Tudósok értetlenül állnak a Mars felszíne mélyén észlelt bizarr anomália előtt. A jelenség hatalmas, aszimmetrikus hőmérsékleti eltérést takar a bolygó belsejében: a déli félteke alatti köpeny 200-400 Celsius-fokkal melegebb, mint az északi féltekéé.

A Nature című szaklapban megjelent tanulmány szerint a Mars belseje nem teljesen megfagyott, geológiailag halott kőzet, hanem részben olvadt és jelenleg is aktív. A bolygó két féltekéjének felszíne drámaian eltér egymástól. A déli féltekén sűrűn találhatók kráterek és több mérfölddel magasabban fekszik, míg az északi félteke viszonylag sima.

A kutatók úgynevezett árapály-tomográfiát alkalmaztak, amellyel három NASA-űrszonda évtizedes gravitációs mérési adatait elemezték. Így derült ki, hogy a marsi köpeny a déli félteke alatt váratlanul forró és képlékeny. Ez a hőanomália kulcsfontosságú nyomot biztosít a marsi kettősség (dichotómia) megértéséhez, vagyis ahhoz, hogy miért tér el olyan drasztikusan a sima északi síkság a kráterekkel sűrűn borított déli felföldektől.

„Tudósok általában abból indulnak ki, hogy az égitestek belseje gömbszimmetrikus, ám ez nem feltétlenül igaz. Ahogy egyre több gravitációs adat áll rendelkezésünkre, képesek leszünk feltérképezni a bolygók belső szerkezetének háromdimenziós részleteit. Ezek a következtetések egyfajta útmutatóul szolgálnak a jövőbeli küldetések és e világok tudományos feltérképezésének megtervezéséhez. Az égitestek belső szerkezetének megértése segít feltárni azokat a folyamatokat, amelyek meghatározták kialakulásukat és fejlődésüket” – nyilatkozta Alexander Berne, az Arizonai Egyetem bolygókutatója, a tanulmány elsőszámú szerzője.

A jelentős hőanomália arra utalhat, hogy a bolygó déli köpenyét egykor olyan erős mágneses mező vette körül, amely képes volt a Mars déli féltekéjére jellemző változások kiváltására. Lehetséges, hogy ez befolyásolta a Mars hidrológiáját is, beleértve a vizet tartalmazó medencék kialakulását.

A hő ennyire egyenlőtlen megrekedése több elmélettel magyarázható. Az egyik alapján ősi, kozmikus ütközés, becsapódás következtében a hő gyorsan távozhatott az északi féltekéről. Egy másik szerint köpeny-szigetelés valósult meg: a déli felföldek rendkívül vastag kérge óriási hőtakaróként működhet, amely már több milliárd éve fogságban tartja a meleget. Egy harmadik gravitációs elemzés hatalmas, közel 1600 kilométer széles magmafeláramlásra utal a Tharsis-régió vulkánjai alatt, ami azt bizonyítja, hogy a bolygó belső anyaga ma is aktívan mozog (magmaköpeny-feláramlés).

Ez a tartós belső hő táplálhatta a Mars ősi mágneses mezőjét, és komoly hatással lehetett a hajdani vízrendszerekre is. A felfedezés alapjaiban változtathatja meg azt, ahogyan kutatók az ősi mikrobiális élet nyomai után vizsgálódnak.

Hónapokkal azt követően, hogy Kína Középfokú Népbírósága elmarasztalt egy, az egyik munkavállalója munkakörének megszüntetéséhez mesterséges intelligenciát felhasználó vállalatot, az ország legfelsőbb igazságügyi szerve újabb fontos lépést jelentett be: nagyszabású fellépést az MI-alapú mélyhamisítványok (deepfakes) ellen.

