Egy robotraj eredményesebben végzi a munkáját, jobban reagál a környezet változásaira, ha tagjai kevesebbet kommunikálnak egymással – állapították meg a Sheffield Egyetem és más felsőoktatási intézmények közös projektben dolgozó kutatói. A kutatás eredményeit felhasználva, nő a rajok alkalmazkodóképessége, hamarabb hoznak meg bonyolult döntéseket.

A tanulmány cáfolja azt a széles körben elfogadott álláspontot, hogy minél több a robotok közötti kapcsolat, annál tökéletesebb az információcsere.

A kutatók kicsi robotok mozgását, a munkavégzés szempontjából legfontosabb helyszínre vonatkozó konszenzus meghozatalát tanulmányozták. Mivel ezek a helyszínek a legalkalmasabbak feladatok végrehajtására, ott kell sürgősen összegyűlniük.

Az adott terepet minden egyes robot saját magától értékelte ki. Döntést hozott az ideális helyszínről, majd véleményét elküldte a többieknek. Ezt követően a rajhoz tartozó összes gép rendszeresen kiválasztotta valamelyik másik egyed véletlenszerű értékelését, és egy harmadiknak továbbította. Ez utóbbi frissítette, és így tovább.

A szavazási modell lényege, hogy miután valamennyi egyed kifejtette a véleményét, a tagok meglátásait összesítve, a raj, mint egész, megegyezett a legjobb megoldásról.

Csakhogy kiderült, hogy amikor új fontosnak ígérkező helyszínre keveredtek, ez a protokoll túl lassú a környezeti változásokhoz való alkalmazkodáshoz. A kutatók ekkor jöttek rá, hogy hatékonyabb az együttműködés, ha a robotok a teljes raj helyett, csak a tőlük tíz centiméteren belüli társaikkal kommunikálnak. Így hamarabb alkalmazkodtak, és gyorsabban kiválasztották a legjobb helyszínt.

A kutatási eredmények azért fontosak, mert robotrajok az ember számára veszélyes vagy megközelíthetetlen terepekre is eljutnak, például nagy kiterjedésű erdőtüzek felett repülve, figyelhetik a tűz terjedését, és megállapíthatják, hogy hol van a legnagyobb szükség segítségre.

De mi történik, ha hirtelen megváltozik a tűz iránya, és máshol kell segíteni? A robotrajoknak ezt a problémát is kell kezelniük, a változásokhoz való gyorsabb alkalmazkodás pont ilyen esetekre megoldás.

A dolgok internetéhez (Internet-of-Things, IoT) és más technológiákhoz biztonsági megoldásokat kínáló BlackBerry rosszindulatú szoftverekről (malware) szóló anyagában a szerzők kiemelik, hogy az azokat fejlesztő hackerek az utóbbi időben előszeretettel használnak „egzotikus”, azaz nem elterjedt, ritkán alkalmazott programozási nyelveket: Go (Golang), D (DLang), Nim, Rust.

Az ok elég egyértelmű: így próbálják elkerülni a cyberbiztonsági közösségek figyelmét, elérni, hogy tevékenységüket nehezebben derítsék fel, és persze hatékonyabb vírusokat írjanak. Az egzotikus nyelvekkel elsősorban a támadási lánc későbbi szakaszában remekül használható betöltő és telepítő megoldásoknál kísérleteznek.

Ezekkel az egyre gyakoribb technikákkal a támadásnak a célpont végpontjain történő észlelését akarják elérni. Miután a rosszindulatú program (például a Remote Access Trojans, azaz RATs – „patkányok” –, a NanoCore, vagy a Cobalt Strike) megkerülte a rendszer jellegzetesebb malware-kódokat detektáló biztonsági ellenőrzését, a vírusok, köztük trójaiak telepítése sokkal könnyebb.

Több erőforrással rendelkező hackerek viszont nem aprózzák el ennyire – ők a teljes malware-t írják át új nyelvre.

