés nélkül hagyatkoznak az MI válaszaira. Az overreliance problémája azt jelenti, hogy a felhasználók az MI-re bízzák a döntéshozatalt, anélkül hogy felülvizsgálnák az eredményeket. Ez a jelenség komoly következményekkel járhat, mivel a hibás vagy elfogult algoritmusok téves döntéseket eredményezhetnek, ami további társadalmi és gazdasági egyenlőtlenséghez vezethet. A Stanford Egyetem kutatása szerint az MI-algoritmusok által adott magyarázatok használata csökkentheti a túlzott mértékű támaszkodást az MI-rendszerekre, különösen akkor, ha ezek a magyarázatok egyszerűbbek és érthetőbbek, mint maga a feladat (Vasconcelos et al., 2022). A Microsoft Research jelentése szerint a felhasználók gyakran túlzott mértékben támaszkodnak az MI-rendszerekre, még akkor is, ha az így szerzett információk nem mindig pontosak vagy megbízhatók (Microsoft Research, 2022). A Brookings Intézet rámutatott, hogy az egészségügyben is jelentős kockázatot jelenthet az MI túlzott használata, mivel a hibás MI-rendszerek sérülésekhez és egyéb egészségügyi problémákhoz vezethetnek (Brookings, 2020). A Harvard Kennedy School kiemeli az adatvédelmi és biztonsági kockázatokat, valamint az MI-modellekben rejlő elfogultságokat, amelyek a politikai döntéshozatalban is megjelenhetnek (Harvard Kennedy School, 2024). Mint említettük, az MI-rendszerek használatának etikailag helyes módja az, hogy döntéstámogató eszközként alkalmazzák őket, nem pedig kizárólagos döntéshozóként. Az MI-alapú technológiák igazságos és nem diszkriminatív fejlesztése, valamint az emberi felülvizsgálat és beavatkozás segíthet csökkenteni az elfogultságot, és növelheti a döntéshozatali folyamatok megbízhatóságát.

Mechanikai megerősítést is létre kell hozni az MI-alapú technológiák szabályozására és az előre látható elfogultság és diszkrimináció megelőzésére. Ez azt jelenti, hogy olyan technikai megoldásokra van szükség, amelyek beépülnek az MI-rendszerekbe, hogy azok igazságosan és pártatlanul működjenek. A mechanikai megoldások mellett etikai alkalmazásokat is fel kell használni az MI javítására, különösen az értékeire és elveire vonatkozóan (Hagendorff, 2020). Azonban nagy hangsúlyt kell fektetni a technológiai részletekre, biztosítva, hogy az elvont etikai elvek technikailag is megfelelően legyenek beépítve az MI-rendszerekbe. Keng Siau és Weiyu Wang (2020) kiemelik, hogy az autonómiához, a szabadsághoz és az egyenlőséghez való jogot tiszteletben kell tartani az MI-alapú technológiák használata során. Az MI-rendszerek megfelelő működésének biztosítása érdekében szükség van az elszámoltathatóságra és felelősségre. Ennek érdekében létre kell hozni olyan eszközöket, amelyek megfelelnek az emberekre vonatkozó etikai normáknak és elveknek (Li et al., 2022). Azonban e cél nem érhető el, ha az eszköz fejlesztése során elfogultság van jelen. Ezért az MI fejlesztőinek etikai kötelességük olyan eszközöket alkotni, amelyek megfelelnek az etikai normáknak, és elkerülik az embereknek okozott előre nem látott károkat (Stahl, 2021). Ehhez univerzális etikai normák és az MI etikai alapelveinek megértése szükséges.

Munkavállalók áthelyezése és gazdasági egyenlőtlenség

Az MI-alapú technológiák jelentős változásokat hoztak a foglalkoztatási szektorban, ami munkahelyek kiszorításához vagy munkavállalók áthelyezéséhez vezetett. Az MI-alapú technológiák automatizált rendszereket használnak olyan feladatok elvégzésére, amelyeket korábban emberek láttak el. Ezeket a rendszereket gyors, hatékony és áramvonalas teljesítménnyel társítják, ami arra ösztönzi a szervezeteket, hogy az emberi munkaerő helyett fejlettebb és korszerűbb technológiákba fektessenek (Mu, 2023). Mint láttuk, az MI-eszközök széles körű adatfelhasználása hatalmas és komplex adatmennyiség elemzését teszi lehetővé, amely technikai alapot nyújt a döntéshozatalhoz szükséges mélyebb betekintésekhez. Thilo Hagendorff (2020) kiemeli, hogy az MI-rendszerek elemző kapacitása nem csupán etikai, hanem alapvetően technikai szempontból is lényeges, hiszen ezek az eszközök olyan komplex összefüggéseket tárnak fel, amelyek korábban, hagyományos módszerekkel nem voltak elérhetők. Az MI egyik fő alkalmazási területe a közlekedési szektor, ahol önvezető járműveket fejlesztettek ki. Idetartozik az Amerikai Egyesült Államokban folyamatos fejlesztés és kísérletezés alatt álló vezető nélküli autó (Loke, 2019). Ebben a termelési szektor is jelentős mértékben érintett. Nurhasyimah Abd Aziz és munkatársai (2021) beszámolója szerint az MI-alapú technológiákat aktívan használják a minőség-ellenőrzésben, a terméktervezés optimalizálásában és a folyamatfejlesztésben, ami szignifikáns mértékben csökkentette az emberi munkaerő szükségességét.

Az MI-alapú technológiák a tudásintenzív munkákra is hatással vannak, elég csak arra gondolnunk, hogy egyes MI-alapú rendszerek képesek kiváltani a pénzügyi és egészségügyi szektorban végzett tudásigényes munkákat. Például az MI-alapú pénzügyi tanácsadók (robo-advisors) képesek automatizált befektetési tanácsadást nyújtani (Lam, 2016). Ezek a rendszerek nagy mennyiségű pénzügyi adatot elemeznek, és algoritmusok segítségével személyre szabott befektetési portfóliókat javasolnak. Sőt, az MI-alapú diagnosztikai eszközök, mint például az IBM Watson for Oncology, képesek nagyszámú orvosi adatot elemezni, és ennek nyomán javaslatot tenni a rák kezelésére (IBM, 2023). Ezek a rendszerek az orvosi szakirodalomból és a betegadatokból származó információk alapján tesznek ajánlásokat, segítve az onkológusokat a kezelési döntésekben, csökkentve az orvosok terhelését, és növelve a diagnosztikai pontosságot.

Az MI hozzájárult rengeteg munkahely elvesztéséhez, mivel a repetitív munkákat folyamatosan automatizálják, különösen a gyártóiparban, az egészségügyi és pénzügyi szektorban, valamint az ügyfélszolgálati ágazatban. Masriadi és munkatársai (2023) szerint a munkavállalók áthelyezése szakaszokban történik. Az első szakaszban a munkáltatók a monoton feladatokat bízzák az MI mechanikai rendszereire, hogy csökkentsék a működési költségeket. A második szakaszban az MI az analitikai munkákban kezdi felváltani az embereket, beleértve az adatelemzést és a döntéshozatalt is. Ugyanis csak attól, hogy egy munkavállaló „jóváhagy” egy MI-alapú technológia által felkínált döntést, az ilyenfajta alkalmazás nem nevezhető valódi döntéstámogatásnak. Amennyiben igaz, hogy az MI-alapú technológiák könnyen helyettesíthetik az embereket az adatelemzés és az üzleti analitika feladataiban (Zirar et al., 2023), akkor olyan intézkedések, mint a kötelező munkahelyi tréningek vagy egyéb átképzési programok segíthetnek minimalizálni az áthelyezések és munkahelyvesztések negatív következményeit. A harmadik szinten az MI-alapú technológia az embereket nemcsak az előző két területen váltja fel, hanem az emberekkel való adaptív interakciókban is helyettesítőként jelenik meg. A negyedik szakaszban az MI-eszközöket érzelmi intelligenciát igénylő feladatokhoz használják (Masriadi et al., 2023). Az ötödik és végső szakaszban az MI-alapú technológia olyan fejletté válik, hogy már képes az összes fent említett feladat elvégzésére, miközben a saját intellektuális képességeit fejleszti. Ezen a ponton pedig egyes területeken várhatóan teljesen felváltja a munkavállalót.

Az MI kiváltotta munkahelyi áthelyezések számos problémát vetettek fel a társadalmi-gazdasági hatások, az igazságosság és egyenlőség, valamint az emberi életre gyakorolt általános hatások vonatkozásában. Az áthelyezések negatívan befolyásolják a munkavállalók jóllétét, mivel hatással vannak az önbecsülésükre, a gazdasági teljesítményükre és a szükségleteik kielégítésére való képességükre. Ugyanakkor az MI-alapú technológiák által kiváltott munkaerő-áthelyezések olyan új foglalkoztatási lehetőségek megteremtéséhez vezethetnek, amelyek gazdasági szempontból inkább pozitív katalizátorként hathatnak. Egyenlőtlenséghez vezethet az MI által létrehozott készséghiány, amely azt jelenti, hogy sok ember nem rendelkezik az MI-rendszerek kezeléséhez szükséges készségekkel, továbbá sokaknak nincs lehetőségük a megfelelő képzésre. Akik nem tudják kezelni az MI-t, hátrányba kerülnek a munkaerőpiacon, és ez jövedelmi különbségeket eredményez. Az MI alkalmazása a toborzási folyamatokban is gazdasági egyenlőtlenséghez vezethet. A gyorsan fejlődő MI-alapú toborzási rendszerek előítéletesek lehetnek a kisebbségi közösségekkel és az alacsonyabb társadalmi osztályokkal szemben, ami megnehezíti számukra a tisztességes foglalkoztatást. Nicholas Tilmes (2022) szerint az MI toborzási rendszereinek gyors fejlődése ahelyett, hogy átalakítaná a foglalkoztatási szektort, növeli a kisebbségi közösségekkel és az alacsonyabb osztályokkal szemben megnyilvánuló diszkriminációt. Az MI toborzási elfogultsága hozzájárul a gazdasági egyenlőtlenségekhez, mivel korlátozza a tisztességes foglalkoztatási kezdeményezéseket. Erre a problémára az egyik legjobb megoldás lehet, ha újragondolják az MI-alapú technológia alkalmazását. Néhány területen e technológia használata szükséges lehet, de nem biztos, hogy valóban ez a legmegfelelőbb módja egy adott probléma orvoslásának, ugyanis bizonyos kihívásokat, amelyek az MI-alapú technológiákkal is kezelhetők, feltételezhetően jobban meg lehet oldani nem technológiai, azaz emberi beavatkozásokkal is. Példa erre a pszichológiai tanácsadás, illetve a mentális egészség területe. Bár léteznek MI-alapú chatbotok és virtuális asszisztensek, amelyek képesek alapvető tanácsokat nyújtani és támogatást biztosítani a felhasználóknak, az emberi pszichológusok és terapeuták empatikus és személyre szabott megközelítése sokkal hatékonyabb lehet a mentális egészség problémáinak kezelésében.

Összességében elmondható, hogy egyre növekvő szükség van annak meghatározására, hogy melyek a szükségtelen vagy legalábbis kevésbé szükséges MI-alkalmazási területek. Ennek pozitív hozadéka lenne, hogy a beazonosított területeken lényegesen visszaesne a munkahelyek kiszorítása és a munkavállalók áthelyezésével kapcsolatos kihívások száma, miközben az MI fejlesztői a gyümölcsözőbb alkalmazási területek felé fordíthatnák energiájukat (Prem, 2024).

Az MI-technológiák bevezetése jelentős gazdasági egyenlőtlenségeket okoz a munkaerőpiac átalakításával: automatizálja a rutinszerű és komplex feladatokat, ami sok munkahely megszűnéséhez és átalakulásához vezet, új készségek elsajátítására kényszerítve a munkavállalókat. Azok, akik nem tudnak időben alkalmazkodni, gyakran elveszítik állásukat, ami jövedelmi egyenlőtlenségekhez vezet. Ezzel szemben az MI-technológiák előnyeit főként a magas képzettségű, jól fizetett pozíciókban dolgozók élvezik, akik rendelkeznek a szükséges készségekkel és erőforrásokkal az MI-rendszerek fejlesztéséhez és használatához.

Mindemellett az MI-rendszerek bevezetéséhez jelentős tőke és infrastruktúra szükséges, amelyet főként nagyvállalatok és jól finanszírozott szervezetek tudnak biztosítani. Így a technológiai fejlődés hasznát leginkább ezek a nagyobb és gazdagabb vállalatok aratják le, míg a kisebb cégek és az alacsonyabb képzettségű munkavállalók hátrányos helyzetbe kerülnek (Acemoglu–Restrepo, 2018). Erre példa, hogy a nemzetközi ügyvédi irodák jelentős előnyt élveznek az egyéni ügyvédekkel és kisebb irodákkal szemben az MI-eszközök kihasználásában, nagyrészt a nagyobb pénzügyi forrásaiknak és infrastruktúrájuknak köszönhetően. Ezek a nagy irodák megengedhetik maguknak, hogy fejlett, saját MI-rendszerekbe fektessenek, amelyek számos feladatot automatizálnak, például a jogi kutatást vagy a dokumentum-ellenőrzést. Annak képessége, hogy MI-t integráljanak a működésükbe, nemcsak a szolgáltatás minőségét javítja, hanem jelentősen csökkenti az átfutási időt is, versenyelőnyt biztosítva a nagyobb irodáknak (Chen et al., 2022; Dennehy et al., 2023). Ezzel szemben a kisebb irodák és az egyéni ügyvédek gyakran pénzügyi és logisztikai korlátokkal szembesülnek, amelyek lehetetlenné teszik hozzáférésüket ezekhez a fejlett technológiákhoz. Bár az MI kiegyenlíthetné a versenyfeltételeket azáltal, hogy javítja a hatékonyságot, az ezekhez az eszközökhöz szükséges kezdeti befektetés és folyamatos költségek megterhelők lehetnek.

Azok a személyek és szervezetek, akik/amelyek irányítják az MI-rendszereket, vagy hozzáférésük van ezekhez, jelentős versenyelőnyre tesznek szert (Lu–Zhou, 2021). Az automatizálás révén csökkenthetik működési költségeiket, növelhetik termelékenységüket, és javíthatják szolgáltatásaik minőségét. Ezzel szemben azok, akik nem tudják alkalmazni ezeket a technológiákat, lemaradnak a versenyben, és képtelenek lesznek ugyanolyan hatékonysággal és minőségben működni. Ennek következtében a jövedelmi és gazdasági szakadék tovább növekszik a technológiahasználók és a technológiahasználaton kívül rekedtek között.

Pozitívumként említendő, hogy az MI alkalmazása jelentős hatással van a termelékenységre és az innovációra, ami hozzájárulhat a gazdasági növekedéshez. Ugyanakkor ez a növekedés nem egyenletesen oszlik meg, mivel a technológia alkalmazása különböző szektorokban eltérő mértékben történik. Mint már említettük, az MI-alapú technológiák előnyeit elsősorban azok élvezik, akik rendelkeznek a megfelelő készségekkel, tőkével és tudással ezek kiaknázásához. Ez a folyamat korábban is megfigyelhető volt a technológiai fejlődés során, de az MI esetében még hangsúlyosabbá vált (Heilinger, 2022).

Konklúzió

Az MI-technológiák fejlődése és alkalmazása számos etikai dilemmát vet fel, amelyek az alapos megfontolás mellett megfelelő szabályozási keretek kialakítását igénylik. Az MI-rendszerek gyors térhódítása az élet különböző területein – az egészségügytől a közlekedésen át a pénzügyi szektorig – nemcsak technológiai előnyöket hozott magával, hanem komoly társadalmi és gazdasági kihívásokat is. Az előítéletesség, diszkrimináció, a munkavállalók áthelyezése és a gazdasági egyenlőtlenségek olyan etikai dilemmákat vetnek fel, amelyek már az MI-technológiák megjelenése előtt is léteztek, de azok alkalmazása fokozhatja e problémákat. A tanulmány azoknak az etikai kérdéseknek a vizsgálatára fókuszált, amelyek az MI-rendszerek alkalmazásával új kihívásokat állítanak elénk.

Az előítéletesség és a diszkrimináció kérdéskörével kapcsolatban világossá vált, hogy az MI-rendszerek gyakran továbbviszik a tanító adatokban meglévő torzításokat, ami igazságtalansághoz vezethet a különböző társadalmi csoportok között. Az olyan példák, mint az Amazon cég toborzási rendszere, a PredPol bűnügyi előre jelző rendszer és a COMPAS kockázatbecslő rendszer, mind rámutatnak, hogy az MI-algoritmusok hibás adatokkal és előítéletes programozással súlyos társadalmi problémákat generálhatnak.