Szeptember elején a Legfelsőbb Népbíróság, ugyanis új iránymutatást adott ki, hogyan kezeljék az alsóbb szintű bíróságok az MI-eszközökkel történő visszaélésekből eredő polgári jogi ügyeket. Az állásfoglalás huszonnégy cikkelyből áll, hivatalosan megfogalmazva, mi a teendő MI által generált videókkal és hanganyagokkal, szexuális jellegű tartalmakkal, pénzügyi visszaélésekkel, a digitális magánszféra védelmével, valamint a megfigyelésen alapuló árazással kapcsolatos jogviták kezelésére vonatkozóan.

Bár az országnak még nincs különálló MI-törvénye, a dokumentum kijelöli a legfontosabb jogi határvonalakat a meglévő jogszabályok (például a Polgári Törvénykönyv és a Személyes Adatok Védelméről Szóló Törvény) keretein belül. Kína polgári jogi berendezkedésű, így az alsóbb fokú bíróságokat automatikusan nem köti a precedensjog, a Legfelsőbb Népbíróság által kiadott iránymutatások azonban rendkívül komoly jogi súllyal bírnak, és az alsóbb szintű bírói szerveknek kötelező hivatkozniuk rájuk az ítélethozatal során.

A szabályozás főbb pillérei a következők.

Digitális másolatok tilalma: szigorúan tilos bárki arcát vagy hangját beleegyezés nélkül lemásolni és terjeszteni (deepfake és hangklónozás).

Szolgáltatók felelőssége: az MI-szolgáltatók jogilag felelősségre vonhatók, ha értesítést kapnak arról, hogy rendszerük jogsértő tartalmat generált, és nem teszik meg időben a szükséges lépéseket annak eltávolítására.

Felhasználói felelősség: azok a felhasználók is felelősségre vonhatók, akik szándékosan olyan promptokat vagy módszereket alkalmaznak, amelyekkel jogsértő, másoknak ártó tartalom generálására kényszerítik az MI-t.

Azonnali jogorvoslat: súlyos és visszafordíthatatlan károk kockázata esetén – például ha valakinek az arcát szexuális tartalmú rágalmazásra vagy hamis videókhoz használják fel – a bíróságok azonnali tiltó végzést adhatnak ki még a részletes eljárások lefolytatása előtt.

MI-hallucinációk: külön kitérnek az MI által generált hamis információkra (hallucinációkra), amelyek alkalmasak a hírnév rontására.

Doxolás és adatvédelem: jogsértésnek minősül, ha valaki MI segítségével nyilvánosan elérhető adatokból (telefonszámok, közösségi profilok) profiloz, majd személyes adatokat szivárogtat ki internetes zaklatás céljából.

Fogyasztóvédelem: tiltják az algoritmus-alapú árdifferenciálást, vagyis azt, ha a cégek indokolatlanul eltérő árakat szabnak meg ugyanarra a termékre a különböző felhasználóknak.

A mesterségesintelligencia-világ legnyitottabb ökoszisztémájaként ismert Hugging Face több mint hárommillió MI-modellnek, ötszázezer adatkészletnek és egymillió alkalmazásnak otthont adó platform. Ezeket tizennyolcmilliónál több fejlesztő és kutató, és legalább kétszázezer vállalat használja. Az Nvidia is több mint ötszáz modellt és kétszázötven nyílt adatkészletet tett már közzé a platformon.

Szeptember eleji hír, hogy az Nvidia 12,93 milliárd dolláros megállapodást kötött a Hugging Face-szel; az összegből egymilliárd dollárt a munkavállalók megtartására különítettek el. Jensen Huang Nvidia-vezérigazgató kijelentette, hogy a Hugging Face továbbra is nyílt platform marad, és támogatja a több felhőszolgáltatót és többféle gyorsítóegységet (akcelerátort) igénylő fejlesztéseket.

 A bejelentésre azt követően került sor, hogy júliusban feltörték a Hugging Face adatrendszereit; az incidensért egy elszabadult OpenAI-rendszer volt a felelős. A Hugging Face vezérigazgatója, Clément Delangue 2026 nyarán kereste meg az Nvidia vezérigazgatóját a tárgyalások elindítása érdekében.

