A Rendőrparancsnokok Nemzetközi Szövetsége által szervezett legutóbbi konferenciát az Egyesült Államokban tartották, rengeteg témát megvitattak, köztük technológiákat, így a mesterséges intelligenciát is. A sajtó szerint a legnagyobb tanulság az volt ezen a téren, hogy ha az adott parancsnokság lassan halad az MI-vel, akkor fel kell gyorsítani, mert a rendvédelmi tevékenység összes formájának az alapja lesz.

A kiállítók/beszállítók látványos, nem csak mesterségesintelligencia-technológiákat mutattak be: testpáncélokat, fegyvereket, cyber-járműveket, újfajta kesztyűket. Legtöbben mégis az MI-alapú technológiákat csodálták.

Az MI-alapú rendvédelem három felhasználását emelték ki.

A leglátványosabb a virtuális valóság (VR) körüli felhajtás volt: a V-Armed és olcsóbb megoldásokat kínáló versenytársai VR-rendszereket értékesítenek rendőri kiképzéshez, speciális szemüvegekkel, kamerákkal és szenzorokkal. Ez a kiképzési módszer hosszabb távon olcsóbb és immerzívebb, mintha szereplőkkel, osztályteremben játsszák el ugyanazokat a forgatókönyveket.

A rendszerek eredményességéről még több esettanulmány kell, és a való világbeli szituációk sem szimulálhatók mindig, ráadásul az MI sem jó az úgynevezett puha szkillekben, például a másokkal folytatott empatikus interakciókban. Karakterek eljátszásában viszont sokat fejlődött.

Az adatgyűjtés és értelmezés változása volt a második MI-felhasználási eset. A rendőrség a személyiségi jogi szempontból gyakran vitatott rendszámtábla-olvasók és lövés-detektorok mellett/helyett egyre több szenzort és kamerát használ, azok gyűjtögetnek, az integráció pedig szakértőkkel történik. Rendőrfőnökök speciális tanfolyamokon vesznek részt (például a Microsoft is szervez ilyeneket), ahol elsajátítják adatelemző rendszerek kiépítését, működtetését.

Más területekhez hasonlóan, az MI a rendőrségnél is fontos szerepet játszik adminisztratív feladatok elvégzésében, jelentéskészítésben. Ez a harmadik kiemelt felhasználási eset, és nem meglepő módon a generatív modellek a főszereplők. A Draft One (Axon termék) testkamerával felvett anyagot ír át vázlattá. Tipikus MI-feladat, rengeteg időt spórolhat meg rendőröknek. De abba is gondoljunk bele, hogy még mindig hajlamos hallucinálni, és képzeljük el, milyen következményekkel járhat kritikus esetekben, ha nem a valóságot írja le. A jelentések pontossága szintén kritikus tényező.

A beszámolók alapján az amerikai rendőrség kaotikusan alkalmazza az MI-t. Nincs szakterületi felügyelő szervezete, nincsenek egységesen kidolgozott irányelvek.

A kínai ICT egyik nagyágyúja, a Tencent közzé tette nyílt forráskódú és nyílt súlyokkal rendelkező „szakértők keveréke” (mixture of experts, MoE) nyelvmodelljét. Alap és utasításokkal finomhangolt változatai egyaránt nagymennyiségű inputot, 256 ezer tokent dolgoznak fel. A Hunyuan Large nevű modell százmillió felhasználó alatti nem EU-s fejlesztők számára ingyenes.

Az MoE architektúrák paraméterek különböző alkészleteivel dolgoznak fel különböző inputokat. Mindegyik szinten van egy neurálisháló-csoport (szakértői csoport); munkájukat kapumodul előzi meg, ő tanulja meg kiválasztani, hogy melyik vagy melyikek dolgozzák fel az adott bemenetet.

Így a különböző szakértők megtanulnak különböző példatípusokra specializálódni. Mivel nem minden paramétert használnak fel egy adott output előállítására, a hálózat kevesebb energiát fogyaszt, gyorsabban fut, mint az inputok összes paraméterével dolgozó hasonló méretű többi modell.

A Hunyuan Large ugyan 389 milliárd paraméteres, de „csak” ötvenkét milliárdot használ egy-egy input feldolgozásához. Fejlesztői hétbillió tokenes, főként angol és kínai szövegen előzetesen gyakoroltatták. 5,5 milliárd token forrását nem pontosították, 1,5 milliárd szintén nem pontosított nagy nyelvmodellek (LLM-ek) által generált szintetikus token volt.

