A mesterséges intelligenciával épített szintetikus populációk nem jósolnak biztos jövőt, de segíthetnek megérteni társadalmi döntéseinket.
A mesterséges intelligenciáról (AI) szóló hétköznapi beszélgetések többnyire chatbotok, képgenerátorok és vállalati automatizálás körül forognak. Korábban írtunk arról, hogy az egészségügyben is nagy segítség lehet az AI. Dávid-Barrett Tamás viselkedéskutató a radiocafén, Dojcsák Dániel Epic stories című műsorában most elmondta, hogy ennél jóval messzebb is el lehet menni. Olyan digitális társadalmakat lehet modellezni, amelyekben nemcsak egyéni válaszokat, hanem kulturális mintázatokat, döntési logikákat és társadalmi reakciókat is vizsgálni lehet. Az elképzelés egyszerre lenyűgöző és nyugtalanító. Miközben új eszközt adhat a döntéshozók és cégek kezébe, alapvető kérdéseket vet fel arról is, ki fér hozzá ehhez a tudáshoz, és mire használja.
Nem a chatbotok következő lépcsője
Dávid-Barrett Tamás pályája önmagában is jól mutatja, miért nem szokványos AI-megközelítésről beszél. Magyarországon matematikai közgazdaságtant tanult, foglalkozott nemzetközi kapcsolatokkal, közben Csányi Vilmos mellett humánetológiát és evolúciós rendszereket is tanult. Cambridge-ben makroökonómiai irányba ment tovább, később egy olyan céget vezetett, amely gyors szerkezeti átalakuláson áteső gazdaságokat elemzett a posztkommunista országoktól Dél-Afrikáig és Indonéziáig.
Így jutott el oda, hogy a hagyományos közgazdasági modellek sokszor keveset mondanak arról, hogyan működik valójában az ember. Oxfordban végül evolúciós antropológusként, hálóelméleti, játékelméleti és demográfiai nézőpontokat is beemelve kezdett az emberi társadalmak viselkedésével foglalkozni. Ennek a tudományos háttérnek a folytatása lett a Future Human Systems Research, amely AI-alapú szintetikus populációkat épít.
A lényeg nem az, hogy a rendszer „megmondja a jövőt”. Sokkal inkább az, hogy a jelenlegi információkból olyan szerkezetet hozzon létre, amelyen különböző kérdéseket és döntési helyzeteket lehet lefuttatni.
Fontos tudni, hogyan működnek a társadalmak
Dávid-Barrett szerint a saját fajunkról szóló tudás meglepően töredezett. Ha egy fáról akarunk többet tudni, botanikust kérdezünk. Ha viszont az emberi viselkedésről, rögtön több, egymástól eltérő magyarázatrendszer közül választhatunk:
közgazdász, szociológus, antropológus, evolúcióbiológus vagy akár teológus is mást mondhat.
Az ő felfogásában a viselkedéstudomány épp ennek a széttartó tudásnak a szintézise. Saját kutatásainak egyik központi kérdése, hogyan változnak meg a társadalmak akkor, amikor egyszerre három folyamat zajlik: csökken a családméret, nő a migráció, és erősödik az urbanizáció.
Ez nem elvont elméleti ügy. Ha kisebbek a családok, az emberek többet költöznek, és egyre inkább városokban élnek, akkor fellazulnak azok a rokonsági hálók, amelyek korábban önmagukban is szabályozták a közösségi életet. Egy faluban a normákat sokszor nem intézmények, hanem a sűrű emberi kapcsolatok tartják fenn. A városban viszont már szerződésekre, jogrendszerre, szervezettebb intézményekre van szükség. Ez hat a vállalatokra, a közszolgáltatásokra és arra is, hogyan szerveződik a bizalom.
Mit jelent a szintetikus populáció?
A beszélgetés legizgalmasabb része az volt, amikor Dávid-Barrett közérthetően lefordította a fogalmat. Ha valakiről készül egy jó digitális modell, akkor azon előre ki lehet próbálni, hogyan érdemes kérdezni, milyen válaszokra lehet számítani, vagy hogyan reagálhat bizonyos helyzetekre. Ha pedig nem egyetlen modellt, hanem sok hasonló, mégis eltérő verziót hozunk létre, akkor kirajzolódhat egy valószínűségi kép arról, hogyan dönthetne.
Ezt nagyban alkalmazva jön létre a szintetikus populáció: digitális emberek sokasága, akiknek a rendszerben élethelyzetük, kulturális környezetük, társadalmi beágyazottságuk és kapcsolataik is vannak. Dávid-Barrett állítása szerint az általuk épített új rendszerben 80 millió ilyen digitális ember szerepel, és a fejlesztés nagy ugrása az, hogy nemcsak az egyes figurák, hanem maguk a társadalmak is koherensen jelennek meg.