A megállapodás hátterében az a várakozás áll, hogy egyre több vállalkozás választja majd a nyílt forráskódú MI-modelleket az olyan cégek – mint például az OpenAI és az Anthropic – zárt, saját tulajdonú szolgáltatásai helyett. A nyílt modellekre építő fejlesztők számára az Nvidia pénzügyi támogatása segíti, hogy az ökoszisztéma legnagyobb tárhely- és terjesztési központja nyílt maradjon, ahelyett, hogy beolvasztanák egy zárt termékvonalba.

Az Nvidia megerősítette, hogy saját hardvereinek használata nem lesz feltétele modellek építésének, megosztásának vagy futtatásának a Hugging Face platformon. A nagyvállalat a felvásárlással mindenesetre az alapvető hardvereken és a (hardvert az alkalmazásokkal összekötő) CUDA szoftverrétegen túl közvetlenül a nyílt forráskódú mesterséges intelligencia elsőszámú szoftverterjesztési hálózatára is kiterjeszti a befolyását. A tranzakció lezárása a hatósági jóváhagyások függvényében 2027 első felében várható.

A Hugging Face eddig nehezen tudott komoly bevételt termelni a hatalmas adatmennyiség hosztolásából (bár központi szerepe volt, éves bevétele százötvenmillió dollár körül mozgott). Az Nvidia tőkéje biztosítja, hogy a platform hosszútávon is stabilan és ingyenesen kiszolgálhassa a fejlesztőket.

Az Nvidia a tranzakcióval egyértelműen a nyílt forráskódú (vagy nyílt súlyú, open-weight) modellek mellett kötelezte el magát a teljesen zárt rendszerekkel szemben. Jensen Huang szerint a nyílt modellek biztosítják, hogy az MI feletti irányítás ne koncentrálódjon néhány techóriás kezében.

Az üzleti modell az elemzők szerint az lesz, hogy maga a kód és a modellek ingyenesek és nyíltak maradnak a platformon, az Nvidia pedig a köréjük épülő vállalati támogatáson, biztonsági szolgáltatásokon (pl. NVIDIA AI Enterprise) és az optimalizáción keresztül monetizál.

Azonban aggályok és kockázatok is felmerülnek.

Bár az Nvidia ígéretet tett arra, hogy a Hugging Face hardverfüggetlen marad, és továbbra is támogatni fogja a versenytársak (AMD, Intel, Google TPU, Groq) chipjeit, a fejlesztői közösség egy része tart a burkolt „bezárástól” (vendor lock-in).

Fennáll a kockázata annak is, hogy a Hugging Face-re feltöltött modelleket és eszközöket elsősorban az Nvidia saját szoftveres környezetére (CUDA architektúra) fogják optimalizálni. Ez nehezítheti a versenytársak hardvereit használó fejlesztők dolgát.

Az Nvidia már most is uralja az MI-hardverek piacát, a Hugging Face megszerzésével pedig az MI-szoftverek első számú elosztó központját is az ellenőrzése alá vonja. Ez a koncentráció komoly aggodalmakat szül a nyílt ökoszisztéma valódi függetlenségét illetően.

A Meta szeptember nyolcadikán bemutatta a többlépéses feladatok megtervezésére és végrehajtására, mint például utazások lefoglalására, ajánlatok letárgyalására vagy vacsoramenü kiválasztására alkalmas mesterségesintelligencia-alapú személyi ágenst, Muse-t. 

Az ágens a Muse alkalmazáson vagy WhatsAppon keresztül érhető el. A Muse Sparkon, a Meta legújabb multimodális logikai modelljén, dedikált felhőalapú virtuális gépen, a Muse Secure VM-en belül fut. A virtuális gép különálló „Sentinel” (őrszem) ágenssel párosítja a Muse-t, neki jóvá kell hagynia minden kimenő internetes műveletet, és szükség esetén engedélyt kér a felhasználótól. 

