Az Egyesült Államok Igazságügy-minisztériuma lefoglalta azt a pénzt, amelyet az ország legnagyobb finomított olajvezeték-rendszerét, a Colonial Pipeline-t kezelő vállalat fizetett ki májusban egy őket zsaroló orosz hacker-csoportnak. A két masszív csőből álló vezeték 8850 kilométer hosszan fut Texas és New York között, napi forgalma kb. hárommillió hordó olaj, az USA keleti partjának közel felét látja el gázolajjal, dízellel, üzemanyaggal.

A pénzt a május 6-án indult zsarolóvírusos (ransomware) támadás után fizették ki. Adatlopással kezdődött, a cég szervereiről száz gigabájtnyi információt tulajdonítottak el. Az igazi attak május 7-én történt, amikor megzavarodott a Colonial Pipeline számítógépes rendszere, és a vezetéket leállították. Tizenhét szövetségi államban és Washington D. C-ben rendkívüli intézkedéseket hoztak, hogy aztán május 9-étől viszonylag zavartalan legyen az ellátás.

Az olajvezeték-rendszer végül május 12-én indult teljes egészében újra, mert a Colonial Pipeline, az FBI tudtával, pár órával a támadás után kifizette az akkori árfolyamon ötmillió amerikai dollárnyi 75 bitcoint. A nagy riadalomban gyorsan felmentek az üzemanyagárak, többezer benzinkút bezárt. Az American Airlines megváltoztatta a menetrendjét, az észak-karolinai Charlotte nemzetközi repülőtere átmenetileg leállt.

A hackerek a pénz megérkezése után rögtön elküldtek a cégnek egy, a hálózatot helyreállító szoftveralkalmazást, ami nagyon lassan működött, de végül minden megjavult. Az Egyesült Államok történetében ez volt az olajipari vállalatok ellen indított eddigi legnagyobb támadás.

A digitális alvilág által az utóbbi években előszeretettel bevetett zsarolóvírusok jellegzetessége, hogy túszul ejtik a felhasználó számítógépes rendszerein lévő adatokat, amelyek csak a váltságdíj kifizetése után lesznek ismét elérhetők. Állományokat titkosítanak, megjelennek a határidős zsaroló üzenetek, az idő múlásával pedig egyre több fájlt véglegesen törölnek.

A nyomozók a 75 bitcoin útját a 23 különböző kriptovaluta-számlán keresztül követve jutottak el az azokat működtető oroszországi DarkSide cyberbűnöző-közösségig. Az összeg nagy része, 63,7 bitcoin egyetlen digitális pénztárcában kötött ki. Egy amerikai bíróság engedélyezte a „pénztárca” feltörését. A sors iróniája, hogy a kriptovaluta drasztikus esése miatt megfeleződött az összeg, a 63,7 bitcoin ma 2,3 millió dollárt ér. Az Igazságügy-minisztériumhoz tartozó, nemrég alapított, digitális zsarolásokkal foglalkozó munkacsoport most foglalt le először kicsalt cyberpénzt.

Az FBI több mint egy éve nyomoz a DarkSide után. A csoport zsarolóvírusokkal lát el hackereket, cserébe a bezsebelt pénz egy részét kérik. A DarkSide azonban csak része a súlyosbodó trendnek – jelenleg száznál több zsarolóvírus van forgalomban, cégeket naponta érnek ilyen támadások.

„Még mindig működik a régi bölcsesség: kövesd a pénzt” – jelentette ki Lisa O. Monaco főügyész-helyettes egy hétfői sajtótájékoztatón.

Egyes gépitanulás-modellek ugyanúgy szekvenciába tudják kódolni az aminosavak „nyelvtanát”, mint ahogy a nyelvtannal mondatokká válnak a szavak. A Salesforce Research és az Illinois Egyetem (Urbana-Champaign) kutatói ilyen – fontos biológiai jellemzőket kimutató – modellek interpretálására fejlesztettek módszereket.

