Nemcsak Elon Musk SpaceX-e és Jeff Bezos Blue Originje törekszik arra, hogy adatközpontokat juttasson Föld körüli pályára. 

A versenybe beszálló Google ugyanis október elsején indította el első kísérleti eszközét az űrbe, amellyel megalapozhatja a jövőbeli űralapú adatközpontokat. A projekt lényege, hogy tehermentesítve a földi elektromos hálózatokat, a mesterséges intelligencia számítási feladatait a Földön kívül, közvetlen napenergia használatával végezzék el. Első lépésben egyetlen szervernek megfelelő számítási teljesítménnyel rendelkező, hűtőszekrény méretű műholdat állítottak pályára.

A műhold-prototípus az óriáscég Project Suncatcher („napfogó”) kezdeményezésének része. Cél a szűretlen napfény éjjel-nappali hasznosítása a bolygónk körül működő, mesterséges intelligenciákat kiszolgáló adatközpontok energiaellátására. Ha a terv sikerül, nem terhelik a földi elektromos hálózatot, nem bocsátanak ki hatalmas mennyiségű szennyezőanyagot, nem merítik ki az édesvízkészleteket.

Egyelőre hosszú utat kell megtenni, amíg kiderül, hogy az elképzelés működőképes vagy sem. A pénzügyi megvalósíthatóság szintén bizonytalan. A kihívások közé tartoznak az elszabadult űrszemét-darabok is, amelyek valóságos ementáli sajttá lyuggathatnák ki a hatalmas, pályán keringő adatközpontokat. A fedélzeti elektronikában – amelyet valahogyan hűteni is kell – pusztítást végző, nagy mennyiségű űr-sugárzás, valamint a többszáz mérfölddel lejjebb található felszínnel fenntartandó, kellően stabil kapcsolat biztosítása is komoly próbatétel elé állítja a Google-t.

A szerverek karbantartása is fog még fejtörést okozni, mert a folyamat rendkívül bonyolult és vélhetően költséges. Míg egy földi adatközpontba bemehetnek a technikusok alkatrészeket cserélni, addig a műholdak szervizelése összehasonlíthatatlanul komplexebb feladat.

Az sem biztos, hogy az űrbéli adatközpontok csodaszert jelentenek a földiek problémáira. A hatalmas műhold-konstellációk jelentős mennyiségű légszennyező anyagot kibocsátva, veszélyeztethetik az ózonréteg épségét – figyelmeztetnek szakértők. 

A Google mérnökei is óva intenek az elbizakodottságtól, mert semmi garancia nincs arra, hogy a megoldás néhány éven belül bármiféle hasznot generáljon. A méretgazdaságosság jövőbeli előnyeiben bizakodó cég mindenesetre a földi adatközpontokéval megegyező összeget szándékozik fordítani a bolygónk körül keringőkre. Jövőre újabb két műholdat indítanak, majd nyolcvan műholdból álló, szoros kötelékben működő konstelláció kiépítésébe kezdenek. Egyelőre apró lépésekkel haladnak: a működés tizenöt percre korlátozódik az űrben, mielőtt a chipeket le kellene kapcsolni, hogy visszahűljenek. 

Az orbitális adatközpontok működésének kiterjedésével a technikai akadályokon túl a mérnöki kihívások is fokozódhatnak. Musk akár egymillió hatalmas adatközpont-műhold pályára állítását is tervezi, és mindegyik jelentősen hosszabb, mint a Nemzetközi Űrállomás.

A Microsoft megnyitotta legújabb kvantumkutató központját a Marylandi Egyetem Discovery negyedében, és közvetlen, fizikai hozzáférést biztosít a DARPA (az amerikai védelmi minisztérium fejlett kutatási projektekért felelős ügynöksége) szakértőinek a legújabb kvantumhardvereihez.

A Microsoft azon kvantumtechnológiai vállalatok egyike, amelyeket a DARPA azért vizsgál, hogy kiderítse: bármely kvantumszámítási megközelítés eredményezhet-e gazdaságilag életképes rendszereket 2033-ig.