A Muse a csatlakoztatott hitelesítő adatokat biztonságos tárolóban tárolja, amelyet használhat, de nem láthat, bejelentkezik az e-mailek küldése vagy a vásárlások lebonyolítása előtt, és egy Stripe által épített Link pénztárcával fizet. A pénztárca egyszer használatos kártyákat bocsát ki, és a jogosult vásárlásokat visszaküldési és árcsökkentési védelemmel fedezi; A Shop Pay és az 1Password támogatás hamarosan elérhető lesz. 

A Meta közleménye alapján a felhasználók leválaszthatják a szolgáltatásokat, megmondhatják a Muse-nak, hogy felejtsen el bizonyos emlékeket, és leiratkozhatnak arról, hogy interakcióikat MI betanítására használják fel később. Ebben az évben még terveznek egy titkosított „Bizalmas virtuális gép” verziót, amelyhez még a Meta sem férhet hozzá. 

A Muse az Egyesült Államokban iOS, Android és webes platformokon is elérhető, alaphasználat esetén ingyenes, nagyobb igénybevételnél pedig fizetős csomagokkal. A bevezetés betekintést nyújt a fejlesztőknek a Meta megközelítésébe, amely valódi vásárlóerőt biztosít az ágenseknek, miközben megpróbálja megvédeni tőlük az érzékeny adatokat.

A Muse fontos előrelépés a kortárs mesterségesintelligencia-fejlesztésben: ellentétben a csak a lekérdezésekre válaszoló hagyományos chatbotokkal, a Meta ágense konkrét lépéseket tesz a nevünkben. Közvetlenül integrálódik az olyan alkalmazásokba, mint a WhatsApp, az Instagram és a Facebook.

Ahogy az iparág a valós környezetekben történő alkalmazások felé halad, Kína úgy bővíti a humanoid robotok képzésére szolgáló létesítmények körét. A pekingi Yizhuang és Shijingshan kerületekben kialakított képzőközpontokban például valósághű környezeteket hoztak létre, ahol a gépek a precíziós műveletektől kezdve a házimunkákig gyakorolhatnak. Az ilyen jellegű betanítás nagyrészt emberi demonstrációk, távirányítás vagy mozgásrögzítés (motion capture) révén gyűjtött adatokon alapul.

Szeptember legelején viszont a betanítás újfajta megközelítését alkalmazó „robotóvoda” nyílt a Shijingshan kerületben: minden egyes feladat ember általi bemutatása helyett a kutatók el szeretnék érni, hogy a robotok érintés, próbálkozás és saját tapasztalataik révén tanuljanak. Azt vizsgálják, képesek-e a fizikai világban szerzett saját tapasztalataik révén tovább tanulni és alkalmazkodni.

Az intézményt a tapintásérzékelő technológiával foglalkozó Tashan Technology és a megerősítéses tanulás úttörőjének számító Richard Sutton vezette csapat közösen hozta létre.

Amint a robotok ismételten gyakorolják a mozdulatokat, visszajelzést kapnak a fizikai interakciók során, és ennek megfelelően módosítják viselkedésüket. Ha például az egyik a járás tanulása közben falnak ütközik, az ütközés a tapasztalat részévé válik. Rögzíti a történteket, újra próbálkozik, és úgy módosítja mozgását, hogy elkerülje ugyanazt a hibát. Tehát a kudarc is a tanulást szolgáló adattá válik.

Sutton elmondta: a projekt célja olyan biztonságos környezet kialakítása, amelyben a robotok megismerhetik saját testüket, és tapasztalati úton léphetnek kapcsolatba a fizikai világgal. Ehhez nem csupán új algoritmusokra lesz szükség, hanem kifejezetten a tanulás céljára tervezett robotokra és környezetekre is. A kudarcok is a folyamat részét képezik, így a kutatóknak a robotokhoz hasonlóan tanulniuk, alkalmazkodniuk és folyamatosan kísérletezniük kell. Ennek a folyamatos tanulásnak az a célja, hogy a gépek az üzembe helyezés után is képesek legyenek az alkalmazkodásra, beleértve az olyan tárgyakhoz és helyzetekhez való igazodást is, amelyekkel az eredeti betanítás során nem találkoztak.