A munkavállalók áthelyezése és a gazdasági egyenlőtlenségek vonatkozásában kiderült, hogy az MI-technológiáknak köszönhető automatizálás jelentős munkahelyvesztést és jövedelmi különbségeket eredményez. Az MI-rendszerek bevezetése főként a nagyvállalatok és a magasan képzett szakemberek számára hoz előnyöket, míg a kisebb cégek és az alacsonyabb képzettségű munkavállalók hátrányba kerülnek. Az MI alkalmazásának újragondolása és a nem technológiai megoldások előnyben részesítése bizonyos területeken segíthet abban, hogy csökkentsük ezeket az egyenlőtlenségeket és a munkahelyi áthelyezések negatív hatásait.

Összességében az MI-technológiák megjelenése által felvetett etikai kérdések kezelése érdekében elengedhetetlen a szabályozási keretek kidolgozása és az etikai normák szigorú betartása. Erre lehetőséget ad a kockázatalapú, keretrendszer-jellegű szabályozási modell. Az MI-rendszerek fejlesztése és alkalmazása során biztosítani kell, hogy ezek igazságosak, átláthatók és elszámoltathatók legyenek. Emellett szükség van az MI-alapú technológiák előnyeinek egyenlő elosztására és a képzési lehetőségek biztosítására, hogy mindenki számára hozzáférhetővé váljanak az új technológiák és előnyeik. Csak így érhetjük el, hogy az MI valóban a társadalom egészének javát szolgálja, és ne mélyítse tovább a meglévő társadalmi és gazdasági egyenlőtlenségeket.

Absztrakt

A cikk sorra veszi a ma élő emberiséget a nem túl távoli jövőben fenyegető veszélyeket, melyek közt ott van a klímaváltozás, a globális társadalmi egyenlőtlenség, a migráció, a túlnépesedés, a vallási fundamentalizmus és az evolúciósan az emberben maradt rövid távú gondolkodás, az önzés és a mohóság következményeként fenntarthatatlan növekedés. A legnagyobb veszélyforrás az emberi képességeket kiterjesztő mesterséges intelligencia, mely paradox módon a megoldást is hozhatja.

Kulcsszavak: klímaváltozás, migráció, globális társadalmi egyenlőtlenségek, túlnépesedés, fundamentalizmus, mesterséges intelligencia

DOI: 10.56699/MT.2024.3.1

Az Ószövetségben Dániel próféta könyve számol be Belsazár babilóniai király lakomájáról, melyet az uralkodó főemberei, feleségei és ágyasai számára rendezett, előhozatva az ezüst- és aranyedényeket, melyeket atyja a zsidók jeruzsálemi templomából rabolt el. A lakomát azonban megzavarta a terem meszelt falán megjelenő írás, melynek szövegét a jelenlévők közül senki nem tudta megfejteni. Végül a palota egyik zugából előkerítették Dánielt, aki a hatalmától megittasult uralkodónak szemébe mondta, hogy „megmérettél, és híjával találtattál”. Belsazár országlása még aznap véget ért, megölték, és birodalmát elfoglalták a médek.

A világ mai hatalmasai nem olvassák a Bibliát, s ha időnként össze is jönnek Davosban vagy a G7-országok vezetőinek különböző luxushelyeken rendezett csúcstalál- kozóin, aligha vennék észre az írást, ha megjelenne lakomáik termeinek falán. A Föld, melyen uralkodnak, végzetesen megbetegedett, s bár a betegség tünetei nyilvánvalók, az okai annál kevésbé.

A hidegháborúnak véget vető „csodálatos év”, 1989 után úgy tűnt, hogy megszabadulva az USA és a Szovjetunió szembenállásának nyűgétől az emberiség a tartós béke és prosperitás korába lép. Francis Fukuyama 1992-ben megjelent könyvében a „történelem végét”, a liberalizmus világraszóló győzelmét hirdette lelkesen (Fukuyama, 1994). Ez a várakozás azonban hiú ábrándnak bizonyult. Samuel Huntington egy évvel később megjelent cikkében arra figyelmeztetett, hogy a Szovjetunió kiesésével a korábbi egyensúly végzetesen megbillent, és az új világrend kialakulásáig tartós káoszra kell felkészülni (Huntington, 1993).

Beigazolódott Hankiss Elemér sejtése a „bizonytalanság koráról” (Hankiss, 2011). Meglátása teljes összhangban van a modern stratégiaelmélet tézisével, miszerint jelenünkben és jövőnkben a katonai, gazdasági és politikai vezetőknek egy olyan világgal kell szembenézniük, melyben egyszerre van jelen a változékonyság, a bizonytalanság, a komplexitás és a sokértelműség, melyek együttesét a VUCA (Volatile, Uncertain, Complex, Ambiguous) betűszóval jelölték (Bennis–Nanus, 1986).

A fordulat 2001. szeptember 11-én következett be, amikor öngyilkos muszlim terroristák menetrendszerű repülőgépeket az Amerikai Egyesült Államok szimbolikus jelentőségű épületeibe vezettek be. A leglátványosabb a New York-i Világkereskedelmi Központ ikertornyai ellen intézett támadás volt, melynek eredményeként mindkét épület kigyulladt, kártyavárszerűen összeomlott, s az égő romok alatt sok ezer ember lelte halálát, amit a CNN egyenes közvetítésében a Föld lakói mind láthattak. A Nyugatot ért gyilkos támadás mindmáig tartó láncreakciót váltott ki, beteljesítve Huntington pesszimista jóslatát, melyet a nagy magyar költő, Vörösmarty Mihály már 1851-ben elővételezett Előszó című látomásos versében:

„A vész kitört. Vérfagylaló keze

Emberfejekkel lapdázott az égre,

Emberszivekben dúltak lábai.

Lélekzetétől meghervadt az élet,

A szellemek világa kialutt,

S az elsötétült égnek arcain

Vad fénnyel a villámok rajzolák le

Az ellenséges istenek haragját.

És folyton-folyvást ordított a vész,

Mint egy veszetté bőszült szörnyeteg.

Amerre járt, irtóztató nyomában

Szétszaggatott népeknek átkai

Sohajtanak fel csonthalmok közől;

És a nyomor gyámoltalan fejét

Elhamvadt várasokra fekteti.

Most tél van és csend és hó és halál.

A föld megőszült;

Nem hajszálanként, mint a boldog ember,

Egyszerre őszült az meg, mint az isten,

Ki megteremtvén a világot, embert,

E félig istent, félig állatot,

Elborzadott a zordon mű felett

És bánatában ősz lett és öreg.”

A vallási fundamentalizmus által táplált terrorizmus azonban csak egyike a Földet s az emberiséget sújtó vészeknek. Hosszabb távon civilizációnk teljes elpusztulásával fenyeget a klímaváltozás. Mint a neves magyar evolúcióbiológus, Szathmáry Eörs mond- ja, a klímaváltozás egyik következménye a termőföld tönkremenetele. Másik következménye a vízkörforgás sebességének növekedése, amelynek eredménye egyes helyeken az elsivatagosodás, más helyeken pedig a túlvizesedés. A változások a káoszelméletből következőleg nem lineárisan, hanem exponenciálisan következnek be, a jövőt a múlt alapján egyáltalán nem láthatjuk előre. Szathmáry szerint nem kizárt, hogy 2050 körül civilizációnkat globális összeomlás fenyegeti, ami radikálisan új lehetőség, hiszen korábban csak lokálisan enyésztek el civilizációk, mint például az egykor virágzó Angkor. Az emberi közösség egésze nincs veszélyben, de azzal számolni kell, hogy a nem túl távoli jövőben bekövetkező összeomlás által megtizedelt emberiség újrakezdi a civilizáció építését (Balavány, 2023).

Az emberiséget gyötrő betegség tünete a létszámnövekedés, melyről Szathmáry Eörs azt mondja, hogy bár a technológiai fejlődés jóvoltából a mezőgazdaság egyre növekvő létszámú embert képes eltartani, a mennyiség ebben az esetben nem csap át minőségbe, s inkább rontja, mint javítja civilizációnk túlélésének az esélyeit. A Föld természeti értékeit nem volna szabad tovább rombolni.

Amikor az emberek megjelentek a Földön, eleve nomád életet éltek, majd a zömük letelepedett, de sokan közülük egyéni és kollektív vállalkozásokban továbbra is mozogtak. A klímaváltozás felgyorsítja a mozgást, hiszen a fiziológiai életfeltételek romlása, az éhség, a szomjúság százmilliókat kényszerít arra, hogy kedvezőbb természeti környezetben keressék megmaradásukat.

A migrációnak azonban nem a klímaváltozás az egyetlen oka. Legalább ennyire latba esik a jobb és szabadabb élet reménye. A Pareto-elvnek megfelelően a Föld lakóinak 80 százaléka a Földön megtermelt javak 20 százalékán kényszerül osztozni, míg a javak 80 százaléka a Földön élők 20 százalékának jut. Ebből adódóan a Föld lakóinak többsége szegénységben kényszerül élni, amit nem igazol többé a túlvilági egyenlőség korábban még hihető ígérete. A földi világ egészét behálózó kommunikációs háló jóvoltából mindenki mindent láthat, hallhat, s a jólét képei illuzórikus közelségbe hozzák a gazdagokat és a szépeket, akik látványa a Föld megszomorítottjaiban és megnyomorítottjaiban felkelti a Nietzsche által ressentiment-nak nevezett kollektív irigység érzését. Ehhez társul, hogy a mozgást megkönnyítő közlekedési eszközök tömeges hozzáférhetősége exponenciálisan növeli a szülőföldjüket elhagyó személyek számát, akik ha egyedül érkeznek is, idővel követik őket családjaik.

A Pareto-eloszlás szerint korábban jól elkülönült kulturális-civilizációs terek a hátrányos helyzetükből előnyös helyzetbe menekülők tömegeinek megjelenése következtében közel kerültek egymáshoz, ami nem feltétlenül jelenti azt, hogy az érkezők értékei megegyeznek az őket befogadó közeg tagjai által elfogadott értékekkel. Emiatt súlyos konfliktusok robbanhatnak ki az ínségből a bőségbe igyekvő bevándorlók és a célországban élők között. A konfliktusok jellemző módon magukkal hoznak a múltból hozott sérelmeket, amelyek a jelenben igazolást jelenthetnek a bosszúra, melyre a befogadó országok értelmiségi elitje lelkiismeret-furdalásos antirasszizmussal reagál. Ez az érzés motiválja a gyarmatosító múltra emlékeztető szobrok, emléktáblák, feliratok eltüntetését, a „fehér történelem” átírását.

A migráció nem csak az emberek sajátja. A klímaváltozás következményeként már kórokozók is útra kelhetnek, már leküzdöttnek hitt betegségek is újraéledhetnek. A 2019-ben Kínából indult, majd az egész lakott világon elterjedt SARS-CoV-2 vírus által okozott pandémia figyelmeztetés volt arra, hogy a jövőben újabb járványok vár- hatók, s ha nem készülünk fel ezekre, a következmények végzetesek lehetnek (Brooks et al., 2020).

Arisztotelész legvadabb aggályait beigazolva a 20. században mind a demokratikus, mind a diktatórikus rendszerekben megjelentek a tömegek a politikában, amit José Ortega y Gasset a „tömegek lázadásaként” értékelt. A folyamat a 20. század végén teljesedett ki, amikor az internetre lépett közlők tömegei által diribdarabra tört nyilvánosságban mindenkinek lehetősége nyílt a társadalmi élet legkülönbözőbb területeivel kapcsolatos nézetek közlésére, aminek eredményeképpen a korábbi elitek kapuőrszerepét az influenszerek vették át, akiket a követők, a rajongók tartanak meg szerepükben, amíg nem jönnek helyettük mások, akik még ügyesebbek a figyelemfelkeltésben. A népszerűség áldozata az igazság, mely többé nem számít, bármilyen témáról van is szó. A politikában a populizmus kiszorította a racionális érvek ütköztetésére alapozott demokratikus deliberációt.

A mind bizonytalanabb nemzetközi környezetben az egymásban nem bízó nagyhatalmak egyre közelebb kerülnek ahhoz, hogy beleessenek a Thuküdidész által egykor leírt csapdába, melynek lényege, hogy a nemzetközi rendszerben elfoglalt uralkodó pozíciója elvesztésétől tartva az inkumbens nagyhatalom hadat indít felemelkedőben lévő versenytársaival szemben. A háború azonban, ha egyszer kitör, a maga által teremtett kényszerek foglyaként nem csökkenti, hanem növeli a bizonytalanságot (Allison, 2023). Még ha akadnak is Belsazár mai utódai között olyanok, akik megértik a palotáik falán megjelenő írás jelentését, nem tudnak szövetségeseket, támogatókat keresni, mivel híveik gondolkodási horizontját behatárolja egyéni életük végességének tudata. A hosszú távú gondolkodás hiánya evolúciós örökség. Az ember megjelenésekor az idő körforgásos volt, nem volt se múlt, se jövő. A mindenkori jelenben a feladat a gyors és hatékony alkalmazkodás volt. A társadalom szervezettségének megnövekedésével megjelent a közösség jövőbeli alkalmazkodásának szüksége, az életbe belépő következő generációkról való gondoskodás szüksége, ami már kívül esett az evolúciósan örökölt rövid távú gondolkodás horizontján, melynek középpontjában az önzés, a mohóság, a „carpe diem” áll. A mai kapitalista társadalmak ennek a gondolkodásnak a jegyében hajszolják a GNP mutatója által mért mennyiségi gazdasági növekedést, ami jelentősen hozzájárul a minőségi élet alapjait képező természeti környezet leromlásához.

A kiutat a fenntartható növekedés irányában kereshetjük, mely a fogyasztói kapitalizmus uralmát megtörve a GNP mutatója által mért mennyiségi növekedés helyett elhozza a „minőség forradalmát”, amelynek szükségét Németh László már 1933-ban előre látta (Németh, 1933).

A megoldás talán közelebb van, mint sejtjük. Látjuk, hogy a létezők minden rezdülését adatként rögzítő hálózatra költöztetett ember kognitív képességeit kisajátító mesterséges intelligencia kilakoltatja az internetre csatlakozott felhasználókat a létből, mint azt jelenleg a ChatGPT a szemünk láttára teszi. A minőség forradalmárai azonban mernek élni. Kritikai gondolkodásuk, autonóm személyiségük megóvja őket az Akárki diktatúrájától. Ők azok, akik a planetáris léptékű datafikáció és digitalizáció adta fejlesztési lehetőségekre építve az emberiséget gyötrő bajok gyógyítását is elősegíthetik.

Az emberi és a gépi intelligencia együtteseként megszülető szingularitással a földi élet regényének új fejezete kezdődhet, melynek hőse az Ember 2.0, Nietzsche szavával az „emberfeletti ember” lesz (Kurzweil, 2013). Kérdés persze, hogy lesz-e akkor valaki, aki emlékezik majd a költő dermesztő kérdésére:

„Majd eljön a hajfodrász, a tavasz,

S az agg föld tán vendéghajat veszen,

Virágok bársonyába öltözik.

Üvegszemén a fagy fölengedend,

S illattal elkendőzött arcain

Jókedvet és ifjuságot hazud:

Kérdjétek akkor ezt a vén kacért,

Hová tevé boldogtalan fiait?”

Absztrakt

A WHO előrejelzése szerint 2030-ra a világon minden hatodik ember hatvanévesnél idősebb lesz, ami növeli a tartós ápolás iránti igényt. Egyidejűleg a világ népességének mintegy felét érinti az ageizmus, amely az idősekkel szemben megjelenő sztereotípiákban, előítéletekben és diszkriminációban nyilvánul meg. A cikk hipotézise, hogy a mesterséges intelligencia fejlődésével a robottechnológiák lehetőséget kínál(hat)nak az előítéletek és a humánerőforrás-hiány csökkentésére, illetve ezáltal az ápolás minőségének javítására. A cikk az MI alkalmazásának kiegészítő lehetőségeit vizsgálja az időskori tartós ápolás vonatkozásában. Két területre fókuszál: a tartós ápolásban jelen lévő humánerőforrás hiányára és a tartós ápolási ellátást igénylő idősek integritásának fenntartására, emberi méltóságuk megőrzésére és emberi jogaik védelmére. E kihívások kezelése átfogó, emberi jogi alapú megközelítést igényel, hogy a robotápolás etikus és méltányos megvalósítása biztosított legyen a tartós időskori gondozásban.

Kulcsszavak: mesterséges intelligencia, robot, ápoló robot, tartós ápolás, ageizmus

DOI: 10.56699/MT.2024.4.2

A világ népességének hatvanöt éven felüli korcsoportja növekszik a leggyorsabban. Az előrejelzések szerint a világ időskorú lakosainak száma a 2019-es 702 millióról 2050-re több mint másfél milliárdra nő (UN, 2019). Erre a tendenciára válaszul az Egészségügyi Világszervezet átfogó stratégiát és cselekvési tervet dolgozott ki (WHO, 2017). Az Európai Bizottság Aging 2021 jelentése (European Commission – Economic Policy Committee, 2021) szerint az időskori eltartottak száma a 2019-es körülbelül 30,8 millióról 2030-ra 33,7 millióra, 2050-re pedig 38,1 millióra fog nőni, ami összességében 23,5 százalékos növekedést jelent (Eurostat, 2022).