A beruházás a Marylandi Egyetem és a helyi kormányzat támogatásával valósult meg, és a közvetlen védelmi kutatások mellett helyet biztosít partnercégeknek, munkaerő-képzésnek és egyetemi posztdoktori programoknak is.

Korábban a DARPA csak távolról, a Microsoft washingtoni (Redmond) és európai gépein keresztül értékelte a technológiát. Az új marylandi létesítményben a kormányzati szakértők saját maguk tölthetik be a hardvereket, és önállóan futtathatják le a rendszerindítási folyamatokat.

A tesztelés a Microsoft idén bemutatott, topologikus kvantumbitekre épülő Majorana 2 processzorával indul. Ez a kialakítás a Microsoft szerint jóval kevésbé hajlamos a hibára, mint a versenytársak (például a Google és az IBM) által használt szupravezető qubitek. A chip ráadásul új anyagstruktúrát (alumínium helyett ólmot) használ a stabilitás növelése érdekében.

A topologikus qubit az információt nem egyedi részecskékben, például egyetlen elektronban vagy fotonban, hanem egy fizikai rendszer globális geometriai (topologikus) elrendezésében tárolja. Míg a hagyományos qubiteket a legkisebb környezeti zaj (hőmérséklet-változás, elektromágneses zavarok) is hamar tönkreteszi (dekoherencia), a topologikus qubitek a beépített fizikai védelemnek köszönhetően nagyságrendekkel ellenállóbbak a hibákkal szemben.

A DARPA elsősorban azt vizsgálja, hogy a kvantumrendszer által elvégzett számítások értéke meghaladja-e magának a rendszernek a költségeit, azaz gazdaságilag megéri-e a fenntartása.

A marylandi rendszert úgy tervezték meg, hogy a jövőben érkező újabb Microsoft chipeket is fogadni tudja. A Microsoft célja az, hogy 2029-re készen álljanak a kereskedelmi forgalomba hozható kvantumrendszereik.

A Google és az OpenAI közötti mesterségesintelligencia-verseny új frontvonalat nyitott a valós idejű hangalapú asszisztensek piacán. A Google bemutatta a Gemini 3.8 Live és a Gemini 3.8 Live Extended Thinking modelleket. Ezzel a lépéssel a techóriás közvetlen kihívást intézett az OpenAI nem sokkal korábban bemutatott GPT-Live-1 modellje ellen, ráadásul jóval agresszívabb árazással.

A hangalapú (voice-to-voice) kommunikációra képes modellek célja valósidejű hangalapú ágensek (voice agents) létrehozása. A fejlesztők számára ez a versenyhelyzet komoly mérföldkő: a hangalapú asszisztensek fejlesztési költségei drasztikusan csökkenni kezdtek, a modellek pedig már képesek egyszerre beszélni és komplex logikai feladatokat végezni.

A Google és az OpenAI modellek közötti fontos különbség, hogy az előbbieknél a következtetési és gondolkodási folyamat be van építve a hangmodellbe. Ezzel szemben, a GPT-Live-1-nél a feladatokat különválasztották. A modell felel a gyors, gördülékeny beszélgetésért, míg a komplexebb logikai feladatokat egy különálló háttér-architektúrára bízza.

Az Extended Thinking modell 82,6-os pontszámmal vezeti az Artificial Analysis „Speech to Speech Quality Index” (beszédalapú kommunikáció minőségi mutató) rangsorát, a τ-Voice ágens-benchmarkon 68,6 százalékos, a Big Bench Audio teszten pedig 97,7 százalékos eredményt ért el; emellett képes egyszerre következtetni és beszélni, miközben többlépéses háttérfeladatokat hajt végre. 

A szabványos 3.8 Live modell képes felismerni és beszélgetés közben váltani kilencvenhét nyelv között, közel valós időben dolgozza fel a vizuális adatokat, és a párbeszéd megszakítása nélkül hajt végre eszközhívásokat a háttérben. 