A fejlesztők szerint a gyakorlóadatokat szolgáltató modellek változatos területeken adnak szakértő-szintű válaszokat. 

A Hunyuan-Large-t nem specializált utasítás-adatkészleteken és emberi visszajelzésekkel finomhangolták. A modellek tevékenységét négy nyíltforrású másikkal (Llama 3.1 70B, Llama 3.1 405B, a Mixtral-8x22B és a DeepSeeki-V2 MoE modelljeivel) hasonlították össze.

Tizenkilenc benchmark közül tizenötben a legjobban teljesített. A teszteken a résztvevők angol, kínai, matek és kódoló képességeit vizsgálták. Az utasításokkal finomhangolt változat tizenháromból tízszer végzett az élen. De még ennél is fontosabb, hogy általában legyőzte a Llama 3.1 405B-t. Gondoljunk bele: mindössze 52 milliárd paraméterrel a 405 milliárdosat. A jövőre nézve ez azért bíztató, mert szignifikánsan kisebb a feldolgozás (kevesebb a fogyasztás), másrészt a modell több-rendeltetésű. 

Egy új szingapúri törvény alapján, a dezinformáció és a félretájékoztatás elleni küzdelem jegyében, a városállamban választási periódusban blokkolni fogják a mélyhamisítványokat és más digitálisan manipulált tartalmakat.

A törvény megtiltja, hogy jelöltekről olyan anyagokat tegyenek közzé, amelyekben az illető által nem mondott szöveg hangzik el, végre nem hajtott cselekedet látható. Mesterséges intelligenciával és nélküle, például Photoshoppal, hangalámondással stb. létrehozott tartalmak is ebbe a kategóriába tartoznak.

Teljesen mindegy, hogy az adott tartalom hízelgő vagy nem az adott jelöltre nézve, egyedül a valóságtartalom számít. A törvény anyagok feljavítására, létező kamutartalmak megosztására, újra posztolására is érvényes.

A jelölteknek jogukban áll, hogy az illetékes hivatalhoz eljuttassák az őket a valóságtól eltérő módon megjelenítő, leíró anyagokat, a hatóság pedig felléphet a tiltott tartalmakat online választási anyagokként terjesztők ellen. A tartalom eltávolítására kötelezhetik őket, illetve választási periódusban blokkolhatják az ilyen anyagokhoz való hozzáférésüket.

A törvénynek eleget nem tevő közösségimédia-szolgáltatókat bizonyítottság esetén akár egymillió dollárra, másokat ezer dollárra vagy börtönbüntetésre, vagy mindkettőre ítélhetnek.

Az új törvény nem vonatkozik MI-vel generált vagy animált karakterekre, rajzfilmekre, „szépség-filterekre”, képek és videók színeinek, megvilágításának és szórakoztató tartalmak, köztük a mémek módosítására. Privát és otthoni, zárt csoporton belüli kommunikációra és engedélyezett hírügynökségek információira sem.

A következő általános választásokat 2025 novemberében tartják. A jelölteknek előzetesen be kell jelenteniük, és le kell leplezniük a szerintük őket valótlanul feltüntető anyagokat. A kormány változatos technológiákkal fogja vizsgálni anyagok valódiságát. Ha viszont egy jelölt hazudik egy anyagról, akkor ő is büntethető, súlyosabb esetben visszavonhatják a jelölését. Az állampolgárok szintén bejelenthetnek szerintük kamu tartalmakat.  

A Pittsburghi Egyetem kutatói kimutatták, hogy olvasóknak még Shakespeare vagy Emily Dickinson esetében is komoly problémát jelent megkülönböztetni a mesterséges intelligencia generálta és az ember által írt verseket. De még meglepőbb, hogy emberek jobban szeretik az MI műveit. Ez azért fontos, mert általában kreativitásunkat emeljük ki, ha arról beszélünk, mely területeken biztosan nem ér utol, hagy le minket az MI.

A kutatók nem-szakértő versolvasókkal végeztek két kísérletet, és a résztvevők a véletlenszint alatt teljesítettek az MI verseivel: inkább tartották azokat emberi műveknek. Sőt, az MI-verseket gyakrabban gondolták humán munkának, mint a tényleges, valóban ember által írtakat.