Az elmúlt években az államok többségében különböző családtípusok^[1]Véleményünk szerint a téma szempontjából releváns családtípusok a következők: (1) nukleáris család; (2) egyszülős család; (3) nagycsalád; (4) gyermektelen család (DINK-társadalom: … Részletek jelentek meg. Nem ritka, hogy a gyermekeket egyedülálló anya neveli, vagy mostoha-, illetve vegyes családban nevelkednek. A differenciálódó családszerkezet a jövőben még sürgetőbbé teszi a tartós ápolás kérdését (Hajdú, 2020). A család e szempontból azért fontos, mert hosszú ideig ez volt az a közeg, ahol a tartós ápolást igénylő családtagok ápolását, gondozását végezték. Az idősek – beleértve a tartós ápolást igénylőket is – száma nő, és napjainkban a legtöbb család már nem képes betölteni a korábbi funkcióját. Az egyik megoldás lehet az időskori tartós ápolás bevezetése.

Az időskori tartós ápolás olyan – a nyugdíjkorhatárt betöltött – személyeknek nyújtott támogatás, akiknek csökkent a kognitív, fizikai vagy érzékszervi képességük az öngondoskodásra az életvitelszerűen lakott környezetükben. Célja, hogy javuljon az ápolt személy általános integrációja, a mindennapi életvitellel kapcsolatos feladatokban való függetlensége és az életminősége (Savla et al., 2007).

Ennek a támogatási formának két alapvetően fontos összetevője van: ki szolgáltatja az ápolást/gondozást (ez leginkább háromfajta lehet: a) egyéni-kisközösségi szolgáltatás; b) állami szociális szolgáltatás; c) állami egészségügyi szolgáltatás), és ki finanszírozza (ez lehet: a) állami finanszírozás: (aa) PAYG-alapú társadalombiztosítás – tartós ápolási biztosítás [például Németországban]; (ab) adóalapú, normatív finanszírozás [például Magyarországon]; vagy b) magánfinanszírozás [például magánbiztosítás, illetve egyéni, családi forrás]). Dogmatikailag a tartós ápolási rendszer működése sokkal több és komplexebb kérdést indukál, de ezek most kívül esnek a cikk fókuszpontján, ezért nem tárgyaljuk őket.

A fókusztémával kapcsolatban azonban van még legalább három előkérdés, amellyel bevezetésként foglalkoznunk kell. Nevezetesen hogy mi az ápoló robot, miért alkalmas és mire használható.

Az ápoló robot innovatív egészségügyi/szociális gondozási megoldás, amelyet egy tartósan beteg személy ellátására, pontosabban az abban való segítésre terveztek. Olyan személyi asszisztens, amely egy intelligens ház/intézet környezetének része, és előre meghatározott feladatokat munkavégzésszerűen teljesít.

Az ápoló robotok alkalmazása a munkaerőhiány (kvantitatív ok) és az ápolási munka dehumanizálásának (diszkrimináció, előítéletek, ageizmus stb.) ellensúlyozása (kvalitatív ok) miatt szükséges. A robotok ritkán hibáznak, állandó sebességgel dolgoznak, szünet, szabadnapok, szabadság nélkül, valamint az embereknél nagyobb repetitivitással képesek elvégezni a munkájukat, és – általában – nem diszkriminálnak, nincsenek előítéleteik, az emberi méltóságot nem sértve tevékenykednek.

Az ápoló robotok különböző formájúak és méretűek. Vannak olyanok, amelyek fizikai ápolást végeznek, például olyan gépek, amelyek segítenek felemelni az idős embert, ha nem tud egyedül felülni vagy felállni; segítenek a mobilitásban és a testmozgásban; figyelik a fizikai aktivitást, és észlelik az eséseket; etetnek, és segítenek fürdeni vagy a vécét használni. Más ápoló robotok célja az idősek társadalmi és érzelmi bevonása a kognitív hanyatlás kezelése, csökkentése vagy akár megelőzése érdekében; „társat” és terápiát is biztosíthatnak a magányos időseknek, megkönnyíthetik a demenciával összefüggő betegségben szenvedők kezelését a gondozó személyzet számára, és csökkenthetik a mindennapi gondozáshoz szükséges gondozók számát.

A tanulmány célja, hogy trendkutatási céllal elhelyezze az ápoló robotok lehetséges alkalmazásait, kiemelve, hogy az emberi tényező az elsődleges, és ebben a szektorban mindenképpen el kell kerülni a technológiai szingularitáson alapuló algoritmusok elterjedését. Ezt a célt a kvalitatív dokumentumelemzés (QDA) módszerével valósítjuk meg. A kvalitatív dokumentumelemzés jelen esetben az ápolási robotok alkalmazhatósága szempontjából releváns nemzetközi akadémiai és empirikus (internetes és nyomtatott) dokumentumok tanulmányozását és/vagy értékelését jelenti. Más analitikai módszerekhez hasonlóan a kvalitatív dokumentumelemzés is megköveteli az adatok és a lehetséges összefüggések vizsgálatát és értelmezését (Corbin–Strauss, 2008).

Nemek közötti egyenlőségek és nehéz munkakörülmények

A tartós ápolási szolgáltatások alapvetően két részre oszthatók: formális (intézményi) és informális (rendszerint családi) ápolásra. A formális tartós ápolási szolgáltatásokat hivatásos szakemberek nyújtják, és általában otthoni vagy bentlakásos (állami/önkormányzati vagy magán) szociális szolgáltatásként intézményesülnek. Az informális ápolás/gondozás jellemzően nem fizetett szolgáltatás, hanem olyan, amelyet családtagok vagy más közeli rokonok, barátok és – ritkább esetben – szomszédok biztosítanak (European Commission, 2022).

Az EU tagállamaiban végzett felmérésből kiderül, hogy az informális gondozók 59 százaléka nő. Bár sok munkaképes korú informális gondozó kombinálja a gondozást fizetett munkával, a foglalkoztatási arány a gondozási igény növekedésével arányosan csökken. Uniós szinten a munkaképes korú (18–64 éves) informális gondozók 64 százaléka vállal munkát a gondozói tevékenysége mellett. Ugyanakkor magas a munkanélküliség kockázata, különösen a 45–64 éves nők esetében, akik a gondozási feladatok miatt nagyobb valószínűséggel hagyják el a munkaerőpiacot. Az ő foglalkoztatási arányuk 54 százalék, szemben az ezt a korcsoportot összességében jellemző 59 százalékkal (European Commission, 2021).

A legtöbb formális (intézményi) tartós ápolást végző személy szintén nő. 2019-ben az EU-ban a tartós ápolásban dolgozók 88 százaléka nő volt (SPC – EC DG EMPL, 2021). A nemek közötti egyenlőtlenségen túl körükben a – mind fizikailag, mind mentálisan – nehéz munka(körülmények) szintén jellemző(ek). A tartós ápolási szektorban dolgozók 33 százaléka tapasztalt a munkavégzése során offenzív viselkedést, például szóbeli bántalmazást (abúzust), nem kívánt szexuális közeledést, fenyegetést, erőszakot, megalázó viselkedést, zaklatást és szexuális zaklatást, szemben a munkaerőpiac összes vizsgált munkavállalóinak 16 százalékával (pszichoszociális kockázatok) (Eurofound, 2020).

A fentieken kívül a tartós ápolásban dolgozóknak speciális munkahelyi egészségügyi és biztonsági kockázatokkal kell szembenézniük. Ilyenek például az ápolt betegek fertőzései, valamint különféle – potenciálisan fertőző – anyagok, gyógyszerek kezelése stb.

Az ágazatra jellemző alacsony bérek ugyancsak komoly problémát jelentenek. Az Eurofound felmérése szerint 2018-ban a szociális szolgáltatásokban dolgozók (akiknek közel 70 százaléka a tartós ápolási ágazatban tevékenykedik) átlagbére az EU-ban 21 százalékkal volt alacsonyabb, mint az átlagos munkabér. A részmunkaidős foglalkoztatás magas előfordulási aránya a tartós ápolási ágazatban (42%) tovább csökkenti a havi keresetet (Eurofound, 2021).

A mesterséges intelligencia alkalmazási lehetőségei az időskori tartós ápolásban

A mesterséges intelligencia (a továbbiakban: MI) terminusa 1956-ban született (Bellman, 1978). A kifejezés az emberi agy mechanizmusainak szimulálására szolgáló számítástechnikai fejlesztésre utal, amely lehetővé teszi a látás, a beszédfelismerés, a természetes nyelvfeldolgozás és más alkalmazások mesterséges használatát. Az MI célja az emberi gondolkodási és tudástárolási folyamatok szimulálása és kiterjesztése (Krittanawong et al., 2017; Stead, 2018).

Az MI – etikus – alkalmazása végtelen lehetőségeket rejt magában az egészségügyben, beleértve az ápolást/gondozást is. A közelmúltban az MI-t sikeresen használták betegségek előrejelzésére (Johnsson et al., 2020), intelligens diagnózisra és kezelésre (Liu et al., 2019), valamint képfelismerésre (Patel et al., 2017; Le et al., 2017). Nem jelent kivételt e trend alól a (tartós) ápolás sem. Folyamatosan fejlesztik például az MI-alapú intelligens ápolási robotokat, a távoli egészségügyi – tág értelemben vett betegségi és/vagy ápolási – beavatkozásokat (például e-health vagy m-health) (Goher et al., 2017).

2015 januárjában az Európai Parlament Jogi Bizottsága (a továbbiakban: JURI) munkacsoportot hozott létre a robotika és az MI fejlesztésével kapcsolatos jogi kérdések tanulmányozására. 2016 májusára a JURI közzétette az Európai Bizottságnak szóló jelentéstervezetet a robotikára vonatkozó polgári jogi szabályokról szóló ajánlásokkal. 2016 októberében jelent meg a végleges jelentés (A robotika polgári jogi szabályai az EU-ban). Ebben hivatalosan felkérték az Európai Parlamentet, hogy nyújtson be javaslatot a robotika polgári jogi szabályozására. A javaslat tartalmazta a különböző entitások, például az autonóm rendszerek és az autonóm intelligens robotok közös hivatalos meg- határozásának megalkotását, a gyártási minőségi szabványok kijelölését, valamint a robotok kutatására, fejlesztésére és használatára vonatkozó felelősségi szabályok és jogszabályok megállapítását (European Parliament, 2017).

Napjainkban annak lehetünk tanúi, hogy az MI folyamatosan átalakítja az egészségügyet, beleértve az ápolási tevékenységet is. A globális MI egészségügyi kiadások 2025-re várhatóan elérik a 36,1 milliárd dollárt (Robert, 2019). Ami a tartós ápolást illeti, az automatizálás és a digitalizáció növelheti a munka hatékonyságát, illetve csökkentheti az ápolást végző és az ápolt személyek fizikai és mentális kitettségét. Egyetértünk Valentina Zigante-tal (2021), hogy az MI átveheti a tartós ápolásban dolgozók egyes feladatait, megkönnyítve ezzel mindennapi munkájukat, beleértve az esetkezelésben való segítségnyújtást, a betegek mozgatását, az adminisztrációt és az otthon ápolt személyek távoli felügyeletét (Becker–Reinhard, 2018).

A betegek érdekeinek szem előtt tartásával az államok világszerte dolgoznak robotizált ápolósegédek (humanoid ápoló robotok) és a robot házi kedvencek (például robotkutya) létrehozásán, hogy kiegészítsék az emberi ápolók gondozói/ápolói tevékenységét (például betegmozgatás, ételkiosztás, torna), és segítsenek a magány elleni küzdelemben (például felolvasás, „beszélgetés”). E körben jelentkező dilemma, hogy miként lehetne kiaknázni a robotika előnyeit úgy, hogy közben az adatbiztonság és a személyiségi jogok védve maradjanak (Johnston, 2022).

A fentiekben röviden érintettük, hogy az időskorú személyek tartós ápolása napjainkban milyen fontosabb kihívásokkal néz szembe. Ezekre a problémákra minden társadalomban, de globálisan is megoldást kell találni. Ennek egyik eszköze lehet az MI, mely visszafordíthatatlanul átalakítja az egészségügyi és az ápolási szolgáltatásokat, beleértve a tartós ápolást is. Ezért feltételezésünk szerint a témánk fókuszpontjában lévő ápoló robotok a tartós ápolás kihívásainak egyik megoldását jelenthetik.

Az ápoló robotok koncepciója

Bizonyos országokban – ezek között is élen jár Japán – az MI-t ma már viszonylag széles körben alkalmazzák az idősek mindennapi ellátásában. Például ápoló robotok adják oda a fogyatékkal élő, illetve tartós ápolást igénylő idős betegeknek a szükséges tárgyaikat, vagy segítik őket a mindennapi élet alapvető tevékenységeiben, például az étkezésben (Song et al., 2013; Wang et al., 2017), a kézmosásban, öltözködésben, fürdésben (Goher et al., 2017). Különösen a demenciában szenvedő idősek esetében segítik a függetlenség és életminőség megőrzését. A mozgási nehézséggel küzdő személyek számára olyan robotokat fejlesztettek ki és alkalmaznak, amelyek segítenek a járási rendellenességekkel élő idős embereknek járóképességük fenntartásában és járásfunkcióik javításában (Lee, S. et al., 2017; Lee, H. et al., 2017).

Az ápoló robotok működésével és potenciális alkalmazási lehetőségeivel kapcsolatban Niels Garmann-Johnsen és munkatársai világítottak rá (Garmann-Johnsen et al., 2014), hogy feltétlenül és elodázhatatlanul szükség van az ápoló robotok témájának területén végzett szélesebb körű kutatásra. Egyetértünk azon szerzők álláspontjával (például Martinez-Martin – Del Pobil, 2018), akik szerint az MI megoldást jelenthet bizonyos egészségügyi szolgáltatások biztosítására és/vagy a mindennapi feladatok elvégzésében való segítségnyújtásra, valamint a tartós ápolásban részesülő idős személyek önállóságának növelésére. Bizonyított, hogy egyre nagyobb szükség van hatékony idősgondozási megoldásokra, beleértve a terápiát, a rehabilitációt, a társaságot, a tevékenységtervezést és az ápoló/egészségügyi robotokat, amelyek képesek együttműködni vagy önállóan segíteni a napi betegellátási feladatokban. Ezek a robotok az egészségügyi és ápolási tevékenységekben, valamint a betegek önálló életvitelének megteremtésében is fontos szerepet játszhatnak, különösen az öregedéssel kapcsolatos problémák tartós megjelenésekor (Shen et al., 2021; Khan et al., 2020).

A robotetikával^[2]A robotetika interdiszciplináris kutatási terület az alkalmazott etika és a robotika metszéspontjában. Célja a robottechnológia, különösen az autonóm robotok alkalmazása etikai … Részletek foglalkozó amerikai szakember, Shannon Vallor (2011) szerint a gondoskodó robotok széles körben alkalmazhatók, például kórházakban, otthonokban vagy más szociális intézményekben, funkcionálisan beteg, fogyatékkal élő vagy más módon kiszolgáltatott fiatal és idős emberek segítésére, ápolására, gondozására. Tevékenységük alapján az ápoló robotok főbb csoportjai a következők: (1) aktív ápolás: ápolási/gondozási feladatok elvégzése vagy segítése; (2) monitorozás: a gondozott személy egészségi állapotának vagy viselkedésének figyelemmel kísérése; (3) szocializálás: az ápolásra szoruló személy társaságának biztosítása (például társalkodó vagy felolvasó robot) (Sharkey–Sharkey, 2010).

Az időskort célzó diszkrimináció (ageizmus) és az ápoló robotok lehetséges kapcsolata

Amikor az idősödés, az élet e természetes biológiai velejárójának kérdését vizsgáljuk a nemzetközi emberi jogi normák kontextusában, megkerülhetetlen hivatkozási pont az ENSZ közgyűlése által 1948-ban elfogadott Emberi Jogok Egyetemes Nyilatkozata (a továbbiakban: UDHR). Ennek jelentősége abban rejlik, hogy az összes jelenleg kötelező érvényű és univerzális nemzetközi emberi jogi norma referenciaalapjául szolgál. Az UDHR 1. cikkelye kiemeli, hogy minden embernek joga van a Nyilatkozatban körvonalazott valamennyi emberi joghoz, mindenfajta megkülönböztetés nélkül. Ilyen megkülönböztetés lehet például a faj, bőrszín, nem, nyelv, vallás, politikai vagy más vélemény, nemzeti hovatartozás vagy származás, vagyoni, születési vagy egyéb ok miatti diszkrimináció. A 12. cikkely védendő értékként határozza meg a beavatkozás- mentes magánszférát (a magánélet védelme), a családi élet integritását, illetve a jó hírnevet. Az „életkor” mint külön nevesített védendő érték nem szerepel az UDHR-ben (Hajdú, 2020).