A Google tájékoztatása szerint a modell a második helyen áll a Speech Agent Arena rangsorában. Mindkét modell elérhető a Gemini API-n (alkalmazásprogramozói felületen) és a Google AI Studión keresztül; a vállalati hozzáférés a Gemini Enterprise, a lakossági pedig a Search Live, a Gemini Live, a Workspace és a Gmail szolgáltatások révén biztosított. A generált hanganyagok mindegyike SynthID vízjelet tartalmaz. 

A hangalapú interfészeket fejlesztők – a feladat összetettségétől függően – két Google-modell közül választhatnak: az egyik olcsóbb és nagy áteresztőképességű, a másik lassabb, de fejlettebb következtetési képességekkel rendelkezik.

A DNS-számítógép kifejezés szövegkörnyezettől függően két teljesen különböző fogalmat takar az informatikában és a biológiában: a hálózati működést biztosító Domain Name System (tartománynév-rendszer) kiszolgálót, vagy a jövőbeli biológiai (molekuláris) számítógépeket.

Az utóbbi az adatok feldolgozására és tárolására valódi DNS-molekulákat, azaz örökítőanyagot használó, forradalmi informatikai és biológiai technológia. Kétségtelenül „jövőtechnológia”, csakhogy ez a jövő lassan már a jelen, hiszen számos intézet és szervezet dolgozik DNS-alapú rendszereken. A Caltech egyik kutatócsoportja például olyan DNS-alapú mesterséges neurális hálózatot fejlesztett, amely mikroprocesszorok nélkül, oldatbeli molekuláris kölcsönhatások révén képes felismerni a kézzel írt számjegyeket (0–9).

A területen tovább gyorsul a kutatás és a fejlesztés, ami különösen annak fényében fontos, hogy a modern elektronika energiaigénye rohamosan növekszik. Például Írországban a hagyományos adatközpontok emésztik fel az ország teljes villamosenergia-ellátásának megdöbbentő, huszonhárom százalékát. „Eddig beszűkült látókörrel csak egyfajta számítógépet vettünk figyelembe, pedig léteznek más példák is körülöttünk. Ilyen például az agyunk” – mondta Damien Woods professzor, az ír Maynooth Egyetem Hamilton Intézetének munkatársa.

Az egyetem kutatói kifejlesztették a maga nemében első, világcsúcsot beállító, szilíciumchipek, hagyományos huzalozás és folyamatos áramellátás nélkül egyszerű (szorzás, osztás, összeadás) és komplexebb matematikai műveleteket megoldó DNS-számítógépet.

A molekuláris rendszer mindössze harminc másodperc alatt oldott meg olyan egyszerű matematikai műveleteket, mint a 10+3, míg a legfeljebb 34 millióig terjedő számokat érintő, összetett 100-bites összeadások nagyjából tizennégy órát vettek igénybe. Figyelemre méltó, hogy korántsem egyszer használatos: a kutatócsoport teljesítménycsökkenés nélkül akár huszonöt egymást követő számítást is elvégzett ugyanabban a cseppben.

A fejlesztés áttörés, az eddigi egyik legbonyolultabb és leggyorsabb molekuláris számítástechnikai mérföldkő. (Egyetlen gramm DNS elméletileg több százmillió gigabájtnyi adatot képes tárolni.)

A hagyományos szilíciumalapú számítógépek tranzisztorokat használnak az elektromos feszültség egyek és zérók közötti kapcsolására. Ezzel szemben az új biológiai rendszer egymásba kapcsolódó DNS-szálak billióit használja, amelyeket egyetlen sós vízcseppben lebegtetnek.

Speciális szoftverek segítségével a tudósok feltérképeztek egy hosszú, elsődleges DNS „vázszálat”, valamint több száz egyedileg tervezett, rövidebb „kapocsszálat.” A genetikai bázisszekvenciák (A, T, C és G) testreszabásával gyakorlatilag „beprogramozzák” a számítási szabályokat, mielőtt a szálakat összekevernék (DNS-origamiprogramozás).