A minőséget illetően, beleértve a ritmikát és a szépséget, az MI-versek magasabb pontszámokat kaptak. A résztvevőknek lényegében fogalmuk sem volt, melyik költemény nyelvmodell szüleménye, melyik humán művész alkotása.

A kutatók szerint talán az egyszerűségük, könnyebb értelmezhetőségük miatt kaptak magasabb pontszámokat az MI-alkotások: az átlagfogyasztó számára kevésbé bonyolultak, kevesebbet kell gondolkozni rajtuk.

Az első kísérletnél véletlen sorrendben mutattak a tesztalanyoknak tíz verset. Ötöt ismert költők, köztük Shakespeare, Dickinson, T. S. Eliot írtak, a másik ötöt az OpenAI már elavult GPT 3.5 nagy nyelvmodellje. Az öt költő stílusát kellett utánoznia.

A második kísérletnél tizennégy szempont alapján kellett pontozniuk a verseket: minőség, ritmika, érzelmi hatás, eredetiség stb. A résztvevőket három csoportra osztották: az egyiknek azt mondták, hogy a verseket MI írta, a másiknak, hogy ember, a harmadiknak semmit.

Az első csoport alacsonyabb pontszámokat adott, mint a második, míg a harmadik többre értékelte az MI-verseket.

Míg korábbi tanulmányok arról szóltak, hogy könnyű megkülönböztetni MI és ember költészetét, jelen kísérlet pont az ellenkezőjét támasztja alá. Az is közrejátszhat ebben, hogy a generatív MI az emberinél is emberibbet igyekszik alkotni, és a nem-szakértő versolvasó könnyen bedől a „trükknek.”

Csak néhány hét telt el Donald Trump megválasztása óta, de mint az várható volt, máris felvirágzott a kriptoüzlet. Szárnyal a bitcoin, legalább a felével ér többet, mint november ötödike előtt. A globális kriptopiac története során először meghaladta a hárombillió dollár összértéket, még a pandémia éveiben sem érte el ezt a szintet.

Elon Musk kedvenc kriptovalutája, a Dogecoin értéke 150 százalékkal emelkedett, növekedése folyamatos. Miután megerősített tény, hogy Musk és Vivek Ramaswamy biotech-vállalkozó a megválasztott elnök környezetében hivatalosan is fontos szereplők lesznek, még jobban kilőttek a kriptók. Ők hivatottak lefaragni az amerikai költségvetést, kormányköltéseket, bürokráciát.

Tavaly még „kripto télről” beszélt a szaksajtó, a bitcoin 20 ezer dollár alá esett vissza, mindenki temette a művészvilágban a húszas évek elején csúcsra futott NFT-t, a nem helyettesíthető tokeneket. Augusztusi beszámolók alapján az átlag NFT-birtokosok további 44,5 százalékot buktak, az NFT-munkák 95 százalékát pedig kvázi halottnak nyilvánították.

Kérdés, hogy a kripto újjászületése milyen hatással lesz a művészvilágban néhány éve meghatározó trendnek számított NFT-k helyzetére, mennyire változtat rajta.

A mozgások egyelőre nem realizálódtak több eladásban, aukciós házak előrejelzése alapján viszont keresletnövekedésre számíthatunk, több gyűjtő fog kriptovalutával vásárolni, és akár a 2021-eshez hasonló robbanás is jöhet hamarosan.

Több jel utal rá.

Maurizio Cattelain A komikusát, a virálissá vált leragasztott banánt 2019-ben 120 ezer dollárért értékesítették. November végén a Sotheby’s New Yorki kortárs eseményen elárverezi, becsült értéke egy és másfél millió dollár között van.

Michael Bouhenna, a Sotheby’s digitális művészet- és NFT-főnöke a banántól ihletve, létrehozta a szabályozatlan mémérme-piac legújabb szenzációjává vált $BAN-t. Semmiféle promóciót nem csinált neki, senkit nem bíztatott vásárlásra, viszont egy szerencsés befektető, 1795 dollárról indulva, két nap alatt 870 ezer dollárt keresett rajta. (A mémérmék internetes mémek és trendek által inspirált, karakterekről, állatokról, műalkotásokról stb. elnevezett, a kriptovilágon belül is illékony természetű valuták.)

