A Ford bemutatta F-150 Lightning (Villám) kisteherautóját. Látszatra úgy néz ki, mint az F-150, de a látszat ezúttal csal, mert a fejlesztők nagyon fontos változtatásokat végeztek.

Az elektromos jármű designja megszokott, benzin helyett viszont elemmel működik, egy töltés 370, a bővített változaté 480 kilométerre elég. Előbbi közel 40 ezer, utóbbi 55 ezer dollárba kerül.

A bemutató vízválasztó, történelmi pillanat lehet az elektromos autók amerikai történetében (de talán a világon is), mert a gyártó F-sorozata az USA-ban több mint négy évtizede a legjobb eladási mutatókkal rendelkező járművek közé tartozik.

Mit jelenthet ez? Például azt, hogy itt a tömegek számára készült elektromos furgon. A szövetségi és állami engedmények miatt ráadásul a Lightning ára még a belsőégésű motorral rendelkező járművek alá is mehet.

A Ford állandó mozgásban lévő, most pont nagyon „forró” piacon jelent meg újabb szereplőként. A Tesla évek óta reklámozza a még idén várható Cybertruckját. Piacra dobását a globális chipínség is hátráltatja, kérdés, hogy Musk és munkatársai találnak-e megoldást rá. A General Motors szintén bemutatta a gigantikus elemmel és meggyőző specifikációkkal rendelkező 2022 Hummer EV-t (EV = electronic vehicle, elektromos jármű).

Musk gratulált a Fordnak.

A Villámban minden van, aminek benne kell lennie: felújított belső tér, a dashboard középpontjában 15,5 colos érintőképernyő, nagy a tehertér, sok szerszám, szállítmány tárolható benne. Végszükség esetén, a lakás áramellátását is megoldhatja.

Kezdetben problémát jelenthet, hogy az USA elektromos járműveket töltő infrastruktúrája, különösen, ha nem a Tesláról van szó, szegényes állapotban van még. Ráadásul a Ford ügyfeleinek jelentős része a lefedettségben hátul kullogó mezőgazdasági területeken él.

Ez azt jelenti, hogy továbbra is félni kell az elem lemerülésétől, az elektromos járművek vásárlásával szembeni egyik legfőbb visszatartó októl. Jó hír, hogy hamarosan más lesz a helyzet. Joe Biden ugyanis szignifikáns változásokat jelentett be a töltőinfrastruktúra kapcsán, és a befektetések is egyre markánsabbak. (Az elnöknek bemutatták a járművet, megkocsikáztatták rajta, és felsőfokokban nyilatkozott utána.)

Lehet, hogy néhány hónapon belül minden feltétel adott lesz a Villám gyors térhódításához?

Évtizedek óta riogatnak az ember felett diadalmaskodó MI-vel. Hol hollywoodi filmek, hol szakterületükön ugyan világelső, a mesterségesintelligencia-fejlesztéseket viszont inkább csak értő, de nem aktívan alakító laikus tudósok (Stephen Hawking stb.) vázolják fel a gépi apokalipszist. Szerintük nem a végkimenetel, hanem inkább csak az a kérdés, hogy mennyire nőnek fölénk, milyen léptékben nőnek túl rajtunk az MI-k.

Legutóbb a 2002-es közgazdasági Nobel-díjas izraeli-amerikai pszichológus, Daniel Kahneman fejtette ki a témában pesszimista véleményét. Eleve reménytelen helyzetben vagyunk, teljes kiütés lesz a vége – állítja.

Kahneman megközelítése mégis érdekes, mert túlmutat a mára már klasszikusnak számító riogatáson. 2011-es „Gondolkodás, gyorsan és lassan” kötetében, a viselkedésalapú gazdaságtan egyik alapművében fejtette ki, hogy miért és hogyan hiszünk gyors gondolkodásunkban, amely inkább intuitív, míg a lassú a racionális. Mindezek tükrében mennyire készültünk fel a jövőnkkel kapcsolatos döntéshozásra?

2002-es Nobel-díját az úgynevezett „kilátáselméletért” (prospect theory) kapta. A következő kérdésekre próbált magyarázatot adni: hogyan racionalizáljuk a nyereségek és veszteségek közti különbséget, hogyan működnek a kockázatelkerülési és a kockázatvállalási küszöbértékek?

