Lehet-e Magyarország AI-nagyhatalom? Összecsaptak az egyet nem értő felek

Sólyom Balázs, a Trendency Chief Data Officer-e a Magyarország vezető szerepet tud vállalni a mesterséges intelligencia iparágában? programpont bevezetőjében rögtön tisztázta, miért hívta életre a vitaszekciót: túl sok konferenciáról ment haza azzal az érzéssel, hogy a színpadon mindig csak egyetlen aspektus kap hangot, pro vagy kontra, de ritkán ütköznek nyíltan az érvek. Felidézte, hogy még aznap is hallott olyan adatot – például az AI-használat százalékos terjedéséről –, amely önmagában jól hangzott, de szerinte félrevezető lehet, ha kiragadva marad, és nincs mellette magyarázat, kontextus vagy ellenpont.

A cél ezért az lett, hogy egyetlen kérdés mentén két felkért szakértő tudatosan mindkét irányba érveljen, mintha egy adat mellé odatennénk azt is, miért lehet igaz, és miért lehet félreértelmezett. A közönséget már az elején bevonta: a zöld jelzés a „pro”, a lila a „kontra” oldal, és gyors kézfeltartással felmérte, mennyire „AI-hívő” a terem – a látványos, nagyjából 90%-os zöld többséggel előre jelezte is, hogy a szkeptikus oldalnak kemény dolga lesz.

A nyitó kérdés így szólt: lehet-e Magyarország meghatározó, akár vezető szereplő az AI-ban?

Andics Roland, az IDBC GO Chief Architectje egy szándékosan szokatlan felütéssel kezdett: szerinte két, egymással ellentétes jövőkép egyszerre reális. Az egyik egy lassulás, akár egy „AI-tél” időszaka, mert a puszta számítási kapacitásra épülő fejlődés elérhet plafonokat, és ami „könnyen learatható” volt, azt már nagyrészt learatták. A másik egy előre nem látható áttörés, amely elhozhatja az „erős”, általános AI-t – amire viszont nem lehet üzemszerűen tervezni, mert vagy bekövetkezik, vagy nem.

A következtetése azonban kifejezetten magyar fókuszú volt: épp ezért nem az a cél, hogy az ország erőforrásban versenyezzen a „végtelen pénzzel és GPU-val” dolgozó nagyokkal, hanem hogy a már létező modelleket és megoldásokat ügyesen, hatékonyan alkalmazza. Andics szerint a vezető szerep nem feltétlenül azt jelenti, hogy mi találjuk fel a következő alapmodellt, hanem azt, hogy társadalmi és üzleti hasznot tudunk belőle gyorsan, okosan, jól célozva előállítani.

Ménesi László, a Trendency DÁP programvezetője azonnal rámutatott a helyzet iróniájára: egy „hívő” közönség előtt kell a kontra oldalt képviselnie, ráadásul olyan területről érkezik, ahol maga is naponta dolgozik digitális állami fejlesztéseken. Mégsem a technológiát támadta, hanem a feltételrendszert: szerinte Roland „alkalmazás kontra infrastruktúra” megkülönböztetése jó, csak ő épp fordítva közelítene, mert az infrastruktúra a lényeg – és ezt a szót nem szerverparkokra érti, hanem az emberre.

A „legszínesebb szürkeállományra”, amelynek fejben, készségekben és kritikai gondolkodásban fel kell nőnie: fejlesztői oldalon például nem eltűnik a junior munka, hanem átalakul, és olyan juniorokra lesz szükség, akik már képesek AI-val támogatva magasabb szintű feladatokat elvégezni. Felhasználói oldalon pedig kifejezetten veszélyes mintát említett: amikor az emberek pszichológusként beszélgetnek az AI-jal, miközben „nem arra való”, és ez a kritikátlan használat szerinte eleve gyengíti a versenyképességet.

Ménesi a második gátként a tanítóadatokat, korpuszokat és a szakmai konszenzus hiányát hozta: vannak területek, ahol még két meghatározó szakember sem tud megegyezni alapvető kérdésekben, márpedig így nehéz „mire” és „hogyan” felépíteni a következő lépcsőt. És itt kötött vissza az üzleti valósághoz is: a service design, a valóban működő üzleti modellek kitalálása ugyanúgy emberi munka, és ezen a téren is van még „bőven tennivaló”.

Andics ekkor egy ponton látszólag közeledett: ő is azt mondta, hogy „azzal kell főznünk, amink van”, és ebből szerinte stratégia következik. Magyarország válasszon ki néhány olyan iparágat, ahol eleve jelen van termelés, tudás, adat és piaci szereplő, és ott próbáljon AI-ban niche vezető lenni. Az autóipart adottságnak nevezte, amelyhez fejlesztőközpontok is épülnek, és azt állította, itt állami és kutatási támogatással gyorsan lehetne alkalmazási előnyt kiépíteni. Ugyanezt mondta a gyógyszerkutatásról: ha az egészségügyi adatvagyon – például az EESZT-ben felhalmozott adatok – összekapcsolható a hazai fejlesztésekkel és a gyógyszeripari szereplőkkel, akkor olyan speciális területeken lehetne előnyt szerezni, amely később sokat ér.