Cyberbiztonsági szakértők szerint vírusíró berkekben a Go a legdivatosabb programozási nyelv. Az állandó és komoly fenyegetést jelentő, államilag finanszírozott csoportok és a termékeiket árucikként értékesítő fejlesztők egyaránt komoly érdeklődést mutatnak a Go iránt, arzenáljukat előszeretettel frissítik vele.

A malware-ek összes típusán egyre gyakrabban jelennek meg a nagy operációs rendszerek támadására használt, Go-alapú minták – állítják a BlackBerry kutatói. A DLang ugyan nem ennyire népszerű, de 2021-ben mégis jóval többen használják, mint a korábbi években.

Új és szokatlan programozási nyelvekkel, a rosszindulatú programok fejlesztői megnehezítik a biztonsági szakértők visszafejtési (reverse engineering) munkáját, megkerülik az aláírás-alapú detektáló eszközöket, a megtámadott platformokon javítják a vírusok közötti kompatibilitást.

A Sydney Egyetem és a kvantumvezérléssel foglalkozó Q-CTRL startup új, gépitanulás-alapú módszerével azonosíthatók kvantumszámítógépek hibái, hibaforrások. A mesterségesintelligencia-megoldással, kvantumhardver-fejlesztők előzmények nélküli pontossággal szűrhetik ki a romló teljesítmény okait.

Az MI közelebb visz a nemcsak laboratóriumokban, tudományos céllal vagy kísérleti jelleggel, hanem a hétköznapi valóságban is működő kvantumszámítógépekhez.

A környezeti „zaj” miatti hibák a kvantumszámítások Achilles-sarka. A kutatók új technikájával a kvantumalgoritmusok ioncsapdát és szupervezető hardvert használó működéséhez szükséges feltételek minimális módosulása is észlelhető. Az ioncsapda és a szupervezető hardver a szakterület világvezetőjének számító IBM, Google, Honeywell és IonQ laboratóriumaiban is a legalapvetőbb technológiák.

A mért módosulást a Q-CTRL tudósai által kidolgozott gépitanulás-algoritmusok dolgozzák fel, és jutnak el a hibaforrásig. A cég meglévő kvantumvezérlő technikáival kombinált MI segítségével sikerült minimalizálni a környezeti interferencia hatását. Lehetővé vált, hogy a kezelhető, „valódi” zajt megkülönböztessék a szintén mért „fantomzajoktól.”

„A kísérleti csúcstechnológia és a gépi tanulás szintéziséről bebizonyosodott, hogy óriási előny kvantumszámítógépek fejlesztésekor. A gépitanulás-megoldás tette lehetővé adataink értelmezését, és új módszert kínál hardveres problémák észrevételére, kijavítására” – nyilatkozta a kutatásokat vezető, ma már az ETH Zürichen dolgozó Cornelius Hempel.

A teljesítménycsökkenés hardveres hibáinak azonosítása és megszüntetése az alapkutatásoknál és a kvantumszámítógépekre, kvantumérzékelőkre vonatkozó ipari törekvéseknél egyaránt kulcsfontosságú.

„A kvantumvezérlés és a megerősített gépi tanulás megmutatta a gyakorlatban is hasznos kvantumhardverhez vezető utat, és drámai mértékben felgyorsítja a kutatásfejlesztéseket” – véli Michael J. Biercuk a Q-CTRL Sydney Egyetemen tanító vezérigazgatója.

Az arcfelismerő technológiák egyértelműen sérthetik a magánéletünket. De más problémák is vannak velük, például kisebbséghez tartozó személyek azonosításánál gyakran tévednek, és ezek a tévedések ártatlanok őrizetbe vételéhez, meggyanúsításához vezetnek.

Az Egyesült Államokban egyre többen ellenzik az arcfelismerés használatát. A törvényhozók legújabb szabályozása alapján a kormányzat nem élhet vele, és legalább húsz amerikai nagyvárosban, valamint több szövetségi államban erősen korlátozták a technológia alkalmazását.

A Kormányzati Elszámoltatási Hivatal (GAO) legújabb jelentése alapján a szövetségi ügynökségek, hivatalos szervek nagyon lazán kezelik az arcfelismeréssel kapcsolatos szabályozást, és komolyabb szigorra, erősebb protokollokra lenne szükség.