Ahelyett, hogy az utasításokat folyamatos elektromos áramkörön futtatnák keresztül, a számítógépet egyetlen rövid hőimpulzus indítja be. Ahogy a keverék felmelegszik, majd lehűl, a molekulák természetes módon lépnek kölcsönhatásba egymással, és a termodinamika törvényeinek megfelelően a leginkább energia-stabil szerkezeti elrendeződés felé mozdulnak el.

A DNS-szálak rendkívül szervezett mikroszkopikus rácsba rendeződnek. Amint a rendszer eléri a végső, stabil állapotát, a kutatók egyszerűen leolvassák a kapott molekuláris konfigurációt a megoldott válaszért.

Bár a rendszer a szekvenciális (egymás utáni) matematikai műveletekben drasztikusan lassabb, mint egy szabványos szilíciumchip, a sebesség itt nem az elsődleges cél. A DNS-alapú számítástechnika a tömeges párhuzamos feldolgozásban jeleskedik, vagyis egyidőben képes számítások billióit futtatni egy mikroszkopikus folyadékcseppben. 

Mivel teljes egészében a molekuláris kötődésre és a fizikai termodinamikára támaszkodik, a gép a tényleges számítás során nem fogyaszt elektromos áramot. Ez pedig komoly alternatívát jelenthet a modern adatcentrumok hatalmas energiaigényével szemben.

A kutatók hangsúlyozzák, hogy mivel a rendszer teljesen biológiai, alacsony energiájú és apró, a jövőben programozhatóvá válhat arra, hogy élő sejteken belül működjön a betegségek felismerésére vagy célzott, valósidejű gyógyszeradagolás elindítására. De a DNS a biokompatibilitás mellett páratlan adattárolási sűrűséget kínál, így a gép jövőbeli változatai évezredeken át megőrizhetik a sűrűn tárolt digitális archívumokat.

A Vrije Universiteit Amsterdam jogászprofesszora, Thibault Schrepel által vezetett kétéves kutatás kimutatta, hogy a ChatGPT használatától eltiltott diákok következetesen rosszabbul teljesítettek, mint azok, akik használták. Az eredményben az sem számított, hogy a diákok képzettek voltak a mesterséges intelligenciában, vagy sem.

Az efféle tiltások gátolják a problémamegoldó képességek fejlődését, a diákok körében a teljes tiltás bizonyult a legrosszabb opciónak a teszteredmények szempontjából.

Schrepel a „Mesterséges intelligencia joga” kurzusán a hallgatókat három csoportra osztotta: MI-hozzáférés nélküliekre, irányítatlan MI-javaslatokat használókra és strukturált jogi promptmérnöki képzésben részesülőkre, majd az Európai Unió MI-törvények rendelkezéseinek felülvizsgálatára kérte a diákokat. A kísérletet 2024-ben hatvanhat, 2025-ben pedig 164 hallgatóval végezték el. 

A mesterséges intelligencia nélküli csoport tíz-tizenöt percen belül kifogyott az ötletekből, és többnyire felületes szövegezési változtatásokat eszközölt, míg a képzett csoport vizsgákon elért előnye 2025-re nagyrészt eltűnt, mivel a hallgatók körében egyre inkább elterjedt a chatbotok használata. 

Schrepel azt mondja, arra számított, hogy az irányítatlan MI-csoport kritikátlan hibái átragadnak a vizsgákra, de nem így történt. Ez arra késztette, hogy feladja azt a feltételezését, mely szerint a mesterséges intelligencia formális oktatására van szükség a tanulás – ártás helyetti – segítéséhez. 

Az eredmények ellentmondanak olyan oktatási stratégiáknak, mint például a UC Berkeley Jogi Karáé, ahol az osztályozott munkákban szinte teljes a mesterséges intelligencia használatára vonatkozó tilalom. 