Mélytanulással működő modelleket eddig is gyakoroltattak a fehérjéket alkotó aminosav-szekvenciákon, és sikeresek voltak: működő szekvenciákat csoportosítottak, generáltak. Az új kutatás eggyel előrébb lép, mert a modellek a fehérjeszerkezetről is szolgáltatnak információkat.

Amikor aminosavak összekapcsolódnak egymással, a szekvencia formája meghatározza a kialakuló fehérje biológiai funkcióját. Ezeken a szekvenciákon gyakoroltatott gépitanulás-modellek a két sav közötti bizonyos értékek alapján meg tudják határozni, hogy fontos szerepet játszanak a fehérje szerkezetében, például kapcsolatba lép más fehérjékkel.

A kutatók aminosav-szekvenciák adatbázisán treníroztatták modelljüket, hogy aztán előrejelezze a működésüket. Egy megadott szint alatti értékeket eleve kiszűrtek ahhoz, hogy az erős kapcsolatban álló savpárokat tudják tanulmányozni. Az adatbázisban lévő információk alapján összeszámolták a fehérje formájához társított kapcsolatokat, például az érintkező savpárokat.

Egyes tulajdonságok csak a pár egyik felétől függtek.

Eredményeiket összehasonlították más fehérje-adatbázisokkal, az azokból levont következtetésekkel. Kiderült, hogy modelljük alsó rétegeiben jelentős mértékben nőtt a tényleges kapcsolatban álló, rokon aminosav-párok száma (44,7 százalék), míg az összes aminosav esetében ez a mutató csak 1,3 százalék volt.

Annak az esélye, hogy egy rokon pár második aminosavától is függnek fehérjék tulajdonságai, rétegről rétegre nem emelkedett jelentősen, de így is 48,2 százalékot ért el. Összehasonlításként: bármely aminosav esetében ez mindössze 4,8 százalék.

Egy szekvenciából hiányzó aminosavak előrejelzésével fontos dolgokat tudunk meg arról, hogy a savak hogyan állnak össze nagyobb szerkezetekké, és így nemcsak a modell, hanem a természet működéséről is bővülnek az ismereteink.

Ilyen modellekkel vírusok, például a SARS-CoV-2 szerkezetéről is több információt gyűjthetünk össze.

A Tesla egyes autóiban felhagy a radarokkal, önvezető járművei ezentúl teljesen kamerákon fognak alapulni – jelentette be Elon Musk cége. Az érintett kocsik, az Észak-Amerikában értékesített Model 3 szedán és a Model Y járművek eddig radarérzékelőkkel működtek.

A bejelentés azt jelenti, hogy a Tesla az első nagyobb önvezető-autógyártó, amely csak a gépi látást használja. A többi fejlesztő a lidar, a radar és a kamerák valamilyen kombinációját alkalmazza.

Ők azért választják a viszonylag drága lidar- és radarérzékelőket az olcsó kamerák mellé, mert együtt több információt szolgáltatnak, és a vezetés is biztonságosabb. Ezek a cégek úgy vélik, hogy így jutunk el leghamarabb a teljesen önvezető járművekig, és utána már lehet csökkenteni az árakat. A csak kamerák alkalmazása mellett érvelők szerint viszont, mivel az ember a szemének köszönheti a biztonságos vezetést, a mesterséges intelligenciának is ugyanígy kell tennie.

A radarok mellőzése a Teslánál egyelőre csak az Egyesült Államokban forgalmazott, és a két legnépszerűbb modellre (Model 3, Model Y) vonatkozik. A technológián a tapasztalatokból leszűrt információk alapján finomítani fognak, és a Model S-en, Model X-en, valamint az USA-n kívülre szánt járműveken csak utána változtatnak.

A Tesla Vision nevű nyolckamerás rendszer az Autopilot vezetőtámogatónak szolgáltat szenzorikus inputokat, például a sávokra vonatkozó adatokat, vagy a teljes önvezetéssel kapcsolatos frissítéseket. Ez teszi lehetővé az automatikus parkolást, érzékeli a többi járművet, felel a stoptáblák előtti lassításért, és automatizálja a vezetést az autópályán. Az átalakítás alatt ezeket a funkciókat vagy korlátozzák, vagy kikapcsolják.