A vizsgálat során megállapították, hogy sok szervezet ugyan él a technikával, de nem ismerik a termék eredetét, nem tudják szakszerűen használni, lényegében bármi megtörténhet vele. Ezért tanácsolják, hogy a kereskedelmi forgalomban beszerezhető rendszereket működtető szervek dolgozzanak ki protokollokat a technológia szakszerű használatára.

Húsz, bűnüldöző alkalmazottakkal dolgozó ügynökség jelentette a GAO-nak, hogy munkájukhoz alkalmazzák az arctechnológiát. Tizenegy szervezet magáncégek, például a Clearview AI és a Vigilant fejlesztéseit használja. A többiek vagy saját fejlesztésű, vagy más ügynökségek által fejlesztett technológiával dolgoznak. Az egyik legnépszerűbb a Védelmi Minisztérium 835 millió személy adatait tároló Automatizált Biometrikus Azonosító Rendszere. Több ügynökségnek viszont fogalma sincs, hogy ki hozta létre az arcfelismerő technológiájukat. Hatan a rendőrségi túlkapások elleni tiltakozásban részt vett személyek utáni, de a Capitolium elleni rohammal kapcsolatos nyomozásra is használták.

Csak egy ügynökség, a magánfejlesztésű megoldással dolgozó Bevándorlás és Vámvédelmi Hivatal vezetett be protokollokat, például az alkalmazottaknak minden egyes alkalommal jelenteniük kell az arcfelismerés használatát.

A GAO audit előrelépésnek tekinthető. De amíg nincsenek az összes érintett szervezetre érvényes protokollok, célszerűbb lenne moratóriumot bevezetni a bűnügyi alkalmazásokra.

A videojátékok jól jövedelmező, hatalmas iparág, nagy üzlet. A győzelmet megkönnyítő termékek szintén, a kereslet törvényszerűen folyamatosan nő irántuk. Következményként, a skrupulusokkal nem törődő játékosok a sportszerűséggel, versenyszellemmel köszönőviszonyban sem álló lehetőségeket kihasználva, súlyos dollármilliókat kaszálhatnak.

A gamer képességeit, például a célzást és a tüzelés sebességét a kódok trükközésével megsokszorozó technikák annyira elterjedtek, hogy ideje volt tenni valamit ellenük. Például a népszerű Call of Duty: Warzone (2020) fejlesztője, az Activision hatvanezer játékost tiltott ki a használatukért.

A csalások általában kiegészítések a játékszoftverhez, de a játéktól függetlenül működő gépilátás-technikák. Ezért nehéz őket detektálni.

Különösen az elsőszemélyes lövöldözős játékokban népszerűek, ahol a mesterséges intelligencia annyira megsokszorozza ügyességünket és gyorsaságunkat, hogy az MI-t nem használó versenyzők esélytelenek velünk szemben. Lényegében emberfeletti tempóban gyilkolásszuk a szörnyeket, ellenségeket.

A csalótechnikákat alkalmazó egyik rendszert nyáron állították le. PC-n, PlayStation-ön, Xboxon egyaránt működött. Azonosította a célpontot, majd nem egész 10 milliszekundum alatt végzett is vele. Összehasonlításként: profi játékosok reakcióideje 100 és 250 milliszekundum között van.

Az említett rendszer, a Userviz a következőképpen működött: egy video-felvevő kártya egy, avatárok felismerésére begyakoroltatott YOLO tárgydetektálót futtató másik számítógépre továbbította a játék kimenetét. Egy vezérlő adapter a YOLO kimeneteit játékon belüli utasításokká alakította – például, hogy a kurzor rápattanjon a célpontra és tüzeljen.

A rendszer felismerte a testrészeket, szabályozta a lőfegyver visszalökődését, és azonnal meghúzta a ravaszt, mihelyst egy ellenség belépett a látómezőnkbe.

A levélszemét és más online csalások elleni küzdelemhez hasonlóan, itt is macska-egérharc folyik. A képességeinket megsokszorozó botok következő generációja nyilvánvalóan még emberszerűbben fog viselkedni, amit természetesen még nehezebb lesz észlelni.