Schrepel szerint az egyetemeknek inkább hagyniuk kellene az oktatókat kísérletezni, mintsem általános tilalmakat bevezetniük, miközben óvatosságra is int, mert a mintája kicsi volt, és tesztcsoportjai olyan tech-értő diákokból álltak, akik már korábban is érdeklődtek a mesterséges intelligencia iránt.

A brit Durham Egyetem új autonóm drónnavigációs technológiája rugalmas biztonsági folyosók létrehozásával és valósidejű útvonaltervezéssel zsúfolt környezetben gyorsabb és biztonságosabb repülést tesz lehetővé. A kutatás azért jelent áttörést, mert kiküszöböli a merev biztonsági zónák miatti lassításokat, és nyílt forráskódú szoftverként más fejlesztők számára is elérhető.

A korábbi rendszerek merev védelmi zónákra támaszkodtak, ezért a drónoknak jelentősen le kellett lassítaniuk akadályok közelében. Az új rendszer a környezethez idomuló folyosókat hoz létre, amelyek akár hatszor nagyobb használható repülési teret és közel hatvan százalékkal szélesebb egérutat biztosítanak az akadályok körül.

A Durham Egyetem kutatói által fejlesztett algoritmus feleslegessé teszi a lassú és összetett matematikai műveleteket. Ezáltal a drón képes valósidejű hatékony számításokat végezni, azaz menet közben, azonnali döntéseket hozni, megőrizve a sima és gyors mozgást.

A technológia jelentősen növelheti a hatékonyságot azokban a szektorokban, ahol az idő és a precizitás kritikus tényező.

Ilyen a kutatás és a mentés, így romok között vagy sűrű erdőkben válik gyorsabbá a navigáció. Az ipari ellenőrzésben szintén remekül alkalmazható, például gyárak, fúrótornyok vagy csővezetékek autonóm felméréséhez. Ugyancsak jól használhatók raktárak automatizálásában is, mert a technológia alkalmas áruk szűk folyosókon, nagy sebességgel történő mozgatásához.

Az Anthropic leleplezett egy, csaló társkereső alkalmazásokból álló, kiterjedt hálózatot. A hálózat a Claude mesterséges intelligenciát használta fel arra, hogy romantikus partnernek kiadva magát pénzt csaljon ki gyanútlan felhasználókból.

2026 áprilisában, mindössze két hét leforgása alatt több mint 4700 mesterségesen létrehozott MI-személyiség váltott hozzávetőleg 2,36 millió üzenetet legalább 25 ezer emberrel, húsznál több különböző alkalmazáson keresztül. A felhasználókat nem tájékoztatták arról, hogy gépekkel társalognak; az alkalmazások hétköznapi társkereső platformokként tüntették fel magukat, és virtuális érméket számoltak fel a beszélgetések fenntartásáért, így minden egyes interakció bevételi forrássá vált. 

A művelet jóval kifinomultabb volt egy egyszerű chatbot-alkalmazásnál. A Claude által működtetett személyiségek a párosítások mintegy hetvenöt százalékát tették ki, és utasítást kaptak arra, hogy titkolják mesterséges mivoltukat, például kifogásokat kellett kitalálniuk a videóhívások elkerülésére. A videós megjelenéseket és a közösségi médiás interakciókat valódi, fizetett munkatársak bonyolították le, miközben egy különálló MI-modell javasolt válaszokat szolgáltatott számukra.

Az alkalmazások akár lájkokat és profilmegtekintéseket is generálhattak, hogy a felhasználókat további költekezésre ösztönözzék. 

Matthew Gore-Kormanik biztonsági kutató feltárta: számos, látszólag egymástól független app ugyanazon alapul szolgáló kódot és háttérinfrastruktúrát használt. Ez arra utal, hogy a rendszer mögött összehangolt fejlesztői munka állt. 

Több alkalmazás még hónapokkal azt követően is elérhető maradt a Google Play-en és az Apple App Store-jában, hogy az Anthropic azonosította a hálózatot. Ez a tény is emlékeztet arra, hogy a hivatalos piactereken való megjelenés nem garantálja a hitelességet. 