Azonban az 1990-es évektől az emberi jogok védelmével foglalkozó szakemberek egyre inkább felismerték az időskori^[3]A téma szempontjából a 65–80 éves felnőtteket tekintik időskorúnak. hátrányos megkülönböztetés (ageizmus)^[4]Az ageizmus az életkoron alapuló (1) sztereotípiákra (ahogyan gondolkodunk), (2) előítéletekre (ahogyan érzünk) és (3) diszkriminációra (ahogyan cselekszünk) utal másokkal vagy … Részletek elleni fellépés fontosságát. A kifejezett pozitív norma hiánya ellenére az ENSZ Gazdasági,

Szociális és Kulturális Jogok Bizottsága (CESCR) 1996-ban már egyértelművé tette, hogy az életkoron alapuló diszkrimináció az alapvető nemzetközi emberi jogi normák szelleme és kiterjesztő értelmezése szerint tiltott magatartás. 2011-ben az ENSZ kiemelte, hogy az időseket gyakran stigmatizálják és diszkriminálják az egészségügyi szolgáltatásokhoz való hozzáférés során (beleértve a tartós ápolást is). 2014-ben az ENSZ kinevezett egy független szakértőt, aki kifejezetten az idős személyek emberi jogainak és humánértékeinek – például az autonómiájuk, önbecsülésük – védelméért felel (Kornfeld-Matte, 2015). Ennek ellenére jelenleg sincs olyan egyetemes (ágazati) egyezmény, amely kifejezetten az idősek emberi jogainak védelméről rendelkezne. Kivételt képez a revideált Európai Szociális Karta 23. cikkelye (Az idősek joga a szociális védelemre) (Hajdú, 2020). Ezért kiemelt fontosságú, hogy az időskori diszkrimináció kulcsszóként bekerüljön a nemzetközi jogba, és átfogó egyezmény szülessen az idősek jogairól.

Az ápoló robotok legfontosabb előnyei

Az időskorú személyek tartós ápolása során a távfelügyeleti rendszerekben alkalmazott MI-alapú technológiák az emberi felügyeletet utánozzák azáltal, hogy adatokat gyűjtenek az ápolt személy otthonában vagy a gondozást végző intézményben elhelyezett érzékelőkből. Ezeket az adatokat különböző betegtevékenységek megfigyelésére és mérésére, a szokatlan mozgások észlelésére, valamint az esetleges kognitív vagy fizikai hanyatlás azonosítására használják (WHO, 2022b; Ho, 2020). A folyamatos adatgyűjtés és viselkedéselemzés lehetővé teszi a betegség előrehaladásának prognosztizáló analízisét, a személyre szabott gondozás irányítását és az egészségügyi kockázatok megelőzését (WHO, 2022b; Rubeis, 2020). A kockázatnak kitett egyénekre vonatkozó adatok folyamatos gyűjtésével az MI-n alapuló algoritmusok előre jelezhetik és megelőzhetik az idősek által gyakran megélt problémás szituációkat, például az elesést vagy a hirtelen előálló vészhelyzeteket (Rubeis, 2020). Természetesen aggályként merülhet fel ezzel kapcsolatban a magánszféra és a személyes adatok védelme.

Az idősödő és a robotizációt pozitívan befogadó társadalmakban (például Japán) igaz lehet az a kiindulási hipotézis, hogy az ápoló/gondozó robotok – bizonyos tekintetben – képesek pótolni az egészségügyi és szociális gondozók egyre növekvő fizikai hiányát. Megfelelő programozással ezek a robotok támogathatják a hivatásos ápolók munkáját, növelve azok hatékonyságát, és lehetővé téve számukra, hogy nagyobb figyelmet szenteljenek munkájuk interperszonális aspektusaira. Emellett a robotok enyhíthetik az ápolás fizikai igénybevételét, például a betegek emelését, mozgatását, repetitív kiszolgálását (Prescott–Caleb-Solly, 2017). Az ápoló robotokat kísérleti jelleggel már jelenleg is alkalmazzák bizonyos gondozási feladatok segítésére és a lakók higiéniájának fenntartására. Emellett intelligens hangalapú asszisztenseket (társalgó robotok) is bevezettek, hogy javítsák az egyedül élő idősek interakcióit, a közösségi beilleszkedésüket, illetve folyamatos ellátásukat információkkal (például az időjárási információk és hírek elérése), valamint a családjukkal való folyamatos kapcsolattartást (Hsu, 2021).

Az interaktív (társalgó) robotokat arra tervezték, hogy az egyedül élő idősek pszichológiai jóllétével és izoláltságuk csökkentésével foglalkozzanak. Különböző formákban léteznek: például robot kisállatok (robopet) (Paro, AIBO stb.) vagy humanoid társas robotok (Kabochan stb.) (Abbott et al., 2019). E robotokat idősotthonokban és/vagy családoknál használják kognitívan sérült idősek mellett. Bizonyos feltételek teljesülésével képesek javítani az ápoltak életminőségét, izoláltságuk csökkentésével fokozni szociális interakcióikat, megkönnyíteni érzelmeik kifejezését, önbecsülésük megtartását, és csökkenteni a pszichotróp gyógyszerek használatát. Kabochan, az emberi interakciót utánozni képes humanoid robot hatékonyan javítja az egyedül élő idős személyek kognitív funkcióit, és enyhíti az Alzheimer-kóros betegek szorongását. A kísérő robotok alkalmazása az Alzheimer-kórral élő betegeken túl az agyvérzésben és depresszióban szenvedő, valamint a viszonylag jó egészségi állapotban lévő idősekre is jó hatással van, hatékonyan csökkentve a szorongást, a magányt, ezzel is segítve társadalmi integrációjukat (Kang et al., 2020; Tanaka et al., 2012).

A fenti források alapján láthatjuk, hogy a robotgondozás (az ápoló robotok) a tartós távú ápolási és gondozási környezetben bizonyos mértékig javíthatja az idősek életminőségét, csökkentheti társadalmi elszigeteltségüket és a magányosság érzését, valamint pontosan nyomon követi egészségi, mentális és fizikai állapotukat. Sőt, megfelelő algoritmus függvényében szignifikánsan minimalizálja az időskorúakkal szemben megnyilvánuló diszkriminációt, stigmatizációt, zaklatást, ignoranciát stb., valamint a segítő ápoló robotok munkája csökkentheti az ápolók/gondozók munkaterhelését.

Az ápoló robotok alkalmazásakor felmerülő legfontosabb hátrány

Annak ellenére, hogy az ápoló robotok hosszú távú alkalmazásával kapcsolatban egyelőre korlátozott kutatási eredmények állnak rendelkezésünkre, a tartós ápolással kapcsolatos innovatív technológiákat vizsgáló tanulmányok azt mutatják, hogy az idősebb emberek e téren inkább passzívak, és a szükséges digitális készségekkel sem rendelkeznek. Ez az állítás megerősíti az életkoron alapuló sztereotípiákat, előítéleteket és diszkriminatív attitűdöket (Mannheim et al., 2021). Gyakran érdektelennek vagy inkompetensnek látják az időseket, figyelmen kívül hagyva a generációs különbségeket (Neves et al., 2018). Például sok idős azért tekinti magát antidigitálisnak, mert úgy érzi, nem képes teljes mértékben önállóan használni egy digitális vagy MI-alapú eszközt (Neves–Amaro, 2012).

A szakirodalomból úgy tűnik, maguk az idősek is önbizalomhiánnyal vagy a környezetük hatására kialakuló ageizmussal küzdenek. Továbbá az idősebb felhasználókkal kapcsolatos sztereotípiák is érvényesülnek, ami a digitális platformokról való kirekesztésükhöz vezet. Barbara Barbosa Neves e téren irányadónak tekinthető kutatási eredményei azt mutatják, hogy az MI-vel és az időskorral kapcsolatos negatív korrelációk mélyen gyökereznek, s leginkább a technológiával szemben megfogalmazódó elvárásokat, aggályokat és bizonytalanságokat érintő öregedési szorongásokat foglalják magukban.

Ezek a diskurzusok és szorongások elsősorban az ageista sztereotípiákból erednek, amelyek általánosítják az öregedési folyamatot, és a gondozásban részesülő idős embereket passzívnak, személyfüggőnek és kompetenciahiányosnak állítják be (Neves et al., 2023). Fontos, hogy ezeket az elfogult nézeteket nemcsak a technológiát fejlesztők vallják, hanem a gerontológiai szakemberek körében is jelen vannak. Ez a megközelítés a már egyébként is meglévő előítéleteket gerjeszti, különösen az idősek technológiai képességeivel kapcsolatban (Mannheim et al., 2021).

Az MI-vezérelt ápoló robotok tervezése (algoritmizálása) döntő szerepet játszik annak meghatározásában, hogy az ageizmus „kódolva” van-e bennük. Amennyiben az IT-szakemberekből hiányzik az idősek iránti empátia, akkor ez az MI-technológiában jelen lévő ageista gyakorlatok és előítéletek meglétét eredményezheti. Ezek az előítéletek természetesen eredhetnek más forrásból is, például a nem körültekintően megszervezett finanszírozási és tervezési folyamatokból, amelyek során az idős személyeket – az ageista sztereotípiák miatt – kizárják a piackutatásból, a tervezésből és a felhasználói tesztelésből (Gran et al., 2021). Még az idősebb emberek kiszolgálásának szándéka ellenére is előfordulhat, hogy a programozók a saját életmódjukkal, a technológia iránti elkötelezettségükkel és az egészségügyi MI-technológiákkal kapcsolatos preferenciáikkal, téves elképzelésekre alapozva tervezik meg az ápoló robotok működését. Ahelyett, hogy az idősekkel, családtagokkal és az ápolókkal/gondozókkal együtt terveznék meg az algoritmusokat, gyakran inkább saját – sokszor hipotetikus – elképzeléseiknek megfelelően cselekszenek, ami az MI-technológia rugalmatlanságát eredményezi, és potenciálisan azt kívánja az idősektől, hogy ők alkalmazkodjanak az ápoló robotokhoz, és nem fordítva. A szakirodalom álláspontja szerint az érintettek (idősek, családtagok és ápolók/gondozók) bevonása az algoritmustervezés folyamatába kardinális kérdés, hogy az MI-technológiák befogadók, alkalmazkodóképesek legyenek, és tiszteletben tartsák a tartós ápolásban részesülő idősek igényeit, valamint az ápolást végző személyek és intézmények preferenciáit (WHO, 2022b).

Az egészségügyben – ugyan még nem általánosan – a „big data” (magyarul: nagy mennyiségű adat) segítségével az MI segíti a beteg anamnézisének megállapítását, megkönnyítve az orvosok döntéshozatalát. Ezt nevezhetjük – az MI és az orvos együttműködésével kialakított – digitális diagnózisnak. Azonban a tartós ápolásban részesülők – sok esetben az ageizmus stigmatizációja miatt – gyakran kimaradnak az ilyen fejlesztésekből, annak ellenére, hogy számos országban jelentős mértékben veszik igénybe az egészségügyi szolgáltatásokat (WHO, 2021a). Ez a kizárás torzításokat eredményezhet, különösen a több korcsoportra tervezett, nem kifejezetten gerontechnológiának minősülő MI-technológiák esetében. Még akkor is, ha elegendő adat áll rendelkezésre az idősekről, előfordulhat, hogy azokat nem megfelelően vagy egyáltalán nem használják fel, részben azért, mert az időskori életszakaszt homogénnek fogják fel, figyelmen kívül hagyva az idősek sokféle egészségügyi állapotát, mentális és fizikai állapotát, érdeklődését stb. (WHO, 2021a).

A tartós ápolás/gondozás folyamatában alkalmazott digitális technológiákról szóló tanulmányok egy része azt a meglátást erősíti, hogy a tartós ápolásra szoruló idősek általában passzívak, és/vagy a digitális készségek hiányában vannak, ami megerősíti az életkoron alapuló sztereotípiákat. Ezt az előítéletet tovább fokozza az a már említett tény, hogy az időseket általában kizárják az MI-technológiák tervezési és tesztelési folyamataiból, ami rugalmatlan algoritmusokat és előre determinált megoldásokat eredményez, amelyek nem feltétlenül felelnek meg az ápolással érintettek igényeinek. Ugyanakkor nemcsak az IT- és a gerontológiai szakemberek körében tapasztalható általános előítélet az időseknek az ápoló robotok vagy általában a digitális technológiák használatára való alkalmasságával szemben, hanem – sok esetben – maguk az idősek sem bíznak abban, hogy megfelelően képesek használni ezeket.

Összegzés

A tartós ápolás terén az időskori diszkrimináció sokrétű probléma, amely mind az időseket, mind a gondozókat érinti. A vonatkozó kutatások szerint az ageista kommunikáció, a szükségletek figyelmen kívül hagyása, a pontatlan diagnózisok, valamint az egészségügyi és ápolási szolgáltatások diszkriminatív elosztása gyakori probléma. Az életkoralapú hátrányos megkülönböztetés a gondozókon túl a családtagokra és a társadalom egészére is jellemző.

Az MI és az ápoló robotok a tartós ápolásban részt vevők számára egyszerre kínálnak lehetőségeket és kihívásokat az időskori ageizmus visszaszorításával kapcsolatban. Míg az MI csökkentheti az ápolói előítéleteket, valamint a munkaterhelést, és ezzel potenciálisan enyhítheti az ageizmust, új hátrányos megkülönböztetési formákat is bevezethet azáltal, hogy az idős felnőtteket passzívnak vagy digitálisan inkompetensnek állítja be. Az idősek kizárása az MI fejlesztéséből súlyosbíthatja ezeket az előítéleteket.

A tartós ápolásban és gondozásban az életkoron alapuló hátrányos megkülönböztetés kiküszöbölése átfogó megközelítést igényel a nemzetközi emberi jogi normák kontextusában is. Szükség lenne egy olyan ENSZ-egyezményre, amely az idősek jogaival foglalkozik. Bár az ageizmuson alapuló megkülönböztetésről nincsenek konkrét globális egyezmények, az ennek megszüntetésére irányuló erőfeszítések képviselői elismerik az életkort mint tiltott megkülönböztetési okot. Az idősek jogi védelmére vonatkozó egyetemes jogi keretek létrehozása felvehetné a harcot az időskori diszkrimináció ellen.

Összefoglalva: az időskori megkülönböztetés a tartós ápolásban összetett és sürgető figyelmet igényel. Az MI és a robotgondozás integrációja előnyöket eredményezhet, ugyanakkor az ageista sztereotípiák megerősítésének kockázatával is járhat. A nemzetközi emberi jogi normákat úgy kell fejleszteni, hogy megvédjék az időseket a digitális ageizmustól, különösen a tartós ápolási környezetben.

Absztrakt

A cikk első felében a kultúráról mint az emberiség túlélési stratégiájáról lesz szó. Jelenünket és jövőnket a technológia és a társadalom egymásra hatása és kölcsönös formáló ereje határozza meg, ennek kontextusát a hatodik hullám elméletében bontja ki a tanulmány, ezt követően pedig két élenjáró technológia, a mesterséges intelligencia és a humanoid robotok esettanulmánya mentén írja le a jövő változásait. Célja egyrészt leírni a technológia társadalmi hatásainak összetett, örvényszerű, folyamatosan változó, dinamikus irányát, másrészt a jövőformáló technológiák etikus, társadalmi felelősséget érző és értő elterjesztése. A terjedelmi korlátok miatt ez természetesen csak felvillantása a jó megoldásoknak, de irányadó lehet az ember és a technológia értékteremtő együttműködésének fejlesztésében. A társadalom igényeinek megértése, a türelem és elfogadás alkalmazása a trendek ismeretében, az érdektérképek őszinte felvázolása, a tudatosság növelése a szükségszerűségek és igények mentén okos változásokat, többszörös sikereket indukálhat.

Kulcsszavak: információs társadalom, technológia, hatodik hullám, mesterséges intelligencia, humanoid robot

DOI: 10.56699/MT.2024.4.1

A kultúra az emberiség túlélési stratégiája. Az intelligencia és az együttműködés teszi sikeressé az emberiséget. Rendkívül izgalmas időket élünk, döbbenetes sebességű és mélységű események, lehetőségek, kihívások zajlanak egyéni és társadalmi szinten is. Sosem volt még ennyi lehetőségünk, ennyi eszközünk, és sosem voltak még ekkora nagy kihívásaink sem, gondoljunk akár a fenntartható fejlődésre, életszínvonalunk megtartására vagy a transzhumanizmus mindennapjainkat formáló erejére. Megvan az eszköztárunk a kihívások megoldására, de ez nem azt jelenti, hogy megnyugodhatunk, csak azt, hogy el tudjuk végezni a munkát. Ehhez az emberi és a mesterséges intelligenciát kell ötvöznünk.