Most a kockázatelméletből és az egyszerre gyors és lassú emberi gondolkodásból kiindulva tette fel a „miért vagyunk ennyire felkészületlenek a mesterséges intelligencia hatalomátvételére” kérdést. A Covid-19-et, a járványra felkészületlen világba történt berobbanását, a vírus exponenciális növekedését hozta fel párhuzamként.

Az emberi elme lényegében nincs felvértezve egy Covid-19-szerű, fokozatosan ellenőrizhetetlenné váló eseménysorra, nem képes kezelni az azt megalapozó matematikát – állítja Kahneman.

„Szinte semmit nem tudunk kezdeni az exponenciális jelenségekkel. Többé-kevésbé lineáris világhoz szoktunk hozzá, és amikor a dolgok felgyorsulnak, a racionalitás keretein belül gyorsulnak fel. Az exponenciális változás, mint például a vírus elterjedése, viszont teljesen más. Nem vagyunk felkészülve rá, hosszú idő, amíg megtanuljuk kezelni az intuíciót” – magyarázza.

A technológia és a mesterséges intelligencia is olyan, úgy működik, mint a vírus: nagyon gyorsan, exponenciálisan fejlődik, az emberi gondolkodás viszont lineáris, így az általános MI megjelenéséhez sem tudunk majd könnyen alkalmazkodni.

Az 1978-ban indult Amerikai Keresztrejtvény Verseny résztvevőinek két nap alatt nyolc keresztrejtvényt kell megfejteniük. A háromezer dolláros fődíjért folyó végső megmérettetésben a három leggyorsabbnak és legpontosabbnak kell megoldaniuk egyet.

Mesterséges intelligenciák sakkban, dámában, dominóban, pókerben és goban legyőzték már az embert, nem egyszer aktuális sakk-, vagy más táblás játék világbajnokát „fektették két vállra”, keresztrejtvényben eddig viszont még nem jeleskedtek.

A pontatlan magyarítással Dr. Kitöltőnek fordítható Dr. Fill nevű rendszernek azonban sikerült. A rendszer az áprilisban megrendezett éves versenyen közel 1300 embert múlt felül.

Az Oxfordban asztrofizikát végzett, majd a Stanford Egyetemen mesterséges intelligenciára váltott Matt Ginsberg első rendszerével 2012-ben vett részt a megmérettetésen, tizenegyedik lett. Akkori MI-je a klasszikus megközelítést használta.

A mostani már a hagyományos és az új mesterséges intelligencia, szimbolikus alapok és mélytanulás (deep learning) igencsak működőképes kombinációja, hibridje. Ginsberg mesterséges ideghálóval kapcsolta össze a hagyományos modellt. A keresztrejtvényfejtésre specializálódott ideghálót a Berkeley-i Kaliforniai Egyetemen fejlesztették.

Az ideghálót hatmillió szavaknak kihagyott kockasor- és megoldáspáron mindaddig gyakoroltatta, amíg megoldás-tippeket nem generált. A rendszer kiszámolja a megoldások valószínűségét, több tényezőt (betűk számát, kiejtés és írott forma kapcsolatát stb.) vesz figyelembe hozzá.

Annyira jól sikerült, hogy Dr. Kitöltő az április tornán mindösszesen három hibát vétett, a végső feladványt pedig 49 másodperc alatt abszolválta. Ezzel bő két percet vert a leggyorsabb emberre.

A rendszer azért is érdekes, mert a szimbolikus megközelítés és a mesterséges ideghálók sokak szerint egymással versengő, összeegyeztethetetlen megközelítések. Most viszont úgy tűnik, hogy együtt eddig megoldhatatlannak tűnt problémákkal is megbirkóznak.

Sebészrobotok évente többmillió kockázatos műtétben vesznek részt világszerte. Munkájukat szigorú emberi felügyelet mellett végzik. Eddig legalábbis így volt, de most változhat a helyzet, önállósodhatnak a mesterségesen egyre intelligensebb gépek. Ellentétben az emberrel, az ő kezük egész biztosan nem remeg meg.

A Berkeley-i Kaliforniai Egyetem és a Stanford Egyetemről indult menlo Parki SRI International nonprofit tudományos kutatóintézet gépitanulás-rendszert tanított be nemrég egy kétkarú da Vinci sebészrobot irányítására. A feladatban az MI által vezérelt gép ügyességét, pontosságát és gyorsaságát tesztelték.

