Elon Musk meghökkentő elméletet tett közzé a Twitteren arról, hogy egy, az agyban élősködő egysejtű az emberiséget nagyon fejlett mesterséges intelligencia, szuperintelligencia létrehozására késztetheti.

A Tesla-vezért egy National Geographic cikk ihlette meg. Az anyag a Toxoplasma gondii néven ismert parazitáról szól. A cikk szerint az élősködő teszi vakmerővé a hiénákat ragadozók, például oroszlánok közelében.

A Toxoplasma világszerte elterjedt egysejtű eukarióta, a toxoplazmózis nevű, enyhe lefolyású, influenzaszerű betegség kórokozója. Az ivartalan fejlődési szakasza madárban vagy emlősben, az ivaros a például verebek vagy egerek elfogyasztásával megfertőződő macskafélében megy végbe. Az ember a végleges gazdaállattól, a macskától kapja el – már akinek van rendszeresen kijáró, más állatokkal érintkező macskája.

Musk érdekes logikai ugrással jutott el addig, hogy a Homo sapiens az élősködő hatására fejleszt majd mesterséges szuperintelligenciát.

„A toxoplazmózis megfertőzi a patkányokat, majd a macskákat, utána pedig a macskás videókat készítő embereket. Az emberfeletti mesterséges intelligenciák internetes macskavideókon gyakorolnak, így pedig a toxoplasma fog dönteni a sorsunkról” – írta Musk.

A tweet első olvasásra olyan, mint Musk szokásos bombasztikus szövegei. Jobban belegondolva, viszont van benne némi ráció. A tudomány mai állása szerint a parazita megfertőzi a rágcsálók agyát, és az állatok pontosan ezért veszítik félelemérzetüket ragadozók, például macskák közelében. Az élősködő hatására felbátorodott patkányok megközelítik a macskákat, a macskák megölik, majd elfogyasztják azokat, és így ők is szimbiotikus kapcsolatba kerülnek az élősködőkkel.

A macskákról aztán az emberbe kerülnek, és egyes tanulmányok alapján a mi viselkedésünket szintén befolyásolják – hatásukra több kockázatot vállalunk, kevésbé félünk a következményektől.

Egy Csehországban és Törökországban, 600, illetve 370 személlyel végzett kutatás alapján kiderült, hogy a toxoplazmózissal fertőzöttek nagyobb valószínűséggel karamboloznak, mint a fertőzést elkerülők.

De hogyan lesz ebből szuperintelligencia? Nyilván Musk sem tudja, viszont izgalmas kérdést vetett fel. Eljátszadozhatunk vele, elméleteket építhetünk köréje, aztán több kockázatot vállalunk az MI-fejlesztésekben.

A Cornell Egyetemen százmilliószorosára nagyítottak fel egy háromdimenziós kristálymintát. A felbontással megdöntötték, megduplázták az egyébként általuk tartott, a Guinness Rekordok Könyvében értelemszerűen szereplő 2018-as világcsúcsot.

„Úgy néz ki, mint az atomhalmok. Elképesztő, és a felbontás is hihetetlen” – lelkendezett a kutatásban résztvevő Andrew Maiden (Sheffield Egyetem, Egyesült Királyság).

A bámulatos eredmény masszívabb, hatékonyabb telefonokhoz, számítógépekhez és más elektronikai berendezésekhez, valamint tartós elemekhez szükséges új anyagok fejlesztésében segíthet.

A képfelbontást a korábban csak néhány, mostantól viszont több réteggel, akár többszáz atommal is működő speciális technikával (electron prychography) érték el. Lényege, hogy a célanyagra másodpercenként kb. egymilliárd elektronsugarat lőnek. A sugarak tetszőlegesen mozognak, így a mintát minden alkalommal egy kicsit más szögből érik el. Néha simán átmennek rajta, máskor, kifelé tartva, atomokba ütköznek.

Az elektronmilliárdok által generált pettymintázatra alapozva, gépitanulás-algoritmusok ki tudják számolni az atom mintán belüli helyét és a lehetséges formáját.

A Cornell Egyetem világcsúcsával a technika sokkal vonzóbb lesz az anyagtudományban, a jelenlegi méretekkel összehasonlítva, drasztikusan nagy, 30-50 nanométer vastag mintákat is lehet majd tanulmányozni vele.

A világcsúcs az elektron mikroszkópok történetében szintén komoly fellendülést vetít előre. A korábbi problémát a felbontás növeléséhez szükséges energiamennyiség növelése jelentette – a felbontás ugyan jobb lett tőle, a közben elhasznált energia viszont a tanulmányozott mintában okozott károkat.

