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.

Az önvezető autókat gyakran mélytanuló modellek irányítják, csakhogy ezek a modellek váratlan helyzetekben időnként hibásan működnek. Előfordulhat például, hogy az autó megmagyarázhatatlan módon lefékez, és elállja a szembejövő, megkülönböztető jelzést használó jármű útját. Ilyenkor a sofőrnek vagy az utasnak gyorsan kell reagálnia az ütközés elkerülése végett.

Annak érdekében, hogy jobban felkészülhessünk a jármű esetleges hibáira, az MIT (Massachusetts Institute of Technology) és az önvezető technológiákkal foglalkozó Motional vállalat kutatói a háttérként működő modell döntéseire érthető magyarázatot adó, új módszert fejlesztettek.

CW-Net (Concept-Wrapper Network) nevű mesterségesintelligencia-rendszerük az önvezető autók átláthatatlan belső „gondolkodását” ember által is érthető fogalmakra fordítja le. A technológia segít a biztonsági sofőröknek, az utasoknak és a mérnököknek pontosan megérteni, hogy az autonóm jármű miért hoz valósidőben egy-egy adott döntést.

Olyan kifejezések, mint például a „megállt jármű megközelítése” vagy a „kerékpároshoz való közelség” segítségével magyarázza meg a gépi tanuláson alapuló tervezőrendszerek döntéseit. Ezek a magyarázatok eloszlathatják a jármű viselkedésével kapcsolatos tévhiteket a sofőrök és az utasok körében, valamint javíthatják a helyzetfelismerésüket.

Konkrét fogalmak használatával a rendszer ok-okozati szempontból hiteles magyarázatokat adva biztosítja, hogy a megjelenített szöveg a jármű viselkedésének valós okát tükrözze, ahelyett, hogy utólagos, félrevezető indoklással állna elő.

A CW-Netet fogalom-osztályozóként 130 millió címkézett példából álló, önvezető autós jeleneteket tartalmazó adatkészleten tanították be, hogy a jármű teljesítményének lassítása nélkül ismerje fel környezeti helyzetek széles skáláját. Egy Motional robotaxival végzett pályatesztek során sikeresen feltárt olyan kritikus szoftveres hiányosságokat, amelyek egyébként észrevétlenek maradtak volna.

Egyszer a robotaxi megállt egy kerékpáros előtt, és a biztonsági sofőr ebből azt feltételezte, hogy az MI sikeresen kezelte a helyzetet. A CW-Net valósidejű műszerfala azonban megmutatta: a modell nem megfelelően észlelte a kerékpárost, és valójában olyan útvonalat tervezett, amely ütközéshez vezetett volna. Az autó csak azért állt meg, mert a másodperc töredéke alatt közbelépett egy különálló, vészfékező biztonsági protokoll.

Az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriumának (CSAIL) kutatócsoportja szerint ez a keretrendszer idővel más, biztonságilag kritikus mélytanulási alkalmazásokra is kiterjeszthető, mint például az autonóm orvosi drónok navigációja vagy a robotizált sebészet.

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.