Az utánzásos tanulás során a rendszer begyakorolta, hogy apró műanyag-gyűrűket emeljen le egy lyukakkal ellátott, speciális deszkáról, és másikakra csúsztassa át azokat. A megoldandó feladat a sebészi gyakorlás része, a hasüreg vagy a medenceüreg diagnózisát és operációját a has felnyitása nélkül lehetővé tevő laparoszkópos folyamathoz tartozik. E folyamat során apró vágáson keresztül kamerát és más speciális eszközöket juttatnak a beteg testébe.

A kutatók négy konvolúciós ideghálót 180 RGBD (vörös, zöld, kék és mélység) videón gyakoroltattak. A mozgóképeken humán sebészek dolgoznak a robottal. Egy hibát és a kijavítását szemléltetik, és közben információkat közölnek a robot ízületeinek helyzetéről.

A rendszer megtanulta, hogyan kivitelezze a feladatot, az idő múlásával viszont egyre pontatlanabbá vált. A robot végtagjait irányító kábelek megnyúltak, és a modell így már könnyebben elvétette a célpontjait.

A fokozatosan kialakuló pontatlanságot ellensúlyozandó, a kutatók másfajta ideghálót is gyakoroltattak. A robot ízületeinek helyzetét bemutató mozgásmegragadásos (motion capture) anyagot használtak hozzá. A gép végül önállóan kivitelezett véletlenszerű mozdulatokat.

Az összekombinált két modell a műanyag-gyűrűs feladatban végül ügyesebbnek, pontosabbnak és gyorsabbnak bizonyult, mint az emberek.

Mindenkivel előfordul, hogy gyorsan akar írni valamit az okostelefonon, és a virtuális billentyűzeten melléüt. A hiba nemcsak bennünk van: az ujjbemeneteket detektáló érintésérzékelők alig változtak a 2000-es évek közepi, első megjelenésük óta.

Míg a képernyő vizuális minősége folyamatosan javul, és például a legújabb iPhone kijelzője már 2532x1170 pixel felbontású, addig a benne lévő érintésérzékelő kb. 32x15 pixelben detektálja az inputot.

Az ETH (Svájci Szövetségi Technológiai Intézet) Zürich kutatói a saját fejlesztésű CapContact mesterséges intelligenciával oldanák meg a problémát. Az MI által garantált felbontás lehetővé teszi az ujjak helyének – hogy hol érintjük meg a kijelzőt – a mai eszközöknél sokkal pontosabb azonosítását.

A mostani, úgynevezett kapacitív érintőképernyők szenzorai az ujjak pozícióit a közelségük miatt megváltozó elektromos mezőből észlelik. Az érintés intenzitása az ujjak eltávolodásával exponenciálisan csökken. Ezt az érzékeléstípust eleve nem a tűpontosságra, hanem a közelség detektálására találták ki.

A kutatók egyrészt növelték a szenzorok alacsony felbontását, másrészt ki kellett találniuk, hogy a kapacitív mérésekből hogyan lehessen kikövetkeztetni az ujj és a kijelző felülete közötti érintkezési területet. Ezekre a célokra dolgozták ki a CapContactot.

Az MI képszenzorként használja az érintőképernyőt, ami lényegében alacsony felbontású mélységi kamera – rögzíti egy képen, hogy milyen közel vannak az objektumok. A mesterséges intelligencia ezekből az adatokból kiindulva, gépitanulás-algoritmussal lokalizálja az érintkezési pontokat.

A sokat gyakorló CapContact az ujjak és a képernyő közötti távolság felbecslése után az érintkezési területet a mai szenzoroknál nyolcszor nagyobb felbontásban dolgozza ki, és így az érintőképernyő pontosabban működik.

Kiderült, hogy a mélytanulásos (deep learning) megközelítéssel megszüntethetők az alacsony felbontású input miatti érzékelési problémák. A kutatók szerint ezek okozzák a hibák, például az elütések harmadát.

Madarak komoly veszélyt és kockázatot jelenthetnek repülőterekre, zavarhatják a légi irányítást, repülőgépek balesetmentes közlekedését, például a le- és a felszállásukat. Akármennyire hihetetlen, a múltban okoztak már összeütközést, kényszerleszállást stb.

