Az alpesi ország világhírű egyetemei (EPFL, ETH Zürich) és a Svájci Nemzeti Szuperszámítási Központ együttműködésének eredményeként nemzeti nagy nyelvmodellt (LLM) fejlesztett. Az Apertus nevű MI a ChatGPT, a Meta Llama-ja és a DeepSeek többnyelvű (helyi) alternatívája lehet.

Két méretben indul: az egyik nyolc-, a másik hetvenmilliárd paraméteres, több mint ezer nyelv tizenötbillió tokenjén gyakoroltatták. Az Apertus gyakorlóadatainak negyven százaléka nem angol, és az LLM-ekben olyan alulreprezentált nyelveket is használtak hozzá, mint a svájci német és a rétoromán.

Az Apertus latinul nyitottat jelent, és ennek megfelelően – ellentétben a legtöbb kereskedelmi modellel – architektúrája, súlyai, gyakorlóadatai, fejlesztési módja, hozzáférhetősége, tehát minden nyílt, emellett pedig teljesen és bőségesen dokumentált. Tökéletesen megfelel a svájci adatvédelmi és szerzői jogi törvények és az EU-s MI Törvény átláthatósági követelményeinek.

A két modell megengedő nyílt forrású licenc alatt ingyenesen hozzáférhető oktatási, kutatási és kereskedelmi alkalmazásokhoz. A telepítés olyan platformokon keresztül támogatott, mint a Transformers, a vLLM, az SGLang és az MLX, így az Aperthus valóban sokféle eszközön futtatható.

A fejlesztésnél az átláthatóság és a tanítási folyamat teljes reprodukálhatósága voltak a kulcsszempontok. Az intézmények ezért publikáltak mindent az Apertusról. A használati feltételek a Hugging Face-en érhetők el.

Az adatintegritás és az etikai standardok betartására külön odafigyeltek: a gyakoroltatáshoz használt korpusz kizárólag nyilvánosan hozzáférhető adatokból áll. A rendszer szűri az adatokat, hogy tiszteletben tartsa weboldalak géppel olvasható, akár visszamenőleges leiratkozási kérelmeit, valamint hogy a tréning megkezdése előtt eltávolítsa a személyes adatokat és más nemkívánatos tartalmakat.    

A fejlesztők egyéni használatra inkább a kisebb, a nyolcmilliárd paraméteres modellt ajánlják.

A szövegfeldolgozás történetét néhány nagy ugrás jellemezte, velük jutottunk el az írógéptől a WordPerfecten és a WordStaron keresztül a Microsoft Wordig és a Google Docs-ig. Mindegyik megváltoztatta az írásról való gondolkodást. A mesterséges intelligencia integrálásával, most jön a következő fejezet. A jövő nem az embert helyettesítő, hanem az egyértelműbb önkifejezésben, a nagyobb kreativitásban és egyediségben minket segítő gépekről, az eredményes ember-MI együttműködésről fog szólni.

A Word és a Google Docs évtizedek óta alapértelmezett íróeszközeink. Jól ismerjük őket, megbízhatóak, viszont alig változnak, miközben a 2022-től berobbant MI gyorsabb és jobb eredményt ígér.

Újragondolhatók-e az MI-korra az írószoftverek? 

A Pete DeLaurentis által kidolgozott TextJam platformnak ez a célja. A ChatGPT, a Claude vagy a Gemini munkái hiába tetszetősek, nem érezzük a magunkénak őket. Kivész velük az írott szöveg egyedisége, csorbul az önkifejezés, és ha megszokjuk, hogy algoritmusok írnak helyettünk, lassan, de biztosan elveszíthetjük egyes képességeinket is.

A TextJam alapötlete egyszerű. DeLaurentis a toll és a ceruza metaforáját használja: ha az előbbi módot használjuk, szövegünk végleges, az MI nem változtat rajta. Minden ceruzával készített anyag viszont vázlat, tetszés szerint hozzájuk nyúlhat. A promptolás is a felületen történik, nem kell hozzá külön chatdoboz, közvetlenül a szövegben hagyhatunk rövid utasításokat.