Ez azért fontos, mert szerinte a gyenge rendszerek legnagyobb baja a hallucináció: vagyis amikor a modell olyasmit állít, ami hihetőnek hangzik, de valójában nincs mögötte valóságos alap. A jó modell nem attól jó, hogy mindenre válaszol, hanem attól, hogy nem talál ki nem létező kulturális vagy földrajzi részleteket.
Mire lehet ezt használni?
A lehetséges alkalmazások köre széles. Üzleti oldalon egy cég megnézheti, kik lehetnek egy termék valószínű vásárlói, vagy kipróbálhat több marketingüzenetet anélkül, hogy azonnal valódi kampányt indítana. A rendszer ebben az értelemben nem dönt helyettünk, hanem leszűkíti a lehetőségeket. Százezernyi verzióból segíthet kiválasztani azt a néhányat, amelyeket már érdemes élesben is tesztelni.
Társadalompolitikai szinten még nagyobb a tét. Egy új adórendszer, egészségügyi reform vagy infrastrukturális beruházás nem minden társadalmi csoportot érint ugyanúgy. Egy ilyen modellben elvileg végig lehet nézni, milyen hatása lehet egy-egy intézkedéscsomagnak eltérő élethelyzetű emberekre.
Dávid-Barrett egy különösen erős példát is említett: amikor kitört az iráni háború, másfél órán belül készítettek egy globális felmérést arról, mit gondolhatnak róla az emberek világszerte. Azt mondta, az első eredményeik eltértek a későbbi valódi reakcióktól, majd két hét múlva mégis közelebb kerültek ahhoz, amit az emberek végül átgondoltabban képviseltek. Ez szerinte arra utal: nem mindegy, hogy az azonnali érzelmi reakciót vagy a későbbi, mérlegeltebb álláspontot akarjuk modellezni.
A lehetőség és a kockázat ugyanabból fakad
Az ilyen technológia legnagyobb ígérete ugyanaz, mint a legnagyobb veszélye: közelebb vihet az emberek jobb megértéséhez. Ha széles körben hozzáférhető, növelheti az átláthatóságot, sőt akár a demokratikus részvételt is. Dávid-Barrett ennek kapcsán arról beszélt, akár egy átlagos állampolgár is megérthetné, hogy egy adott gazdaságpolitikai csomag milyen hatással lenne személy szerint rá.
Ha viszont zárt rendszer marad, amelyhez csak néhány nagy szereplő vagy állami központ fér hozzá, akkor újabb centralizációt hozhat. A kérdés tehát nem pusztán technológiai, hanem politikai és piaci is:
ki birtokolja, ki ellenőrzi, és milyen feltételekkel használható.
Ehhez jön egy másik aggodalom. Dávid-Barrett szerint a mesterséges intelligencia már most elkezdte részben átvenni azokat a beszélgetéseket, amelyeket korábban barátokkal folytattunk. A mindennapi „kibeszélés”, az egymásnak elmondott aggodalmak és dilemmák nemcsak információcserét jelentenek, hanem magát a társas szövetet is erősítik. Ha ez egyre inkább gépekkel zajlik, annak hosszú távú társadalmi következményei lehetnek.
Nem eldőlt történet
A beszélgetésből nem egy technológiai diadaljelentés rajzolódott ki, hanem egy nyitott kérdés. Dávid-Barrett egyszerre optimista és óvatos: szerinte sok AI-eszköz valóban növelheti a kreativitást és csökkentheti a mindennapi ügyintézés súrlódását, ugyanakkor ugyanaz a logika elmehet a megfigyelés, a monopóliumok vagy a társadalmi befolyásolás irányába is.
A szintetikus populációk ezért nem egyszerűen új szoftveres termékek. Inkább olyan tükrök, amelyekben a társadalom önmagát kezdi el modellezni. Hogy ez a tükör tisztább közös döntésekhez segít-e minket, vagy csak néhány szereplő kezébe ad még nagyobb erőt, az egyelőre valóban nem dőlt el.
Ki kicsoda, mi micsoda?
- Dávid-Barrett Tamás: Magyarországról indult viselkedéskutató, az Oxfordi Egyetemhez kötődő tudós, aki evolúciós antropológiai, hálóelméleti és demográfiai nézőpontból vizsgálja az emberi társadalmak működését.
- Future Human Systems Research: Dávid-Barrett cége, amely AI-alapú szintetikus populációk fejlesztésén dolgozik, vagyis olyan digitális társadalmi modelleken, amelyekkel döntési helyzeteket lehet vizsgálni.
- Szintetikus populáció: mesterséges intelligenciával létrehozott digitális embercsoport, amelyben az egyes szereplők társadalmi, kulturális és földrajzi jellemzői alapján lehet reakciókat és mintázatokat modellezni.
- Csányi Vilmos: magyar etológus, akit a beszélgetésben Dávid-Barrett meghatározó mesterként említett; tőle humánetológiát és evolúciós rendszerszemléletet tanult.