A videóhívások elkerülésére szolgáló állandó kifogások és a további érmék megvásárlására irányuló nyomás a legnyilvánvalóbb figyelmeztető jelek közé tartoznak, sőt, még a videós megjelenés sem igazolja, hogy valójában ki írja az üzeneteket.

Az IBM és a NASA közzétette az amerikai és japán missziók során, évtizedek alatt gyűjtött holdi adatokat egyesítő, nyílt forráskódú közös Lunar Foundation Modelt. Kifejezetten a Hold felszínének és erőforrásainak tudományos feltérképezésére és elemzésére tervezték.

Az IBM és az Európai Űrügynökség, az ESA TerraMind architektúrájára épülő új modell különböző léptékű és látószögű méréseket – a GRAIL szonda 20 km/pixel felbontású gravitációs térképeitől kezdve a Lunar Reconnaissance Orbiter 1 m/pixel felbontású felszíni felvételeiig – ötvöz, lehetővé téve a kis kráterek azonosítását, a vulkáni tevékenység történetének feltérképezését és a sarki jég felkutatását.

Az alkalmazásánál a NASA ezt a három fő feladatot részesíti előnyben, rájuk összpontosítanak. 

A sarki kráterek mélyén található vízjég feltérképezése elengedhetetlen a jövőbeli legénységi missziók (Artemisz-program) ivóvíz-, oxigén- és üzemanyag-ellátásához. A kisebb, korábban katalogizálatlan kráterek azonosítása a felszíni változások nyomon követésére és a biztonságos leszállóhelyek kiválasztásához lesz hasznos. A Hold vulkanikus múltjának feltárása nagyon sokat segít az égitest termális evolúciójának részletesebb kutatásában.

A modell finomhangolása úgynevezett „low-rank adapterek” (alacsony rangú adapterek) segítségével történt – amelyek az alapmodell súlyainak kilencven százalékát változatlanul hagyják –, s mindezek eredményeként a jégdetektálás hibaszintje huszonkét százalékkal csökkent a SwinV2 (a Microsoft Research nagyléptékű vizuális modellje) transzformerhez képest, kráterdetektálás terén pedig közel tizenkilenc százalékkal felülmúlt egy feladatspecifikus modellt, miközben csupán feleannyi tanuló adatot használt fel. 

Ez a megoldás – az IBM korábbi Föld-megfigyelési és naptevékenységgel foglalkozó modelljeihez hasonlóan – egy újabb olyan, adott szakterületre szabott alapmodell, amelyet kifejezetten könnyű finomhangolásra, és nem pedig feladatonkénti újratanításra terveztek.

A Lunar Foundation Model a Hugging Face-en érhető el.

Közel három évtized telt el azóta, hogy az első hivatalos sorozatgyártású robotporszívót, az Electrolux Trilobite-ot a svédországi Electrolux cégnél 1997-ben bemutatták. Az áttörésre 2002-ig kellett várni: az amerikai iRobot ekkor dobta piacra a mára legendává vált Roomba porszívót, és hatalmas piaci siker lett. Az év karácsonyáig már több tízezer darabot adtak el belőle.

A korai modellek még kaotikus, véletlenszerű mozgással takarítottak, amíg el nem értek egy akadályt. A 2010-es éveket az „okosodás” és a modern funkciók megjelenése jellemezte.

2014-ben piacra került a lakást 360 fokos kamerával és szisztematikus navigációval feltérképező Dyson 360 Eye. A mai eszközök pedig már lézeres (LiDAR) térképezéssel, mesterséges intelligenciával, önürítő dokkolóval és felmosó funkcióval segítik a háztartásokat.

Néhány hete minden korábbinál szofisztikáltabbá váltak.

A legtöbb robotporszívó közös jellemzője ugyanis a szívóhatás alkalmazása. A HIZERO GLIDE padlótisztító robot azonban teljesen szakít ezzel a megoldással: a sencseni HIZERO szabadalmaztatott „Bionic Cleaning Technology” (bionikus tisztítási technológia) eljárását és egy nagy sűrűségű polimerből készült „Multi Roller” hengert alkalmaz a száraz szennyeződések, folyadékok és hajszálak közvetlen összegyűjtésére. 