Ezt orvosolandó találták ki a mostani kutatásnál alkalmazott technikát. A számítási kapacitások és a szükséges matematikai apparátus hiánya miatt viszont csak az utóbbi években, elsősorban a Cornell Egyetemen végzett kutatásoknak köszönhetően kezdik kiaknázni a benne rejlő lehetőségeket.

Ha az optikai kvantumszámításokat kirakós játékhoz hasonlítjuk, akkor a Washington Egyetem (St. Louis) szakemberei a puzzle újabb hiányzó darabját találták meg.

Jung-Tsun Shen, a felsőoktatási intézmény kutatója ugyanis a fény egyik új formáját kihasználó, a jelenlegi technológiánál nagyságrendekkel hatékonyabb kétbites kvantumlogikai kaput fejlesztett.

A kvantumszámítógépekben rejlő potenciál kiaknázása két szokatlan jelenségtől, a szuperpozíciótól és az összefonódástól függ: ezek a gépek szimultán lehetnek több állapotban, illetve két, egymáshoz fizikailag nem kapcsolódó részecske úgy viselkedik, mintha kapcsolatban állnának egymással.

Hagyományos számítógépeknél a feszültség határozza meg a bit értékét (1 vagy 0), a bitek kvantummegfelelői az egyedi elektronok, a qubitek. Az elektronok a célnak megfelelő több tulajdonsággal rendelkeznek: elektromos vagy mágneses mező hatására könnyen manipulálhatók, interakcióba lépnek egymással. Az interakció nagyon fontos előny, ha két qubit összefonódására van szükség.

Az interakcióra való hajlamuk azonban problémás is lehet, mert túl sok külső erő befolyásolhatja őket, és így jóval nehezebben kontrollálhatók.

Két évtizede sok tudós fotonokat használ elektronok helyett. De mivel a fotonoknak nincs töltésük, fordított probléma merül fel: sem a környezettel, sem egymással nem lépnek interakcióba. Pedig szükség lenne rá, és az egymás közötti interakcióik kivitelezése a klasszikus megközelítés szerint pont ezért komoly kihívás.

A 2010-es évek elején kutatók méréseiből kiderült, hogy ha nincsenek is összefonódva, amikor a fotonok belépnek a logikai kapun, időnként úgy viselkednek, mintha mégis össze lennének fonódva.

„A kvantummechanika nem nehéz dolog, viszont tele van meglepetésekkel” – jelentette ki Shen.

Ilyen – óriási – meglepetés volt a mérések eredménye. Egymillió fotonból viszont csak egy pár fonódik össze – derült ki először. Azóta a kutatások sikeresebbek, de működő, másodpercenként többmilliárd műveletet végrehajtó számítógépekhez az újabb (nagyobb) számok sem elegendők.

Shen a kvantum fotonállapotok új osztályának – a térben és gyakran összekapcsolódó fotonoknak, „fotonikus dimereknek” – a 2013-as felfedezése miatt tudott kétbites logikai kaput építeni. Ehhez az új fényformához talált alkalmazásokat.

Ha egy foton belép a logikai kapun, semmi érdemleges nem történik: bemegy, kijön. Ha viszont két foton lép be, új állapot teremtődik, és Shen szerint ez a lényeg. Speciális, kontrollált fázisú kaput dolgoztak ki, és a kimenő két foton a bemenők negatív állapotába került.

„Klasszikus áramköröknél nincs mínuszjel. Kiderült azonban, hogy a kvantumszámításokban van, létezik és kulcsfontosságú a mínuszjel” – magyarázza Shen.

Amikor két egymástól független, két optikai qubitet reprezentáló foton belép a logikai kapun, létrejön az új kvantum fotonállapot. Ez teszi lehetővé, hogy a kimeneti állapot a működéshez nélkülözhetetlen pontos jellel rendelkezzen.

Shen a Michigan Egyetemen teszteli fejlesztését, és az eddigi eredmények bizakodásra adnak okot.

Az iparágon belül és kívül is sokan gondolják, hogy a mesterséges intelligencia, nem törődve a következményekkel, a még nagyobb profitszerzést és személyek hatékonyabb megfigyelését szolgálja.

