Az NJSZT blogja a legfejlettebb infokom technológiákról

Jelenből a Jövőbe

Kriptokereskedés úszó szigeteken

2018. május 25. - ferenck

A 2008-ban Milton Friedman unokája, a szoftvermérnök és politikai-gazdasági elméleteiről ismert Patri Friedman és a technológiai vállalkozó, befektető, libertariánus filantróp Peter Thiel által alapított kaliforniai Seasteading Institute tavaly januárban állt elő a világ első úszó városának látványterveivel. A munka 2019-ben kezdődhet a Csendes-óceán közepén, a paradicsomi Francia-Polinéziában.

A helyszínválasztás nem a véletlen műve – az ottani föld korallon alapul, és a tengerszint növekedésével el fog tűnni.

szigetkripto.jpg

A Seasteading Institute és a 2017-ben alapított Blue Frontiers közös projektje csak a kezdet, a jövőben többszáz hasonló úszószigetet – „tengeri zónákat” – képzelnek el szárazföldi otthonukat az óceánra cserélő vagy odakényszerülő lakosokkal. Az elsőre libertariánus utópiának tűnő koncepció szerint kizárólag a speciálisan erre a célra kitalált Varyon kriptovalutát használnának.

A Varyon előzetes értékesítése hétfőn megkezdődött, 1 Ethereum 14,740 Varyon. (1 ETH kb. 690 USD.)  

A Blue Frontiers reméli, hogy a kriptopénzből az építkezés megkezdéséhez elegendő mennyiséget értékesít. Ha minden jól megy, 2020-ban nyitják meg az első sziget „kapuit.” A független szigeteket a részben a kriptovalutákkal megvalósuló digitális decentralizáció fizikai kiterjesztésének tartják. Remélik, hogy a kezdeményezésből új társadalmak és államigazgatási formák fejlődnek ki.

szigetkripto0.jpg

Az egyik kutató, Nathalie Mezza-Garcia elmondta, hogy a földrajzi koordinátáikat folyamatosan váltogató szigetek lakói törvényeikről maguk döntenek, és minimális szabályozás mellett élhetnek majd. Ha valakinek nem tetszik szigete államrendje, foghatja a házát, és átúsztathatja egy másik szigetre.

Ne csak unatkozó milliomosokra, világvárosi léttől megcsömörlött kalandorokra gondoljunk, mert az új lakókörnyezeteket elsősorban az otthonukat a klímaváltozás miatt elhagyni kényszerülő személyeknek szánják. Kérdéses persze, hogy az érintettek megengedhetik-e maguknak a high-tech környezetet.

szigetkripto1.jpg

A természettel harmóniában élő közeg másra, például betegek gyógyítására, az éhínség elleni küzdelemre stb. szintén ideális.

A minimális vagy annál is kevesebb szabályozás és az államon kívüliség azt is jelentheti, hogy a szigeteken az USA Élelmiszerbiztonsági és Gyógyszerészeti Hivatala, az FDA által nem engedélyezett gyógyszereket is használhatnak. A projekt támogatói több ízben hangsúlyozták, hogy a szervezet ígéretes őssejt-kutatásokat és kezeléseket akadályoz meg. Az aprólékos orvosi szabályozás hiányának természetesen meglehetnek a maga hátulütői is…

Az elképzelés fejlett és fenntartható technológiával kivitelezhető, ráadásul a szigetállamok a legelrugaszkodottabb infokom és egyéb kísérleteknek szintén otthont adhatnak. Országokat viszont nehéz lesz meggyőzni, hogy kereskedelmi tevékenységet folytassanak a gazdaságukat teljes mértékben kriptovalutákra alapozó úszó utópiákkal. Az együttműködés különösen azokban az esetekben okozhat problémát, ha az adott sziget valamelyik állam tengeri felségterületére téved.

Mesterséges szigetekre a jelenlegi szabályozás mellett a legközelebbi ország törvényei vonatkoznak, de csak abban az esetben, ha a sziget 200 tengeri mérföldnél (370,4 kilométernél) nincs messzebb az érintett ország partjaitól. Ha igen, akkor semmiféle nemzeti törvény nem érvényes rá.