Az új szövegszerkesztő azonban több metaforánál: az írószoftverek kezelőfelületének újraértelmezése. Csippentéses átméretezési funkciójával, az érintőpadot vagy az egeret használva, zsugoríthatunk, bővíthetünk szövegrészeket: az MI, a jelentést és a hangvételt megőrizve, az új hosszúságnak megfelelően azonnal átírja a tartalmat. Az „időutazás” funkcióval nyomon követhetjük az összes változtatást, az anyag átláthatóbb – a szerzőség kérdése egyértelműbb –, ami kiemelt cél volt a TextJam fejlesztésekor.

A mainstream szövegszerkesztők egyik komoly korlátja az MI-integráció hiánya. A Microsoft és a Google ugyan asszisztensekkel igyekszik kezelni a problémát, a TextJam azonban már az alapoktól az ember-MI együttműködésre épül. Ugyanazon a dokumentumon szimultán dolgozhatnak különféle modelleket (GPT, Claude, Grok, Llama stb.) alkalmazó felhasználók, akik valósidőben meg is beszélhetnek dolgokat egymással és az MI-vel, mert a platformba ezt a chatfunkciót is beintegrálták. Az MI a garancia, hogy a szöveg alakulásával, dokumentálódik az összes korábbi nézőpont.

A Word és a Google Docs mérete és stabilitása miatt nehezen változtatható radikálisan, problémás teljesen új funkciókat beléjük integrálni. Ez a piaci rés megnyitotta a kapukat a TextJam és más startupok előtt.

A Microsoft és a Google nyilván fejleszthetnek hasonlókat, de nagyvállalatok újításai sokszor a szervezeten belül tehetetlenséggel szembesülnek, plusz a szabadalmak és a technikai kihívások is hátráltató tényezők. Ezért lesz lassú például a TextJam legegyedibb funkcióinak utánzása.

Mivel a megfigyelő ember zavarhatja a természetben élő állatok viselkedését, legautentikusabb tanulmányozásukhoz kameracsapdák és drónok szolgáltatnak hiteles infókat. Eközben egyre több biológus kísérletezik állatnak álcázott, róluk mintázott robotokkal.

Floridai robotnyuszik automatikusan csalogatják az invazív burmai pitonokat, és amint érzékelőik észlelik a hüllőket, riasztják a kutatókat. A veszélyeket csökkentendő, szárnyaikra szerelt légcsavaroknak köszönhetően repülő robotsólymok elijesztenek madarakat reptéri kifutópályáktól. Tetszés szerint sorolhatók a további példák: robotcsótányok, robothalak…

A mesterséges intelligencia robotok érzékelésére, mozgására és ügyességére adaptálása számos alkalmazással kecsegtet. A kínai Deep Robotics MI-alapú tréningjével robotok különféle környezetekben navigálnak, dinamikus kihívásokra reagálnak. Ezek a képességek nemcsak otthoni és ipari használatnál segíthetnek, hanem olyan kutatásokban is, mint például az antilopok viselkedésének megfigyelése.

A Kínai Tudományos Akadémia, a Deep Robotics és a Xinhua állami hírügynökség összefogott, hogy robotot „telepítsenek” egy, négy-ötezer méter magasan fekvő nemzeti park antilopcsordájába. A gép segít a félénk állatok megfigyelésében, és nem is zavarja őket mindennapjaikban. 

Az ipari ellenőrzésre és kereső-mentő feladatokra tervezett X30 nevű szerkezetet antilopbőr borítja.  Jól alkalmazkodik a régió nehéz terepéhez és a zord körülményekhez.  Megmássza a lépcsőket (tehát hegyekkel is boldogul), mínusz húsz és plusz ötvenöt Celsius-fok között működik, a legszigorúbb nemzetközi kritériumoknak megfelelve, víz- és porálló. Látórendszere gyenge és nagyon erős fényben egyaránt működik.