Ménesi a poént nem is bírta ki:

majdnem azt mondtam, hogy egyetértünk”

– jelezte, hogy a célterületek kijelölése logikus, csak szerinte a valóságban épp az a gond, hogy nem csináljuk elég következetesen. Az egészségügyet hozta fel ellenpéldának: szerinte Magyarországnak kiemelkedően nagy „real life” egészségügyi adatvagyona van, ami akár népegészségügyi szűrésekre, célzott behívásokra és költséghatékonyabb megelőzésre is használható lenne. Azt is hozzátette, hogy még ha az adat sokszor dokumentum-jellegű, „messziről hunyorítva” akkor is adatbázis, és egy nyelvi modell épp az ilyen, vegyes, többnyelvű, bonyolult struktúrájú adattárak kinyerésében és rendszerezésében tudna segíteni. „Mire való az AI, nem pont erre?” – kérdezett vissza Roland érvelésére építve, majd odaszúrt: a lehetőség adott, a tett kevésbé.

Andics erre azzal felelt, hogy vannak már működő minták: ipar–állam–kutatás együttműködés, ahol az állam stabil alapot ad, a cégek hozzák a valós igényeket, az egyetemek és a kutatóhálózat pedig megtámasztja a fejlesztést. Példaként felhozott egy, az autóiparhoz kötődő ökoszisztéma-szerű együttállást, és azt is, hogy van (frissített) AI stratégia, állami infrastruktúra-kapacitás, valamint hazai nyelvi modellek támogatása. De szerinte a „lentről jövő” oldal ugyanilyen fontos: az AI-használatnak alap készséggé kell válnia, termelékenységet növelő eszközzé, mint az írás-olvasás – és ezt oktatással, képzéssel, széles körű felkészítéssel lehet elérni.

Ménesi itt tette a vitát igazán kézzelfoghatóvá a DÁP tapasztalatával: szerinte egy digitális állami feature elkészítésében sokszor nem az IT-fejlesztés a nagyobb falat, hanem a jogi környezet, a bebetonozott folyamatok és a korábbi állami rendszerek öröksége. Ezek újradefiniálása, „meghaladása” jóval több munka, és épp ez az, ami versenyképességi hátrányt termel. Ráadásul szerinte Európa – és így Magyarország is – olyan társadalmi és szabályozási gondolkodásból indul, amely az egyéni szabadságjogokra épít, miközben hatékonyságban olyan szereplőkkel akar versenyezni, akik más közösségi logikák mentén szervezik a rendszereiket. Az AI pedig, tette hozzá, „kiterjeszti a karunkat”, csak ha közben mi magunk kötjük le magunkat, a kiterjesztés nem lesz elég.

Andics részben engedett: a szabályozás valóban korlátozhat rugalmas alkalmazásokat, de szerinte szükséges, mert az AI veszélyeit is kezelni kell, nem lehet mindent kontroll nélkül szabadjára engedni. A „két út” gondolatát viszont visszahozta a végjátékra: ha AI-tél jön, akkor az alkalmazásban kell okosnak lenni; ha áttörés jön, akkor az nyerhet sokat, aki már előkészítette a gyakorlati felhasználási terepeket, és gyorsan tud élni a lehetőségekkel. Ménesi erre az európai „józan paraszti ész” hiányát hozta fel, mint kulturális problémát: nem a szabályozás léte a baj, hanem amikor a józan mérlegelés helyett túlbonyolított rendszerek születnek, amelyekkel „nem lehet együtt élni”.

A közönségkérdések felé haladva Sólyom Balázs a beszélgetés mélyére nyúlt: ha korábban a nagy áttörések idején nem „haladtuk meg saját magunkat”, mitől változtat majd ezen az AI? Andics szerint kívülről nem jön megváltás: csak saját erőből, fokozatosan tudunk változni, és ehhez felkészülés kell akkor is, ha az áttörés bekövetkezik, és akkor is, ha nem. Ménesi realistábban tette hozzá: tömegében nem biztos, hogy „feltör” a változás, de egyénekben, csapatokban, cégekben igen. Andics egy magyar példát is becsatornázott: szerinte vannak olyan szakemberek, akiknél a „JPJ” működik, és ha köréjük épül a megfelelő táptalaj, infrastruktúra, akkor világszintű projektekben is meg tudják mutatni, mire képes a magyar kreativitás. Ménesi röviden ráerősített: a jó ötlet önmagában kevés, kell a környező ökoszisztéma is – és szerinte épp ez az, amit nem lehet pusztán optimizmussal pótolni.

A zárásban visszajött a szavazólámpa: zöld, ha Magyarország fel tud nőni az AI-hoz, lila, ha marad „szunnyadó”. Sólyom Balázs a végén kimondta a tanulságot: a terem hangulata stabilan „hívő” maradt, a szín változhatott, de a vita célja teljesült. Nem megnyugtató válasz született, hanem több nézőpont: Andics a célzott alkalmazásban és az együttműködő ökoszisztémákban látja a magyar esélyt, Ménesi pedig abban, hogy az emberi, jogi és kulturális infrastruktúrát végre ugyanazzal a komolysággal kezdjük el fejleszteni, mint magát a technológiát.

Címlapkép forrása: Portfolio