A digitális kultúra nem(csak) üzleti modell, múló divat, hanem egy hosszú fejlődési folyamat fontos lépése, melynek igazán mélyreható változásai még előttünk állnak. Nem választási lehetőség, hanem alapvető túlélési stratégia, amely lehetővé teszi, hogy az emberiség sikerrel válaszoljon az előtte álló kihívásokra. Mint faj a technológiai evolúció segítségével jól vizsgázunk, az elmúlt kétszáz évben megdupláztuk, sőt lassan megtriplázzuk biológiailag eredetileg kódolt élettartamunkat. Az 1880-as évek életminőség-növelő technológiáinak (és a fogyasztói társadalom kialakulásának) köszönhetően kétszázötvenszeresére nőtt a gazdaságunk. Hosszabban, egészségesebben, tisztábban élünk. Az emberiség ezeket a sikereket az erőforrások nagymértékű pazarlásával érte el. Tiszta ivóvízzel húzzuk le a vécét, az autók motorja energiáinak csak egy része fordítódik az autó mozgatására, alacsony hatékonyságú gépeket használunk, a megtermelt élelmiszerek jelentős részét elvesztegetjük, a megfelelő erőforrás felhasználása a megfelelő mértékben és a megfelelő helyen korunk legnagyobb kihívása.

Ahhoz, hogy megőrizhessük életszínvonalunkat, tudatos fejlesztésre, viselkedésre, illetve széles tömegek együttműködésére van szükség. Az utóbbihoz pedig bizalom kell, ráadásul egyre inkább városiasodó környezetben, amelyben az idegenektől való félelem éppen ezt a bizalmat bontja le. A digitális kultúra létrejötte, az okostelefonok, szeretet- gépeink és kényelmi szolgáltatásaink pontosan ezt a bizalmat teremtik meg.

Az, hogy ezek az eszközök ilyen gyorsan, nemtől, kortól, vallástól, földrajzi helyzettől függetlenül mindenkinek kellettek, nem véletlen. A digitális kultúra ősi vágyainkat valósította meg. Segítségével technológiai úton és nem szellemi tökéletesedéssel, hosszú évek tanulásával elértük azt, hogy mindent tudhatunk, a világ összes nyelvén beszélhetünk, nem tévedünk el, tudunk olyanokkal élő kapcsolatot tartani, akik nincsenek a közelünkben stb.

Annyira szeretjük ezeket az eszközeinket, hogy rajtuk keresztül idegenekkel is együtt tudunk működni, ráadásul az automatizáció segítségével akár nagyon rövid időtartamú együttműködések sem igényelnek szervezést, például egy idegen hazavisz minket az autójával, vagy kölcsönkapjuk a fűnyírót. A sharing economy,^[1]Sharing economy: gazdasági modell, amely az erőforrások megosztására épít (autómegosztás, közös használatú eszközök, lakáskiadás stb.). illetve a szívességbank működési modelljének hatása drasztikus mértékben növekszik, és működésüket a digitális kultúra teszi lehetővé. Ez az, amiért létrejött.

Az éghajlatváltozás és a digitális transzformáció kétségtelenül korunk két legmeghatározóbb jellemzője. Mindkettő hatalmas kihívást jelent, amely elképzelhetetlen következményekkel járhat az emberi fajra nézve, és nagy jutalmat ígér azoknak, akik megtalálják annak módját, hogy hatékonyan kezeljék e két tényező negatív következményeit. Ezért nem meglepő, hogy a digitális átalakulás és a környezeti fenntarthatóság évek óta a gazdasági világ két legforróbb témája. A digitális transzformáció a fenntartható fejlődés egyik fontos eszköze, s növekvő energiaigénye miatt a legnagyobb kihívása is. A két terület pedig csak a társadalom újraprogramozásával és az üzleti modellek átírásával érhet el sikert. E négy tényező egymásra hatását együttesen kell figyelni.

A legfőbb kihívásunk és elvárásunk az, hogy a digitális transzformáció segítségével ennyi ember esetében is fenntartsuk az elért életszínvonalat úgy, hogy közben a környezet élhetőségét is biztosítjuk. Ez az elsőre lehetetlennek látszó kettősség a technológia által segített automatizált együttműködésekkel, a(z ön)megfigyelő társadalom intelligens adatalapú döntéseivel, valamint tudatos és (ön)korlátozottabb mindennapi viselkedéssel vitelezhető ki.

Nem a technológia miatt gyorsult fel és változott meg az életünk, hanem mert sokan és sokan gazdagok lettünk, ennek következtében a világ nagyon összetetté, komplexszé és gyorssá vált, és ezt a helyzetet próbáljuk kezelni a technológia segítségével, a napi szintű sok-sok szükséges információ beszerzését, döntések meghozatalát, a világ érzékelésének egy részét kiszervezve és átadva automatizált gépeknek.

A hatodik hullám

Kondratyjev hullámelmélete (más néven hosszú gazdasági ciklusok vagy Kondratyjev-ciklusok) egy gazdasági cikluselmélet, amelyet Nyikolaj Kondratyjev orosz közgazdász dolgozott ki az 1920-as években (Kondratieff, 1935). Az elmélet szerint a kapitalista gazdaság hosszú távú fejlődése nagyjából negyven-hatvan éves ciklusokból áll, amelyeket hosszú fellendülési és visszaesési időszakok jellemeznek. Kondratyjev az ipari termelés, a befektetések, az árak és a kamatlábak alakulását vizsgálva arra a következtetésre jutott, hogy ezek az indikátorok hosszú távú periodikus mintázatokat követnek. Munkája az 1920-as évek gazdasági és politikai környezetében született, amikor a Szovjetunió vezetői a gazdasági tervezéshez kerestek iránymutatásokat. Kondratyjev célja az volt, hogy a kapitalista gazdaságban hosszú távú mintázatokat azonosítson, amelyek elősegíthetik a gazdaság tervezését és stabilitásának fenntartását. Számos történeti adatot vizsgált meg az ipari termelésre, az árakra és kamatlábakra vonatkozóan, különösen az Egyesült Államok és Európa gazdasági adatait a 18. századtól kezdve.

Kondratyjev három jelentős ciklust azonosított: az első 1780 körül kezdődött, és az 1840-es évekig tartott, a második 1840-től 1890-ig, a harmadik pedig 1890-től 1940-ig. Mindhármat hosszú fellendülési fázis jellemzi, amelyet hosszan tartó recesszió követ. A ciklusok fellendülési szakasza során az ipari termelés, a technológiai innováció és a befektetések erőteljes növekedést mutatnak, míg a visszaesési szakaszokban alacsonyabb termelés, csökkenő befektetések és stagnáló technológiai fejlődés következik.

Az elmélet alapja az a megfigyelés, hogy a technológiai innovációk, mint például a gőzgép, a vasút és az elektromosság, alapvető változásokat hoztak a gazdasági növekedés ütemében. Kondratyjev szerint ezek az új technológiák katalizátorai a fellendülési szakaszoknak, míg a technológiai lehetőségek kimerülése előidézi a recessziós fázisokat. Az általa vizsgált gazdasági adatok azt mutatták, hogy e hosszú ciklusok nem véletlenszerűen következnek be, hanem szisztematikusan, és globális hatásuk van.

Az orosz kutató emellett hangsúlyozta, hogy a gazdasági ciklusokat nem csupán belső gazdasági tényezők, hanem politikai és társadalmi változások is befolyásolják. Elmélete szerint a kapitalista rendszerek hajlamosak ciklikus válságokra, és ezek elkerülhetetlenek, mivel a gazdaság hosszú távú struktúrái idővel újra és újra átalakulnak. Kondratyjev hullámelmélete hosszú ideig viták tárgyát képezte, és számos közgazdász dolgozott rajta vagy bírálta. A legfontosabb visszhangot Joseph Schumpeter (1939) adta, aki kollégája elméletét integrálta az üzleti ciklusokra vonatkozó saját elméletébe. Schumpeter úgy vélte, hogy a Kondratyjev-hullámok az innovációkhoz kapcsolódnak, és hogy az új technológiák bevezetése olyan ciklusokat idéz elő, amelyek a gazdasági növekedés motorjai. Az új technológiákat „forradalmi innovációknak” nevezte, amelyek jelentős gazdasági változásokat generálnak, és ezt Kondratyjev elméletével magyarázta.

Az orosz elmélet marxista közgazdászokra is hatást gyakorolt, például Ernest Mandelre (1975), aki a hosszú hullámokat a kapitalizmus válságaival kapcsolta össze. Azt állította, hogy a Kondratyjev-hullámok a kapitalista termelési mód belső ellent- mondásaiból erednek, és ezek az ellentmondások ciklikus válságokhoz vezetnek. Ezek során a tőke koncentrációja és központosítása megnő, és technológiai újítások jelennek meg, amelyek új fellendülési szakaszokat indítanak el.

Markku Wilenius  (2017)  hatodikhullámteóriája a Kondratyjev-hullámok elméletére építve azt állítja, hogy az emberiség jelenleg egy új, hatodik gazdasági és társadalmi hullám küszöbén áll. Ezt az új hullámot a 2010-től körülbelül 2050-ig tartó időszakra jósolja, és fő hajtóerejét az intelligens technológiák és a fenntarthatósági innovációk jelentik majd. Wilenius szerint az ötödik hullám, amelyet az információs technológia uralt, most a végéhez közeledik, és újabb paradigmaváltás következik, amely a környezeti fenntarthatóságot és az integrált technológiákat helyezi előtérbe. A hatodik hullámot az anyag- és energiahatékonyság, a megújuló erőforrások használata, valamint a természeti rendszerekhez való bölcsebb viszonyulás fogja meghatározni. Ebben az új korszakban a gazdaság és a társadalom egyre inkább az intelligens rendszerekre és a környezetvédelemre fog építeni, ami kihívást jelent a jelenlegi üzleti modellek és társadalmi struktúrák számára. A finn jövőkutató szerint ennek a hullámnak a sikeressége azon múlik, hogy mennyire leszünk képesek összehangolni a technológiai fejlődést a fenntarthatósági célokkal.

Wilenius az úgynevezett megatrendekre összpontosít, a technológiai fejlődésre, a demográfiai változásokra, valamint a globalizációra és a fenntarthatósági kérdésekre. Ezek alapján feltételezi, hogy a hatodik hullám központi eleme az új, „okos” technológiák fejlődése lesz, amelyek képesek helyreállítani az emberi tevékenység és a természet közötti egyensúlyt. A hatodik hullám elmélete különböző területeken kínál lehetőségeket, például az egészségügyben, a biotechnológiában és a megújuló energiákban. Az előző hullámokkal ellentétben ez a ciklus globális kihívásokra reagálva alakul ki, és célja a fenntartható gazdasági növekedés elősegítése. Az intelligens, integrált technológiák segítségével az energiafelhasználás, illetve a hulladéktermelés csökkentését és az emberi potenciál jobb kiaknázását igyekszik elérni.

A mesterséges intelligencia társadalmi hatásai

A mesterséges intelligencia^[2]Mesterséges intelligencia: olyan technológiák összessége, amelyek adatfeldolgozás során képesek emberi döntéshozatali folyamatokat szimulálni, tanulni és fejlődni. hatásainak pontos mérése ösztönös és mindent felforgató technológiai jellege miatt gyakorlatilag természetesen lehetetlen. Meghatározó, hogy figyelembe vesszük-e a háttérben futó egyre intelligensebb szolgáltatásokat is, vagy „csak” azt, amikor egy delegált mesterségesintelligencia-szolgáltatást használnak. Meghatározó az is, hogy a hatások közül mire fókuszálunk: a folyamatok hatékonyabbá tételére, a tartalomipar-gyártási képesség, a lehetőségek és a sebesség megnövekedésére, vagy a potenciális munkahelymegszűnésekre, a generált, emberi értékhozzáadást nem is tartalmazó, ezért látensen értéktelenebbnek tartott, de komoly dilemmát okozva egyre megkülönböztethetetlenebb digitális tartalmak etikai és kulturális dilemmáira. Fontos látnunk azt is, hogy nincs kontrollcsoportunk, soha nem fogjuk tudni, hogy e szolgáltatások nélkül milyen kihívásokkal, lehetőségekkel állna szemben a társadalom; melyek azok a hatások, amelyeket ez a technológia hozott felszínre, de nélküle is léteznének. E technológia keretezi a narratívát, de nem forrása és nem is megoldása a problémának.

A makrotrendek mellett a mikrojelenségek összegződésének értelmezése is új és új kontextusba helyezheti a jelenség körvonalainak megértését. A szereplők érdektérképének vizsgálatakor láthatjuk, hogy mindannyiuk valódi érdekét jelentik a csak többé-kevésbé tökéletesen működő megoldások, és az üzleti modellek megtérülését pontosan e többé-kevésbé működés beárazása határozza meg. A legmélyebb társadalmi hatásokat pontosan annak mentén látom, hogy a „többé-kevésbé” elfogadása, új normává válása mennyire írja át, változtatja meg társadalmi értékeinket.

Az értékdöntések mellett azt is szem előtt kell tartanunk, hogy ugyanazon társadalmi csoport esetében az időbeliséget is figyelni kell. Előfordulhat, hogy a folyamat eleje sikeres, középtávon veszteséges, s hosszú távon megint sikeressé válik a mesterséges intelligencia használatának megoldáskészletében. Vegyük például a munkaerőpiacot. Munkavállalói szempontból a mesterségesintelligencia-alapú szolgáltatások sikeres, de nem túl sikeres használata a legmegtérülőbb stratégia: egy darabig növeli a munkavállaló hatékonyságát, kényelmesebbé teszi az életét, piaci értéke növekszik, de teljes siker esetén a folyamat gyökeresen a visszájára fordul, és az érintett személy munkájának az elvesztését ígéri. Nagyon hosszú távon, megfelelő üzleti modellekkel munkamentes jóllétet hozhat el. Munkaadói szempontból a helyzet szintén kettős: logikus cél a gyorsan működő, rugalmas, minél tökéletesebb végeredményt gyártó automatizált szolgáltatások kiterjedt használata, egyszerre növelni a minőséget és a kimenetet, kevesebb bérköltséggel. De nagyon gyorsan elérkezünk a fentihez hasonló dilemmához, mert ugyanezen szolgáltatások segítségével a konkurencia is abban a pillanatban ezekre a képességekre tesz szert, így visszafordul a figyelem a különbséget jelentő emberi tényezőkre vagy társított értékajánlatokra. Minél jobban működő szolgáltatásokat vonnak be vagy fejlesztenek, annál kevésbé lesznek ezek piaci előnyt képző tényezők, viszont a munkaadók nem tehetik meg, hogy nem fejlesztik e szolgáltatásokat, de párhuzamosan mást is fejleszteniük kell.

A mesterséges intelligencia fejlesztésének alapjai a második világháború után, a számítástechnika forradalmának korában alakultak ki. Az első jelentős lépést Alan Turing tette meg 1950-ben, amikor megírta híres cikkét (Turing, 1950), amelyben felvetette a gondolkodó gépek kérdését. Megalkotta a Turing-tesztet, amely a mesterséges intelligencia azon képességét méri, hogy képes-e egy gép emberi szintű intelligenciát mutatni. A teszt abból áll, hogy a bíráló billentyűzet és monitor közvetítésével kérdéseket tesz fel a két tesztalanynak, akiket így nem lát és nem hall. A két alany egyike valóban ember, míg a másik egy gép, és mindketten megpróbálják meggyőzni a kérdezőt arról, hogy ők gondolkodó emberek. Ha a kérdező ötperces faggatás után sem tudja egyértelműen megállapítani, hogy a két alany közül melyik a gép, akkor a gép sikerrel teljesítette a tesztet (Lawlor–Chang, 2024). Érdekesség, hogy már tíz évvel ezelőtt felröppentek hírek, hogy a mesterséges intelligencia átment ezen a teszten, de ez döcögős, megengedő feltételek között történt (kisgyereknek adta ki magát, akinél természetes, hogy nem tud dolgokat; Griffin, 2014). Idén azonban már nagymintás elemzéseken és sok kísérleten keresztül beigazolódott, hogy a Turing-tesztet a mesterséges intelligencia meg tudja oldani (Turney, 2024).

Az MI-kutatás formális indulását az 1956-os Dartmouth-konferenciához köthetjük, amelyet John McCarthy, Marvin Minsky és más úttörő szakemberek szerveztek az IBM, a Bell-cégek, illetve a Harvard Egyetem és a Dartmouth Főiskola közreműködésével. Itt javasolták a mesterséges intelligencia elnevezést, és megkezdődött a tudományos közösség szervezett kutatása ezen a területen. Az MI fejlesztésének első évtizedei azonban lassú fejlődést hoztak, gyakran stagnáló időszakokkal (Roser, 2022).

A nyolcvanas és kilencvenes években újraéledt a gépi tanulás, különösen a mesterséges neuronhálók iránti érdeklődés. Ekkor jelent meg az első nagy áttörés: a gépi tanulás alkalmazása a beszéd- és a képfelismerés területén. Ezt a növekvő számítási kapacitások és az adatmennyiség növekedése tette lehetővé (BMB, 2024). A mélytanulás megjelenése a 2010-es években hozott igazán nagy változást, amikor az AlexNet, egy mély neurális hálózat 2012-ben jelentős áttörést ért el az ImageNet-kihíváson, új mércét állítva a képfelismerés terén. Ez volt az első olyan alkalom, amikor a gépi tanulás mélyrétegei, vagyis a mélytanulás technikái megmutatták, hogy számos feladatban képesek szinte emberi szintű eredményeket elérni (Lawlor–Chang, 2024).