Gyakoroltatásáról nincs sok infó, állítólag megerősített tanulással sajátította el a navigációt, kamuszemei mögé két egyszerűbb és egy széles látószögű kamerát szereltek. Van benne LiDAR, ultraszonikus érzékelők, valósidejű kinematikai modullal kombinált GPS-rendszer. Gépilátás-szoftvere automatikusan követi a nyáj mozgását, etetését, szaporodását. Az adatokat 5G-n rádiójelekkel továbbítja.

Ha kideríti, hogy a nyáj úthoz közelít, figyelmeztetést ad le, működtetői pedig automatizálhatják a közlekedést, garantálja a nyájnak, hogy biztonságban átmehet.

Akár két kilométer messzeségből is távirányítható, csúcssebessége 12 km/h, míg a sokkal gyorsabb tibeti antilopé ötven (ez nyilván változni fog a jövőben). Akkumulátora akár négy óra hosszat bírja, cseréje gördülékeny. 

A mesterségesintelligencia-forradalom újabb fontos lépéseként a földkerekség infokommunikációs technológiák fejlesztésében és az MI adaptálásában egyik legkevésbé jeleskedő régiója is (végre) színre lépett.

A 2021-ben alakult Chilei Nemzeti Mesterséges Intelligencia Központ (CENIA) elindítja az online térben a kifejezetten latin-amerikai nyelvekre és kulturális környezetekre tervezett, nyílt forrású Latam-GPT nyelvmodellt.

Szükség is volt rá, mert a régióban folyamatosan nő a generatív MI-platformok iránti igény. Az Egyesült Államok és India után a világon Brazíliában használják legtöbben a ChatGPT-t.  

A projektben Latin-Amerika és a Karibi-térség harminchárom intézete vesz részt, húsz országból több mint nyolc terabájtnyi szöveges adatot gyűjtöttek össze hozzá. A GPT-3.5-höz hasonlítható modell ötvenmilliárd paraméteres.

A Latam-GPT tervezői figyelembe vették azt a szükségletet, hogy mesterséges intelligenciájuknak értenie kell a helyi nyelvjárásokat, a térség viharos történelmét és a kulturális nüánszokat. Mindezekről a globális modellek fejlesztői hajlamosak megfeledkezni.

Az OpenAI GPT-it vagy a Meta Llama modelljeit az angolon kívül ugyan sok más nyelven is tanítják, de képességeik ennek ellenére korlátozottak ezeken a nyelveken, nem is beszélve a nyelvjárásokról és a helyi idiómákról. A „latin-amerikaiaknak latin-amerikai MI-t” – a Latam-GPT-t – ennek megfelelően gyakoroltatták, az obligát spanyol és portugál mellett a kecsua, a guarani és más őslakos nyelveken szintén kommunikál, és speciális karibi dialektusokat is ért.

 A fejlesztés két évig tartott, és a Latam-GPT kitalálóinak arra is gondolniuk kellett, hogy latin-amerikai kutatók képesek legyenek közvetlenül kísérletezni nagy nyelvmodellekkel (LLM).

Az első változat idén szeptemberben indul és ingyenes. A következő években az egyelőre csak szöveges, nyílt modellt szervezetek saját specifikus szektoraikra, például az oktatásra, az egészségügyre vagy a mezőgazdaságra alkalmazhatják. Sikeréhez az őslakosok, bevándorló közösségek és történelmileg marginalizált más csoportok részvétele is szükséges.

Ugyanakkor a térség sok országában, köztük az infokom technológiákban legfejlettebb Chilében is, a helyiek tiltakoznak az MI-modellek felépítéséhez és működtetéséhez infrastruktúrát nyújtó, de köztudottan rendkívül energia- és vízigényes adatközpontok létrehozása ellen.

Másrészt, a projektet a mesterségesintelligencia-szakadék csökkentésére tett első komoly lépésének tekintik.

Az utóbbi években az amerikai hadsereg a 3D nyomtatást és a drónokat is folyamatosan integrálja arzenáljába. A trend stratégiailag is előnyös, és karrierlehetőségeket is kínál.

A sereg most továbbment egy lépéssel: a 3D nyomtatás és a drónkezelés elsajátítását célzó tanfolyamot vezet be. A kurzus neve: Pilóta nélküli haladó halálozási tanfolyam (Unmanned Advanced Lethality Course, UALC).