Ezért és más okok miatt is, évek óta többen törekszenek megfogalmazni az úgynevezett „etikus MI” irányelveit. Az EU idén hatékony csomagot dolgozott ki – szigorú átláthatósági, adatbiztonsági és adatminőségi feltételekkel –, az amerikai hadsereg pedig 2020 elején fogadta el a vonatkozó szabályozást. Az ENSZ szintén valami hasonlóban gondolkozik. A vállalati szektorban több nagy cég, például a Google és a Microsoft saját irányelveket fogalmazott meg.

A Pew Research Center és az Elon Egyetem felmérést végzett a témakörben. 602 szoftverfejlesztőnek, cégvezetőnek, döntéshozónak, kutatónak és aktivistának tették fel a következő kérdést: „2030-ra a legkülönbözőbb szervezetek által használt MI-rendszerek alkalmaznak-e elsősorban a közjóra összpontosító etikai elveket?”

A megkérdezettek rövid írásos választ adtak. Általánosságban a profithajszolást és a társadalmi kontrollt tartják a legnyugtalanítóbbnak.

Ben Shneiderman, a Maryland Egyetem kutatója szerint a fejlesztésekkel támogatni kell az etikai irányelveket. Az MI-rendszereket a repülőgépek fekete dobozának mintájára, adatrögzítő megoldásokkal kellene felszerelni, hogy baj esetén törvényszéki szakértők tanulmányozhassák a történteket.

Mivel a legtöbb alkalmazást magáncégek fejlesztik, a pénzügyi rendszert át kell alakítani ahhoz, hogy az emberiség élvezze az MI előnyeit, máskülönben a fejlesztők nem veszik figyelembe az etikai megfontolásokat – véli Gary Bolles (Singularity University).

Jamais Cascio futurológus a legtöbb rendszer túl közvetetett etikai kimenetére figyelmeztetett. Tőzsdén kereskedő algoritmusokat például nem lehet úgy tervezni, hogy enyhítsék vagy növeljék a vállalati részvények megvásárlásának társadalmi következményeit.

Sok interjúalany az etikus MI értékeire vonatkozó konszenzus hiányára panaszkodott. Olyan kérdéseket vetettek fel, hogy például az MI-nek az emberi jelenlétet kell maximalizálnia, vagy az emberi hibákat minimalizálnia?

A többségében pesszimista válaszok mellett pozitív üzenetek is megfogalmazódtak. Michael Wollowski, a Rose-Hulman Műszaki Intézet kutatója elmondta, hogy mivel összességében a nagy techcégek is jót akarnak, jövőbeli rendszereiket az etikai elvárásokhoz igazodva fogják fejleszteni. Nem hiszi, hogy érdekükben állna nem etikus rendszereket fenntartani.

A kereskedelmi célú légi közlekedést nagyon megviselte a koronavírus-járvány. Az iparág gyors talpra állása a tevékenységek finomhangolásától, optimalizálásától is függ. A mesterségesintelligencia-technológiák előretörése várható, ebben a szektorban is egyre több területen jutnak szerephez.

A FedEx a Reliable Robotics-szal közösen fejleszt szállítmányokat nehezen megközelíthető területekre eljuttató önvezető Cessna repülőket. A kaliforniai Merlin startup kicsi autonóm gépekből tervez szállításban és tűzoltásban segédkező flottát létrehozni. Mindeközben folyamatosan nő a drónos szállítószolgáltatásokat kínáló és a légügyi hatóságok engedélyére váró vállalkozások száma.

Az Alaska Airlines bejelentette, hogy az Airspace Intelligence Flyways rendszerével fogja a repüléseket irányítani. A mesterséges intelligenciával működő rendszer rossz időjárási viszonyok, korlátozott légterek és zsúfolt kifutópályák okozta problémák kezelésében segít.

A Flyways kiértékeli az időjárási adatokat, szövetségi légterek lezárásait, az összes tervezett és aktív amerikai járatot, hogy megtalálja az úti cél eléréséhez ideális útvonalat.

Tavaly hat hónapig tesztelték. Ebben a periódusban az alaszkai diszpécserek a rendszer ajánlásainak harmadát fogadták el. Számokban kifejezve: a repülések 63 százalékát átlagosan 5,3 perccel rövidítették le így. Összesen kb. 480 ezer gallon (közel kétmillió liter) üzemanyagot spóroltak meg, amellyel a légitársaság széndioxid-kibocsátását 4600 tonnával csökkentették.

A Flyways folyamatosan monitorozza a levegőben tartózkodó valamennyi repülőgép útját. A humán diszpécsereknek színkódos figyelmeztetéseket küld. A vörös fény az útvonal időjárási és biztonsági okok miatti újratervezését jelenti. Zöld fénnyel jelzi, ha az újratervezés energiatakarékos. A rózsaszín a korlátozott légtér elkerülésére figyelmeztet.