Emberjogi szervezetek diszkrimináló mesterséges intelligenciák ellen

Az MI-algoritmusok markánsan jelen vannak hétköznapjainkban, és a technológiai fejlődéssel a jövőben sokkal nagyobb szerepet játszanak majd. Elvileg nem jellemző rájuk az emberi szubjektivitás, rengeteget segítenek, és általában hasznosak az objektív döntéshozásban.

Elvileg… 

A mesterségesintelligencia-fejlesztéseknél sokan, valószínűleg Donald Trump is teljesen szabad piacot képzelnek el. Szintén sok szakértő viszont nem ért egyet ezzel az állásponttal, mert álláspontjuk szerint mindenkit meg kellene védeni az esetleg elfogult, kirekesztő és diszkrimináló algoritmusokkal szemben.

toronto0.jpg

A védelemhez pontosan megfogalmazott irányelvek szükségesek.

Jogvédő szervezetek (Human Rights Watch, Amnesty International, Wikimedia Alapítvány, Access Now stb.) május 16-án egy torontói szimpóziumon a kormányokat és a technológiai vállalatokat emberi jogokat védő infokom technológiai irányelvek elfogadására szólították fel.

A Nyilatkozat a gépi tanulásról az Access Now oldalán olvasható.

toronto.jpg

Algoritmusaiknak az átláthatóság és az egyenlőség jegyében történő felülvizsgálatára, az újak e szempontokat figyelembe vevő fejlesztésére buzdítják a mérnököket, hogy az MI-k gépi tanulás során elsajátított ismereteikkel esetleg ne rasszista vagy embercsoportokra, marginalizált rétegekre káros más megkülönböztetéseket propagáljanak.

Az algoritmusok adatbázisokból tanulnak, az adatbázisokat pedig emberek dolgozzák ki. A tanuló adatsorokban lehetnek szándékos vagy szándél nélküli, de mindenképpen elfogult, részrehajló példák is. A rájuk alapuló – elvileg teljesen objektív – mesterséges intelligencia pedig káros következtetéseket vonhat le, hamis mintázatokat kereshet – és találhat, és következményként például egyes ügyeknél a rendőrségnek bőrszín stb. alapján sugallhatja, hogy kik után nyomozzon.

A Torontói Nyilatkozat azért egyedi mert általános irányelvek mellett valódi, tényleges megoldásokra is tesz javaslatot. Szerzői azt is megfogalmazták, hogy mesterségesintelligencia-algoritmusok miatt hátrányos megkülönböztetést átélt személyeket jogi orvoslat, e célra létrehozott fórumok illetnek meg.

Robotok miniorganizmusokat tenyésztenek emberi őssejtekből

Nem sci-fi disztópia, nem a gépek emberiség feletti diadala, hanem valóság: a gyógyszerészeti és biomedikális kutatások döbbenetesen gyors fejlődésének eredményeként automatizált robotok ma már képesek őssejtekből tenyészteni emberi szervek leegyszerűsített utánzatait – derült ki a seattle-i Washington Egyetem Orvosi Iskolájának május 17-én publikált kísérleteiből.

Robotjaik potenciálisan bármilyen sejtfajtává átalakuló (pluripotens) őssejtekkel 21 nap leforgása alatt végezték el a bonyolult feladatot. A tesztnél gyógyszerek, genetikai módosítások laboratóriumban előállított emberszerű vesére gyakorolt hatásait vizsgálták.

sejtek0.jpg

Megállapították, hogy a robotizált folyamat gyorsabb, az eredmény pedig pontosabb, megbízhatóbb, mintha emberek tenyésztenék ugyanazokat a miniatűr szerveket.

„Csak egy ilyen léptékű kísérlet elindítása egy egész napot venne igénybe, robotizált módszerrel viszont mindössze 20 perc” – magyarázza Benjamin Freedman, az egyik kutató, kiemelve, hogy a gép (különösen ismétlődő aprólékos feladatoknál sokkal kevesebb hibát vét, mint az ember.

sejtek.jpg

Robotokkal dolgozó automatizált rendszerekkel korábban is kísérleteztek már, sikereket is értek el velük, de mindig felnőtt őssejteket használtak. Először a Washington Egyetemen automatizálták sikeresen a pluripotens őssejtekből történő „szervgyártást.”

A rendszert a saját maga által tenyésztett szervecskék elemzésére is megtanították. Egyszerre tesztelhető nagymennyiségű minta, szervek többféle mini változata. A kísérletből megtudták például, hogy különféle összetevők miként befolyásolnak súlyos tünetekkel járó vesebetegségeket.