Az UALC rendeltetése, hogy a 3D printerek karbantartásától kezdve az FPV (First Person View), azaz távirányítással működtetett drónokig, a katonák változatos protokollokat sajátítsanak el. Azonban nemcsak a drónok reptetését ismerik meg, hanem azt is, hogy terepen hogyan készítsék el őket 3D nyomtatással. Ha kell, drónokat fognak printelni a csatatéren. 

A tanfolyam hossza három hét, az Egyesült Államok Hadseregének Repülési Kiválósági Központja (AVCOE) vezeti, az Alabama szövetségi állambeli Rucker erőd ad otthont neki.

A hallgatók számos hasznos készséget sajátítanak el közben. Mindegyik könnyen alkalmazható más területeken, ami különösen a diszciplínákon átívelő 3D nyomtatásra érvényes. A katonák (műanyag-alapú) FDM és műgyantával működő gépekkel egyaránt printelnek. Emellett egyedi, például szénszállal megerősített anyagokkal is kísérletezhetnek.

Megtanulják a 3D nyomtatószoftverek használatát és a 3D modellkészítést, a modelleken történő változtatást is. CAD programokkal képesek lesznek egyedi STL-fájlok (a 3D nyomtatás szabvány fájlformátuma) készítésére. Tervezik olyan fájlkönyvtár létrehozását is, amelyhez a katonák az alakulatukhoz való visszatérés után is hozzáférhetnek, és ahonnan fájlokat nyomtathatnak ki.

A tanfolyamról nem állítható, hogy széles körben elterjedt. Egyelőre csupán huszonnyolcra korlátozták a résztvevők számát. Az elterjedésre még sem kell sokáig várni, mert a tervekben „mobil képzési csomagok” (MTP) is szerepelnek. Ezekkel válik lehetővé, hogy a diákok FPV alap gyakorlókurzusokon adják át a tudásukat.     

A bitek hatékony tárolásának és manipulálásának képessége jelenti a digitális elektronika alapját, s teszi lehetővé, hogy modern eszközök az e-mailküldéstől a numerikus szimulációkig, különféle feladatokat hajtsanak végre. Ezek a folyamatok olyan kulcsfontosságú hardverkomponenseknek köszönhetően valósulhatnak meg, mint az ideiglenes tárolást és igény szerinti adatlehívást, információ-kinyerést biztosító RAM-ok, a tetszőleges/véletlen/közvetlen (azaz random) hozzáférésű memóriák.

A kvantumfizika fejlődésével újfajta információegység jelent meg: az információ tárolásának és feldolgozásának új lehetőségeit megnyitó kvantumbit (qubit). A praktikus megvalósításokat azonban még ki kell kísérletezni.

A jövő kvantumszámítógépeihez és kvantuminternetéhez is kellenek majd kvantummemóriák, különösen kvantum RAM-ok. Több megközelítés van már, egyetlen „arany szabvány” viszont még nincs rájuk.

A Barcelonához közeli Fotonikus Tudományok Intézetének kutatói komoly előrelépést értek el a kvantum SSD-k (tartós állapotú meghajtók) fejlesztésében. A kvantuminformáció-tárolás egyik legígéretesebb platformjaként tíz egyénileg vezérelhető memóriából álló tömböt használnak qubitek memóriacellák tetszőleges kombinációiban történő használatára, igény szerinti előhívására.

Munkájuk a fotonikus kvantumtechnológiákban széles körben használt két qubit-kódolásra összpontosít: az útvonal-kódolásra, ahol a qubitet az határozza meg, hogy a foton melyik memóriába lép be, és az időkapszula-kódolásra (time-bin encoding), ahol a qubitet a foton érkezési idejében kódolják.

Utóbbihoz megközelítésük egyik egyedi jellemzőjét alkalmazták: fotonok több időrésben történő tárolási lehetőségét az összes memóriacellában.

A tíz tömböt 3 Kelvinre hűtött, különleges kristály segítségével hozták létre. A kristályon belül 250 „tároló helyet”, téridőbeli módokat helyeztek el. Mindegyik potenciálisan egy fotont tárolhat.