Úgy tűnik, hogy nem sokáig „garázdálkodhatnak”, mert az amerikai hadsereg ellentámadásba lendül.

A Pentagon ugyanis, a potenciális katasztrófákat megelőzendő, mintegy 50 millió dollárt szentel a repterek körüli szárnyasok problémájának nem kifejezetten állatbarát megoldására. Autonóm drónokat fejlesztenek, amelyek lokalizálják madarak környéken lévő fészkeit, és megakadályozzák a madárgyerekek kikeltését.

A US Navy és a Hitron Technologies közös fejlesztésű gyilkos gépeit most tesztelik egy laborban. A helyszíni teszteket még engedélyeztetni kell, amelyek és a technológia későbbi alkalmazása ellen nyilvánvalóan az állatvédőknek is lesz néhány szavuk.

A gépek madárfészkeket fognak kutatni, vadásznak majd rájuk, és a fiókák kikeltését megakadályozó, speciális olajjal fújják be a tojásokat. Az olajozás nevű eljárás lényege, hogy a tojásokat élelmiszeripari olajjal vonják be, blokkolják a héjban lévő pórusokat, lukacsokat, és az embriók nem jutnak oxigénhez. Maguk a tojások nem pusztulnak el, és így a szülők – az érvelés alapján – motiváltak maradnak, hogy újabb fészkeket rakjanak.

A fejlesztők szerint, ha a drónok precízen végzik a munkájukat, a módszer humánusnak tekinthető, és a madárpopuláció is jobban ellenőrzés alatt tartható, szabályozható.

Viszont egyáltalán nem biztos, hogy az autonóm drónok eredményesen be tudják olajozni a tojásokat. A módszer ugyanis csak akkor működik, ha teljes egészüket, az alsó részüket is bevonják az anyaggal.

„Az eljárás felnőtt madarak egészségét is veszélyeztetheti” – nyilatkozta Graham White, a brit Madárvédő Királyi Társaság ökológiai vezetője, majd hozzátette, hogy a fészkek megtámadása madarak és drónok közötti harcot robbanthat ki: „felnőtt sirályok, saját magukat és a gépet is kockáztatva, nagy valószínűséggel megtámadják a drónt.”

A drónok lehet, hogy humánusak, de még jobb lenne, ha a Pentagon nemcsak ember-, hanem állatbarát technológiával is próbálná a madarakat távol tartani a repterektől.

A Cornell Egyetem kutatói speciális úttestet dolgoznak ki: feltölti az elemeket, miközben a sofőr vezeti az elektromos járművet. A vezető nem függ többé a töltőállomásoktól, és a lemerüléstől sem kell tartania.

„Az autópályákon lesz töltősáv is, amit úgy képzeljünk el, mint a telekocsi-sávokat. Ha merül le az elem, a sofőr átmegy erre a sávra, amely képes azonosítani az autót, és később elküldi neki a számlát” – magyarázza Khurram Afridi, az egyik kutató. (A telekocsi-sáv a telekocsik, azaz a vezető és egy vagy több utas által közösen használt autók számára fenntartott forgalmi sáv.)

Ugyanezzel a technológiával raktárak is hatékonyabban működhetnek, mert lehetővé válik targoncák és más gépek munka közbeni feltöltése. Egyelőre azonban – Afridi szerint – öt-tíz évet várhatunk a hétköznapi használatra. A vezeték nélkül töltő út koncepciója mindenesetre hamarabb is pozitív hatással lehet az elektromosautó-iparra.

A keresletet egyre nehezebben kielégítő töltőállomás-infrastruktúrára úgyszintén. Az Egyesült Államokban például kb. százezer állomás szolgál ki mintegy 1,8 millió elemmel működő autót. Máshol még rosszabb a helyzet.

Egy ilyen hálózat bővítése nemcsak költséges, hanem több logisztikai problémával is jár. Vagy pszichológiaival, mert csak akkor vásárolunk elektromos járművet, ha ugyanolyan egyszerű a töltésük, mint ahogy a benzinkúton megvesszük az üzemanyagot. Ha a vezeték nélküli megoldás beválik, megfordul a helyzet, kevesebb lesz a korlátozás.