Freedman és társai egyelőre korainak tartják robotizált módszerrel készülő jobb gyógyszerek kereskedelmi forgalomba kerülésének időpontjáról nyilatkozni, de az eddigi eredményeik mindenesetre bíztatóak.

Emberszerű szervek könnyebb előállításával hatékonyabbá válnak a gyógyszerkísérletek is. Állatokon végzett tesztek alapján ugyan sok gyógyszer és kezelési mód tűnik több mint ígéretesnek, emberekre viszont teljesen más hatással vannak. Ha ugyanezek a gyógyszerek és gyógymódok humán őssejtekből tenyésztett szerveken ellenőrizhetők, a következmények és mellékhatások sokkal pontosabban előrejelezhetők.

Még akkor is, ha a tömegesen gyártható veseutánzatok stb. nem annyira komplexek, mint az eredeti szerv…

Hibáiból tanul meg járni a négylábú norvég robot

Az Oslo Egyetemen fejlesztett négylábú, de fej nélküli DyRET (Dynamic Robot for Embodied Testing) első ránézésre megmosolyogtató, ahogy kis híján összeesik, miközben járni próbál. Lassan lépked, aztán mégis elvágódik, majd felkászálódik, és folytatja.

Fejlesztői arra találták ki, hogy különféle terepeken legyen képes mozogni; állandóan tanul, természetesen a hibáiból is okul. 2015-ben tűnt fel, azóta folyamatosan újítanak rajta, ma már alakot is tud váltani, idővel pedig az összes talajtípuson el kell boldogulnia.

dyret0.jpg

Más gépek, például egyes kétlábú szerkezetek vagy robotkutyák hamarabb elsajátítják a helyváltoztatás tudományát.

Könnyebb dolguk van, mert a robotika tradícióit követve mindent alaposan beléjük kódoltak.

DyRET teljesen másként funkcionál. Próba-hiba (trial and error) módszerrel megtanulja, mit tegyen az adott terepen, például szőnyegen, lépcsőn, betonon vagy jégen. A hagyományos robotokkal ellentétben, nem explicit kódutasítások végrehajtásával, hanem speciális algoritmusokkal és súlypontjához igazodva meghosszabbodó, lerövidülő végtagokkal alkalmazkodik mindenkori környezetéhez.

dyret.jpg

Folyamatosan kiértékeli a körülötte lévő teret, majd hasznosítja újonnan szerzett ismereteit. Természetes mechanizmust, az evolúciót másolja, ezért hívják magát a fejlesztési irányt is „evolúciós robotikának” (evolutionary robotics).

Az élővilágban a folyamat generációk hosszú során fejti ki a hatását, eredményei „itt és most” nem, hanem mindig csak visszatekintve észlelhetők. Nem az egyedek fejlődnek, hanem a túléléshez legjobb adottsággal rendelkezők örökítik át kompetitívebb adottságaikat az utódoknak.

Az evolúciós robotikában a legelőnyösebb tulajdonságok kialakulásának, összegyűjtésének hosszú folyamatát egyazon robottal valósítják meg. Mindegyik adottságot beleépítik, viszont magától tanulja meg, hogy szituációnként pont melyiket használja, melyik a legcélravezetőbb az alkalmazkodáshoz.

Mihelyst „uralja” az adott terepet, energiatakarékos módra vált. Elvileg a nagy és gyors lépések az ideális állapot, csakhogy a hosszú lábak mozgatásával sok áramot fogyaszt, merülnek az elemek. Mivel környezetét már megismerte, nem kell többé kísérleteznie, lábait lerövidíti, amivel rögtön csökken a fogyasztás. De egyben kompenzál is, mert rövidebb végtagokkal gyorsabban mozog.

DyRET és a hozzá hasonlóan evolúciós minta alapján fejlesztett robotok több forgatókönyvben helytállnak, mint amennyit a régi módszerrel, programozói utasításokkal kezelnének. Minél előbb, minél több dologra jönnek rá maguktól, annál kevesebb felügyeletre lesz szükségük.