Az Alaska Airlines a tesztperiódus után közölte, hogy elégedett az Airspace Intelligence termékével, és többéves szerződést kötöttek.

Mivel az autókkal és a kamionokkal ellentétben, a repülőgépek egyelőre biztosan nem lesznek elektromosak, a belátható jövőben kell valamit kezdeniük a repüléshez használt szénalapú üzemanyagokkal. A Flyways példája szépen szemlélteti, hogy az MI ebben is segít.

A széndioxid-kibocsátás csökkentésével mindenki jól jár.

Napi rutintevékenységeink jelentős részében, például ha sétálunk vagy tornászunk, testünk érintkezik a talajjal. Közben rengeteg adat generálódik, és a belőlük kinyert információk sokat segítenek emberek mozgásának jobb megértésében.

Ezekből a tényekből kiindulva, az MIT (Massachusetts Institute of Technology) kutatói megalkották Aladdin varázsszőnyegének repülni és beszélni ugyan nem tudó, viszont mozdulatainkat előrejelző, változatos – egészségügyi, intelligens otthon, játék stb. – alkalmazásokkal kecsegtető modern változatát.

Korábban próbálkoztak már hasonlókkal, de azok különböző, akár boltokban is beszerezhető kamerákkal működtek, és a használatuk komoly személyiségi jogi (privacy) kérdéseket vetett fel.

Az MIT-kutatók csak a rendszer gyakorlását biztosító adatsort alakították ki kamerákkal, és csupán bizonyos tevékenységeket rögzítettek, így ismerte meg a mozgásokat, ülési pózokat stb.   

A szőnyegbe több mint kilencezer tapintásalapú szenzort ágyaztak be. Ahhoz, hogy a rendszer egy 3D pózra következtessen, az adott személynek a szőnyegen kell tartózkodnia, valamilyen mozgást kell végeznie – immáron kamera nélkül, mert az érzékelők elegendők, a mély idegháló kizárólag az általuk gyűjtött adatokkal dolgozik, belőlük állapítja meg, hogy például felülünk, behajlítjuk a lábunkat stb.

Az olcsó és méretezhető szőnyegbe a szenzorok mellett mozgásra érzékeny fóliát, az elektromosságot vezető szálakat integráltak. Minden egyes érzékelő elektromos jellé alakítja a lábunk és más testrészeink által kifejtett nyomást, és mivel a rendszert megtanították a taktilis és a vizuális adatok, például egy hőtérkép és a kapcsolódó videó szinkronizálására, a modell kikövetkezteti a mozdulatot.

A teszteken 97 százalékos pontossággal csoportosította a mozgásokat, amelyeket – az előzetes vizuális tréninget követően – színtisztán taktilis (tapintás-/érintésalapú) adatokból ismer fel. A szőnyegre a rá nehezedő nyomásból törvényszerűen a hozzá legközelebbi testrészeket érzékeli leginkább, így például a lábujjakkal pontosabb eredményeket ér el, mint a felsőkarral.

Egyelőre egyetlen felhasználóval boldogul. A továbbiakban szimultán több-felhasználós móddal szintén kísérleteznek, és az adatokból az illetők magasságára, testsúlyára is kell majd következtetnie.

Rembrandt (1606-1669) 1642-ben festette leghíresebb képét, a művészettörténet egyik legtöbbet elemzett alkotását, az amszterdami Rijksmuseum legnagyobb termében függő, az egész hátsó falat elfoglaló Éjjeli őrjáratot. A falat ráadásul úgy töltötte be, hogy egyes részeket levágtak róla.

A művész európai hírnevét megalapozó festmény az amszterdami városi milícia kapitányát ábrázolja, amint utasítást ad az embereinek. Eredetileg nem volt címe, az Éjjeli őrjáratot az angol Joshua Reynoldstól és francia műértőktől kapta az 1790-es években. 

Háromszáz év után, most látható először eredeti méretében, a hiányzó részeket mesterséges intelligencia segítségével restaurálták. A holland aranykor egyik legnagyobb remekművének mind a négy oldalát ugyanis megrövidítették, levágtak belőlük egy 1715-ös áthelyezés során.

A kivágott részeket nem találták meg, egy korabeli művész viszont másolatokat készített, a restaurátorok és számítástudományi szakemberek azt felhasználva, Rembrandt stílusában alkották újra a hiányzó elemeket.