A HIZERO a világ első szívóhatás nélküli tisztítórobotjaként jellemzi a készüléket.

A különbség túlmutat a szennyeződés eltávolításának módján. A GLIDE egyetlen folyamatos művelet során söpör, felmos, tisztít és töröl, miközben tisztítóhengere folyamatosan, friss vízzel tisztítja önmagát. A kiömlött folyadékokat összegyűjti ahelyett, hogy szétterítené azokat, a szívóhatás nélküli kialakítás pedig kiküszöböli a szívórendszer okozta porfelkavarást, valamint feleslegessé teszi a HEPA-szűrők és porzsákok használatát.

A GLIDE mindössze 56 dB zajszinttel és 22 W-os névleges teljesítményfelvétellel üzemel, miközben akár 220 perces működési időt biztosít. A LiDAR-alapú navigáció, az intelligens térképezés, a személyre szabott tisztítási módok és az alkalmazásalapú vezérlés teszik teljessé azt a koncepciót, amelynek középpontjában – a szívómotor helyett – maga a padlófelület áll.

„Azok, akik a leghangosabban hangoztatják a mesterséges intelligencia veszélyeit, az elmúlt két hétben jelentős teret nyertek. Maga a technológia nem vett váratlan, veszélyes fordulatot, ám a köré épült – és egy láthatóan jól megszervezett PR-kampány által fűtött – felhajtás jelentős félelmet keltett. Aggasztónak tartom, hogy ez visszalépést jelent a szakterületünk számára” – kezdte szeptember tizennyolcadikai heti hírlevelét Andrew Ng, gépitanulás-szakértő, korábban a Google Brain és a Baidu, 2024 áprilisa óta az Amazon vezető tudósa. (A Time magazin 2024-ben a világ száz legbefolyásosabb mesterséges intelligenciával foglalkozó személye közé választotta.)

Korábban gyakran írt az MI-vel kapcsolatos túlzó félelmekről, hogy a képességei kísértetiesen emberiek és kiszámíthatatlanok, és aggódni ugyan ésszerű, de a problémák még elvégzendő mérnöki munkák, semmint leküzdhetetlen akadályok vagy világvégét jelentő katasztrófák. Az a tény, hogy ezek a technológiák folyamatosan fejlődnek, és az előrelépéseket a közvélemény nem mindig látja át tisztán, „újra és újra lehetőséget ad a felhajtáskeltésre.”  

„Először is, nem látom jelét annak, hogy az MI jelentette, az emberiség kipusztulásával fenyegető kockázat növekedett volna az elmúlt hónapokhoz képest. Az ezzel kapcsolatos elméletek továbbra is ugyanazok a légből kapott, sci-fi-be illő forgatókönyvek, mint korábban. A kockázatok terén a legjelentősebb változást cyberbiztonsági képességek jelentik, amit komolyan kell vennünk, ám ez sem fogja elhozni a világvégét” – folytatja Ng.

Legutóbb a Hugging Face rendszereit feltörő OpenAI ágensraj borzolta a kedélyeket. „A sajtóban jelentős felhajtás övezte az esetet; egyes lapok például arról számoltak be, hogy 1200 ágensből álló raj hajtotta végre a támadást. Bár ez műszakilag helytálló volt, érdemes megjegyezni: e sorok írásakor a saját laptopomon is mintegy 1300 folyamat fut. Igaz, hogy jelentős technikai előrelépést jelent az a képesség, amellyel nagyszámú ágensrajt lehet párhuzamosan egyetlen feladatra állítani, ám a számítástechnikában amúgy is számos folyamat fut egyidejűleg. Ezért ezt nem szabad valamiféle mágikus képességnek tekinteni” –írja az agyonmediatizált esetről Ng.