„Ha a radar és a látás nem ért egyet, melyiknek hiszünk?” – tette fel Musk a változást előkészítő kérdést egy áprilisi tweetben, majd gyorsan meg is válaszolta: „mivel a látás sokkal pontosabb, ezért sokkal jobb, ha szenzorfúzió helyett megduplázzuk.”

A techguru szerint a Tesla Vision lehetővé teszi, hogy járműveik 2021 vége előtt tényleg teljesen autonómak lesznek. (Erre azonban ne vegyünk mérget, mert a múltban már többször bejelentett látványos, aztán későbbre halasztott céldátumokat.)

Amennyiben a Tesla eléri a célját (nem a dátummal, hanem a technológiával), és a járművek az új rendszerrel tényleg biztonságosan működnek, megváltozhat az önvezető autók fejlesztési iránya.

Ha nem is olyan tempóban, mint egyes erősen automatizált területeken, de a medicinában is évek óta tart a mesterséges intelligencia térnyerése, röntgensugarak és más képek értelmezésével, látványos sikereket ért el orvosi laborokban. Manapság már klinikákon is alkalmazzák, meghatározó tényező lett a képalkotásban.

Az Amerikai Radiológus Kollégium friss felmérése alapján azonban mégsem ennyire rózsás a helyzet. Kiderült ugyanis, hogy az ottani radiológusoknak csak a harmada használja valamilyen mértékben a technológiát. A 30 százalékos penetráció így is szépen hangzik, ám jócskán árnyalja a képet, hogy sok válaszadó új technikák helyett régebbi, gyakran megkérdőjelezhető minőségű, számítógéppel támogatott detektálással dolgozik. A módszert az 1980-as években vezették be, mellrákot diagnosztizálnak vele.

A szervezet e-mailben tette fel a kérdéseket, 1861-en válaszoltak rájuk.

Az MI-vel dolgozók fele képeket értelmeztet, 11 százaléka képeket javíttat fel a gépi értelemmel. Leggyakrabban mellről, mellkasról, idegekről készült fotókról van szó.

Szintén az említett csoport 12 százaléka munkalistákat, 11 százaléka műtéteket menedzsel mesterséges intelligenciával. Közel 10 százalékuk inkább saját fejlesztésű algoritmusokkal, és nem külső beszállítóktól vásároltakkal dolgozik.

94 százalékuk szerint inkonzisztens az MI-rendszerek teljesítménye, közel 6 százalék teljesen elégedett, a maradék viszont úgy véli, hogy a mesterséges intelligencia soha nem működik.

Az összes megkérdezett bő kétharmada nem használ MI-t, és e csoport 80 százaléka szerint nincs is semmi haszna. Sokan drágállják a telepítését, nem növeli a hatékonyságot, nem térül meg – magyarázzák.

Évek óta egyre több szakember gondolja, hogy gépi tanulás helyettesítheti a radiológus-munka nagy részét, viszont konszenzus van arról, hogy a területet ugyan átalakítja, de nem veszi el a radiológusok állását. A végső döntés maradjon az ember kezében.

Az ENSZ nemrégi beszámolója alapján 2020 márciusában, az egyébként az ENSZ által támogatott líbiai nemzeti egységkormány katonai műveletekért felelős részlege a visszavonuló lázadó erők ellen bevetette a török STM cég által gyártott Kargu-2 kvadrokoptereket, azaz drónokat. A beszámoló nem részletezi, hogy a drónok céloztak valakire, megtámadtak vagy megöltek volna embereket.

Bevetésük mindenesetre megint felveti az autonóm fegyverrendszerekben, a katonai célokra használt fejlett mesterséges intelligenciában rejlő veszedelmes potenciált.

