Saját podcastjával tanítja a mesterséges intelligenciát az ELTE

Félszáz epizódnyi tudományos hanganyaggal bővült az a speciális nyelvi modell, amelyet az Eötvös Loránd Tudományegyetem (ELTE) Digitális Örökség Nemzeti Laboratóriuma fejleszt. A Glossza podcast 90. adásában jelentették be: a bölcsészettudomány nemcsak felhasználója, hanem aktív alakítója is lett a mesterséges intelligenciának (AI). A kutatók új feladata immár az „adatvagyon” építése, amelyben adatgazdászok és AI-nagykövetek segítik a munkát.

A mesterséges intelligencia térhódítása alapjaiban írja át a humántudományok módszertanát. A Glossza című tudományos podcast legújabb epizódjában Szabó Bálint, az ELTE Humán Tudományok Kutatóközpontjának adatgazdásza és Szekrényes István, a Digitális Örökség Nemzeti Laboratórium munkatársa világított rá arra a paradigmaváltásra, amely a régi, analóg kutatási módszereket a digitális adatvagyon-gazdálkodás felé tereli.

A műsorban elhangzott egyik legfontosabb bejelentés szerint a Glossza szerkesztősége ötven epizódnyi, minőségi, magyar nyelvű tudományos hanganyagot adott át a Nemzeti Laboratóriumnak. Ez az audio-korpusz (szöveg- és hanggyűjtemény) kulcsfontosságú a hazai fejlesztésű nyelvi modellek tanításához.

A mesterséges intelligencia ugyanis nem „magától” okos: tanulási folyamatához konkrét, hiteles példákra van szüksége, hogy felismerje a nyelvi mintázatokat és a kontextust. A beszélt nyelvi korpuszok segítségével a modell képessé válik arra, hogy később a tanítóanyagban nem szereplő témákban is releváns szövegeket generáljon vagy elemezzen. Ezzel a lépéssel a magyar bölcsészettudomány közvetlenül járul hozzá a magyar nyelvű AI-eszközök pontosságának javításához.

A digitális átállás új szakmákat hívott életre az egyetemeken. Szabó Bálint „adatgazdászként” és „mesterséges intelligencia nagykövetként” dolgozik: feladata, hogy a kutatók által felhalmozott tudást (legyen az régi kézirat vagy hangfelvétel) olyan strukturált formába öntse, amelyet a gépek is képesek értelmezni.

A szakértők hangsúlyozták: a puszta digitalizálás már nem elég. Az adatoknak meg kell felelniük a nemzetközi FAIR-alapelveknek: Megtalálhatónak (Findable), Elérhetőnek (Accessible), Átjárhatónak (Interoperable) és Újrafelhasználhatónak (Reusable) kell lenniük. Csak így válhat egy kutatási anyag „adatvagyonná”, amely értéket képvisel a globális tudományos térben.

Bár a technológia szélsebesen fejlődik, Szekrényes István a beszélgetésben egy látszólagos paradoxonra hívta fel a figyelmet: a tudás hosszú távú megőrzése érdekében néha „lassítani” kell a folyamatokat. A bölcsészek feladata most az, hogy stabil szabványokat alkossanak, és integrálják az emberi értékeket és a kritikai gondolkodást az algoritmusok világába, elkerülve, hogy a technológia csupán öncélú gyorsaságot eredményezzen a megértés rovására.

A digitális bölcsészet a hagyományos humántudományi diszciplínák (irodalom, történelem, nyelvészet) és a digitális technológiák metszéspontjában jött létre. Magyarországon az ELTE élen jár ezen a területen: 2017-ben alapították meg Magyarország első Digitális Bölcsészet Tanszékét. Az utóbbi években a fókusz a puszta adatbázis-építésről (pl. régi szövegek kereshetővé tétele) eltolódott a „Big Data” elemzések és a gépi tanulás (Machine Learning) felé. Az ELTE Digitális Örökség Nemzeti Laboratóriuma (DH-LAB) kifejezetten azzal a céllal jött létre, hogy a magyar kulturális örökséget a legmodernebb AI-eszközökkel dolgozza fel, és tegye kutathatóvá a mesterséges intelligencia számára is.