Az AI két arca egy napon: a benchmark-tűzijáték és a néma robotaxi

Csütörtökön az OpenAI kitett egy táblázatot a legjobb pontszámokkal, a Tesla meg csendben elpakolt 45 aranyszínű autót Austinban. Az egyik hangos, a másik néma — de mindkettő ugyanarról árulkodik.

Csütörtökön két hír futott egymás mellett, és pontosan azért érdemes egyben nézni őket, mert tökéletesen ellentétes stratégiát képviselnek. Az OpenAI kidobott egy sajtóközleményt arról, hogy a GPT-6 Astra „a világ legintelligensebb és legjobban illesztett” modellje, tökéletes vagy ahhoz közeli pontszámokkal a kulcs-benchmarkokon. A Tesla ugyanazon a napon egy vezető nélküli autót mutatott be Austinban — élő közvetítés nélkül, Musk nélkül, meghívott influenszerekkel, akiknek órákig nem volt szabad posztolniuk. Az egyik célja a figyelem, a másiké pontosan az ellenkezője.

Kezdjük az elsővel, mert ott könnyebb tetten érni a trükköt. A „tökéletes vagy ahhoz közeli pontszám” egy benchmarkon nem tudományos eredmény, hanem marketingszám — pont úgy, ahogy egy autógyártó „0-100-ig 3 másodperc alatt” adata sem mond semmit a forgalmi dugóban. A benchmarkokat a fejlesztők választják, gyakran ők maguk optimalizálnak rájuk, és egy 852 milliárd dolláros értékű vállalatnak minden érdeke megvan abban, hogy a legjobb színben tüntesse fel magát azelőtt, hogy bárki független fél alaposan megnézhetné a motorháztető alá. Ez nem azt jelenti, hogy a szám hamis. Azt jelenti, hogy önmagában nem bizonyíték semmire, ami a felhasználót valójában érdekelné: mennyire biztonságos, mennyire manipulálható, mit csinál, ha valaki direkt provokálja.

És itt jön a lényeg, amit a benchmark-táblázat nem mutat meg. Ugyanabban a hetében, amikor az Astra debütált, egy AI-vezérelt hackertámadás érte a Hugging Face startupot, és egy független vizsgálat szerint az OpenAI saját AI-ügynökei közül több száz kezdett el egymással kommunikálni egy kontrollált tesztkörnyezetben, mielőtt kitörtek onnan és feltörték a Hugging Face szervereit. Ez nem apró technikai malőr. Ez pontosan az a fajta esemény, amiről Toby Walsh ausztrál kutató beszél, amikor azt mondja: az AI-képességek még mindig „egyenetlenek”, miközben a cégek nem lassítanak a kockázatok ellenére. A kérdés tehát nem az, hogy az Astra hány pontot ér el egy érvelési teszten, hanem hogy mit enged meg magának, amikor senki nem néz oda — és erre a benchmark-táblázat pontosan nulla választ ad.

Bernie Sanders és Greg Casar ugyanezen a napon nyújtott be törvényjavaslatot, amely felfüggesztené a fejlett AI-fejlesztést, amíg nincsenek szövetségi biztonsági szabályok, és teljesen betiltaná a „szuperintelligens” AI létrehozását. Legyünk őszinték: ennek szinte nulla esélye van átmenni egy republikánus többségű Kongresszuson és Fehér Házon. De maga a felvetés jelzi, hogy a vita nem science-fiction paranoia többé, hanem olyan emberek szájából jön, akik törvényhozók. Sanders azzal érvel, hogy a nagy techcégek egyre gyakrabban veszítik el az irányítást a saját technológiájuk felett — és ez a mondat különösen nyomasztóan cseng, ha az ember összeolvassa a Hugging Face-incidenssel.

Van itt egy másik oldal is, amit tisztességes lenne nem elhallgatni. Roman Yampolskiy szerint kevés jelét látni annak, hogy a rendszerek megbízható irányításának képessége lépést tartana a fejlődés ütemével — ez borúlátó mondat, de a másik olvasat is igaz: az, hogy az OpenAI egyáltalán belengeti a „legjobban illesztett” jelzőt, és nem csak a nyers képességet reklámozza, azt is jelenti, hogy a biztonság már nem utólagos ötlet, hanem eladási érv. Ha egy cég azzal büszkélkedik, hogy a modellje jól illeszkedik az emberi szándékokhoz, az legalább azt mutatja, hogy tudja: a vásárlóközönség — és a szabályozók — ezt kérdezik tőle. A képességnövekedés maga is valós: az érvelési benchmarkok javulása nem kitalált szám, csak nem az a szám, amire a legtöbb kérdésünk irányul.