Robotkémek a méhek között

Egyes robotrajok tökéletesen integrálódnak környezetükbe, és a környezet, például az uniós FOCAS (Fundamentals of Collective Adaptive Systems) projekt esetében a méhek befogadják őket. A gépecskék rendeltetése, hogy megtanulják az állatok közötti lét alapszabályait, szocializálódjanak, és a beilleszkedés közben szerzett ismereteikkel a méheket egy valóban jobb jövő felé tereljék, megmentsék őket a kipusztulástól stb.

A FOCAS keretében közösségi állatok, köztük hal- és rovartársadalmak kommunikációs szokásait vizsgálják. Mivel a robotok hasonlítanak rájuk és úgy is viselkednek, mint az élő minták, így egy idő után a közösség részeivé válnak.

biohybrid.jpg

A kutatók minden korábbinál jobban megismerhetik a „kaptár-elme” (híve-mind) működését, a gépek pedig segítenek az igazi állatoknak a környezethez történő alkalmazkodásban és a túlélésben.

A robotok többéves rajintelligencia-kutatás (swarm intelligence) gyümölcsei. Fejlesztőik abból indultak ki, hogy nem elég a méhek jellegzetes „táncát” utánzó kicsi drónt, drónrajt építeniük, hanem hasonló közösségi intelligenciával rendelkező robotcsoportot kell létrehozniuk, és azok egyedei csapatként mozogjanak, cselekedjenek, tanuljanak.

biohybrid0.jpg

A Grazi Egyetemen MI-vel segítették a robotok viselkedésének fejlődését, két rajuk egymással is interakciókat folytatott, összetartó egységként repdestek, és közben egyetlen egyed sem hagyta el a csapatot, egyik sem ment neki a másiknak, nem ütköztek össze.

Teljesítményük lépésről lépésre, inkrementálisan javult, majd kém-misszióra küldték őket. Miután „belecsöppentek” a méhkolóniába, és úgy viselkedtek, mintha régóta közéjük tartoznának, „átmentek a vizsgán.” Kiderült, hogy a valódi állatok képesek követni a robotrovarok programozott cselekedeteit, és a méhkolónia belülről történő megjelenítése sokat segít a tevékenységüket és életüket befolyásoló környezeti tényezők jobb megértésében.

A robotkémek más mezőgazdasági célokra, például az állatállomány gondozására, hatékony menedzselésére is felhasználhatók. Érdekes módon a Walmart komoly összegeket fektetett egy hasonló technológiába, amelyet szabadalmaztatott is.

Építészek repülőtaxi-állomásokat terveznek az Ubernek

Az Uber 2016-ben kezdett el terveket készíteni a jövőben légitaxi-szolgáltatást nyújtó uberAir-hez, tavaly novemberben pedig elindította a terveket megvalósítani hivatott Elevate projektet.

A cég a 2018-as Elevate Csúcs első napján, május 8-án Los Angelesben kb. 700 ipari vezetőnek mutatta be a prózai Common Reference Model (CRM) nevű járműtervet, Mark Moore korábbi NASA-mérnök munkáját. A függőlegesen fel- és leszálló (vertical take-off and landing, VTOL) szerkezettel elvileg 15 percre csökkenthető kétórás ingázás.

skyport1.jpg

A CRM több propellere közül egyik-másik csak meghibásodás esetén használandó tartalék, a rotorokat megerősített szárnyak tartják. A gép hátsó részére szerelt vízszintes propeller növeli a biztonságot, míg a csak az egyik oldalon történő ki- és beszállással jelentősen egyszerűsíthető a felszállás és a landolás. Az elemek kb. 100 kilométer repülést tesznek lehetővé mintegy 600 méter magasságban.

A cég bizakodik, hogy két év múlva megkezdheti a tesztrepüléseket. Már a helyszín is megvan hozzájuk: a texasi Dallas-Fort Worth repülőtér.

skyport.jpg

Légi taxik azonban nem csak és nem feltétlenül repterekről szállíthatnak utasokat.

Az Elevate Csúcs második napján ezt a kérdést vitatták meg. Az Uber hat építészirodát hívott meg, hogy vázolják fel elképzeléseiket a légitaxi-infrastruktúráról. A jövőképekben „égi kikötők” (skyports) szerepeltek repülőterek helyett.

skyport0.jpg

A Corgan iroda Connect tervében akár ezer járműnek helyet adó vertikális skyportot mutatott be. Egymodulos szerkezetek parkolók, felhőkarcolók tetejére illeszthetők, és nemcsak légi taxiknak, hanem üzlethelyiségeknek, éttermeknek is otthont adnának. Többmodulos megoldások autópályákat kötnének össze az adott város forgalmi csomópontjaival.