Jól ismerjük azokat a jellegzetes hangokat, amikor valaki az ujjaival dobol az asztalon. De mi lenne, ha a dobolást visszhangként vagy mennydörgésként érzékelnénk?

A Santa Barbarai Kaliforniai Egyetemen fejlesztett, kutatásra, játékra és más szórakozásokra használható Tapintható visszhangok (Tactile Echoes) kiterjesztett valóság (Augmented Reality, AR) rendszer pont ezt az élményt nyújtja. Csak az ujjainkra és a kontaktfelületre van szükség hozzá, és a környezet valós élményét kibővített vizualitással, hangokkal és tapintással éljük át.

Fejlesztői szerint a Tactile Echoes az első olyan tapintásalapú AR-rendszer, amely lehetővé teszi, hogy a felhasználó fizikai tárgyakat, felületeket megérint, és az érintésre multimodális digitális visszajelzést kap.

Bármely hétköznapi objektum jó hozzá.

A körömcsúcson lévő szenzor detektálja az érintkezéskor keletkező rezgéseket. A rezgéseket a rendszer feldolgozza, programozható hanggá alakítja. Mivel a rezgésmintázatok felületenként változnak, minden egyes interakciónál különböző visszajelzések, hangok játszhatók le. Például ha alig nyúlunk hozzá egy tárgyhoz, könnyed és szórakoztató visszhangot hallunk, de ha izomból csapunk rá, hirtelen puffanást észlelünk.

Ha a viselhető (wearable) eszközt, intelligens projektorral, VR (Virtual Reality) vagy AR headsettel generált környezetbe integráljuk, és a felhasználó a valós környezetben érint meg egy virtuális tárgyat, a hang mellett grafikával és tapintásérzettel is bővül az élmény.

A kutatók többször tesztelték a Tactile Echoest. Először különféle hangok és a hozzájuk kapcsolódó érzetek leírására kérték a résztvevőket. A másodikon közönséges asztali felületre vetített interaktív AR videojátékban vettek részt. A Tactile Echoes jelentősen növelte reakcióikat, a játékból sokkal intenzívebben vették ki a részüket.

Egyelőre a prototípusnál tartanak, de a kutatók elmondták, hogy vállalatokkal akarnak együttműködni, a Tactile Echoesból velük közösen fejlesztenének termékeket. Bármilyen asztallapon lehet belőle AR-játék, de zenekészítéshez és az oktatásban is alkalmazható.

A Glasgowi Egyetem, a Fujitsu és a műholdas szolgáltatásokkal és fenntarthatóságukkal foglalkozó Astroscale közösen dolgoztak egy, az űrhulladék eltávolításáról szóló, az Egyesült Királyság űrügynöksége által támogatott projekten.

Hat hónap alatt fejlesztettek hatékonynak tűnő módszert. Mesterséges idegháló-alapú algoritmusuk gyorsan megtervezi a műholdak által generált hulladékok aktív eltávolításához szükséges pályát, amellyel fontos optimalizációs problémákat igyekeztek megoldani. Ezek nélkül nehéz űrutakat kidolgozni.

Jelenleg 2350 nem működő műhold van Föld körüli pályán, az űrfigyelő hálózatok több mint 28 ezer hulladékot tartanak számon. Az űr „megtisztításához” gondosan ki kell választani, hogy melyikeket és mikor gyűjtik össze. A küldetéstervhez a Fujitsu kvantumalapú rendszere optimalizálta, tehát minimalizálta az üzemanyag-felhasználást és a használaton kívüli eszközök visszaszállítási idejét.

Az ideális útvonal megtalálásával nagyon sok idő és pénz spórolható meg, ami azt is jelenti, hogy a küldetés pénzügyi szempontból is életképes, kivitelezhető.

„Kockázatos űrobjektumok folyamatos megfigyelése nélkülözhetetlen a kommunikációs eszközöktől a műholdak navigálásáig, a fontos szolgáltatások fenntartásához. Ez az egyik első kvantumszámítások inspirálta, mesterséges intelligenciával működő, az űrhulladékok által okozott problémát megoldó kezdeményezés. Nem valószínű, hogy az utolsó” – nyilatkozta az űrügynökség figyelő- és követőrészlegét vezető Jacob Geer.      