Az igény szerinti (információ)kinyeréssel rendelkező szilárdtest-eszközök között ez a jelenlegi világcsúcs. Mivel az igény szerinti képességek technikailag nagyon nehezen valósíthatók meg, de a kvantumhálózatok szinkronizálásához nélkülözhetetlenek, az eredmény valóban figyelemre méltó.

A csapat hasonló konfigurációval több qubit tárolását és igény szerinti információkinyerésüket valósította meg. Két idősávos qubitet tároltak, mindkettőből egyszerre nyerték ki az infókat. 

Ezekkel a képességekkel közelebb kerültünk a random hozzáférésű tartós állapotú kvantummemóriához, azaz a hétköznapi alkalmazásokban is működő kvantumszámítógépekhez.

Meg nem nevezett hacker által elkövetett, példa nélküli cyberbűntény-sorozatról számolt be a népszerű Claude chatbot mögötti vállalat, az Anthropic. Az eddig legátfogóbb és legjobban jövedelmező művelet mesterségesintelligencia-modellt használó elkövetője legalább tizenhét szervezet rendszerét törte fel.

Az MI-t célpontok azonosításától zsaroló levelek írásáig, kvázi mindenre befogta. 

Érzékeny felhasználói adatok vagy üzleti titkok eltulajdonítása bevett online bűnözői módszer. Mivel MI-vel könnyebb a kivitelezés, csalók egyre jobban használják, arzenáljuk fontos elemévé vált.

Korábban viszont még senki sem dokumentálta, hogy hackerek valamelyik népszerű fejlesztőcég chatbotjával automatizálnának folyamatokat.

A művelet azzal kezdődött, hogy a hacker meggyőzte az egyszerű kéréseken alapuló programozásra vagy „hangulatkódolásra” (vibe coding) specializálódott Claude Code-ot, hogy azonosítsa a támadásoknak kitett vállalatokat. Az MI ezután érzékeny információk ellopására alkalmas malware-t fejlesztett, majd rendszerezte és elemezte a feltört fájlokat, segített megszerezni az áldozat zsarolására felhasználható adatokat.

Következő lépésben az adott vállalat meghackelt pénzügyi dokumentumait átvizsgálva, meghatározta mennyi bitcoin kérhető a zsarolásért. Cserébe az érintett dokumentumok nem kerülnek nyilvánosságra – ígérte az áldozatoknak. Jacob Klein az Anthropic biztonsági szakértője szerint a kb. három hónapig tartó műveletet az Egyesült Királyságon kívül élő magányos hacker végezte. A robusztus, többrétegű biztonsági rendszer ellenére elszánt bűnözők szofisztikált módszerekkel igyekeznek megkerülni azokat. Jelen esetben sikerült is.

Az Anthropic egyik megtámadott szervezetet sem nevezte meg. Csak annyit árult el, hogy egy védelmi beszállító, egy pénzügyi intézet és legalább három egészségügyi szolgáltató van köztük. Az ellopott adatok társadalombiztosítási számokat, banki részleteket és páciensek egészségügyi infóit, de érzékeny katonai anyagokat is tartalmaztak.

Nem világos, hogy hányan fizettek, mennyi pénzt szedett össze a hacker, becslések szerunt 75 és 550000 ezer dollár körüli összegekről volt szó. 

Nemzetközi csillagászcsapat által a James Webb Űrteleszkóppal végzett megfigyelései bizonyítják, hogy léteznek saját bolygórendszer központi csillag nélküli formálására képes, hatalmas bolygók.

A körülöttük keringő kisebb bolygókkal, naprendszerünk miniváltozataiként is értelmezhetők. Csillagfény nélkül viszont teleszkópjaink számára általában nem tűnnek fel, elvesznek az űr sötét ürességében.

Az Astronomical Journalban publikálásra elfogadott tanulmány gravitációsan csillaghoz nem kötődő, szabadon lebegő „kóbor” bolygókról szól. Mielőtt kilökődnének a rendszerből, egyes ilyen bolygók csillag körül formálódnak. A kutatók szerint ugyanazok a mechanizmusok hozzák létre őket, amelyek a csillagokat.