Donald Trump alatt a kriptovaluták szabályozása várható, amellyel lefektetik a kereteket, keretekkel nagyobb lesz irántuk a bizalom, több befektetés áramlik a szektor felé. Különösen a digitális művészeti piacon sokkal gyakrabban fognak kriptóval fizetni, és minden bizonnyal újra felértékelődik az NFT-biznisz.    

Az elmúlt két évtizedben az új technológiák óriási mennyiségű biológiai adat előállításában segítettek kutatókat. Sejtes és többsejtű rendszerekre vonatkozó infók változatos területek fejlődését, például a genetikában végzett kísérleteket viszik előre. Megértésük azonban nem mindig könnyű, különösen, ha komplex rendszereket próbálunk elemezni.

Az MIT (Massachusetts Institute of Technology) biomérnökei új számítási módszert dolgoztak ki hasznos infók kinyerésére ezekből az adatkészletekből. Kimutatták, hogy így egy sor olyan kölcsönhatást képesek feltárni, amelyek meghatározzák, hogy például az immunrendszer miként reagál a tuberkulózis elleni oltásra és az azt követő fertőzésre.

Komplex biológiai rendszerek, mint az immunrendszer vizsgálatakor, tudósok sokféle adatot képesek kinyerni. Gépi tanulással modellek gyakoroltathatók be adott inputsor melletti speciális outputok előrejelzésére. Ebből a modellezésből viszont nem ismerjük meg, mi történik az input és az output között. Klinikai eseteknél nagyon hasznos, a biológia megértésében viszont már kevésbé, mert nem tudjuk, milyen mechanizmusok generálnak outputokat az inputokból.

A gépitanulás-megközelítés helyett a beszédfelismerésben és a gépi látásban elterjedt, a biológiában viszont ritkán alkalmazott valószínűségi grafikus hálózatokat használták. Minden egyes mért változó csomópont, és a modell térképet generál a csomópontok egymáshoz kapcsolódásáról.

Az MIT-kutatók korábban csak egy adattípusos elemzésre, most viszont többféle adatra használták. Matematikai technikával, „grafikus lasszóval” kiszűrték az egymásra közvetlenül nem ható változók közötti kapcsolatokat, a számítástudomány „zajait”. Így csak a legfontosabb interakciókra koncentrálnak, és kimutathatók a közvetlen hatások.

A módszert tuberkulózis elleni oltóanyagon tesztelték. Az adatok kb. kétszáz változót tartalmaztak, a méréseket oltás előtt és után, majd a fertőzést követően is elvégezték. Technikájukkal meg tudták állapítani, milyen lépések szükségesek nagyon erős immunreakció kialakításához.

Eljárásukat gyógyszerfejlesztésekhez, de például tumor mikrokörnyezetének tanulmányozásához is alkalmazhatják.

Egy brit fogyasztóvédelmi csoport (Which?) figyelmeztette a vásárlókat, hogy legyenek óvatosak legújabb elektronikus termékeik kiválasztásánál, ugyanis egyes okos eszközök túlzott megfigyelő tevékenységére találtak bizonyítékokat.

Forrólevegős olajsütőkről, intelligens konyhai gépekről, főként a kínai Xiaomi és Aigostar, valamint az amerikai Cosori termékeiről van szó. Mindegyik akarja tudni, hogy pontosan hol vagyunk, és engedélyt is kérnek hanganyagok telefonunkon történő rögzítésére.

Tartózkodási helyünktől függően az okos eszközzel összekötött Xiaomi alkalmazás a Facebook hirdetéskövetőjéhez, a TikTok Pangle hirdetőhálózatához és a kínai infokom nagyágyú Tencenthez is kapcsolódik.

Az Aigostar telepítéskor, fiókunk létrehozásakor elkéri születési dátumunkat, rákérdez a nemünkre. A Xiaomi olajsütőjével egyetemben, ezeket az adatokat kínai szerverekre küldik.

Adatbiztonság, a személyes adat védelme (privacy), követés és adattörlés szempontjából a Cosori kapta a legalacsonyabb pontszámot.

Ultimate okosórája telepítésekor, a Huawei kilenc kockázatos okostelefonos engedélyt kér a felhasználótól. A fogyasztóvédelmi cég azt tartja kockázatosnak, ha a termékfejlesztő túlzott hozzáférést kap készülékünkhöz: pontos tartózkodási hely, audióanyagok felvétele, tárolt fájljaink elérése, láthatja a többi telepített appot stb.      