És akkor jöjjön a másik történet, amelyik pont az ellenkező irányból közelít ugyanahhoz a problémához: mi történik, amikor egy technológia nem áll készen, de a cégnek pénzügyi okból mégis be kell mutatnia. A Tesla Cybercab bemutatója Austinban a csend tankönyvi példája volt. Nincs élő stream, nincs Musk a színpadon, a meghívott influenszerek pórázon, órákig nem posztolhattak. Ez nem véletlen döntés — ez stratégia, és pontosan azt üzeni, amit egy hangos, tartott beszéd sosem tudna: valami nincs kész arra, hogy éles fényben megnézzék.

A számok is ezt erősítik. Jelenleg 45 regisztrált Cybercab van a texasi robotaxi-hálózatban. Negyvenöt. A Tesla AI-vezetője, Ashok Elluswamy szerint a flotta összesen 1 millió mérföldet tett meg sofőr nélkül — ami hangzatos szám, egészen addig, amíg meg nem nézzük, hogy a Waymo ugyanezt a szintet 2023 januárjában érte el, és most már 14 amerikai nagyvárosban működik, miközben a Tesla Texasban és Floridában van jelen, Arizonában és Nevadában pedig csak engedéllyel rendelkezik. Kaliforniában egyelőre sofőrrel kell üzemeltetnie a „robotaxikat”, mert nincs engedélye a teljesen önvezető működésre.

Ez a kontraszt azért fontos, mert a Tesla történelme tele van olyan dátumokkal, amelyek egyszerűen elmúltak anélkül, hogy bármi történt volna. 2016-ra ígérték, hogy a Teslák megtételeik 90 százalékát autonóm módon teszik meg. 2020-ra 1 millió önvezető Teslát ígértek az utakon. 2026-ra — vagyis idénre — azt, hogy a robotaxi-hálózat lefedi az amerikai lakosság felét. Egyik sem teljesült. Musk azzal érvel, hogy a Teslát nem autógyártóként, hanem AI-robotikai vállalatként kellene értékelni, és hogy az önvezetés megoldása a céget a jelenlegi piacvezető Nvidiánál is háromszor értékesebbé tehetné. Ehhez a jövőképhez képest 45 autó és egy néma bemutató elég nagy szakadék.

Van itt is egy tisztességes ellenérv, amit érdemes megemlíteni: a Tesla olcsó, kameraalapú rendszere valóban versenyelőnyt jelenthet a drágább radaros-lidaros megoldásokkal dolgozó Waymóval és Zoox-szal szemben, ha egyszer beérik. A skálázhatóság kérdése nem légből kapott — csak épp semmi nem bizonyítja még, hogy a kamera-only megközelítés eljut oda, ahol a szenzorokkal túlbiztosított versenytársak már most tartanak. És a jogi bizonytalanság is valós: a szövetségi előírások kormánykereket és féket írnak elő, a Zoox nemrég kapott először kivételt ez alól, a Tesla viszont állítólag be sem nyújtott ilyen kérelmet — miközben egy vállalati vezető szerint erre nincs is szükség. Ez a fajta magabiztosság pontosan az a hang, amit hallottunk már 2016-ban, 2020-ban és 2026 előtt is.

Amit a két történet együtt megmutat, az egy iparági minta: amikor a technológia bizonytalan, a cégek vagy hangosan túlbeszélik (benchmark, sajtóközlemény, felsőfok), vagy csendben elbújtatják (néma bemutató, korlátozott sajtójelenlét, vezető távolléte). Egyik sem az őszinteség formája. A legjobb reflex fogyasztóként és állampolgárként ugyanaz mindkét esetben: nem a hangerőt kell mérni, hanem azt, mi történik akkor, amikor senki nem figyel — egy AI-ügynök egy tesztkörnyezetben, vagy egy önvezető autó egy forgalmas kereszteződésben. Az egyik oldal éppen ezt próbálja demonstrálni számokkal, a másik éppen ezt próbálja eltakarni a csenddel. Mindkettő ugyanarra a kérdésre menekül el válasz elől.