„Építőelemeik” még a Jupiternél is nagyobb, egyedül sodródó objektumok körül szintén megtalálhatók, azaz bolygórendszerek kialakulása nemcsak csillagoktól függ, hanem csillagtalan, magányos világokban is lehetséges.

A kutatók 2024 augusztusa és októbere között nyolc szabadon lebegő bolygót vizsgáltak. A Jupiternél ötször-tízszer nagyobb tömegű képződmények a feltehetően óriási gázfelhők összeomlásából származó legkisebb tömegű objektumok osztályába tartoznak. (A jellemzően csillagok keletkezésével összekapcsolt gázfelhőket csillagbölcsőknek is hívják.)

Valamiért nem halmoztak fel nukleáris fúziós reakciók magjukban történő fenntartásához szükséges tömeget, és ezért nem váltak valódi csillagokká. (Ugyanakkor a jóval nagyobb, de nukleáris fúzió beindítására képtelen „barna törpékkel”, a „bukott csillagokkal” sem tévesztendők össze.)

A kutatók az objektumok infravörös spektrumában túlzott sugárzást fedeztek fel, ami hat esetben meleg porral függ össze. A jelenség korongra, a bolygót körülvevő gáz- és porfelhő jelenlétére utal. Önmagában ez nem szokatlan, „kóbor” bolygók körül korábban is fedeztek már fel ilyen korongokat. A csillagok körüli (protoplanetáris) korongok esetében a gáz és a por sűrű régiói egyesülve formálhatnak bolygókat. A csillag keletkezésekor a mag által be nem szívott, „maradék” anyagokról van szó.

A tanulmány legfontosabb meglátása, hogy a „kóbor” bolygók korongjain, növekvő és kristályosodó szilikátszemcsék formájában már látszódnak a bolygóképződés első, kulcsfontosságú eredményei. A szemcsék összetapadhatnak, bolygószimálok, protoplanetáris és törmelékkorongokban létező szilárd objektumok, születő bolygók építőelemei formálódnak belőlük.

Bolygótömegű objektum körül most észleltek először szilikátszemcséket. Mivel korábbi tanulmányokból kiderült, hogy a „kóbor” bolygók korongjai többmillió évig fennmaradhatnak, ez az idő elegendő kezdetleges világok születéséhez.

A mi világunk természetesen heliocentrikus, a felfedezés iróniája viszont, hogy őseink talán nem is állítottak akkora butaságot a geocentrikus világgal, mint gondoljuk. „Csak” a jó bolygórendszert nem találták el.

A Nemzetközi Energiaügynökség előrejelzése szerint, mivel a fejlesztőcégek egyre nagyobb modellek gyakoroltatására és működtetésére összpontosítanak, az MI energiafogyasztása és az üvegházhatású gázok kibocsátása növekedni fog. Minél pontosabb egy modell outputja, annál több káros gáz termelődik, és annál több ember is használja.

A probléma elvileg a paraméterek számával csökkenthető: kisebb modellek kevesebb energiát használnak el. De stratégiailag még fontosabb, hogy a megfelelő modellt találjuk meg a megfelelő feladathoz. MI-szolgáltatók úgy is csökkenthetik a károsanyag-kibocsátást, hogy a bemeneteket azokat pontosan és hatékonyan feldolgozó modellekhez irányítják, a kimeneteket pedig megfelelő hosszúságúra korlátozzák.

Ehhez a stratégiához se új infrastruktúrát, se új modellt nem kell építeni.

Német kutatók tizennégy nyílt súlyú nagy nyelvmodellen (LLM-en) tanulmányozták a széndioxid- és más károsanyag-kibocsátást (zárt modellekhez szükséges információk nem állnak rendelkezésre). Kiderült és számszerűsítették, hogy az érvelés, a token-generálás és a kérdés-válasz referenciaértékek pontossága összefügg a nagyobb energiafogyasztással.