Leegyszerűsítve: repülőterek kifutópálya nélkül, míg több modulból több taxi használatára alkalmas mega skyportok alakíthatók ki.

Kérdés, hogy hogyan jutunk el oda. Okostelefonon rendelünk egy Uber-kocsit, vagy tömegközlekedést használunk? Vajon az ingatlantulajdonosok mit szólnak mindehhez, engedélyezik-e a tetők használatát?

Egyelőre több a kérdés, mint a válasz, a koncepció pedig sci-fiszerű, de eredeti és izgalmas.

Egyesített tanulással még okosabbak lesznek az okostelefonok

A mélytanulás (deep learning) technikákkal a kiváló minőségű és jól felcímkézett adatok, adatsorok nélkülözhetetlenek a gépitanulás-projektek sikeréhez. Hagyományosan az adatoknak vagy a modell tanításának helyén, azaz a gépen vagy adatközpontban kell lenniük.

A Google biztonságos és robusztus, felhőalapú Egyesített Tanulás (Federated Learning) architektúrája ennek a gyakorlatnak vethet véget. Az architektúrát ugyanis a felhasználók mobileszközökön folytatott interakciói alapján gyakorló modellekre találták ki.

federated_learning.jpg

De hogyan működik?

Készülékünk letölti az aktuális modellt, az a telefonon lévő adatokból tanul, javul, majd összefoglalót készít újonnan szerzett ismereteiből. Frissíti magát, és a számítási felhőbe csak az a titkosított formában továbbított frissítés jut el. A többi user frissítéseivel összevetve, azonnal javul a megosztott modell minősége. A gyakorlóadatok készülékünkön maradnak, és a felhőben semmiféle egyéni, személyes frissítést nincs tárolva.

Így az új architektúra okosabb modelleket eredményez, kisebb a késleltetés, kevesebb az áramfogyasztás, és a személyes adatokat sem fenyegeti veszély. Maga az architektúra is frissíti a megosztott modellt, amelynek újabb és jobb minőségű változatát azonnal használhatjuk készülékünkön.

federated_learning0.jpg

Az eredmény: jelentős mértékben javul a felhasználói élmény. A rendszert – a népszerű Google Keyboarddal (Gboard) – Androidon már tesztelték is.

A fejlesztőknek több algoritmikus kihívást kellett megoldaniuk.

A gépitanulás-rendszereken futó optimalizáló algoritmusok óriási adatsorokkal dolgoznak. Az adatsorok szétosztása általában homogén módon történik a felhőben lévő szerverek között. Sok masszívan iteratív algoritmus alacsony késleltetéssel és zökkenőmentesen fér hozzá a tanulóadatokhoz. Az új rendszerben viszont többmillió készülék között, heterogén módon oszlanak meg az adatok, szignifikánsan magasabb késleltetéssel, nehezebb hozzáféréssel, és csak időszakosan, gyakorlásra érhetők el.

A rendszer Gboardot futtató többmillió különféle készüléken való gördülékeny működéséhez fejlett technológiákat kellett alkalmazni. A gyakorlás például ezért történik a TensorFlow (a Google gépitanulás-algoritmusok leírására és végrehajtására használt nyílt forrású szoftverkönyvtára) kicsit „lebutított” verziójával. Mivel a feltöltés sokkal lassabb a letöltésnél, a kutatóknak az utóbbit is fel kellett gyorsítaniuk.

Szerintük még csak a felszínt kapirgálják, ráadásul az Egyesített Tanuláshoz új eszközök mellett újfajta problémamegoldás is kell. Elterjedését egyes tényezők (nincs közvetlen hozzáférés a nyers adatokhoz, kommunikációs költségek stb.) hátráltathatják, komoly előnyei – készülékünk „okosabb” lesz – viszont a technikai kihívások leküzdésére ösztökélik a felhasználókat.

Mesterséges intelligencia készített 3D modellt sejtekről

Az orvostudomány és az infokommunikációs technológiák fejlődésével több lehetőség nyílik az emberi test pontos feltérképezésére, de szervezeten belüli folyamatok megjelenítése szkennelések, mikroszkópok és más modern módszerek ellenére is komoly kihívást jelent, és csak korlátozott mennyiségű információhoz jutunk hozzá. Ráadásul ezek a megoldások egyes esetekben károsan hathatnak sejtekre.