„Soha nem lesz olyan, mint az eredeti, viszont más képet ad a kompozícióról” – jelentette ki Taco Dibbits, a Rijksmuseum igazgatója.

A hatás egy kicsit olyan, mintha egy megvágott fényképet úgy látnánk, ahogy a fotós elképzelhette.

A központi figura, a milícia kapitányának elhelyezkedése most kevésbé centrális, amitől az egész alkotás dinamikusabbnak tűnik. A jobb szélen lévő egyik személy ábrázolását is restaurálták, úgy tűnik, mintha pont megugattatna egy kutyát. A bal oldalon három eddig hiányzó figura látható. Nincsenek részletesen kidolgozva, nem is tagjai a milíciának.

Robert Erdemann, a múzeum vezető tudósa elmagyarázta, hogyan dolgozták össze a hiányzó részeket az eredetivel, anélkül, hogy az utóbbihoz hozzáértek volna.

Az Éjjeli őrjárat és több kisebb korabeli (kb. 1655 körüli) másolat alapos fotózásával kezdték. Ezt követően a képeket ugyanarra a méretre dolgozták át, majd a másolatot úgy alakították, hogy jobban passzoljon Rembrandt stílusához, és eltűnjenek az apró különbségek.

A mesterségesintelligencia-szoftver többmillió próbálkozás után megtanulta, hogyan közelítse meg Rembrandt stílusát, színeit. Erdemann szerint elég jó munkát végzett, viszont lehet még javítani rajta.

Kaliforniai tűzoltók tavaly, a Yosemite Nemzeti Parkot fenyegető tüzekről készült légi felvételeket térképpé alakító mesterséges intelligenciát használtak, hogy folyamatosan meg tudják figyelni, mekkora a veszély.

Az erdőtüzek mintegy 4,5 millió amerikai háztartásra jelentenek komoly fenyegetést, de a jelenség természetesen és sajnos az Egyesült Államokon kívül más országokban is súlyos problémát – és pusztításokat – okoz. Az utóbbi években többek között Ausztráliából, Oroszországból, Pakisztánból számoltak be hatalmas tűzvészekről.

A dél-koreai Alchera vállalat számítógépes látáson alapuló rendszert tanított be, hogy a kaliforniai Sonoma megyében több mint 800 kamerát figyeljen rendszeresen. A kamerák rendeltetése az erdőtüzeket megelőző jelenségek, leginkább a füst rögzítése, észrevétele. Az automatizált rendszer célja egyértelműen a megelőzés, hogy a gyanús jeleket azonnal és idejében továbbítsa a tűzoltóságnak.

Az AIIR (Artificial Intelligence Image Recognition, mesterséges intelligencia képfelismerés) észreveszi a kaliforniai futótüzekre figyelmeztető hálózat egyes kamerái által rögzített füstöket. Egy konvolúciós idegháló zászlókkal felcímkézi az adott videokockákat, majd egy másik háló az időpontok elemzését végzi el, és hitelesíti a felcímkézett anyagot.

Ha elfogadja, hogy füst jön valahonnan, a központi megfigyelőállomáson tartózkodó operátor figyelmeztetést kap.

A rendszer május óta működik online. Az első héten hatvannál több figyelmeztetést rögzített, és a hamis pozitívok aránya mindössze 0,08 százalék volt. Egy tüzet például már tíz perccel a tűzoltóságot hívó első személy előtt detektált.

Ha az AIIR beválik, Kalifornia állam hatóságai a futótüzeket figyelő hálózat többi kamerájára is alkalmazni kívánják. Ezeket a kamerákat változatos helyeken, például kormányzati ügynökségek, elektromos művek stb. közelében installálták.

Míg tűzvészre figyelmeztető, azokat idejekorán detektáló eddigi rendszerek szórványos légi és műhold-felvételeken alapulnak, addig az AIIR földi kamerákkal figyel folyamatosan. Előnye, hogy a kockázatot ugyanolyan gyorsan, viszont olcsóbban észleli.

A mesterséges intelligencia komoly segítséget nyújt régészeknek eltűnt civilizációk felfedezésében, leletek értelmezésében, munkájukat jelentős mértékben felgyorsítja.

Madagaszkár és az Egyesült Államok felett, repülőről rögzített, lidarral érzékelt adatokat értelmezve, egy MI több ősi települést fedezett fel. Hasonló módszerrel, egy másik MI légi felvételek alapján azonosított földalatti sírokat. Más modellek pedig ókori perzsa feliratok fordításában segítenek.