A projekt szerves része volt az Astroscale törmeléktárgyakat egyetlen szolgálati műhold segítségével eltávolító ELSA (End-of-Life Services by Astroscale) programjának.

Ellen Devereux (Fujitsu) szerint nemcsak a költséghatékonyságról van szó, hanem a közös munka azt is megmutatta, hogy optimalizációs feladatokhoz mennyire hatékony a kvantumszámítások és a mesterséges intelligencia együttes használata.

„Most már jobban ismerjük a bennük rejlő lehetőségeket, és nagyon várjuk a technológiák jövőbeni űralkalmazásait” – mondta.

A projekt felhő-infrastruktúráját, gépitanulás-eszközöket és szolgáltatásokat az Amazon biztosította.

Képes-e mesterséges intelligencia megváltoztatni zeneművek stílusát, popból klasszikust vagy dzsesszt csinálni?

Igen, képes – állítja a San Diegói Kaliforniai Egyetemen számítógépes zenét tanító Shlomo Dubnov és Conan Lu, egy redmondi főiskola diákja.

Erre a tevékenységre alkalmas gépitanulás-eszközt fejlesztettek. Elmondásuk alapján az eddigi hasonló próbálkozások azért nem sikerültek, mert a gépek nem tudtak különbséget tenni stílus és tartalom között.

ChordGAN rendszerük, egy generatív ellenséges hálózat (GAN) speciális (chroma) mintavétellel dolgozik, csak egy, tizenkét tónusú hangkiosztás profillal választja szét a stílust, a zenei textúrát a tartalomtól, például a hang- és az akkordváltásoktól. Stílus és tartalom explicit megkülönböztetésével a hálózat folyamatosan meg tudja tanulni a stílusjegyeket.

Dubnov és Lu az egyetem 2019-es nyári zenei táborán találkoztak, majd online dolgoztak együtt. Többszáz MIDI audió adatmintából álló, pop, dzsessz és klasszikus anyagokból gyűjtött adatsort alakítottak ki. A MIDI-fájlokat előzetesen úgy dolgozták fel, hogy az audiófájlok zongorafutamokká és chroma formátummá váljanak. A hálózat így tanulta meg hangjegyek átalakítását.

„A rugalmasság az egyik előnye, különböző zenei műfajokkal elboldogul. Inputként bármilyen tonális zene megadható neki, abból generál speciális stílusú darabot” – magyarázza Lu.

A rendszert egyedi módszerekkel értékelték ki. Mérték, hogy megmarad-e az eredeti tartalom (akkordok, harmóniák stb.), hogy a stílusváltásnál nem marad-e ki valami.

A stílustranszfer eredményét pontozó zenei osztályozót is fejlesztettek. Az osztályozó 74 százalékkal a dzsesszben teljesített legjobban, de a pop- (68 százalék) és a klasszikus zenében (64 százalék) is megfelelt.

Dubnov és Lu szerint rendszerükkel zenészek tanulmányozhatnak kompozíciós technikákat, a zenedarab főbb jegyeit meghatározó speciális kottákból pedig automatikusan generálhatnak számokat.

Az Amazon 2018-ban jelentette be második székházának építését. A helyszín Észak-Virginia, az ottani Crystal Cityt már át is nevezték National Landing-re (nemzeti leszállás/földetérés), az üres irodák sivár közegét csúcstechnológia vezérelte, fenntartható és fejlett urbánus környezetté alakítják át.

2018 óta üzleti csoportok és fejlesztők, köztük a legismertebb amerikai telekommunikációs vállalat, az AT&T és az ingatlan-befektető JBG Smith is dolgoznak az okosváros-projekten.