Sejteken belüli folyamatokat, betegségek elleni küzdelmüket különlegesen bonyolult megmutatni, és az adott személy gyógyulásához szükséges eljárásokat szintén nehéz kikövetkeztetni.

mi_sejt.jpg

A Bill Gates egykori közeli kollégája, Paul Allen által alapított seattle-i Allen Intézetben mesterséges intelligencia közreműködésével igyekeznek pontos képet adni sejtekről. MI-jük hozta létre az emberi sejt első teljes 3D modelljét, amely megmutatja, hogy különféle komponensek és szerkezetek, hogyan alkalmazkodnak egymáshoz, hogyan működnek együtt.

A modellből kiderül, hogyan nézhetnek ki tipikus hiPSC-k (human induced pluripotent stem cells, ember által indukált, csökkent potenciával rendelkező őssejtek). Az ezeket generáló MI-t többezer sejtről készült szkeneken gyakoroltatták. (Az ingyenes online eszközt és 32 ezer sejt 3D képét bárki megnézheti.)

mi_sejt0.jpg

Az MI az összegyűjtött információk alapján készít a sejten belüli komponensek helyzetét, többi komponenssel való viszonyát, egy-egy sejt legvalószínűbb pozícióját előrejelző modellt. Mindaddig, amíg mikroszkopikus képekhez jut, a modell azt is megmondja, hogy a szervecskék hol lehetnek bármely más új sejtben.

A kutatók az MI-t másra is használják – ha ismeri a sejt méretét és formáját, valamint a sejtmag pozícióját, a mesterséges intelligencia a legpontosabb becslésen alapuló valószínűségi modellt hoz létre, amely e paraméterek mellett megmutatja ugyanezen szervecskék várható elhelyezkedését.

A modellekkel orvosok és kutatók közelről figyelhetik a rák és más betegségek sejtekre gyakorolt hatását. Minél több adatot és képet kap az MI rákos sejtekről, annál pontosabban képes megjeleníteni a sejtet és összetevőit, és az orvos személyre szabott gyógymóddal segíthet a betegen.

Az Allen Intézet bizakodik, hogy MI-jük segít az orvosi kutatásoknak, és rosszul ellátott területeken is javít az egészségügyi ellátás állapotán. Minél több sejtről minél több és komplexebb modellre, nagyobb adatbázisra törekednek.

Bűnözők drónrajokkal zavarnak meg rendőrségi akciókat

Csúcstechnológiákat nemcsak rendvédelmi szervek, hanem értelemszerűen bűnözők is használnak. Vége annak a világnak, amelyben a rosszfiúk csak tűzfegyverekkel, mobiltelefonokkal és más, nem kimondottan high-tech módszerekkel igyekeztek borsot törni üldözőik orra alá.

A világháló és a közösségi média adta lehetőségekkel régóta élnek, de most egy új trend kezd körvonalazódni, ugyanis felfedezték a dróntechnológia előnyeit.

swarm0_1.jpg

Télen, egy meg nem nevezett amerikai metropolisz valamelyik külvárosában túszejtő bűnözőket figyelő FBI-ügynökök tevékenységét apró drónokból álló raj zavarta. A közvetlenül az ügynökök feje felett többször nagy sebességgel elrepülő gépek rejtekhelyeik elhagyására kényszerítették az FBI embereit, a túszejtők pedig elmenekültek.

A bűnözők közben a YouTube-on élőben streamelték a drónok felvételeit, megmutatva társaiknak az ügynökök pontos tartózkodási helyét. Magyarán értő módon használták a technológiát.

swarm_1.jpg

Nem ez volt az első ilyen eset. Drogcsempészek például többször juttatták már árujukat drónokkal börtönökbe, mexikói drogkartellek pedig szintén ember nélküli légi járművekkel dobattak le célpontokra távirányítva működésbe hozott bombákat.