A török drónokat objektumdetektáló és arcfelismerő algoritmusokkal szerelték fel, tehát emberi beavatkozás nélkül is megtalálják a célpontot, és rá is tudnak lőni. Az objektum észlelését követően, közvetlenül föléje repülnek, és robbanófejjel igyekeznek megsemmisíteni.

Az STM közölte, hogy a rendszer meg tudja különböztetni a katonákat a civilektől. A török hadsereg egyébként legalább ötszáz Kargu-2-t vásárolt a szír határnál folyó harcokhoz. A Forbes szerint az STM három másik országgal is folytat tárgyalásokat drónjai értékesítéséről.

A mesterséges intelligencia, a gépi tanulás katonai használata nem újkeletű – meglévő rendszereken akarnak javítani velük, a műveleteknél viszont általában mindig van ember.

A legutóbbi izraeli-palesztin konfliktusban, az izraeliek gépitanulás-algoritmusokkal elemezték a beérkező adatokat. A légierő az elemzésekre támaszkodva azonosított célpontokat, és figyelmeztetett támadásokra szárazföldi csapatokat.

Az amerikai hadsereg célpontokat akár egy kilométerről azonosító, gépi látással felszerelt drónt fejleszt. A légi jármű képes meghatározni, hogy a célpont felfegyverzett, vagy sem.

Az Európai Unió több mesterségesintelligencia-alapú katonai projektet finanszíroz – a rendszerek bombákat detektálnak, ember nélküli szárazföldi járművek nehéz terepen támogatják a csapatokat stb.

A tendenciák az autonóm fegyverek csatatéri használatát vetítik előre, és a líbiai példa tanulsága, hogy valószínűleg ez már meg is történt. Versengés indul be, hogy ki gyárt hatékonyabb gyilkos gépeket, amelyek maguk döntik el, kit ölnek meg. Ahhoz, hogy ez ne váljon valóra, megfelelő, a harci drónok tevékenységét korlátozó, ugyanakkor a mesterségesintelligencia-fejlesztéseket nem hátráltató nemzetközi szabályozásra lenne szükség.

A mostani ideghálók látványos eredményeket érnek el, rengeteg problémát segítenek megoldani. Az elektronikus hardver – amelyen futnak – viszont még mindig túl sok energiát fogyaszt el, és így ezek a mesterséges intelligenciák egyáltalán nem versenghetnek a szenzorikus információkat, vagy a környezettel folytatott interakciókat valósidőben, energiatakarékosan feldolgozó emberi aggyal.

Három zürichi egyetem kutatói úgynevezett neuromorfikus tervezést, a mesterséges és a természetes intelligencia közötti szakadékot áthidalni hivatott megközelítést alkalmazva, fejlesztettek bonyolult biológiai jeleket – agyhullámokat – megbízhatóan és pontosan felismerő chipet.

A technológiával sikeresen detektáltak korábban felvett magas frekvenciájú rezgéseket (high-frequency oscillation, HFO). A speciális hullámokat koponyán belüli (intracranial) elektroenkefalogrammal (iEEG) mérték, és kiderült, hogy ígéretes biomarkerek az epilepsziás rohamokat okozó agyszövet azonosításához.

A kutatók első lépésben a HFO-kat észlelő, az agy természetes ideghálóit szimuláló algoritmust fejlesztettek. Második lépésben az ideghálót ujjhegy-méretű, az idegi jelzéseket elektródákon keresztül vevő hardverbe integrálták.

A megoldás, ellentétben a hagyományos számítógépekkel, masszívan energiatakarékos. A számításoknál ezért lehetséges internet vagy felhőkapcsolat nélkül is a nagyon nagy felbontás, amelynek eredményeként az új technikával biológiai jelzések tér-időbeli mintázatai valósidőben felismerhetők.

Eddigi eredményeik alapján, a kutatók az HFO-kat valósidőben megbízhatóan felismerő és folyamatosan megfigyelő elektronikus rendszert terveznek fejleszteni. Kiegészítő diagnosztikai eszközként, operációknál rendkívül hasznos lenne, idegsebészeti beavatkozások sikeresebbek lennének vele.