A 2010-es évek közepén megjelenő generatív mesterséges intelligencia^[3]Generatív mesterséges intelligencia: az a mesterséges intelligencia, amely képes új, kreatív tartalmak előállítására, például szövegek, képek vagy hangok létrehozására statisztikai … Részletek a következő mérföldkövet jelentette az MI történetében. A generatív neurális hálók, például a Generative Adversarial Networks (GAN) technológia bevezetése 2014-ben új utakat nyitott a gépi kreativitás számára. Ezzel a modellel lehetővé vált, hogy gépek valósághű képeket generáljanak egyszerű zajokból, ami különösen hasznos volt a képfeldolgozás és a számítógépes látás terén (Roser, 2022).

Az igazi áttörést a társadalom számára azonban a generatív nyelvi modellek hozták. Az OpenAI által kifejlesztett GPT-3 2020-ban került nyilvánosságra. Megjelenésével a generatív MI egyre több területen vált használhatóvá, legyen szó művészi alkotások létrehozásáról, tudományos felfedezésekről vagy üzleti alkalmazásokról. A társadalom és az üzleti alkalmazások számára is elérhető ChatGPT jelenleg a kiterjesztett négyes változatnál tart, a 4o-nál, amelynek nevében az o betű a négyeshez képest tovább bővített társalgási képességekre utal. A generatív MI általában két fő területen mutat nagy előrelépést: az egyik a multimodális rendszerek fejlesztése, amelyek egyszerre több típusú adatot képesek kezelni, például szöveget és képet, míg a másik a különféle ágazatokban való integrációja, mint amilyen a dizájn, a marketing és az ügyfélszolgálat.

A társadalom számára leginkább a generatív MI-szolgáltatások látványosak és elérhetők. A segítségükkel rajzolnak, festenek, szöveget írnak, számolnak és keresnek – ezek közül igazából egyiket sem teszi ez a statisztikai elemző szoftver, de kiválóan hoz létre ilyen ajánlásokat, és utánozza ezeket a viselkedéseket.

Ahhoz, hogy a társadalom megfelelő és értő módon használja a különböző mesterséges intelligenciákat, a fontos jellemzőket készségszinten kell ismernie és alkalmaznia. Hasonlóan ahhoz, hogy néhány szó nyomán (2000-es motor, dízel, kombi) máris tudom egy olyan autó számomra fontos jellemzőit, amelyet ideiglenesen használatba veszek, a mesterséges intelligenciával kapcsolatos írástudás része annak ismerete, hogy milyen képességű, hogyan tanított, milyen működésű MI-t használunk (Bostrom, 2014; Goodfellow et al., 2016; Russell–Norvig, 2010; Schmidhuber, 2015).

Ha képességek szerint osztályozunk, három szintet különböztetünk meg. Az első a szűk MI (narrow AI), amely egy adott feladat végrehajtására specializálódott, ilyen a hang- vagy a képfelismerés, és idetartoznak a generatív MI-n alapuló chatbotszolgáltatások is (a ChatGPT és társai). A második szint a mesterséges általános intelligencia (AGI), amely több feladatot képes elvégezni, általános kognitív képességekkel rendelkezik, és jól működése esetén teljeskörűen tudja szimulálni egy ember viselkedését. Ezek fejlesztése zajlik napjainkban és a következő években. A harmadik és legfejlettebb szint a mesterséges szuperintelligencia (ASI), amely minden tekintetben felülmúlja az emberi intelligenciát. Ez a szint azonban jelenleg még csak elméleti, és talán nincs is rá szüksége az emberiségnek.

Tanulási/tanítási módszerek szerint az első típus az, amelyet felügyelt tanulás (supervised learning) segítségével fejlesztenek. Ennek során az algoritmust tanító adatokkal látják el, és az ismert bemenetekhez ismert kimeneteket rendelnek. Például egy gépi tanulási algoritmust megtaníthatnak macskák és kutyák felismerésére ilyen képek segítségével.

A második módszer a nem felügyelt tanulás (unsupervised learning), ennek során az MI magától talál összefüggéseket az adatok között, anélkül, hogy előre megadott címkékkel dolgozna. Ennek folyamata gyakorlatilag az adatok csoportosítása vagy klaszterezése. A harmadik módszer a megerősítéses tanulás (reinforcement learning), itt az MI kísérletezés útján, visszajelzések alapján sajátítja el a helyes működést, mint például az a robot, amely megtanul navigálni egy akadálypályán, s jutalmazással és büntetéssel tesszük egyre hatékonyabbá. Előadásaimban azzal az analógiával szoktam élni, hogy az első módszernél úgy tanítok, hogy bevezetem a tanulót egy könyvtárba, megmondom, melyik könyv után melyiket olvassa el, és mit jegyezzen meg belőlük. A másodikban bevezetem a könyvtárba, de csak megmutatom a könyveket, ő olvas el mindent, és szelektál, jellemzően statisztikai súlyok alapján. A harmadiknál nem mondom meg, mit tanuljon, csak azt, mikor viselkedik helyesen. Mindegyik módszernek számos előnye és hátránya van, de nagyon fontos, hogy a működés kimenetei nagyon eltérők lehetnek, akkor is, ha azt hisszük, ugyanazt tanulta meg.

Működésmódok szerint az MI lehet reaktív (reactive machines), ilyenkor csak az aktuális helyzetre reagál, és nincs memóriája. Ilyen típusú az IBM Deep Blue, amely képes sakkozni, de nem emlékszik a korábbi játékaira. A második típus a korlátozott memóriával rendelkező MI (limited memory), amely figyelembe veszi a múltbeli adatokat, és azokból tanul, ilyen például az önvezető autók szoftvere. Még két típus lehetséges, de mindkettő csak elméletben létezik: az egyik a magyarra nehezen fordítható elmeelmélet (theory of mind): ebben az esetben az MI képes megérteni mások érzelmeit és szándékait; a másik az öntudattal rendelkező MI (self-aware AI), amely képes önmaga tudatára ébredni.

A generatív mesterséges intelligenciák legfontosabb társadalmi paradigmaváltásának megértése érdekében először a DIKW-piramist, más elnevezései szerint a tudás piramisát vagy hierarchiáját mutatom be.

A DIKW-piramis logikája viszonylag egyszerű. A rövidítés feloldását az angol elnevezés kezdőbetűi adják meg. Legalul az adat (data) található, utána az információ (information), ezt követi a tudás (knowledge), végül pedig a csúcson a bölcsesség (wisdom). A tudás szintjeinek egymásra épülését, hierarchiáját szemléltető fogalmat létrejötte óta sokan csiszolják, kritizálják hierarchikus mivoltát, illetve próbálják értelmezni, megragadni a különböző szintek közötti különbségeket.

Egyik legelső említése Harland Cleveland cikkében jelent meg 1982-ben (Sharma, 2008). Érdekesség, hogy ő T. S. Eliot A szikla című, 1934-es versére utal, mint a fogalom inspirálójára és eredetére.^[4]„Where is the Life we have lost in living? / Where is the wisdom we have lost in knowledge? / Where is the knowledge we have lost in information?” [„Hol van az Élet, melyet elvesztettünk az … Részletek Az elmúlt évek szakirodalmából két írást emelek ki, amely a téma szempontjából releváns: Kate McDowell (2021) a hierarchia bővítésére tesz javaslatot a storytelling módszertan mentén. Megközelítése szerint nemcsak a szintek, de a narratívájuk is ugyanolyan fontos a társadalom számára. Egy nemzetközi szerzőhármas (Peters et al., 2024) pedig a mesterséges intelligencia viszonylatában azt emeli ki, hogy az emberi tudás, illetve bölcsesség mást jelent, máshogy működik.

A piramis első szintje számomra azt írja le, hogy valamit tudunk vagy sem (adat), utána, hogy mit tudunk (információ), később hogy hogyan használjuk (tudás), végül pedig hogy miért tesszük mindezt (bölcsesség). Ezek a szintek nem választhatók szét logikailag és folyamatukban, s ahogy az említett szerzők is kiemelik, az, hogy hogyan érzékeljük őket, illetve hogyan is működhetnek, nagyon változatos lehet az információs társadalomban.

Véleményem szerint a generatív mesterséges intelligencia paradigmaváltása a társadalom szempontjából, hogy az emberek most már „nemcsak” információkhoz juthatnak hozzá bárhol és bármikor (internet), hanem teljes tudáscsomagokat kölcsönözhetnek, vehetnek igénybe (kölcsönvett tudás) a mesterséges intelligencia segítségével. Használatakor azt gondolhatjuk, hogy tudunk rajzolni, tudunk egy nyelvet, értünk a matematikához, írók lettünk stb. A kölcsönvett tudás korlátainak felismerése, elhelyezése az életünkben nemcsak alázatot és őszinteséget igényel, de új társadalmi képességet is, a mesterséges intelligencia írástudását.

A technológia terjedése a társadalomban a humanoid robotok esettanulmányán keresztül

A különböző szakirodalmak, technológiai cikkek és üzleti jelentések számos definícióval és csoportosítással igyekeznek megragadni a humanoid robot fogalmát. Ha funkciók szerint tekintjük át a humanoid robotok megjelenési formáit, akkor nagy sokszínűséggel találkozhatunk: ismerünk multifunkcionális platformokat, mint az Atlas (Boston Dynamics) és az ASIMO (Honda); társalgó robotokat, mint a Pepper (SoftBank Robotics), a Nao (SoftBank Robotics), ezek ügyfélszolgálatokon, az egészségügyi támogatásban, oktatásban, szociális gondozásban játszanak szerepet; rehabilitációs robotokat, mint a Lokomat (Hocoma) és a ReWalk (ReWalk Robotics), ezek a mozgásban, egyensúlyozásban, erősítésben és koordinációban segítenek, s gyakran interaktív feladatokat kínálnak a betegek számára, hogy javítsák fizikai képességeiket. Léteznek segítő robotok, amelyek célja, hogy megkönnyítsék az emberek mindennapi életét, különösen azokét, akiknek szükségük van támogatásra mindennapi tevékenységeik elvégzésében. Ilyen például a Paro (terápiás fókababa) és a Roomba (iRobot), szerepük az idősgondozásban, a fogyatékkal élők segítésében, az otthoni automatizálásban van. A kórházakban a da Vinci Surgical System vagy a TUG-robot (Aethon) jelenhet meg, ezek képesek műtéteket végrehajtani, rehabilitációs gyakorlatokat vezetni, és lelki támogatást nyújtani a betegeknek. Egyszerű oktatási robotok (LEGO Mindstorms, NAO-robot) és komplexebb szórakoztató robotok is léteznek már (Sony Aibo, Anki Cozmo), ezek képesek zenélni, táncolni, játszani és beszélgetni.

A fentiek csupán leíró jellegűek, egy technológiai eszköz funkcionalista csoportosításait és bemutatását nyújtják, azonban mit sem jeleznek azokból a lehetőségekből és valódi megoldóértékből, amelyet ez a technológiai irány jelent. Ha nem kontextusában és helyét megtalálva definiáljuk a humanoid robotot, öncélú termékeket, rossz szabályozást és társadalmi elutasítást kapunk, helyesen értelmezve azonban a jövő egyik fontos társadalmi szövetét hozhatjuk létre.

Lényegét tekintve a humanoid robot olyan humanoid formájú MI-platform, melynek szerepe az egyénekkel és közösségekkel való kapcsolattartás, feladatmegoldás. Nem funkciója az emberek pótlása. Célja egy mobil, a fizikai világban is korlátozott cselekvéseket kivitelező szuperintelligens személyi asszisztens biztosítása. Jövőjének megalkotását nem a társadalom tagjainak teljes megtévesztése (embertől megkülönböztethetetlen robot) vagy fizikai emberi cselekvések teljes pótlása befolyásolja, hanem egy mindentudó, türelmes szakember létrehozásának szándéka.

A humanoid robot egyensúlyt képez a kifejezetten egycélú (legyen az akármennyire bonyolult cél, például egy autó összeszerelése, víz alatti városok építése vagy holdbázis létesítése), annak megfelelő szerszámokkal (karok, lábak, kerekek, fúrók, vágóeszközök stb.) ellátott gépek és a valamilyen digitális platformon megjelenő (legyen az akár egy monitor, okostelefon, tablet, holografikus kivetítés, érintőképernyő stb.) szoftveres megoldás között.

A humanoid robot jövőjét, funkcióját, megoldóértékét, társadalmi igényét és elfogadását, üzleti modelljeit ebben az egyensúlyi állapotban kell keresnünk. A humanoid robot olyan mobil mesterséges intelligencia, melyet az emberi közösségekben való kapcsolatteremtésre, feladatvégzésre fejlesztünk ki. Ezek mentén fog kibontakozni elfogadása és üzleti modelljei is. Nem a gyárak (arra ott vannak más robotok) és nem a szórakoztatóipar különböző látványos megoldásai jelentik a fő irányt (bár a társadalmi megismerés kulturális objektumai ezek lesznek), hanem a nagy tudású, emberekkel foglalkozó specialisták. És ezen a területen a fejlett országokban elképesztően nagy a hiány. Nézzünk meg néhány olyan szakmát, amelyek esetében egyénekkel, közösségekkel foglalkozó, nagy tudású, megbízható szakemberekre van szükség.

Az európai orvosi munkaerő hiánya 2030-ra jelentős kihívást jelent. Az előrejelzések szerint Európában körülbelül 230 ezer orvos fog hiányozni az egészségügyi rendszerből. Ez több tényezőre vezethető vissza, ilyen például a nyugdíjba vonuló orvosok nagy száma, a nem megfelelően képzett új orvosok aránya és az orvosok emigrációja jobb munkakörülményeket kínáló országokba (Scheffler–Arnold, 2018; Berthier, 2018). A WHO jelentése szerint az európai régióban az orvosok 40 százaléka ötvenöt éves vagy annál idősebb (WHO, 2022).

A pszichológusok terén sem jobb a helyzet. A mentális egészségügyi szolgáltatások iránti kereslet jóval meghaladja majd a rendelkezésre álló szakemberek számát. Ez a probléma különösen súlyos az európai régióban, ahol a Covid-járvány tovább növelte a pszichológusok iránti igényt, és rontotta a meglévő szakemberek mentális egészségét (WHO, 2022). Az EU szakoktatási és szakképzési ügynöksége, a Cedefop (2016) szerint a pszichológusi hivatás azon szakmák közé tartozik, melyek sorában a legnagyobb hiány várható a következő években. A munkaerőhiány fő okai közé tartozik az öregedő munkaerő, a nyugdíjba vonulások magas aránya, valamint az új pszichológusok képzésének és beáramlásának hiánya. Ezen túlmenően sok pszichológus választja a magánpraxisban való munkát, ami tovább csökkenti a közszolgáltatásokban elérhető szakemberek számát, és a trend megfordítására irányuló elképzelések egyelőre csak tervek (Hanlon, 2022).

Ugyanez figyelhető meg a tanárok körében is. Az európai országokban, különösen Németországban, Magyarországon, Portugáliában, Svédországban, Franciaországban és Olaszországban jelentős tanárhiány van már most is. Németországban 2025-ig huszonötezer, Portugáliában 2030-ig harmincezer tanár hiányzik majd (European Commission, 2021). E téren is hasonlók az okok, mint más területeken, elsősorban arról van szó, hogy a tanárok jelentős része közel áll a nyugdíjhoz. Az EU-ban 40 százalékuk ötven év feletti, ami azt jelenti, hogy sokan közülük visszavonulnak a következő években, tovább súlyosbítva a hiányt (Euronews, 2022). Ez önmagában nem okozna társadalmi vészhelyzetet, a trend hatását az utánpótlás hiánya teszi vészjóslóvá. Ha lenne folyamatos utánpótlás, a kiöregedés nem jelentene gondot, de az alacsony bérek és a rossz munkakörülmények, illetve a munkahelyi elégedetlenség nem teszik vonzóvá a szakmát a fiatal nemzedékek számára, amelyek „fogyasztóként”, iskolásként látják a körülményeket. Sok tanár elégedetlen a fizetésével és a munkakörülményeivel, ami hozzájárul a szakma vonzerejének csökkenéséhez. Franciaországban például a tanárok alacsony bérei és a munkakörülmények romlása jelentős szerepet játszanak a tanárhiányban. A Covid-járvány csak felerősítette a szakmával kapcsolatos elégedetlenséget, mivel a tanárok számára a digitális oktatásra való átállás és a megnövekedett munkaterhelés további stresszt okozott. Természetesen számos program igyekszik megfordítani a trendet fizetések növelésével, támogató programokkal (ilyen az Európai Unióban az Erasmus+ Teacher Academies) vagy karrierút-fejlesztéssel stb. (SwissCore, 2023), de ezek még csak le sem lassították a változást.