Egy régész sok év tanulás és gyakorlat után ismeri fel az antik kerámiákon szereplő mintázatokat. Munkáját nehezíti, hogy ugyanarról a töredékről gyakran teljesen eltér a kollégák véleménye.

A gépi tanulás, mélytanulás (deep learning) segíthet az eltérő vélemények megítélésében, hozzátehet az igazság kiderítéséhez.

Az Észak-Arizonai Egyetemen régi cserépedények és más kerámiák töredékein különböző stílusokat és korokat azonosító gépitanulás-modellt fejlesztettek. Az ImageNet adatsoron gyakorló ideghálókkal kezdték, amelyeket aztán finomhangolták, hogy megállapítsák a kerámiadarabok hozzávetőleges keletkezési idejét.

Az Egyesült Államok délnyugati részén gyűjtött kerámiákról készült 3064 fényképpel dolgoztak. A fotókat négy szakértő címkézte fel. Összesen kilenc periódusba tartoztak, 825 és 1300 között. Többségi véleményt kellett kialakítaniuk az összes képről, hogy mit ábrázolnak. A feljavított adatsorba végül 2407 fotó került.

Minden egyes gyakorlókör után véletlenszerűen zsugorították, elforgatták, felnagyították stb. a képeket, így akarták még robusztusabbá tenni az adatokat. A modell által legfontosabbnak tartott jegyeket hőtérképekkel is kiemelték. Az ilyen hőtérképek nagyon komoly segítséget nyújthatnak a következő régészgenerációknak.

A modell a teszteken többtízezer címkézetlen töredéket osztályozott. Két szakértőnél jobb, kettővel nagyjából azonos eredményt ért el.

A kiadások csökkentése miatt sok iskola alkalmaz online beszélgető botokat (chatbot), a leckét osztályozó vagy a beiratkozást segítő mesterséges intelligenciát. A gépi értelem az osztálytermekben és az egyetemi kampuszokon is megjelent.

Az utóbbi években – a kritikus hangok ellenére – az MI-alapú rendszerek helyet követeltek maguknak az oktatásban, és a tendencia a jövőben erősödni fog. Ma már szinte mindenben segítik a diákokat.

Egyes amerikai egyetemeken a Kira Talent fejlesztőcég szoftvere személyiségjegyek, például a nyitottság, a motivációs szint vagy az idegességre, szorongásra való hajlam alapján pontozza a jelentkezőket, a végső döntést azonban emberek hozzák meg.

A felvett diákoknak a Georgia Állami Egyetemen chatbot küld bíztató üzeneteket. Az ausztrál Deakin Egyetem Genie nevű chatbotja figyeli, hogy mit csinálnak, és hol tartózkodnak a tanulók. Ha például valaki az ebédlőben szunyókál, figyelmezteti: foglalkozzon inkább a leckével.

A Dél New Hampshire Egyetemen a házi feladatokat és a tantermi aktivitást pontozó rendszert fejlesztenek, amely a beszédre és test-beszédre, az online feladatok megoldási idejére is figyel.

Az ElevateU „MI szövegkönyv” programjai a diák preferenciái, tevékenysége és reakciói alapján dolgozza ki az egyedi, személyre szabott tanulási élményt.

Egyesek szerint ezek a rendszerek hibás jegyeket adhatnak, előítéletesen dönthetnek, részrehajlók lehetnek, és más problémákat is okozhatnak.

Az MIT-n (Massachusetts Institute of Technology) megfigyelték, hogy például egy MI túl jó jegyeket ad kulcsszavakkal teletűzdelt dolgozatokra. Az Austini Texasi Egyetemen leállították a korábbi jó eredményeket elért diákokhoz hasonlóan teljesítőket túl jól, másokat pedig kevésbé előnyösen megítélő, azaz elfogult rendszert. A brit kormány tavaly búcsút mondott egy, a tanároknál 40 százalékkal rosszabb jegyeket adó algoritmusnak.

A negatív példák ellenére, a trend visszafordíthatatlan. A koronavírus-járvánnyal ráadásul egyre jobban terjed az online oktatás, több feladat automatizálódik, nagyobb szerephez jut az MI. Ezért fontos, hogy ezeket a rendszereket a legaprólékosabban tervezzék meg, mert ha rendeltetésszerűen működnek, akkor tényleg csökkentik a költségeket, és egyben növelik a tanulási élményt. Rengeteget segítenek a diákoknak, az embert azonban a legtöbb területen még nem helyettesíthetik.