A kutatók számára azonban nem az idegsebészet, hanem az epilepszia kezelése az elsődleges cél. A betegséget hetekig, hónapokig pontosan monitorozó, a biológiai jelzések folyamatos elemzésében hatékony, kórházakon kívül is használható eszközben gondolkoznak.

Az alacsony energiafogyasztású, vezeték nélküli adatkommunikációt mindenképpen a rendszerbe akarják integrálni, hogy például okostelefonokkal is kapcsolatba lehessen állítani. A hordozható vagy az agyba beültethető chip azonosítja azokat a periódusokat, amikor gyakoribbak vagy ritkábbak a rohamok, és így hozzájárulna a medicina egyik ígéretes trendje, a személyre szabható gyógyászat gyorsabb elterjedéséhez.

Az amerikai Északnyugati Egyetem kutatói tüzetesen átvizsgálták a legalább harminc nagy nyelvmodell gyakoroltatására használt BookCorpus adatsort, és komoly hiányosságokat fedeztek fel benne. Kimutatták, hogy a korpusz többféleképpen befolyásolhatja a modellek tevékenységét, késztetheti őket elfogult döntéshozásra, előrejelzésekre.

Egy korpusz az adott nyelv adott periódusában használt szövegeinek összességre törekvő gyűjteménye. A számítástudomány elterjedésével, egyre könnyebbé vált nagymennyiségű természetes nyelven írt szövegből szerkesztett, változatos célokra, például szótárak készítésére használt nyelvi korpuszok létrehozása. A BookCorpus offline nem publikált szerzők műveinek tizenhat alműfajból (elsősorban kaland-, történelmi, romantikus regényekből) álló gyűjteménye.

A kutatókat egy korábbi tanulmány inspirálta, amelyben a szerzők szabványosított módszert javasoltak az adatsorok tervezéséről szóló beszámolókhoz. Kihangsúlyozták, hogy az információhiány – sokszor nem lehet pontosan tudni, mi ment a korpuszokba – komoly gondokat okozhat a modellek működésében, negatív hatással lehet az outputokra.

Jelen tanulmány szerzői rávilágítottak az adatsor használhatóságát akadályozó problémákra.

A BookCorpus a Smashwords online kiadó által ingyen hozzáférhetővé tett, elvileg 11038 elektronikus könyv szövegét tartalmazza. Elvileg, mert a fájlok közül csak 7185 egyedi, több másolatot találtak, egyesekből rögtön ötöt. Közel száz fájlban pedig nincs semmiféle szöveg.

A vallásokkal összefüggő szavakat elemezve, megállapították, hogy az adatsor a kereszténységre és az iszlámra összpontosít, míg a judaizmust, a hinduizmust, a buddhizmust, a szikeket és az ateistákat kvázi ignorálja. A statisztikából nem nehéz azt a következtetést levonni, hogy a BookCorpuson gyakorló modellek nem egységesen ítélik meg a vallásokat.

A gyűjtemény szinte teljes egészében fikciókból áll, egyes műfajok pedig túlreprezentáltak. A legtöbb, 26,1 százalék kalandregény. Egyes szövegek gender-szempontból is elfogultak.

Az adatsor válogatói nem kaptak engedélyt a könyvek íróitól, sőt, többszáz kötetben szerepel, hogy a szöveg nem másolható.

Mindezek alapján ne lepődjünk meg, hogy a BookCorpuson gyakorló modellek hibáznak, pontatlanok, esetleg teljesen félrevezető eredménnyel állnak elő. Fontos lenne, ha dokumentáció figyelmeztetné a mérnököket a hiányosságokkal kapcsolatban, és így például még a szerzői jogokat sem sértenék meg.

Hírügynökségek változatos célokra használják a természetes nyelvet feldolgozó technológiákat.