Ez a megközelítés lassabb, mint az utánzáson alapuló tanulás, ám a különbség lényegében a „hosszú távú és a rövid távú előnyök” kérdésére vezethető vissza. Az autonóm felfedezés segíthet a robotoknak túllépni a feladatspecifikus betanítás korlátain, és alapvetőbb szintű megértést kialakítani a fizikai világról. Ahelyett, hogy nagymértékben támaszkodnának az emberek által címkézett vagy távirányítás során gyűjtött adatokra, a valós környezettel való interakció révén értékes adatokat állíthatnának elő, így pedig a felfedezés, a visszajelzés és a fejlesztés folyamatos körforgását hozhatnák létre.

Hosszabb távon az egyes robotok által szerzett tapasztalatok beépíthetők a közös modellekbe, és átadhatók lesznek más gépeknek, lehetővé téve működés közben fejlődésüket. Egy ilyen modell különösen értékes lehet olyan komplex környezetekben, ahol lehetetlen minden lehetséges szituációhoz előzetesen bemutató példákat gyűjteni.

Egyelőre az ilyen jellegű autonóm tanulás inkább kiegészíti, mintsem felváltja a távirányítást, az utánzáson alapuló tanulást és a szimulációt. Ám ahogy a robotok a bemutatók világából átkerülnek a gyárakba, kereskedelmi szolgáltatásokba, majd végül az otthonokba, a megközelítés a szakterület fontos irányvonalává válhat, és lehetővé teszi, hogy a gépek üzembe helyezésük után is folytassák a tanulást és az új helyzetekhez való alkalmazkodást.

Dél-koreai kutatócsoport a földgolyó túloldaláról, több mint tízezer kilométeres távolságból sikeresen irányított apró, vezeték nélküli agyimplantátumot egy laboratóriumi patkányban. A Chicagóban tartózkodó kutatók az interneten keresztül küldtek valósidejű parancsokat a Dél-Koreában, Tedzsonban lévő, szabadon mozgó patkányba ültetett eszköznek. A parancsok elképesztően alacsony, mindössze 109 milliszekundumos késleltetéssel érkeztek meg.

A KAIST (Korea Advanced Institute of Science and Technology) és a Yonsei Egyetem tudósai által közösen fejlesztett, áttörést jelentő RAPIDO hatalmas ugrás az idegtudomány és az internetre kapcsolt orvosi eszközök, a dolgok internetének (IoT) fejlesztése terén.

A kb. kockacukor-méretű implantátum két távolról programozható és aktiválható hatékony funkciót ötvöz: a precíziós gyógyszeradagolást és az optogenetikai fénystimulációt. Elektrokémiai mikropumpával pontos, ismételt gyógyszeradagokat juttat közvetlenül a meghatározott agyi áramkörökbe, illetve miniatűr mikro-LED segítségével, fénnyel stimulálja a célzott agysejteket. (A modern biológiai, idegtudományi módszer optogenetika fénnyel teszi lehetővé az élő sejtek, legfőképpen az idegsejtek működésének ezredmásodperc pontosságú irányítását és szabályozását.)

Az implantátum mágnesesen cserélhető gyógyszertartályt tartalmaz. Ha a gyógyszer elfogy, a kutatók anélkül cserélhetik vagy tölthetik újra a patront, hogy a beültetést műtéti úton el kellene távolítaniuk, vagy megzavarnák az állatot, azaz nincs szükség újabb műtétre.

A négyhetes kísérlet során a kutatók patkányokon tesztelték az eszközt a függőség tanulmányozására. Az interkontinentális rendszeren keresztül kokaint juttattak az állat agyába, miközben fénnyel stimuláltak bizonyos neuronokat. Az eredmények lenyűgözőek voltak: a célzott fény és a gyógyszeradagolás kombinációja sikeresen elnyomta a függőséggel kapcsolatos viselkedési válaszokat a patkányban.