A trendben semmi meglepő nincs. A drónok viszonylag olcsók és hatékonyak, kevés gyakorlattal szinte bárki működtetheti őket. Magas kerítéseken, ember számára nehéz vagy más repülőszerkezetek által nem látogatott terepeken is működnek, hatótávolságuk és sebességük folyamatosan nő, és már egyszerű kereskedelmi UAV-k (unmanned aerial vehicles, ember nélküli légi járművek) is vezérelhetők akár 5 kilométer messzeségből.

Drónrajok irányítása kicsit bonyolultabb, de nem megoldhatatlan feladat.

Természetesen a bűnüldözés sem tétlenkedik. 2017 májusában a Fehér Ház javasolta, hogy rendőrök lőhessék le a nem engedélyezett területen repülő drónokat. Az amerikai FAA (Federal Aviation Administration, Szövetségi Repülési Hivatal) pedig büntethetővé tenné kereskedelmi drónok felfegyverezését, fegyverként való használatát, előírná, hogy a gépek csak operátoraik látótávolságán belül működhessenek, országos szinten regisztráltatná a drónokat és működtetőiket.

Az FBI-eset csak egy példa az erősödő trendre. A fogyasztói technológiák egyszerűen olyan gyors tempóban fejlődnek, hogy a bűnüldözés és a szabályozás egyre nehezebben tartja velük a lépést.

Az MI olyan jól dolgozik játékokon, hogy a másik MI azt hiszi, ember végezte a munkát

A mai videojátékok részletesen kidolgozott, realisztikus és immerzív világok, kivitelezésük hosszú tervezői, grafikusi és programozói munka. De mi lenne, ha a folyamat egyes nehéz szakaszait nem ember, hanem mesterséges intelligencia végezné el?

Erre tettek sikeres kísérletet a Politecnico di Milano kutatói – a szinttervezés problémás szakaszait MI igyekszik megoldani, és így a programozók hamarabb eljutnak a szórakoztató részekig.

Az egyik legnagyobb klasszikusból, az 1993-as első személyű lövöldözős Doomból indultak ki. A gamerek amin csak lehet, futtatják a játékot, így egyes fejlesztők kifejezetten azzal foglalkoznak, hogyan működtethető operációs rendszerrel rendelkező bármilyen eszközön, legyen az számológép, vagy éppen termosztát.

ai_videogame0.jpg

A „mindenhol megjelenő” Doom ezért lehetett kiindulási pont, és a kutatók rajta gyakoroltatták új térképek készítésére kitalált generatív ellenséges hálózatukat (generative adversarial network, GAN).

Ezek a hálózatok együtt és egymás ellen működő két mesterségesintelligencia-algoritmuson alapulnak.

Hihető szinteket kellett generálniuk.

ai_videogame.jpg

Az egyik, a generátor hálózat többezer ember által létrehozott szintről, az eredeti Doomból és hobbifejlesztők változataiból is kapott adatokat. Utána a felhasznált anyagokhoz hasonló új szakaszokat hozott létre.

A kivitelezéshez a szint méretét, a falak magasságát, a szobák számát és más paramétereket egyaránt figyelembe véve próbálkozott a lehető legélethűebben utánozni a humán alkotók munkáját.

A másik, a diszkrimináló hálózat feladata „kollégája” művének ellenőrzése. Az eredeti szintek elemzésével kezdte, de arra is megtanították, hogy különbséget tegyen ember és mesterséges intelligencia alkotta szintek között. Elemzés és gyakorlás után rendelkezett a generátor hálózat tevékenységének megítéléséhez szükséges ismeretekkel.

Az „egymásnak feszülő” két algoritmusnak köszönhetően a kutatók megállapították, hogy technológiájukkal az eredeti Doom híresen régies grafikai világát visszaadó, hiteles szintek generálhatók.

Közben hibák is csúsztak be. A hálózatokat például megzavarták egyes falak pontosan kidolgozott részletei. De mindezek ellenére a végeredmény jól sikerült, a szintek tetemes része ugyanúgy játszható, mintha húsvér ember alkotta volna őket.

A Doom csak a kezdet. A kutatók szerint az általános kerettel és a rajta futó MI-vel nagyobb és még izgalmasabb játékok is készíthetők. A munkafolyamat egyes részeinek automatizálásával az MI ugyan elveszi a tervezők kreatív munkájának egy-egy részét, nagy stúdiók költségvetésével nem rendelkező fejlesztőknek azonban kifejezetten hasznos az új megoldás, mert az MI jelentős összegeket spórol nekik.