Hosszan folytathatnánk a sort (szakdolgozók az egészségügyben, a turizmus és a vendéglátás sokféle területe a portástól az idegenvezetőig stb.), ugyanezen mintázatokat azonosítva, a fejlett országok jóléti, kényelmi megközelítése, idősödése, illetve az utánpótlás szűkülése világos és kezelendő forgatókönyv. A fejlett gazdaságokban és egyre inkább számos feltörekvő országban is az aktív munkavállalói korosztály egyre idősebbé válik. Ma az OECD-országokban a negyvenöt és hatvannégy év közötti emberek a munka- képes korú népesség mintegy 40 százalékát teszik ki, szemben az 1990-es 28 százalékkal (OECD, 2023). Két erőteljes és tartós trend – a hosszabb élettartam és az alacsonyabb születési arány – szinte garantálja, hogy a munkaerő átlagéletkora tovább növekszik. Ennek mélyreható következményei vannak a munkaerőpiacra, a kormányzati stratégiákra, az egészségügyi és jóléti rendszerekre – és azokra a fiatalabbakra nézve, akiknek a kemény munkája ezeket a társadalmi alapokat biztosítja majd.

Több millió képzett, türelmes, megbízható szakemberre van szüksége Európának, amit a brain-drain, vagyis a szaktudásfókuszú migráció sem képes megoldani, egészen egyszerűen a küldő országok oktatási színvonala és az elérhető, önkéntes jelöltek korlátozott száma miatt. És akkor még nem is említettük az új igényeket, célokat, csak a hátránymenedzsment területén vizsgálódtunk.

A tudáspótló technológiák (internet, közösségi média, mesterséges intelligencia) szintén erodálják a társadalom körében a nehezen megszerezhető tudás értékét, a társadalom tagjai nem érzékelik azt, hogy a kölcsönvett tudás a megfelelő időben és okosan felhasználva értékteremtő ugyan, de nem pótolja a belső tudástőkét, sőt nem is működik nélküle.

Bár régebben alapigazságként fogadtuk el, hogy minél idősebb valaki, annál kevésbé produktív, a mostani idősebb korosztály sokkal iskolázottabb és egészségesebb, mint az előző hasonló korú generációk. Teljesen új helyzettel állunk szemben, ilyen még nem volt az emberiség történetében, az elmúlt évtizedek adatai alapján azt láthatjuk, hogy az idősebbek esetében a tanulási hajlandóságuktól függ a foglalkoztathatóságuk mértéke. Ha az állami szféra és az üzleti világ nem kezd semmit az idősödő népességgel, akkor érezhetően csökkenni fog az életszínvonal: az OECD számítása szerint a következő harminc évben 10 százalékkal (OECD, 2020).

Az előttünk álló egyik nagy lehetőség egy trend megfordításán alapszik. Az OECD számításai szerint csak Magyarországot tekintve 2050-ig az ötven év feletti munkavállalók lassú kiszorulása a piacról 14 százalékos GDP-csökkenést fog okozni. Viszont ha Magyarország csak a mostani izlandi vagy új-zélandi idős munkaerő visszaforgatását elérné, nettó 10,4 százalékos GDP-növekedést tudna elérni (OECD, 2020).

Az idősek képzésének, munkaerőpiaci reintegrációjának csak egyik, bár az állam és az üzleti világ számára legfontosabb értéke a 20 százalékos GDP-trendforduló. De gondoljunk csak a társadalmi reintegrációra, a hasznosság érzésére, az ügyekre, a teljes élet megélésének élményére, arra, hogy élettel tudjuk megtölteni az éveket. Itt már nem hátránymenedzsmentről, hanem a jövő formálásáról van szó, egy intelligens eszköz, a humanoid robot okos felhasználásáról.

Számos fejlesztés során elkövetik azt a hibát, hogy mindvégig már a végleges, tökéletesen és teljeskörűen kivitelezett megoldásban gondolkodnak, ami nemcsak tévutakra vezethet, de a társadalmi befogadás tényezőjével sem számol. A társadalom, a fenti szükségleteket megélve, illetve a technológiai ahaélmények által támogatva, mások használati példáján keresztül lépésről lépésre, funkcióról funkcióra sajátítja el a komplex technológiákat, a kezdeti ellenállást önmaga lebontva, és évtizedes távlatból rácsodálkozva, mennyire megváltozott a percepciója. Eddig mindegyik mindent felforgató fejlett technológiai szolgáltatás esetében megfigyelhettük az emberek önkéntes szemléletformáló készségét, amelyet sürgetve csak ellenállást és kizárást tapasztalhatunk. Az okostelefon kezdetben egy olyan telefon volt, melynek vannak internetes képességei, majd átalakult egy olyan eszközzé, melynek lényegét a média- és online kommunikációs képességei jelentik, maga a telefonálás már csak az egyik funkció a sok közül, és talán nem is a legfontosabb. A használat, a sikerek, a mindennapi apró megoldott helyzetek fokozzák a bizalmat, növelik az elfogadást. Hasonló trend figyelhető meg az önvezető autóknál, a mesterséges intelligencia használatánál, és megfigyelhető lesz a humanoid robotoknál is. A helyes jövőépítés a társadalmi befogadás ritmusára optimalizálja üzleti megoldásait, funkcióit, számolva azzal, de nem erőltetve, hogy a társadalmi befogadás bővülésével mind a lehetőségek, mind az üzleti modellek exponenciálisan kezdenek fejlődni.

A humanoid robotok terjedésének következő tíz évében ezért három trend egymás mellett haladását kell figyelembe vennünk:

• a társadalmi csoportok technológiai befogadását, és ezt is ritmusszerűen; ehhez a rogersi modell kombinálását javaslom az Overton-ablak elméletével (lásd alább);
• a technológiai érettség szakaszait;
• és a szükség nyomását, mely mindkét szakaszt gyorsíthatja, de kritikus fontosságú az etikai szempontok figyelembevétele, mert a szükség itt szokta a legnagyobb erodálódást végezni.

A rogersi görbe elmélete, más néven az innovációdiffúzió elmélete (Diffusion of Innovations Theory) egy szociológiai teória, amelyet Everett M. Rogers fejlesztett ki (1962), és az új ötletek, termékek vagy gyakorlatok elfogadásának és elterjedésének folyamatát vizsgálja a társadalomban. Bármilyen új ötletről, gyakorlatról vagy tárgyról szó lehet itt, amelyet egy egyén vagy más egység újnak tekint. Ebben a megközelítésben a társadalom az emberek csoportja, amelyben az innováció terjed. Ez jelenthet közösségeket, szervezeteket vagy teljes kultúrákat. A folyamat jellemzően haranggörbével írható le, amely az innováció elfogadási folyamatát ábrázolja az idő függvényében. Az x tengelyen az idő szerepel, az y tengelyen pedig az elfogadók aránya. A görbe azt mutatja meg, hogy az innováció hogyan terjed a társadalom különböző csoportjai között az idő múlásával. Kiegészülhet a Bass-modellel, melyet Frank M. Bass (1969) fejlesztett ki, és kvantitatív megközelítést ad az innovációk piacra jutásának előrejelzéséhez, szorosan kapcsolódva Rogers elméletéhez.

Rogers szerint az emberek különböző sebességgel fogadják el az innovációkat, és az elfogadás folyamata öt fázisra osztható:

1. Innovátorok (Innovators) (2,5%): azok, akik elsőként fogadják el az új ötleteket. Jellemzően kockázatvállalók, és nyitottak az újításokra.
2. Korai befogadók (Early Adopters) (13,5%): azok, akik hamar felismerik az újítás előnyeit, és elfogadják. Ők gyakran véleményformálók.
3. Korai többség (Early Majority) (34%): azok, akik az újítást megbízhatónak tartják, és elkezdik alkalmazni, miután látták, hogy mások sikeresen használják.
4. Kései többség (Late Majority) (34%): azok, akik az innovációt csak akkor fogadják el, amikor már széles körben elterjedt és bizonyított.
5. Lemaradók (Laggards) (16%): azok, akik nagyon lassan vagy egyáltalán nem fogadják el az innovációt. Általában konzervatívak, és ragaszkodnak a hagyományokhoz.

Az elmélet számos kritikával illethető, ilyen például az, hogy deterministának tekinthető, mivel feltételezi, hogy az innováció elfogadása előre meghatározott mintákat követ, vagy hogy nem mindig veszi figyelembe a különböző kultúrák közötti eltéréseket az innováció elfogadásában, illetve hogy elsősorban technológiai innovációkra koncentrál, és kevésbé alkalmazható más típusú változásokra. Ezek a kritikák a humanoid robotok esetében nem relevánsak, mert itt alapvetően egy technológiai eszközről van szó, és más digitális eszközök terjedése alapján azt láthatjuk, hogy a kulturális különbségek csak a nagyon késői, érett szakaszban jelentkeznek, bár korai szakaszokban is járhatnak penetrációs hatásokkal (például egyes ázsiai kultúrákban nagy a robotok elfogadottsága).

Számunkra azonban az a felismerés lényeges, hogy a humanoid robotok terjesztésé- ben (és így funkcióik fejlesztésében) e logika mentén mozoghatunk. Az innovátorok jellemzően a fejlesztéseken vagy azok körül dolgoznak. Első célcsoportunkat tehát a korai befogadók jelentik, akiken keresztül a korai többséget akarjuk meggyőzni. Funkcióalapú, a technológia megoldóértékét hangsúlyozó, pontszerűen, de sikeresen használt megoldásokra van szükség. A második és harmadik csoport meggyőzése után a technológia önmeggyőzés útján halad tovább. Jól működő megoldások esetén a társadalom negyede szövetségesünk abban, hogy meggyőzzük a további negyedét, ötödét, utána pedig már piaci alapokon terjed a technológia.

Fontos, hogy ne csak egyének összességeként, hanem közösségek hálózataként érzékeljük a társadalmat. Amikor egy egyént be akarunk vonni, akkor olyan narratívát is adjunk neki, amellyel viselkedését értelmezhetővé, elfogadhatóvá tesszük környezete, a granovetteri értelemben vett gyenge és erős kötései számára (Granovetter, 1973). Az erős kötések (mély, gyakori és intenzív interakciók, család, barátok) a kezdeti használatot, a gyenge kötések pedig társadalmi hidak segítségével a terjedést támogatják. Tudomásul kell vennünk, hogy erre időt kell hagynunk, az eddigi trendek alapján jellemzően egy-két évet.

A rogersi modellt tervezéseim során szeretem kiegészíteni az Overton-ablak megközelítésével (Overton, 1996). Bár ez politikatudományi fogalom, segít a technológiák társadalmi diffúziójának megértésében. Az Overton-ablak ötletének alapja, hogy bármely (politikai) téma esetén a javaslatok egy spektrumon helyezkednek el, amelyen belül az ötletek különböző mértékben fogadhatók el. Ezek a szintek a következők lehetnek:

• Tiltott: az ötlet teljesen elfogadhatatlan a jelenlegi társadalmi normák és politikai kontextus szerint.
• Radikális: az ötlet nagyon szokatlan, és csak néhány szélsőséges csoport támogatja.
• Elfogadható: az ötlet még mindig nem mainstream, de már elismert, és komolyabb viták tárgya lehet.
• Észszerű: az ötlet már a diskurzus része, és egyre több támogatót nyer.
• Népszerű: az ötlet széles körben elfogadott és támogatott, sokan gondolják úgy, hogy megvalósítható.
• Policy: az ötlet hivatalos politikává válik, beépül a jogszabályokba és a közpolitikai döntésekbe.

A humanoid robot megjelenése jelenleg még számos helyzetben a tiltott, nem elfogadható kategóriában van („Hogy lehetne egy robot tanár?”). A fejlesztések során az érintett szakma számára elfogadható szintet kell létrehoznunk, amely a társadalom számára még radikális lesz, de siker esetén elkezd mozogni a csúszkán, az elfogadhatóból az észszerű, majd a népszerű, később pedig a kanonizált szintig. Ezeket a szintváltozásokat ki kell várni, másképpen visszavetjük a terjedést.

A második trendet a technológiai érettség különböző szakaszai jelentik. A technológia érettsége olyan koncepció, amely leírja egy adott technológia fejlettségi szintjét, attól kezdve, hogy az ötlet megjelenik, egészen addig, amíg széleskörűen alkalmazzák, és beépül a mindennapi életbe. Az érettség mérésére különböző modelleket használnak, amelyek közül az egyik legismertebb a technológiai készültségi szint (Technology Readiness Level, TRL), amelyet a NASA fejlesztett ki (Manning, 2023). A TRL meghatározása néha szubjektív lehet, és különböző értelmezésekhez vezethet. Azt is látnunk kell, hogy a különféle technológiák eltérő jellemzői miatt ezeket nehéz lehet minden esetben egyértelműen besorolni egy-egy TRL-be, illetve az is csapdahelyzetet teremt, hogy a TRL-modell azt feltételezi, hogy a technológiai fejlődés lineáris, miközben sok technológia esetében ez nem ilyen egyszerű és egyenes vonalú.

A TRL- és a rogersi modell kombinálásával nemcsak célcsoportjainkat, de a fejlesztendő funkciókat, narratívákat is jobban felépíthetjük, gyorsítva a technológia terjedését, és hangsúlyozva megoldóértékét.

A fenti két trendet körülveszi, belengi a szükség nyomása. A fejlesztés során kiemelten kell figyelnünk az etikus megközelítésre. Ne hagyjuk, hogy a szükség vagy a rövid távú üzleti érdekek felülírják ezt, bár a piaci versenytársak nyomása növekvő siker esetén fokozódik. Hosszú távon azok a megoldások nyernek, melyek a humanoid robot és a társadalom viszonyában is megtalálják azt az egyensúlyt, melynek köszönhetően az interakció, a rászorultság és függőség, illetve a lekötési lánc értékteremtő marad, és nem a fogyasztók termékké válását eredményezi. Véleményem szerint ennek a szintnek a legjobb megközelítése a bizalmi, szakmai, funkcionális szint, mely etikailag és szabályozás szempontjából is a legjobban kezelhető.

A humanoid robotok terjedésének következő évtizedeit kutatásaim alapján négy jellemző szakaszra bontom:

I. Láthatatlan szakasz (0 + három-négy év)

• Zajlanak a fejlesztések, a társadalom a szórakoztató robotok és a látványos innovációk nyomán pontszerűen tájékozódik, a valódi hatást nem érzékeli.
• Kiemelt célcsoportoknak pontos, szűk körű, funkcionális fejlesztések, platformépítés, ez a leglassabb szakasz.
• Ezalatt a szoftverrész (MI) elér a jól működő funkcionális alkalmazásokig, és előkészíti a terepet a mobil MI-k számára.

II. Berobbanás, áttörés (első szakasz + három év)

• Az első, egy szakmában sikeres fejlesztések a humanoid robot esetében:
  • elsősorban az egészségügyben, az idősgondozás terén és a középkorú generációk körében;
  • illetve az oktatás esetében a felnőttképzés területén, az új tanár türelme és széles körű tájékozottsága miatt;
  • valamint a turizmus és vendéglátás egyes szakmáinál (a konyharobottól a recepcióson és ügyfélszolgálatoson át a személyi kísérőig).

III. Hódítás (második szakasz + egy-két év)

• A technológia áttört, pénzügyi korlátok, beszerzés, gyártás, üzleti modellek fokozatos árcsökkenése, gyors verseny, melyben az első szakaszt kihagyók csak olcsó termékeket szolgáltathatnak.

IV. Új funkciók terjedése, a korai többség innovátorrá válása (harmadik szakasz + egy év)

• Az üzleti pezsgés legfontosabb szakasza, új és új termékek, új funkciók, új útkeresések, egyéni kulturális jellegek, popkulturális bevonódás.

V. FOMO-szakasz (lassú, generációváltáson átívelő szakasz)

• Akiknek nincs szükségük rá, vagy nem tudják elfogadni, már lemaradva érzik magukat, de nem győzhetők meg, számuk lassan csökken, de a kategória sosem tűnik el teljesen.

Összefoglalás

Cikkemben a társadalom és a technológia kölcsönhatásának jövőformáló erejét vizsgáltam. Rövid helyzetképemben hangsúlyoztam, hogy a jólét felé igyekvő társadalmunk gazdagodása és lélekszámunk megnövekedése okozza világunk összetettségét és felgyorsulását, és nem a technológia, hanem éppen a technológiát fejlesztjük azért, hogy ezt az összetettséget és sebességet kezelni tudjuk. A digitális transzformáció terjedésével egyre több mindent (információszerzés, tudás, bizalom, döntések) szervezünk ki (fél)automatizált intelligens rendszereknek, mesterséges intelligenciáknak, robotoknak. Cél a hatékonyság és az együttműködés növelése, új bizalmi struktúrák megteremtése. Felhívtam a figyelmet, hogy ezek a folyamatok csak társadalmi szemlélettel értelmezhetők és vihetők sikerre, jelentős értékveszteség, kiszolgáltatottságnövekedés nélkül. A technológia megoldóértéke önmagában nem elég, az új technológiát etikusan, jövőlátóan kell bevezetni, és átadni a társadalomnak.