A hagyományos idegtudományi kísérletekben a kutatóknak manuálisan kell kezelniük az állatokat, vagy vaskos kábelekkel kell őket összekötniük a gyógyszerek cseréjéhez vagy a beállítások módosításához. Ez a kezelés stresszeli az állatokat, és torzíthatja a viselkedési adatokat.

Az IoT-alapú, globális távirányító rendszerre való átállással a tudósok mostantól földrajzi helytől függetlenül, teljesen szabadon végezhetnek hosszútávú, összetett agykutatásokat. A végső cél, hogy ezt a platformot olyan intelligens, mesterséges intelligencia által vezérelt orvosi implantátumokká fejlesszék, amelyek képesek diagnosztizálni és kezelni az emberi neurológiai betegségeket, mint például a depressziót, a függőséget és a neurodegeneratív megbetegedéseket.

Az Apple komoly lépéseket tesz a helyi mesterséges intelligencia irányába: a nagy nyelvi modelleket (LLM-eket) közvetlenül a felhasználók eszközein futtató egyedi chipeket és szoftveres keretrendszereket tervez. A cég most frissítette a Mac Studio kínálatát az M5 Max és M5 Ultra chipekkel. 

Adataik szerint az M5 Ultra csúcsteljesítménye a mesterségesintelligencia-számítások terén akár 4,3-szorosa is lehet az M3 Ultra teljesítményének. Az M5 Max konfiguráció 18 magos CPU-val, akár 40 magos GPU-val és legfeljebb 128 GB egységesített memóriával rendelkezik, míg az M5 Ultra akár 36 magos CPU-t, 80 magos GPU-t és 512 GB egységesített memóriát is kínál, lehetővé téve LLM-ek teljes körű, eszközön belüli futtatását. 

Az előrendelés augusztus huszonötödikén kezdődött: az M5 Max modell ára 2499 dollár, az M5 Ultráé pedig 5499 dollár; a kiszállítás szeptember huszonkettedikén indul, az 512 GB memóriával felszerelt változat pedig október végén érkezik. 

Az Apple a Mac minit szintén megújította két új chippel: a 899 dollárról induló M6-tal és az 1699 dollárról induló M5 Próval. A készülékek független teljesítménytesztjei még váratnak magukra. 

A nagyobb memóriakapacitás és a klaszterezési (clustering) támogatás révén a fejlesztők ahelyett, hogy felhőalapú számítási kapacitásért fizetnének, nagyobb, nyílt súlyozású modelleket futtathatnak magán az eszközön.

A helyi MI-re fókuszálás több szempontból is előnyös.

Adatvédelem: az adatok eszközön tartása megakadályozza, hogy az érzékeny személyes vagy vállalati információk külső felhőszerverekre kerüljenek.

Hardveres integráció: az egyedi chipek, mint például az M-sorozatú processzorok, dedikált Neural Engine-nel és nagy sávszélességű, egyesített memóriával (Unified Memory) rendelkeznek, amelyeket kifejezetten a komoly helyi MI-munkafolyamatokra terveztek.

Ökoszisztéma-kontroll: az Apple a teljes vertikumot tulajdonolja a szilíciumchipektől a szoftveres eszközökig (például Xcode, Core ML, Foundation Models), ami minimalizálja a váltási hajlandóságot a 2,5 milliárd aktív eszköz felhasználói körében.

Költség és késleltetés: az eszközön történő feldolgozás megszünteti a folyamatos felhőalapú számítási díjakat, és csökkenti az internetkapcsolattól való függőséget.

Az OpenAI hirdetésekkel támogatott üzleti modellje rendkívül gyorsan kifizetődött: a vállalat hivatalos bejelentése szerint a ChatGPT hirdetési bevételei alig több mint kétszáz napon belül elérték az egymilliárd dolláros évesített bevételi futási ütemet (annualized revenue run rate). 