A kanadai Globe and Mail például mesterséges intelligenciával alakítja ki honlapját, ügyelve, hogy minél több legyen az alkalmi olvasókat előfizetésre bíró történet. A KPCC Los Angelesi rádió rendszere témák szerint csoportosítja a hallgatók Covid-19-re vonatkozó kérdéseit. A nonprofit Knight Alapítvány hárommillió dollárral támogatja az újságírók munkáját segítő automatizált eszközök fejlesztését.

Egy ír startup teljesen más területen igyekszik eredményt elérni: mesterséges intelligenciájuk rágalmazásnak minősíthető állításokat keresve böngész szövegekben. A CaliberAI egyedi modelleket használva, értékeli ki, hogy személyek vagy csoportok egyes állításai jogilag kimerítik-e a törvénytelen, erkölcstelen vagy a rágalmazás definíciójába tartozó más minősítéseket.

A fejlesztők potenciális rágalmazó állításokból állítottak össze listát. Szerepelnek rajta gyilkossággal, házasságtöréssel, részegséggel stb. kapcsolatos mondatok. A listát nyelvészek bővítették ki nagyobb, gyakorló adatsorrá.

Egy modell megtanulta, hogy nullától százig terjedő skálán értékelje a bemenő (input) mondatokat. A hatvanat vagy magasabb pontszámot elérőket embereknek küldi tovább, ők döntenek az állítások igaz vagy hamis mivoltáról. Például, nem minősíthető rágalmazásnak az, amely ugyan súlyos, de igaz dolgokat tartalmaz.

Egy másik modell bizonyos csoportokat gyalázó, sértő mondatokat emel ki. A cég határozza meg, milyen tartalmak kerülnek ezekbe a kategóriákba.

A rágalmazásokra figyelmeztető rendszer drága és hosszan tartó pereskedések elkerülésében segíthet újságoknak, hírügynökségeknek. Az Európai Unióban és az Egyesült Királyságban valószínűleg sikeresebb lesz, mint az USA-ban, ahol nehezebb sajtórágalmazásért bírósági eljárást indítani.

Elképzelhető, hogy hamarosan a közösségi hálózatoknak is szükségük lesz ilyen MI-re. Az európai és brit törvényjavaslatok ugyanis a platformjukon publikált tartalmakért a vállalatokat akarják jogilag felelőssé tenni.

Csakhogy egy ilyen gépi rendszer kétélű fegyver. Egyrészt megvannak a nyilvánvaló előnyei, másrészt akadályozza újságírók, bloggerek és más hírszolgáltatók munkáját, mert lassan már senkit sem kritizálhatnak.

Pálcikafigura jelenik meg a képernyőn, mintha guggolna, húzza az egyik térdét, úgy halad előre. Mozog, de legalábbis valami hasonlót tesz. Egyik fejlesztője, az Ubernél dolgozó Rui Wang elégedett vele.

„Minden nap, amikor bejövök az irodába, és megnyitom a számítógépet, nem tudom, mire számítsak” – jelentette ki a komputerén éjjel-nappal futó POET (Paired Open-Ended Trailblaizer, párosított, nyílt végű úttörő) nevű szoftverről.

POET egyfajta edzőterem virtuális botoknak. Ezek a mesterségesintelligencia-ágensek egyelőre nem tanultak sokat, nem góznak, nem észlelik a rák megnyilvánulásait, nem fedezik fel fehérjék újszerű elrendeződését, helyette kerítéssel, szakadékkal teli rajzfilmszerű terepen próbálnak navigálni, úgy járni, hogy ne bukjanak orra az akadályokban, vagy szimplán önmaguktól.

Az újítás nem abból áll, hogy mit tanulnak meg, hanem a tanulás módja. Az akadálypályákat POET generálja, felméri az apró mesterséges intelligenciák képességeit, kijelöli nekik a soron következő feladatokat. Mindezt emberi segítség, beavatkozás nélkül teszi.