Az incidens okai persze prózaibbak, bár tény, hogy az ágensek „fáradhatatlanul próbálkoznak különféle taktikákkal – és megvan bennük a türelem a sebezhetőségek láncolatba fűzéséhez –, ami korábban emberi erőforrás tekintetében megvalósíthatatlan lett volna. Hosszú távon a védők oldalán lesz az előny (mivel több információ áll rendelkezésükre a hibák azonosításához és kijavításához), ugyanakkor a cyberfenyegetések környezete jelentősen megváltozott. A sebezhetőségek azonosítása és kihasználása során továbbra is léteznek szűk keresztmetszetek. Az MI-ágenseknek sokféle lehetőséget ki kell próbálniuk, hogy lássák, mi működik; ezek a műveletek időigényesek, és a védők észlelhetik őket. Éppen ezért nem dőlt össze a világ, még akkor sem, ha ma már könnyen hozzáférhetők olyan vezető, nyílt súlyú modellek, amelyekből eltávolították vagy gyengítették a biztonsági korlátokat, így azok nem tagadják meg a cybertámadások végrehajtására irányuló kísérleteket.”

Egy mások által szintén aggasztónak tartott jelenségre, az MI, azaz a nagy nyelvmodellek és az ágensek számos tudósításban megjelenő antropomorfizálására is figyelmeztet: úgy kezdjük kezelni őket, mintha emberek lennének. „Ha kalapáccsal dolgozom, elvétem a szöget, és véletlenül behorpasztom a falat, azért nem a kalapács a felelős; a probléma abban rejlik, hogyan használtam az eszközt. Hasonlóképpen, ha utasítást adok egy ágensnek, és az feltöri valaki más rendszerét, a felelősség engem terhel, nem pedig az ágenst” – szemléltet a tudós.

Értelemszerűn a legbiztonságosabb és legkiszámíthatóbb rendszerek fejlesztése a cél, a maiak még nem feltétlenül azok, viszont megfelelő mérnöki munkával rendkívül biztonságossá tehetők. És itt jelenik meg az MI-katasztrófajóslatok új eleme: a fejlesztőcégek áthárítják a felelősséget: nem ők tették, hanem az ágenseik… „Meg kell találni az egyensúlyt az eszköz készítőjének és használójának felelőssége között. Ám ha valami baj történik, a kalapács helyett inkább azokat vonjuk felelősségre, akik azt készítették, illetve használták” – hangzik Ng javaslata, majd a mostanában szintén gyakran emlegetett, MI-vel fejleszthető biológiai fegyverekre is kitér: „előállításuk szűk keresztmetszetét nem az intelligencia, hanem a laboratóriumi munka és a gyártás jelenti.”

Legfontosabb állítása, hogy „a mesterséges intelligencia fejlesztésének felfüggesztése több kárt okozna, mint hasznot. Egyrészt ellenfeleink biztosan nem lassítanának. Másrészt a mérnöki munka során empirikus úton kell feltárni a problémákat ahhoz, hogy kijavíthassuk őket. Ha egy évtizedre leállítjuk az MI fejlesztését, nagyjából ugyanennyi idővel késleltetjük a biztonsági megoldások kidolgozását és bevezetését is.”

„Természetesen a félelemkeltés ösztönzői – legyen szó a szabályozói folyamatok befolyásolásáról, a figyelemfelkeltésről vagy a saját technológia hatásosabbnak való feltüntetéséről – továbbra is ugyanazok, mint korábban. A felelősség elhárítása viszont új jelenség. Ha azonban szigorúan műszaki szempontból vizsgáljuk a tényleges kockázatokat, kevés tényszerű alapot látok az ilyen mértékű félelemkeltésre. Bár az MI-biztonság javítása terén még komoly kutatói és mérnöki munka vár ránk, az előnyös felhasználási módok továbbra is messze felülmúlják a kockázatokat, így folytatnunk kell a fejlesztést” – összegez az OpenAI és az Anthropic sirámaira frappáns választ adó Ng.