Az előadás középpontjában az a paradoxon áll, hogy a mesterséges intelligencia (AI) egyrészt elképesztő teljesítményekre képes, máskor viszont egészen egyszerű feladatokon megbukik. Felvetődik a kérdés: miért tűnik úgy, hogy az AI óriási előrelépést tett egyes területeken, míg más, látszólag könnyű feladatokat nehezen vagy hibásan old meg?
Andrej Karpathy, az OpenAI egyik alapítója és a Tesla önvezető autóprogramjának vezető fejlesztője, részletesen elemzi, miként alakult át a programozás: a hagyományos, szabályalapú kódolástól a tanító adatmintákon és súlyokon keresztül végzett mesterséges intelligencia vezérelt számítástechnikán át egészen az úgynevezett „szoftver 3.0” korszakáig, ahol már a felhasználó csupán az eredményt írja le, s az AI magától találja ki a megoldáshoz vezető utat.
Érdekes kérdés, hogy a modellek miért teljesítenek kiugróan jól azokban a területekben, ahol az eredmény könnyen ellenőrizhető (például kódírás vagy matematika), miközben más, kevésbé egzakt szférákban nehézkesen boldogulnak. Az AI képességeinek „fogazott” természete, vagyis a nagyon fejlett és a nagyon gyenge kompetenciák együttélése, a tanítási módszerekre és a fejlesztők döntéseire vezethető vissza.
Felmerül az is, hogy mennyire változik meg a szoftverfejlesztés és az internet, ha az ügynök-alapú rendszerek és ágens-kommunikáció lesz az alapértelmezett. Vajon mennyi terület automatizálható teljesen, hol marad meg az emberi ízlés és döntés szerepe, és tényleg minden emberi szaktudás „verifikálható”-e, vagyis ellenőrizhető és AI-val automatizálható lesz valaha?