Minden engedélykérést meg kellene indokolniuk. A Huawei persze elmondta, hogy a felhasználói adatokat nem használják fel marketinges, hirdetési célokra, hirdetéskövetők ugyanakkor aktívak az okosóráján. A cég szerint ez csak egyes régiókra érvényes.

A fogyasztóvédelmi anyagban nem kínai vállalatok (Amazon, Google, LG, Samsung) ezirányú termékpolitikáját szintén bírálták. Döbbenetes, milyen szintre fejlődött a fogyasztók adatainak gyűjtése, ráadásul a termékek adatgyűjtő tevékenysége, a gyűjtés célja egyre átláthatatlanabb. A témával foglakozó brit szervezet, az ICO 2025 tavaszára ígér új szabályozást.

A beszámolóra reagálva, a Huawei állítása szerint betartotta az Egyesült Királyság vonatkozó szabályait, a Cosori szerint okos termékei betartják a GDPR-t, az Aigostar pedig nem kommentálta az anyagot.

A Yonsei Egyetem nagyon komoly teljesítményre képes, 127 qubites IBM-géppel a középpontban, létrehozta Dél-Korea első kvantumszámítási csomópontját (hub). A kvantumkomputernek háromméteres üvegkocka ad otthont, és közel abszolút zéró fokra (-273 Celsius-fok) hűtötték le.

A csúcskategóriás processzort az IBM legmasszívabb gépét most telepítették először az Egyesült Államokon kívül. Egyelőre próbamódban működik, maga a központ november huszadikán nyílik meg hivatalosan.

Az esemény mérföldkőnek számít Dél-Korea informatikatörténetében. A központ az iparági együttműködésekre, szakterületi tehetségek kinevelésére igyekszik összpontosítani.

Más szempontból is speciális: az országban ez az első száz qubitet meghaladó gép. Valóban „értelmezhető” kutatásokhoz a száz kvantumbit a minimum. Dél-Koreában eddig csak nagyjából húsz qubit körüli kísérleti rendszereket használtak, az IBM gépével szignifikáns mértékben nőnek a lehetőségek, valóban új korszak kezdődik.

A kvantumszámítások egyelőre inkább a jövő, mint a jelen egyik fontos exponenciális technológiája. A Google 53 qubites gépe például kétszáz másodperc alatt végzett el olyan számításokat, amelyekhez mai szuperszámítógépeknek tízezer évre lett volna szükségük.

Emlékeztetőül: a Yonsei Egyetem rendszerének teljesítménye több mint a Google-gép duplája. Ezek a komputerek olyan területeken remekelnek, mint például a kriptográfia, ahol nagyléptékű párhuzamos számításokat végeznek. Egyes becslések alapján klasszikus komputerekkel százmillió évig tartó feladatok egy perc alatt megoldhatók olyan fejlett kvantumgépekkel, mint a dél-koreai.

Ezeket a becsléseket persze a gyakorlatban is be kell bizonyítani, és a kvantumszámításokat végző termékek kereskedelmi forgalmazása előtt még nagyon komoly kutatásokra van szükség.

A Yonsei Egyetem kutatói elmondták, hogy elsősorban biotechnológiai alkalmazásokkal terveznek foglalkozni: gyógyszer-szerkezetek előrejelzésével, ígéretes gyógyszerek azonosításával. A technológiával tíz-tizenöt évről a felére rövidíthetők ezek a kutatások.

A központhoz közel, mintegy 8500 négyzetméteres területen kvantumszámítási komplexum is épül. A létesítmény rendeltetése az IBM kvantumtechnológiájával megkönnyíteni az akadémiai és az ipari szektor együttműködését.

A big datával az adat kvázi mindenhatóvá vált, a dolgok internete (Internet-of-Things, IoT) gyors növekedésével egyre többhöz és könnyebben férünk hozzá. Világunkat szenzorok, okos eszközök és szoftverek kapcsolják össze a számítási felhővel, lehetővé téve az adatmegosztás és elemzés új módszereit.

Csakhogy ezeknek az eszközöknek a döntő többsége elemmel/akkumulátorral működik, és a változások nehezen érzékelhetők valós időben.

A San Diegói Kaliforniai Egyetem friss kutatása előrelépéésel kecsegtet. Ottani kutatók nemcsak a passzív vagy az erőforrással való kapcsolat nélküli érzékelés ígéretes példáit mutatták be, hanem azt is, hogy az nagyon olcsón és speciális műszerek nélkül, széles körben elterjedt eszközökkel megvalósítható.

