A nagy nyelvi modellek (LLM-ek) megjelenése nem csak a felsőoktatási intézményeket állította rendkívüli kihívás elé. A jelenlegi digitális transzformáció éveiben elengedhetetlen az egyetemi polgárok kimagasló mesterséges intelligencia (MI) kompetenciája az oktatás, de leginkább a kutatás során. A jelen blogbejegyzésemmel az alapvető (Artificial Intelligence [AI] Literacy), a középfokú (AI Fluency) és a felsőfokú (AI Expertise) szinteket ismertetem egyetemi felhasználói példák útján.
Az MI, különösen pedig az LLM-ek használata forradalmasítja a szakmai anyagok feldolgozását, értelmezését és elemzését a kutatásban. Ezen eszközök képesek a nagy mennyiségű és hosszú dokumentumok gyors áttekintésére, a precedensek azonosítására és a komplex szintaktikai és jelenleg már a szemantikai elemzések támogatására a tudományos kutatásokban. Ugyanakkor a modellek között jelentős különbségek mutatkoznak pontosság, megbízhatóság, átláthatóság és a kognitív képességek terén.
Az alapfokú kompetencia, az MI-műveltség (AI Literacy) fogalma azon alapvető MI-felhasználói kompetenciákat öleli fel, amelyek lehetővé teszik az egyén számára az MI-rendszerek megértését, értékelését és felelősségteljes alkalmazását. Az AI Literacy „magában foglalja azokat a tudásokat és készségeket, amelyek lehetővé teszik az emberek számára, hogy kritikusan megértsék, értékeljék és használják az MI-alapú rendszereket és eszközöket a biztonságos és hatékony részvétel érdekében egy egyre inkább digitalizálódó világban.” Ilyen lehet egy katona számára az autonóm rendszerek működési elveinek megértése, a drónműveletek autonomizálása vagy a parancsnoki döntéstámogatás eljárásának ismerete. A hadijogász ezen a szinten képes olyan előadásokat tartani, amelyek bemutatják az MI alapfogalmait – gépi tanulás, algoritmusok, adatbázisok –, valamint azokat a korlátokat és etikai kérdéseket, amelyek a hadijogi gyakorlatban felmerülnek. Ez azért fontos, mert tudatosítani kell az felhasználókban, hogy belátható időn belül az MI nem képes még helyettesíteni az embert. A háborús MI-alkalmazások, különösen az autonóm fegyverrendszerek esetében pedig az arányosság hadijogi elve, az emberi felügyelet (loop-in) kérdései kritikus jelentőséggel bírnak. Az alapszintű kompetencia lehetővé teszi a kritikus kérdésfeltevést: ki viseli a felelősséget egy MI-vezérelt rendszer döntéseiért, mennyire transzparens az algoritmus és milyen adatok alapján hoz döntéseket (Lee, 2024).
A középfokú kompetencia, azaz az MI-jártasság (AI Fluency) már magasabb kompetenciaszintet képvisel, amely túlmutat a puszta megértésen. Ahogy a szakirodalom fogalmaz: „Ha az írástudás az alapot jelenti, a folyékonyság az innováció hídja. Az MI-folyékonyság túlmutat a megértésen. Az MI-eszközök aktív, kreatív használatáról szól problémák megoldására, munkafolyamatok újragondolására és új lehetőségek feltárására” (Galileo.ai, 2024). A hadijogász professzor ezen a szinten aktívan alkalmazza az MI-alapú eszközöket (Consensus, SciSpace stb.) kutatási tevékenységében. A gépi tanulási modellek és a természetes nyelvi feldolgozás (NLP) segítségével elemzi a nemzetközi fegyveres konfliktusokra vonatkozó jogi döntéseket és precedenseket. Az LLM kompetens alkalmazása és az ebben való jártasság lehetővé teszi olyan új kutatási kérdések feltárását, amelyek korábban csak manuális módszerekkel voltak vizsgálhatók. Az oktatási gyakorlatban az eszközök beépítése szimulációk fejlesztését teszi lehetővé, ahol a hallgatók (doktoranduszok) MI-alapú döntéstámogató modellek segítségével vizsgálhatják a különböző hadijogi forgatókönyveket. A kritikus alkalmazói szemlélet kialakítása során az egyetemi oktató és jogtanácsos képes felismerni, mikor megbízhatók az eredmények – például egy egyetemi kutatási projektben, ahol MI-alapú eszközzel vizsgálják az autonóm fegyverrendszerek bevezetésének hatását az arányosság elvének érvényesítésére –, mikor szükséges emberi beavatkozás és hogyan integrálható a modell az akadémiai munkába.
Az MI-szakértelem (AI Expertise) az a felsőfokú kompetenciaszint, ahol az egyén nemcsak használja és alkalmazza az eszközöket, hanem részt vesz azok tervezésében és fejlesztésében, valamint új paradigmákat és módszertanokat képes létrehozni. Az oktatási keretrendszerek szerint az alkotó szint felé haladók képesek rendszereket tervezni, iterálni és megújítani (UNESCO, 2024). A hadijogász professzor ezen a szinten olyan kutatásokat vezet, ahol új MI-alapú modellek és algoritmusok fejlesztenek ki a hadijog számára. Például autonóm katonai rendszerek jogi elemzésére szolgáló keretrendszer, amely figyelembe veszi az arányosság, a szükségesség és az emberi felügyelet elveit, valamint képes előre jelezni jogi kockázatokat vagy alternatív javaslatokat. Nemzetközi projektek előkészítése során interdiszciplináris csapatok (hadijogászok, MI-fejlesztők, etikusok, katonai szakértők) együttműködésével generatív MI-eszközök fejlesztése történik, amelyek hadijogi dilemmákat szimulálnak különböző konfliktushelyzetekben. A szakértelmi szinten stratégiai gondolkodás jellemzi az autonóm fegyverrendszerek, sőt a katonai felhasználású mesterséges intelligencia hadijogi oktatásra, kutatásra és gyakorlatra gyakorolt hatásairól. Ez magában foglalja az mesterséges intelligencia alapú döntéstámogatás szabályozását fegyveres összeütközésekben, új normák kialakítását, ember-gép interakció szabályozását és jogi felelősség fejlesztését.
Az általam részletezett MI-alkalmazói kompetenciaszintek nem pusztán fokozatokat, hanem a fejlődés útját is reprezentálják: a megértéstől az alkalmazáson át az innovációig. Egy nemzetközi jogi kutató vagy praktizáló hadijogász esetében a „Literacy” szinten tudatosan viszonyul az MI-alapú eszközök (például fegyverek) és azok hadijogi vonatkozásaihoz, a „Fluency” szinten aktívan, de kritikusan használja és integrálja az MI-t a kutatásban és oktatásban. Végül az „Expertise” szinten új módszereket, eszközöket és tudást hoz létre az MI területén, stratégiai, alakító szerepet vállalva. A felvázolt kompetenciaprofil lehetővé teszi, hogy az egyetemi felhasználók tisztán lássák az egyes szinteket, közöttük a különbséget és ambíciószintjük szerint váltsanak közöttük.
Felhasznált irodalom
Galileo.ai. (2024. október 20). Understanding fluency in AI: What it is and how it works. Galileo.ai Blog.
Lee, K.-W., Mills, K., Ruiz, P., Coenraad, M., Fusco, J., Roschelle, J., & Weisgrau, J. (2024. június 18). AI literacy: A framework to understand, evaluate, and use emerging technology. Digital Promise.
UNESCO. (2024. augusztus 8). AI competency framework for students.
Nyitókép forrása: DragosCondreaW / depositphotos.com