A Cornell technológiája az út alatti, villanyvezetékhez és áramátalakítóhoz kapcsolódó speciális fémlemezek miatt működik. Ha a jármű a lemezek felett tartózkodik, azok töltésre alkalmas elektromos mezőt hoznak létre. Okostelefonoknál egyszerűbben ment, teljes járműveknél azonban nehezebb és költségesebb a vezeték nélküli technológia méretezése. Afridi szerint magasabb frekvenciák használata lehet a megoldás.

„A vezeték nélküli áramátvitel ugyanazon a fizikán alapul, amellyel rádióhullámok segítségével küldünk üzeneteket a világűrben tartózkodó űrhajókra. Annyi a különbség, hogy ezúttal sokkal több energiát küldünk sokkal kisebb távolságra” – nyilatkozta Afridi.

A kutatók prototípusa 18 centiméter távolságból tud feltölteni autókat. A többi komponens kidolgozása azonban bonyolult feladat, például hogyan alakítsuk át a mostani autópályákat?

A világhírű mesterségesintelligencia-szakértő, Andrew Ng gépitanulás-platformot szolgáltató cége, a Landing AI szivárgások ellenőrzésében segített egy hűtőberendezés-kompresszorgyártónak.

A folyamat a következőképpen megy végbe: a gyártó levegővel tölti fel a kompresszort, majd vízbe meríti, és egy ellenőr gyanús buborékokat keres. A Landing AI rendszere jobban teljesített, mint a humán ellenőrök.

Ha egy vizuális ellenőrmodell olyan részeken vesz észre problémát, ahol addig még nem észleltek, a mérnökök a gyakorlósorba teszik a példát. Miután elég új példa összegyűlt, a modellt újra gyakoroltatják, összehasonlítják az elődjével, és ha fejlődés tapasztalható, munkába is áll az új. A folyamat kimerítő, ráadásul menet közben további hibák keletkezhetnek.

Automatizált gépi tanulással viszont az összes feladat kivitelezése felgyorsítható, pontosítható.

Ng csapata kamerát szerelt a víztartályra, a felvételeket pedig egy masszív számítógépre küldte. A rajta futó modell buborékokat keresett, majd a kompresszorokat két egyszerű szempont (jók, hibásak) alapján csoportosította. Egy másik modell a jelzőfényeket nézte, amikor a humán felügyelő robotkart aktivált, hogy a jókat és a hibásokat külön helyre tegye. A gép ezeket a döntéseket is csoportosította.

A rendszer ezt követően hasonlította össze a gépi és a humán döntéseket, az eltéréseket pedig szakértői oldalra küldte. A szakértő megnézte a videót, majd ő is döntést hozott. Ha a modellt pontatlannak találta, a buborék a gyakorló-adatsorba és a teszt-adatsorba került. Az újratrenírozást hetente végezték el.

Új modell telepítése előtt, a rendszer a régivel párhuzamosan lefuttatta, teljesítményüket pedig naplózta. A fejlesztők adatközpontú megközelítéssel csökkentették a pontatlan következtetések százalékos arányát. Részletekre, például a víz állapotváltozásáról sokat eláruló víztartály megvilágítására, képkeretezésre stb. is ügyeltek. Fémgyöngyök és buborékok megkülönböztetésére szintén odafigyeltek.

A rendszert két hónap iterációt követően tesztelték. Véleménye ötvenezer esetből ötben különbözött a humán szakértőétől. Négyben neki volt igaza.

Nehéz a felhasználókat e-mailekkel bombázó, csali-linkekre való kattintásra ösztönző adathalászok elleni küzdelem, mert taktikájuk folyamatosan csiszolódik, és általában felderítetlenek maradnak. Szerencsére a szándékaikat észlelő gépitanulás-modellek szintén gyorsan fejlődnek. Pontosságukon például automatikus újratréningezéssel és folyamatos ellenőrzésekkel javítanak.

A Nestlé a bejövő elektronikus leveleket ellenőrző, a gyanúsakat a cég biztonsági csoportjához továbbító rendszert fejlesztett, amelyet a Microsoft Azul gépitanulás-webplatformja támogat, és lát el feldolgozó kapacitással.