A botok lépésről lépésre, próba-hiba (trial and error) módszerrel tanulnak. Egyelőre csak az alapoknál tartanak, de Wang és más kutatók szerint forradalmi megoldásról van szó, a jövő szuperintelligens gépei, a sokat emlegetett és félt általános mesterséges intelligencia (Artificial General Intelligence, AGI) is valahogy így, teljesen újféleképpen alakulhat majd ki. Ezek az MI-k lényegében saját magukat alkotják meg.

Számítástudományi szakemberek hosszú ideje az emberi intelligenciát utánzó algoritmusokat igyekeznek fejleszteni. Az igazi áttörést viszont az evolúciót, annak összes megpróbáltatásával lemásoló technikák hozhatják el.

Az intelligencia nem az evolúció célja, végpontja; számos egymással versengő túlélési és a jövőt kezelő opcióból fejlődött ki. Ebben a megközelítésben jelentős mértékben különbözik a mai gépitanulás-algoritmusoktól. Emergens módon alakul ki a nyílt végű folyamatban. POET ebből mutat fel valamit, igaz, jelenleg csak apró villanásokat. Önmagát fejleszti.

Az arcfelismeréshez általában kormányzati ügynökségeket, a rendőrséget és más hasonló szervezeteket asszociálunk. Egy új webes alkalmazás, a PimEyes segítségével viszont bárki használhatja a technológiát, például magáról készült fotókat, esetleg festményeket kereshet a világhálón.

A fejlesztőcég elmondta, hogy az alkalmazással a felhasználóknak akarnak segíteni: jobban kontrolláljuk online jelenlétünket, könnyebben meg tudjuk akadályozni identitásunk ellopását. Az app nem meglepő módon azonban személyiségjogi (privacy) kérdéseket is felvet, mert értelemszerűen mások is megfigyelhetők, és az összegyűjtött adatok rossz célokra, például zsarolásra szintén használhatók.

Fejlesztéséhez több mint 900 millió online talált arcképből kivonatoltak geometriai adatokat. A képeket nem közösségimédia-oldalakról szedték össze, az eredmények viszont megegyeznek Facebookon, Instagramon, Twitteren, YiuTube-on lévő fotókkal.

A fejlesztők a felhasználók által feltöltött képek arcgeometriáit adatbázisokban lévőkkel hasonlítják össze, és jelzik az egyezéseket. Az app ingyenes, előfizetőit viszont – plusz szolgáltatásként – azonnal értesítik, ha a 90 százalékos pontossággal dolgozó rendszer új egyezéseket talál.

A szolgáltatáshoz nem ellenőrzik a felhasználók személyazonosságát, tehát vissza lehet élni vele. Meg is tették már: 4Chan felhasználók nőket zsaroltak vele, egy aktivista pedig a PimEyes segítségével nyomozott a Twitteren a Kapitólium elleni támadásban résztvevők után.

A Seychelles szigeteken bejegyzett cég eddig minden személyes interjút visszautasított, titokban tartja alkalmazottai személyazonosságát, kérdésekre csak e-mailen keresztül válaszol egy anonimizált szóvivő.

Arcok ingyenes és bárki által hozzáférhető online összetársítása lassan talán mainstreammé válik, és az arcfelismerés egyik legveszélyesebb alkalmazása lehet. Ezeknek a programoknak, appoknak a Google 2015-ben bemutatott FaceNetje az alapja. Jó és rossz célokat is szolgálnak. A 2016-ban hírhedtté vált orosz FindFace alkalmazással például kormányzati szervek próbálnak ellenzékieket követni. Az ExposingAI viszont figyelmeztet, ha Flickr-képeinket mesterségesintelligencia-modellek begyakoroltatására használják.

Ha ezek a megoldások széles körben valóban elterjednek, komoly veszélyt jelenthetnek a személyiségi jogokra, magánéletünkre. Másrészt, ürügyet adhatnak az előbb-utóbb tiltásokhoz, ígéretes fejlesztések leállításához vezető újabb szabályozásokhoz.

(A képeken Andrew Ng mesterségesintelligencia-kutató látható.)