Ezt követően a hullámelmélet segítségével az előttünk álló évtizedek kihívásait, a megoldandó feladatok metatrendjét vázoltam fel. A hatodik hullám elmélete szerint az intelligens technológiák és a fenntarthatósági innovációk adják a jövő gazdasági és társadalmi változásainak fő hajtóerejét. Ez az új hullám az anyag- és energiahatékonyságra, valamint a megújuló erőforrásokra épül, miközben a gazdaság és a társadalom integrált technológiák segítségével törekszik a fenntarthatóságra. Fontosnak tartom, hogy a digitális transzformáció megoldásai csak akkor lesznek fenntarthatók, ha a technológiai fejlődést összehangoljuk a környezeti célokkal és a felelős társadalmi integrációval. A mesterséges intelligencia hatásainak pontos mérése nehéz, mivel ez a technológia ösztönös, és radikálisan átalakítja a társadalmi folyamatokat. Erről szólva a megértés összetettségét próbáltam kiemelni. Nem elég a jelen problémái tükrében figyelni az MI megoldóértékét (a jelen, melynek munka- vagy életfolyamatában van utánzó- vagy csereértéke), hanem azt is szem előtt kell tartani, hogy milyen jövőbeni kihívások megoldása a szerepe. Figyelemmel kell kísérni az idődimenzió hullámzását is, mert lehet valami rövid távon hasznos, de a társadalom számára még láthatatlan módon kirajzolódik egy hosszabb távú kihívás is. Az is lényeges, hogy számos olyan technológiai tényező van, melynek társadalmi hatását még nem írják le – például hogy az MI használata során rögtön egy kreatív folyamat végére jutok, és kimarad(hat) a tapasztalás, a tanulás, az időráfordítás élménye és katarzisa. Ezekre a jelenségekre fel kell hívnunk a figyelmet. Kutatóként a változások egymásra épülésének és időhorizontjának érzékelése, illetve az egyelőre láthatatlan hatások megmutatása a feladatunk. A sebesség nemcsak munkaerőpiaci hatékonyságnövelő elem, hanem az emberi fejlődés más minőségét előidéző jelleg is.

A humanoid robotok olyan intelligens rendszerek, amelyek képesek interakcióra és különböző feladatok ellátására az emberekkel együttműködve. Nem arra szolgálnak, hogy teljesen helyettesítsék az emberi munkát, hanem hogy specifikus területeken, például az egészségügyben, az oktatásban és a szolgáltatói szektorban támogassák az embereket. Nem céljuk, hogy teljesen emberi formát öltsenek, vagy minden emberi feladatot átvegyenek. Várhatóan egyre jobban terjedni fognak, különösen azokon a területeken, amelyeken a munkaerőhiány komoly problémákat okoz. Az egyik legértékteremtőbb és legtöbb lehetőséget nyújtó terület a fejlett társadalmakban az élhető időskori lét támogatása. A humanoid robotok esetét vizsgálva társadalmi terjedési modellek összekapcsolásával egy mindent felforgató technológia terjedésének jövőbeni ütemezését vázoltam fel, amelynek során nem is a konkrét időszakok, hanem sokkal inkább a megközelítési logika a fontos.

Tisztában vagyok jelen cikk korlátaival, megszorításaival. A további elemzésekhez több kvantitatív adatra, az etikai kérdések és a gazdasági hatások mélyebb elemzésére van szükség. Nem tévesztettem szem elől, hogy a technológiai optimizmus dominál a cikkben, ahogy azt sem, hogy mélyítette volna az elemzést a hullámelmélet korábbi hullámaival való összevetés, és nem „csak” a jövő és a jelen hullámainak elemzése. Mindezekre pusztán a terjedelmi korlát szolgál mentségként. Írásomban egy gondolatot, szemléletet igyekeztem végigvinni, a munkát folytatni kell a fenti tényezők figyelembevételével és leírásával.

Absztrakt

Bart van der Sloot új könyve kiváló összefoglalást ad arról a négy technológiáról, amelyek jelenleg a technológiai fejlődés élvonalában vannak: a humanoid robotokról, a mélyhamisításról, a kiterjesztett és a virtuális valóságról. A könyv szabályozásközpontú: a főszöveg 226 oldalából több mint száz annak magyarázata, hogyan képezi le a jelenlegi jogi paradigma a négy technológiát, harminc oldal a könyv végén pedig ajánlás a döntéshozók számára.

Kulcsszavak: mesterséges intelligencia, szintetikus tartalmak, technológia-szabályozás, EU Mesterséges Intelligencia Jogszabály

DOI: 10.56699/MT.2024.4.9

Bart van der Sloot, a Tilburgi Egyetem Jogi, Technológiai és Társadalmi Intézetének docense Regulating the Synthetic Society – Generative AI, Legal Questions and Societal Challenges [A szintetikus társadalom szabályozása – Generatív MI, jogi kérdések és társadalmi kihívások] című, idén megjelent legújabb könyvének az a kiindulópontja, hogy a témáját adó négy technológia – a humanoid robotok, a mélyhamisítás, a kiterjesztett és a virtuális valóság – a mesterséges intelligencia segítségével a valóságot egyre inkább közvetítik, befolyásolják, megváltoztatják és helyettesítik, valamint hogy ezek a közeljövőben valószínűleg sikeresek lesznek, és széles körben elterjednek. Ezért fontos kérdés, hogy miképpen hatnak a világra, és hogyan lehet a jogi rendszert adaptálni a hatásuk megfelelő kezelésére.

A könyv jellegzetessége, hogy szemben a jelenleg nagyon divatos „végítéletváró” művekkel, amelyek leginkább a jámbor hétköznapi emberek és politikai döntéshozók ijesztgetésére alkalmasak, higgadtan és reálisan kezeli ezeket a technológiákat. A szerző két fejezetet szentel a négy technológia mélyebb bemutatásának. A második fejezet az új technológiákat írja le felhasználási esetek segítségével, főként médiajelentések alapján. A harmadik fejezet véleményem szerint az egyik legértékesebb része a könyvnek. Címe: „A motorháztető alatt”. Ez átfogó és pontos leírás, amelyen keresztül jobban megérthetjük például a generatív versengő hálózatok (Generative Adversarial Network) működését, vagy azt, hogy melyik az a négy tényező, amely meghatározza a robotok „humanoidságát”, ha az emberi képességeket tekintjük viszonyítási alapnak. Nem tisztán technikai leírásokról, hanem a működés laikusok számára is érthető magyarázatáról van szó.

A negyedik fejezet a négy technológia hosszú távú társadalmi hatásaival foglalkozik. Azzal az őszinte megjegyzéssel kezdődik, hogy egyrészt „a hosszú távú hatások nagymértékben meghatározatlanok és ismeretlenek” (59), másrészt pedig hogy nehéz megjósolni a tárgyalt technológiák összes hatását. A szerző ebben a fejezetben megfogalmazott előrejelzései és megfigyelései ezért a jövőbeli hatások korlátozott perspektíváját képviselik, és négy területet fednek le: igazság és bizalom, emberi elismerés és társadalmi interakció, autonómia és egyenlőség, valamint a technológiai szabályozás semlegességének kérdése. Ebből a fejezetből példaként két rendkívül érdekes megfigyelést emelek ki. Az egyik esetben a szerző azzal érvel, hogy a mélyhamisított (deepfake) videók még akkor is károsak lehetnek, ha nyilvánvalóan mindenki tudja, hogy nem valódiak, mert (tudatos vagy tudattalan szinten) megváltoztatják az adott személy megítélését a közösségében. Iskolai környezetben ha egy lány fejét egy pornósztár testéhez illesztik, erről mindenki tudja, hogy hamis, de az osztálytársai akkor is másképp néznek majd rá. Egy másik fontos észrevétel a fejezet végéről: a szerző bírálja a „technológiasemleges” liberális paradigmát, amely szerint a technológiák önmagukban nem jók vagy rosszak, csak az emberek használják őket ilyen vagy olyan célokra. E tekintetben Sloot merőben más álláspontot képvisel: a technológiák szerinte „bizonyos célokra vannak kialakítva”, és mindig léteznek „leggyakoribb használati esetek”. A jogi szabályozásnak figyelembe kell vennie ezt az „alapértelmezett tervezési és használati esetet” (82).

Az ötödik fejezet alkotja a könyv gerincét: azzal foglalkozik, hogy „a jelenlegi jogi paradigma hogyan illeszkedik a négy technológiához” (91), és öt szabályozási területet térképez fel: adatvédelem, (néhány kiválasztott) alapjog, például a szólásszabadság, a (szellemi) tulajdonra gyakorolt hatás, a négy technológia helye a technológiai szabályozási keretben, míg az ötödik alfejezet felelősségi és eljárási kérdéseket tárgyal. Az alfejezetek mindegyike tartalmaz friss és eredeti meglátásokat. Itt azt a részt emelném ki, amely a négy technológiát próbálja elhelyezni az európai technológiai szabályozás térképén. Ez nemcsak azért figyelemre méltó, mert a könyv leghosszabb alfejezete, hanem azért is, mert egy olyan normacsoportot elemez, amely legtöbbször elkerüli a mesterséges intelligencia szabályozási kérdéseivel foglalkozók figyelmét: ez pedig az európai termékmegfelelőségi előírások területe. Ezek a szabványszerű normák különböző típusú termékekre vonatkozó megfelelőségi követelményeket határoznak meg, és jelentőségüket az adja, hogy az európai Mesterséges intelligencia jogszabály (AI Act) egyenes leszármazottja ezeknek a normáknak. E szabályok felsorolása után a szerző közvetlenül ismerteti az Európai Bizottság által 2018-ban létrehozott mesterséges intelligenciával foglalkozó magas szintű szakértői csoport (AI HLEG) mesterséges intelligenciával kapcsolatos etikai irányelveit.

Végső következtetése: nem lehet tudni, hogy ezek a szabályok „pontosan mit jelentenek a különféle szintetikus technológiákra alkalmazva, mivel vagy általában a mesterséges intelligenciára, vagy még tágabb értelemben a termékekre és gépekre vonatkoznak” (147). Hozzá kell tenni, hogy az AI Actig minden termékmegfelelőségi szabályt olyan fizikai termékekre modelleztek, amelyek szinte kizárólag az egészséget, a biztonságot és a fizikai környezetet veszélyeztették. Azonban a mesterséges intelligenciának általában és a fent felsorolt négy technológiának két további fontos, egymással is összefüggő jellemzője van: az egyik, hogy nem maga a technológia, hanem annak kimenetei (szintetikus tartalom, döntések, ajánlások) veszélyesek. Mivel pedig az MI-re általában jellemző a jól ismert „black-box” jelenség, ezek a kimenetek néha egyszerűen nem számíthatók ki. Ráadásul nemcsak az emberi életre vagy egészségre, hanem a „puha” alapvető jogokra, az emberi szempontokra vagy az olyan elvont értékekre is veszélyt jelentenek, mint a szólásszabadság vagy a demokrácia. A szerző mindenesetre megállapítja, hogy a jelenlegi technológiai szabályozási keretek nem alkalmasak a leírt négy technológia szabályozására. A kérdés már csak az, hogy ha a termékmegfelelési szabályok nem alkalmasak az itt felmerülő kérdéseknek a kezelésére, akkor mi a helyzet az AI Acttel.

A fejezet egy különösen impozáns táblázatsorozattal zárul, amelyben a szerző szabályozási területenként vizsgálja a szintetikus technológiák, valamint a jelenlegi szabályok és jogi doktrínák kapcsolatát. Négy táblázatba rendezi meglátásait, amelyek az ilyen kapcsolatok négy típusát fedik le. Az első táblázatban azokat a jogi doktrinális konstrukciókat láthatjuk, amelyek egyértelműen szabályozzák és korlátozzák a szintetikus technológiákat. Példa erre az adatvédelem célhozkötöttséget kimondó elve. A második táblázatnál nem egyértelműen az a helyzet, hogy a jogszabályi rendelkezések korlátozzák a technológiákat, mert esetenként eltérő jogi eredményekre juthatunk. Például ez a helyzet a „magánélet sérthetetlensége mint személyiségi jog” esetében: „az Emberi Jogok Európai Egyezményének 8. cikke széles körű jogot biztosít a magánélethez, [de] hogy ez mennyiben vonatkozik a szintetikus technológiákra, azt eseti alapon értékeljük” (195). A harmadik táblázat azokat a rendelkezéseket gyűjti össze, amelyek értelmezése a szintetikus technológiákkal és médiával szemben nem egyértelmű. Itt találjuk a felelősségi szabályokat is, illetve az eljárásjogban például a hiteles bizonyítás szabályait, amelyeket erősen kikezd a könnyedén konstruálható elektronikus bizonyítékok (hamisított hang-, kép- és videófájlok) új világa. Végül az utolsó táblázat azokat a jogi rendelkezéseket és fogalmakat tartalmazza, amelyeket „a szintetikus technológiák tükrében esetleg újra kell gondolni” (197). A szerző ezek közé sorolja például a GDPR automatizált döntéshozatalra (ADM) vonatkozó szabályait. Ehhez érdemes hozzátenni, hogy ez a felülvizsgálat már elkezdődött abban az értelemben, hogy egy sor ágazati jogszabályba bekerültek az ADM-re vonatkozó lex specialisok. Így például az AI Act megmagyarázhatósági előírásai, a kisvállalkozásokat a nagy piactérplatformokon védő úgynevezett Platform-to-Business-rendelet rangsorolással kapcsolatos szabályai vagy a készülő munkaplatform-irányelvben az algoritmikus menedzsmentet szabályozó normák mind ilyen leges specialisként értelmezhetők.

A kötet „Kellemetlen kérdések és tökéletlen megoldások” címet viselő utolsó fejezete egyfajta összefoglalást ad az előző fejezetekből, és „bepillantást enged abba, ami előttünk áll” (199). Legérdekesebb részében a szabályozó dilemmáiról olvashatunk. Ezek első csoportja az általános dilemmák változatos gyűjteménye, idetartozik például a jól ismert Collingridge-dilemma, amelynek lényege, hogy amíg egy technológia új, addig könnyű szabályozni, de nem ismerjük a kockázatait és a társadalmi hatásait, amikor pedig már széles körben elterjedt, és ismerjük ezeket a hatásokat, akkor a társadalmi beágyazottság miatt nagyon nehéz szabályozni, különösen korlátozni. A szerző a közösségi médiát hozza példaként e dilemmára: ha tudtuk volna, hogy a közösségi média miként hathat negatívan a gyermekek egészségére, hogyan növeli a polarizációt és a szegregációt, és teremti meg az igazság utáni (post-truth) társadalmat, akkor sokkal szigorúbb szabályokat határoztunk volna meg. De találhatunk itt olyan kevésbé elvont dilemmákat is, mint például azt, hogy miként lehet egyszerre tükrözni a mélyhamisítás előnyeit és hátrányait a szabályozásban. Ezzel kapcsolatban a szexrobotok problémáját említi a könyv. „A HR-szexrobot növeli az ember autonómiáját azzal, hogy megadja neki mindazt a szexet, amire vágyik, ugyanakkor aláássa a lehetőségét egy érett emberi kapcsolat kialakítására” (220).

Végül a szerző tíz pontban fogalmaz meg ajánlást a döntéshozók számára. Ezek közül hármat emelek ki. (1) „Európai és nemzeti szinten a legtöbb politikus és döntéshozó nem rendelkezik elegendő tudással ahhoz, hogy megfelelően átlássa ezeket a technológiákat, még kevésbé hogy szabályozza őket. Ez lehetővé teszi a lobbisták és a technológiai cégek képviselői számára, hogy jelentős befolyást gyakoroljanak a jogalkotási folyamatra” (222). (2) Óriási kihívás, amellyel meg kell küzdeni, a külföldi hatalmaktól és technológiai vállalatoktól való nagy függőség. „Ennek megszüntetése érdekében a szabályozónak fontolóra kell vennie, hogy szárnyai alá veszi a generatív mesterséges intelligencia fejlesztését azáltal, hogy magához vonja az újító szerepét” (222). (3) A szerző fontos következtetése, hogy a szabályozónak nem kell félnie konkrét technológiai szabályok bevezetésétől, mert a jelenlegi gyakran általános szabályozás jogbizonytalanságot szül.

A könyv könnyen olvasható és rendkívül informatív összefoglalója a négy „valósághajlító” technológiának és az e technológiák körül felmerülő szabályozási dilemmáknak. Nemcsak a témával foglalkozó szabályozóknak ajánlható, hanem minden olyan szakembernek és jogásznak, aki érdeklődik a mesterséges intelligencia új kihívásai iránt, és nem utolsósorban kiváló tankönyvként szolgálhat az egyre növekvő számú MI-kurzusok szabályozási vagy társadalmi hatásokat taglaló tantárgyaihoz.

Bart van der Sloot: Regulating the Synthetic Society: Generative AI, Legal Questions and Societal Challenges, Oxford, Hart Publishing, 2024