Augusztus harmincegyedikén jelentették be ezt a mérföldkövet, egyúttal jelezve, hogy a hirdetési programot globálisan is kiterjesztik. Céljuk, hogy fenntarthatóvá tegyék a ChatGPT ingyenes verziójának elérését a felhasználók tömegei számára.

Reagálva a mesterséges intelligencia infrastruktúrájának hatalmas fenntartási költségeire, az OpenAI 2026 februárjában indította el a hirdetések tesztelését az Egyesült Államokban az ingyenes és a havi nyolcdolláros Go csomagot használó felnőtt felhasználók körében.

A bejelentés napjától kezdve az Ads Manageren keresztüli önkiszolgáló hirdetésvásárlás kiterjed Indiára, Európára, a Közel-Keletre és Észak-Afrikára, így a szolgáltatás már több mint negyven országban érhető el. A hirdetések megjelenítése a felhasználó aktuális beszélgetésének kontextusa, valamint – a beállításoktól és az országtól függően – a ChatGPT általános használati szokásai alapján történik. 

Az OpenAI tájékoztatása szerint a hirdetések meg vannak jelölve, nem befolyásolják a ChatGPT válaszait, a hirdetők pedig nem férhetnek hozzá a privát beszélgetésekhez. 

A platform immár támogatja a kattintásonkénti költség (CPC) és az eredményalapú licitálást, a termékfeedeket, a Pixel és a Conversions API (alkalmazásprogramozói felület) általi követést, valamint az egyedi célközönség-targetálást; az indulás óta pedig egyre nagyobb arányban jelennek meg kis- és középvállalkozások a hirdetők között. 

Az OpenAI beszámolója alapján az egyik hirdető huszonnyolc nap alatt a hirdetési kiadások háromszorosát kitevő megtérülést ért el. A platform egészére vonatkozó részletesebb teljesítményadatokat viszont (egyelőre) nem hozták nyilvánosságra. A nagyvállalat szerint a hirdetések hozzájárulnak ahhoz, hogy modelljei világszerte szélesebb körben váljanak elérhetővé.

Bár az egymilliárd dolláros határ elérése rekordidő alatt valóban hatalmas mérföldkő, az OpenAI hosszútávú tervei még ambiciózusabbak. A cég saját hirdetéskezelő platformot (Ads Manager) indított, és a belső gazdasági elemzések szerint 2030-ra százmilliárd dolláros hirdetési birodalommá kívánnak válni, közvetlen konkurenciát állítva a Google és a Meta hasonló rendszereinek. Az európai hirdetők számára is megnyílt önkiszolgáló platform és a csökkenő hirdetési árak (CPM) mind azt a célt szolgálják, hogy a hirdetésekből származó bevételek ellensúlyozzák a vállalat becsült többmilliárdos működési veszteségeit az IPO (tőzsdei bevezetés) előtt.

A világmodellező mesterséges intelligenciák bármilyen lehetséges világot képesek létrehozni, rekonstruálni, szimulálni. Értik ezeknek a közegeknek a megjelenését, viselkedését és fejlődését, lehetővé téve, hogy kreatív felhasználóknak vizualizáljanak képzeletbeli közeget, nagy hűséggel szimuláljanak valósakat, s mindezek mellett cselekvések megtervezésében segítsenek robotokat,

A mások mellett, a gépi tanulás egyik úttörője, Fei-Fei Liu által alapított World Labsnél a térbeli intelligencia elérése érdekében fejlesztenek ilyen általános célú világmodell-generátorokat.

Legújabb MI-jük, Atlas újgenerációs, úgynevezett „omni világmodell” (omni world model) szakítás a hagyományos videógenerálók megközelítésével, a képpontokat nem csupán időbeli sorozatként kezeli, hanem beágyazza őket valós 3D-s térbeli környezetbe.

Kameravezérlése pixelpontos, azaz nem csak olyan utasításokat adhatunk neki, mint a „svenkelj balra”, hanem konkrét 3D-s koordinátákkal és kamerageometriával határozhatjuk meg a kamera mozgási útvonalát. Mindössze néhány fotóból akár egyperces, 1440p felbontású, térben tűpontosan konzisztens videókat is képes generálni.

