Skip to main content
fenntartható fejlődéspolitikaszakirodalomtársadalom

Nagy nyelvi modellek a szociálpolitikában: fenntarthatóság-tudatos MI-kormányzás lépcsőzetes bevezetési keretrendszere

By 2026. május 31.No Comments

„Ahogy a közintézmények egyre szélesebb körben kísérleteznek a mesterséges intelligenciával, különösen a nagy nyelvi modellekkel (LLM-ekkel) a szakpolitikai elemzésben, elkerülhetetlenné válnak az irányításra, a felelősségre és a hosszú távú hatásokra vonatkozó kérdések. Amellett érvelünk, hogy olyan integrált keretre van szükség, amely az LLM-ek szakpolitikai szerepét az Egyesült Nemzetek Fenntartható Fejlődési Céljaival (SDG-k) összhangban, a szakpolitika társadalmi dimenzióit „előmozdító” módon kell értelmezi. Bár az egyetemi közegben széles körű szkepticizmus tapasztalható a mesterséges intelligencia általános, illetve a nagy nyelvi modellek sajátos irányítási kérdéseivel kapcsolatban, továbbra is kevés olyan munka született, amely ezeket az aggályokat koherens módon összekapcsolná az ENSZ fenntarthatósági céljaival: a minőségi oktatással (SDG 4), az egyenlőtlenségek csökkentésével (SDG 10), a felelős fogyasztással és termeléssel (SDG 12), az éghajlatváltozás elleni fellépéssel (SDG 13), valamint a békével, igazságossággal és erős intézményekkel (SDG 16). Az ilyen koherencia interdiszciplináris erőfeszítést is igényel, amelynek során a gyakorlati szakemberek felismerik annak jelentőségét, hogy az LLM-eket ne semleges eszközökként, hanem társadalmi-technikai infrastruktúraként értelmezzék.

E felismerés elősegítésére olyan megközelítést javaslunk, amely az MI-irányítást egy tágabb globális fenntarthatósági és igazságossági napirendbe ágyazza, mégpedig egy általunk „alkalmazási létrának” nevezett keret segítségével. Ez a létra az LLM-ek társadalompolitikai kontextusokban való használatát olyan technikai folyamatként kezeli, amely alapvető irányítási korlátokra épül. Ennek megfelelően azok a különböző módszerek, amelyek révén az LLM-ek beépíthetők a döntéshozatalba — így a promptolás, a visszakereséssel támogatott generálás (retrieval-augmented generation, RAG), a finomhangolás és az emberi visszacsatoláson alapuló megerősítéses tanulás (reinforcement learning from human feedback, RLHF) — nem puszta választási lehetőségek, hanem skálát alkotnak a számítási költség és környezeti hatás, az irányítási teher, valamint a közérték szempontjából. Az általunk javasolt LLM-alkalmazási létra sajátossága, hogy cselekvési felhívást is megfogalmaz a különböző társadalmi és technikai érintettek számára, különös tekintettel az ENSZ Fenntartható Fejlődési Céljainak egyes aspektusaira.”

Forrás:
Large Language Models For Social Policy: A Deployment Ladder Framework For Sustainability-Aware AI Governance; Heba Ismail, Arjumand Younus, M. Atif Quresh; Public Policy (Írország); 2026. május 19.