A Budapesti Corvinus Egyetem nemrégiben publikált nemzetközi tanulmánya hiánypótló módon vizsgálja a ChatGPT hatását az online közösségekre, amelyek az interneten megosztott nyilvános tudáshoz járulnak hozzá. A kutatók többek között arra mutattak rá, hogy a mára mindennapjaink szerves részévé vált nagy nyelvi modellek (LLM, large language model) potenciális adat- és tudásforrásokat helyettesítő szerepe az ember által generált tartalom csökkenéséhez vezethet. Értelemszerűen ez gondot okozhat a jövőbeli modellek fejlesztésében, mivel így nem lesz elég adat a további képzésükhöz.

A publikáció következtetése tehát, hogy a nyelvi modellek miatt kevesebb nyílt, ember által létrehozott adat keletkezik, így ezek a modellek végső soron korlátozzák saját jövőbeli képzési adatforrásaikat és hatékonyságukat.

Az újrafelhasználás paradoxona

Johannes Wachs, a Corvinus docense és nemzetközi kutatótársai a Stack Overflow nevű, kérdéseket és válaszokat tartalmazó mérvadó programozási szakmai weblap aktivitását vizsgálták a ChatGPT, az egyik legnépszerűbb generatív szolgáltatás megjelenése utáni fél évben. Az eredmények szerint a vizsgált időszakban a Stack Overflow aktivitása 25%-kal csökkent az orosz és kínai társaihoz képest, ahol a ChatGPT-hez való hozzáférés korlátozott, valamint a hasonló matematikai fórumokhoz képest, ahol a ChatGPT kevésbé hatékonyan alkalmazható.

Jelentősen csökkentek a felhasználók által közzétett bejegyzések is minden tapasztalati szinten, a kezdőtől a szakértőig. A ChatGPT tehát „elsorvasztotta" a Stack Overflow új bejegyzéseit, beleértve a kiváló minőségű tartalmakat is – vonták le a következtetést a kutatók.

Home office: a hatalom fényes szimbóluma Az IT-sok irodai visszatérésének témája igazi darázsfészek.

A tanulmány szerint a nagy nyelvi modellek hatására az emberek online szokásai jelentősen megváltoznak, másképp fogják keresni, létrehozni és megosztani az információkat. Ha a ChatGPT-hez hasonló LLM-eken alapuló szolgáltatások elkezdik helyettesíteni a hagyományos keresési és lekérdezési módszereket, akkor éppen azt az emberi viselkedést szoríthatják ki, amely a modellek eredeti képzéséhez szükséges adatokat generálta. Egy ilyen, „újrafelhasználás paradoxonaként” is ismert eltolódásnak pedig jelentős társadalmi és gazdasági következményei lehetnek.

Ez a helyettesítés a nyílt web jövőjét fenyegeti, mivel a mesterségesintelligencia-modellekkel folytatott interakciók valójában nem bővítik az online tudást, a digitális közjót. Mindez gyengítheti a jövőbeli modellek képzési adatainak minőségét, mivel a gép által generált tartalom valószínűleg nem tudja teljes mértékben helyettesíteni az emberi kreativitást és éleslátást.

Wachs szerint a ChatGPT csökkenti annak valószínűségét, hogy nyilvános webhelyeken tegyünk fel és vitassunk meg kérdéseket. Ez egyrészt hátrányos, mert mások gyakran tanulnak ezekből a beszélgetésekből, másrészt az AI nem fogja tudni kellő mennyiségű és minőségű új internetes tartalomból továbbfejleszteni magát.

Ha az AI-t csak AI által generált tartalommal képezzük, az olyan, mintha egy fénymásolat fénymásolatát készítenénk, és egyre kevésbé kielégítő eredményeket kapnánk.

A nyílt internetről származó emberi visszajelzések, amelyeket a nagy nyelvi modelleknek adnak, megkönnyíthetik az LLM-ek tanulását. Azok az adatok viszont már nem lesznek közkincsek, amelyek a magántulajdonban lévő nyelvi modellekkel való interakciókból származnak, hiszen az LLM-ek tulajdonosaié.

A kutatók következtetései szerint egyre fontosabb lesz gazdasági szempontból, hogy ki hozza létre az adatot és ki birtokolja. Ahogy az adatok értékesebbé válnak, egyre nagyobb lesz az érdeklődés az iránt, hogy az adatok létrehozói hogyan tudják maguknál tartani az érték egy részét. A ChatGPT-hez hasonló mesterségesintelligencia-alkalmazások tehát politikai és gazdasági nyerteseket és veszteseket fognak generálni, és hozzájárulhatnak az emberek és a cégek közötti egyenlőtlenséghez.