A jól ismert, ruháktól kezdve könyvekig, számtalan tárgyba beágyazott rádiófrekvenciás azonosító (RFID) címkékből indultak ki. Az általában kicsi és rugalmas címkék chipről RFID-olvasóra továbbítják az adatokat. A feldolgozást az olvasó végzi, és számítógépes programra küldi értelmezésre.

Az RFID-címkék olcsó chipeken futnak, és mivel a kiskereskedelemben kilencven százalékos az elterjedtségük, széles körben, könnyen elérhetők.

A passzív érzékelést ma általában analóg-digitális konverzióval érik el, ami ugyan működik, viszont nagyon energiaigényes, nehezen skálázható, összességében fenntarthatósági problémák merülnek fel vele. 

A kaliforniai kutatók átalakító és elem nélkül, a környezet automatizálásával, az IoT-re kapcsolódással, nyers adatok olvasóra küldésével próbálkoztak.

Analóg érzékelésükkel közvetlenül észlelhetők környezeti jelek. Digitális interfészekkel ellentétben, az analógok a szenzorok által előidézett feszültség-/áramváltozást vezeték nélküli jel paramétereivé alakítják át. Ugyan többen fejlesztettek már passzív analóg érzékelőrendszereket, de azok csak egyedi alkalmazásokban működnek, minden összetevőt újra kell tervezni, hogy az egész általános rendeltetésű legyen.

A kaliforniai kutatók pont ezért választották az RFID-címkéket: telepítésükhöz nem kell speciális hardver, kereskedelmi forgalomban könnyen és olcsón beszerezhetők. Elemmentes megoldásukat olyan felhasználói esetekben tanulmányozzák, mint a mezőgazdaság automatizált öntözőrendszerei, sportolók teljesítmény-mérése, vagy parkolóházak elfoglaltsági szintje. 

Mindhárom esetben nagyon fontos, hogy rendelkezésre álljanak valósidejű adatok.

Az Amazon megkapta az amerikai Szövetségi Repülési Hivatal (FAA) engedélyt szállítódronja kisebb, csendesebb változatához. Az engedély nagyobb távolságra és pilóták látókörén túli repülésre vonatkozik.

Az Amazon Prime Air programja májusban hasonló engedélyt kapott, annyi különbséggel, hogy működési területét a korábbi tesztek helyszínére, a texasi College Station-re korlátozták.

Ezzel újabb lépéssel kerültek közelebb futurisztikus tervük, a szállítás teljes automatizálásának megvalósításához. Jeff Bezos, a nagyvállalat alapítója több mint tíz éve beszélt először róla, akkor nagyjából öt évre lőtte be a megvalósulást. De hiába fektettek bele dollármilliárdokat, a fejlesztés nagyon lassan megy.

A Prime Air-rel sok szabályozási gond adódott, csúsztak a határidők, a vállalat masszív elbocsátásokat végzett, csökkentették a kiadásokat, a drónprojekt néhány vezetője is távozott. A teszthelyszínek, köztük College Station lakói gyakran elégedetlenkedtek, például a nagy zajra panaszkodtak. A polgármester meg is kereste az FAA-t. Az Amazon közölte a lakókkal, hogy 2025 októberéig másik indítóállomást találnak a közelben. 

Az MK30 nevű új drónt 2022 novemberében mutatták be. Korábbi modellekkel összehasonlítva, enyhe esőben is tud repülni, és kétszer annyi távolságot képes megtenni. 

A drónos házhozszállítást meg is kezdték az arizonai főváros, Phoenix környékén. Az Amazon áprilisban jelentette be, hogy a kaliforniai Lockeford teszttelep bezárását követően, a Phoenixtől nyugatra fekvő Tolleson-ban tervezi a dróntevékenység felpörgetését.

A Prime Air drónt az egyik ottani raktárba viszik, mivel a gép már meglévő logisztikai hálózatba integrálásával fel kívánják gyorsítani a kiszállításokat.  

Az Amazon nincs egyedül. Az Alphabethez (Google) tartozó Wing, a UPS, a Walmart és egy sor startup, köztük a Zipline és a Matternet szintén gőzerővel dolgozik a drónos házhozszállításon. Ha ekkora a versengés, általában az ügyfél jár jól.