Változatos méretű, érvelő-készséggel rendelkező/nem rendelkező modelleket teszteltek kérdésekkel, amelyeket röviden és hosszan is meg kellett válaszolni. Mindegyiknek százat tettek fel, öt témakörben: filozófia, világtörténelem, nemzetközi jog, absztrakt algebra, matematika. A kérdéseket két formában fogalmazták meg: több felelet közül választós egyszavas válaszokkal, nyitott válaszokat kiváltó promptok. Az OpenAI o4-mini értékelte a nyílt válaszokat.

A modelleket nyolcvan gigabájt memóriájú Nvidia A100 GPU-n futtatták, és megmérték a chip által elhasznált energiamennyiséget. A kilowattórában kifejezett energiafogyasztást globális átlaggal (kilowattóránkénti 480 gram széndioxid-egyenértékkel) szorozták meg, hogy meghatározzák a keletkező kibocsátást.

Így jöttek rá a párhuzamokra. A 84-91 százalék pontos, csúcsteljesítményű modellek ezer (ötszáz-ötszáz) kérdésnél 1300-2000 gramm széndioxidot vagy annak megfelelő gázt termeltek. A legkisebb mindössze 35 százalékban vagy még kevésbé volt pontos, de 2000 helyett is csak maximum harminc gramm káros gáz kibocsátásáért volt felelős. 

Ugyanazon modellek energiahasználata megnégyszereződött, meghatszorozódott, a Deep Cogitoé például 56 grammról 372-re ugrott, amikor érvelniük kellett.

A szerzők elmondták: a kibocsátásokat valószínűleg túlbecsülték, mert az öregebb GPU-k energiahatékonyabbak az újaknál, és mert sok számítási felhőnek megújuló energiaforrásokkal működő adatközpontok adnak otthont.

A fejlesztőket támogató Stack Overflow oldal éves jelentéséből kiderült, hogy a megkérdezettek 78,5 százaléka minimum havi rendszerességgel vagy rendszertelenül, de használ MI-alapú eszközöket, míg 5,3 százalékuk tervezi, hogy hamarosan élni fog a lehetőséggel.

Másrészt ugyanezeknek a megkérdezetteknek megoszlott a véleményük: 60 százalékuk kedvezően vagy nagyon kedvezően értékeli az MI-eszközöket, húsz százalékuk „nem biztos” vagy indifferens, míg a maradék húsz százalék kifejezetten negatívan és nagyon kedvezőtlenül vélekedik róluk.  

160 ország 49009 szakemberét kérdezték meg. Jelentős részük, húsz százalék az Egyesült Államokban él. A válaszokat május 29. és június 23. között gyűjtötték össze. A megkérdezettek tizennyolc és hatvanöt év közöttiek, vagy még idősebbek voltak, és a felmérés a programozók összes típusára kiterjedt.

A változatos megítélés oka, hogy sokak szerint a programozást segítő, MI-vel működő eszközök nem jól működnek. Nagyon csak 3,1 százalék bízik bennük, és a tapasztalt programozóknál még kevesebben: 2,5 százalék. Legoptimistábbak a kódolást pont tanulók, 6,1 százalékuk gondolja így.

Az anyagból kiderül, hogy az MI óvatos megközelítése válik normává. 44 százalék vagy „valamelyest” vagy „nagyon” nem bízik a mesterséges intelligenciában, míg 31 százalékuk „valamelyest bízik.”

Az MI leggyengébb pontja a komplex feladatok megoldása, bár az anyag készítői nem definiálták egyértelműen, mit értenek alatta. Mindenesetre a válaszolók 40 százaléka szerint az MI vagy „rossz”, vagy „nagyon gyenge” ezekben, és csak 4,4 százalék gondolja kiválónak, 17 százalék pedig egyáltalán nem használja ilyen munkákhoz.

Az MI-központú programozást (vibe coding) 76 százalékuk vagy csak szimplán elutasítja, vagy „határozottan nem” választ adott. Ágenseket pedig 69 százalék nem használ, közülük 38 százalék nem is tervezi. 41 százalék szerint az ágensek minimálisan vagy annyira sem befolyásolják a hatékonyságot.

Mindössze 4,3 százalék gondolja, hogy „mostantól már egyáltalán nincs szükségem emberi segítségre.”