Néhány egyszerű, akár okostelefonnal készített fotóból Atlas teljesen rekonstruál valós helyszíneket. A modellből közvetlenül kinyerhető 3D pontfelhők és más formátumok azonnal importálhatók olyan játékmotorokba, mint például az Unreal Engine vagy a Unity.

A világ fizikai szerkezetének és időbeli változásának megértéséből következik, hogy Atlas képes létrehozni az időt „megfagyasztó” effektusokat, és eredetileg egyetlen kamera által sem használt szögből járjuk be a jelenetet.

A modell nem általános chatalkalmazás, hanem célzottan a kreatív iparágak és a mérnöki területek kiszolgálására készült: virtuális díszletek és kameramozgások gyors tervezése (filmgyártás, VFX), gyors 3D környezetépítés fotók vagy szöveges leírások alapján (játékfejlesztés), a robotikában pedig lehetővé teszi, hogy valós helyszínekről készült felvételekből szimulációs környezeteket hozzunk létre (Real-to-Sim), ahol a gépek tesztelhetők és betaníthatók, még mielőtt a fizikai világba engednénk őket.

A Black Forest Labs (BFL) által kiadott FLUX 3 multimodális alapmodell különlegessége, hogy egyetlen architektúrán belül dolgozza fel a képeket, videókat, hanganyagokat és a robotok cselekvés-előrejelzését. Ez az első FLUX-modell, amely egyetlen súlyhalmaz segítségével kezeli mindezeket a modalitásokat.

A FLUX a BFL által fejlesztett, csúcskategóriás generatív mesterséges intelligenciák családja, a Stable Diffusion eredeti alkotói hozták létre. A modellek speciális transzformer architektúrája piacvezető fotorealizmust, pontos szöveges utasításkövetést, összetett kompozíciókezelést és hibátlan szöveggenerálást biztosít a képeken.

A FLUX 3 a saját fejlesztésű öntanító (self-supervised) tréning keretrendszerre épül. Az alapötlet, hogy külső segítség nélkül, egyetlen architektúrán belül egyesíti a tartalomgenerálást és a környezet megértését. Az önfelügyelt technika mellett az áramlás-illesztés (flow matching) matematikai és generatív alapmechanizmus jellemzi.

A mechanizmus lényege, hogy – ellentétben a legelterjedtebb, diffúziós modellekkel – nem a zaj lassú törlésére koncentrál, hanem folyamatos és egyenes vektormezőt (sebességmezőt) tanul meg. Képzeljünk el egy nyílegyenes autópályát a kiinduló tiszta zaj (forrás) és a kész, tökéletes kép (cél) között. A modell azt tanulja meg, hogy milyen sebességgel és irányba (vektor) kell eltolnia a pontokat a térben, hogy a legrövidebb úton megérkezzenek a célhoz.

 A FLUX 3 akár húsz másodperces videoklipeket is képes generálni natív hanggal, támogatva a szövegből videót, képből videót, videóból videót és kulcskeretekből (keyframes) videót készítő módokat, valamint a többnyelvű párbeszédet és az ágensalapú klipláncolást. 

A 720p felbontású, tíz másodperces klipeken végzett, emberi preferenciákat vizsgáló tesztek során a FLUX 3-at részesítették előnyben a Luma Ray 3.2-vel szemben az összehasonlítások 93 százalékában, a Runway Gen-4.5-tel szemben pedig 77 százalékában, bár teljesítménye közelebb állt az olyan versenytársakéhoz, mint a Kling és a Seedance. 

A modell alapelve szerint minden médiatípus ugyanannak a valóságnak a vetülete – a hangnak összhangban kell lennie a hatásaival, a mozgásnak pedig követnie kell a fizika törvényeit –, ami arra kényszeríti a modalitásokat, hogy a betanítás során kölcsönösen korlátozzák és meghatározzák egymást.