Az élelmiszeripari multi 300 ezer postaládájában napi 20 millió e-mail landol. Egy korábbi rendszer túl sok rendes üzenetet is adathalász-kísérletnek címkézett, és az elemzők emiatt manuálisan képtelenek voltak már elvégezni a munkájukat. A cég többek között ezért fejlesztett a csalási kísérletekből folyamatosan okuló, az új halászokat észrevevő automatizált gépitanulás-rendszert.

Három részből (csatornából) áll, mindhárom a számítási felhőben van. Az első a gyakorlással, a második a beérkező levelek kiértékelésével foglalkozik, a harmadik a kockázatos maileket továbbítja a biztonságiaknak.

A rendszer úgynevezett adattóban tárolja a beérkező leveleket. A feladatra finomhangolt transformer modell vizsgálja a fejléceket, egyes tényezők, például a feladó doménje alapján fontossági sorrendet állít fel, hogy melyeket érdemes elküldeni a biztonsági szakértőknek.

Óránként, párhuzamos kötegekben dolgozza fel az üzeneteket, a modellt hetente képzi át, hogy hasznosítsa a legújabb támadások tanulságait, figyelembe vegye a kódok változásait. A rendszer kiértékeli az új modellt, és alkalmazza, ha jól teljesít.

Az összes modell verziószámmal rendelkezik, mindet regisztrálják, az akkori kódhoz társítják, és adatbázisba mentik. A mérnökök visszanézhetik, tanulmányozhatják a változtatások utáni eredményességét, és így hibák fejthetők vissza, változások módosíthatók utólag, több kísérletre, folyamatos optimalizálásra nyílik lehetőség.

Az új rendszer a korábbinál hatékonyabban és gyorsabban detektálja az adathalász e-maileket. Teljesítményéről sokat elmond, hogy hatvan százalékkal pontosabban azonosítja a támadásokat.

Az osztrák Tec-Innovation szakemberei vakokat és gyengénlátókat akadályok elkerülésében segítő, vízálló ultrahangos érzékelőkkel felszerelt intelligens cipőt fejlesztettek.

A lábbelik az akadályok közelében rezegni kezdenek, majd zajokat generálnak. Minél közelebb megy valaki a potenciális veszélyforráshoz, annál gyorsabbak a rezgések. A szenzorok maximum négy méter távolságból detektálnak objektumokat, és azt követően adják le a figyelmeztető jelzéseket. A cég egyik alapítója, Markus Ruffer, aki maga is látáskárosult, elmondta, hogy a cipő jól működik, neki például nagy segítség.

A rendszer az akadályelkerülésben kulcsfontosságú két információt észlel: egyrészt az akadály jellegét, másrészt az irányát. Különös figyelmet szentel a lefelé „tartó” tárgyaknak, például a földalatti létesítményekhez vezető lépcsőknek vagy gödröknek. Nemcsak azt jelzi, hogy az objektum releváns, hanem a típusát is. Élesen megkülönbözteti egymástól például a falat, az autókat vagy a lépcsőket.

A cég honlapján megvásárolható, az illetékes egészségügyi hatóság által már engedélyezett drága – 3200 eurós – termékcsomag az eszközből, egy pár cipőből és USB-töltőből áll, de a vásárló kívánsága szerint, meglévő lábbelikre is telepíthető. 

A Grazi Műszaki Egyetem által támogatott startup mesterséges intelligenciával – gépi tanulással – működő kamerát tervez a cipőbe ágyazni. A fejlesztők elmondták, hogy a jelenlegi csak az első változat, a kameraalapú felismerő rendszerrel a cipő még hatékonyabb lesz. A prototípus mindenesetre robusztus és kényelmes is.

A beágyazott kamera által rögzített képek alapján a rendszer még többet megtud az adott objektumról. Két fontos tevékenységre képes: mélytanuló algoritmusai a láb-perspektívából felvett képanyag alapján határozzák meg az akadálymentes területeket, ahol biztonságos a járkálás. A másik: tárgyakat ismernek fel, és különböztetnek meg egymástól.

A mászkálás közben összegyűjtött információkat másként is fel akarják használni, látáskárosultaknak készülő, egyfajta ”street view” navigációs térképpé kombinálnák össze őket. Az adatok egyelőre csak a cipő viselőjének hasznosak, így viszont közkinccsé válnak.