Közel 6,5 kilométeres, irodákból, lakó- és kereskedelmi célú épületekből és persze az Amazon második székházából álló körzetben alakítanak ki robusztus 5G hálózatot. A gyors internetkapcsolat a szenzorokkal, mesterséges intelligenciával, dolgok internetével (Internet-of-Things, IoT) működő város alapja, ahol minden high-tech csodát meg fogunk találni: önvezető autókat, a levegő minőségét is mérő „okos” közvilágítást, az egészségügyben dolgozó, például a betegek gyógyszerellátását figyelő robotokat stb.

National Landing az innováció élő laboratóriumává, urbánus fejlesztések tesztterepévé válhat. A járvány utáni valóságban, az irodai dolgozók hibrid munkavégzéséhez alkalmazkodva, a lakosok is élvezhetik a következőgenerációs 5G technológiák előnyeit. A munka virtualizálódásához egyértelműen jobb hálózati kapcsolat és gyorsabb internet szükséges, a fejlesztésekhez pedig figyelembe kell venni, hogy nemcsak irodákban, hanem otthon is dolgozunk.

Az AT&T 2022 első felében kezdi telepíteni a növekvő szükségletek szerint folyamatosan bővíthető hálózati infrastruktúrát. A kivitelezésben érintettek bizakodnak, hogy az okos város magához vonzza az innovációt és természetesen befektetők sokaságát.

A Virginia Tech máris építkezik, az Amazon pedig potom 2,5 milliárd dollárért kétspirálos üvegtornyot – irodaházat – húz fel a területen. Terveik alapján National Landing az Egyesült Államok „legösszekapcsoltabb” településévé válik.

Okosváros-terveken a világ más pontjain is dolgoznak. A Toyota nemrég kezdett bele a Fuji lábához tervezett Woven Citybe. A vállalat profiljából következik, hogy a település az autonóm járművek tesztlaboratóriuma lesz.

Az ohiói Columbusban viszont újragondolják a 2016-ban indított hasonló projektet, az Alphabet (Google) pedig leállította a torontói vízpartra szánt okos várost. Mindkét esetben a pandémia miatti bizonytalan gazdasági helyzetre hivatkoznak.

Robotok ma már élelmiszerekkel is érintkeznek, egyes háztartási vagy ipari szerkezetek elvileg zöldségeket és gyümölcsöket is képesek szeletelni. A gyakorlatban viszont sokat hibáznak.

A múltban a fejlesztők komoly nehézségekkel szembesültek, ha azt akarták, hogy gépeik felvagdossanak tárgyakat, élelmiszereket. Alig van két egyforma tárgy, és a ma működő rendszerek nehezen vagy egyáltalán nem tudják kezelni az eltéréseket.

A Dél-kaliforniai Egyetem (USC) és a Nvidia kutatói erre a problémára (is) dolgoztak ki hatékony megoldást. Robotok vágótevékenységéhez fejlesztettek a késre kifejtett nyomást pontosan reprodukáló, zöldségeket és gyümölcsöket szakszerűen szeletelő szimulátort.

Mivel emberi szövet vágására szintén alkalmas, a rendszer komoly orvosi lehetőségekkel kecsegtet. A tapintásra adott reakció javításával, sokat segíthet sebészeknek, biztonságosabbá tehet műtéteket. Ezért is fontos a vágás hajszálpontos modellezése.

A kutatók egyedi megközelítést dolgoztak ki a vágás szimulálásához. Hálóval reprezentált rugókat tettek az elvágandó tárgy két fele közé. A kés hálóra kifejtett nyomásának hatására, a nyomás mértékével arányosan, a rugók fokozatosan elgyengültek.

A szimulátort ez a képessége teszi különlegessé. Különbséget tud tenni az erőkifejtések között, így pedig – összhangban a tényleges mérésekkel – finomhangolhatók a szimulációs paraméterek.

„Munkánk azért fontos, mert szűkíti a valóság és a gép tevékenysége közötti különbségeket, megoldást kínál a mai robotika egyik nagy kihívására. Enélkül a robotok soha nem törnének ki a szimulációból a valóságba ” – magyarázza Eric Heiden, az USC PhD-hallgatója, a kutatást ismertető tanulmány elsőszámú szerzője.

A képességek konkrét helyzetekbe történő átviteléhez, a szimulátornak valódi rendszert kell modelleznie. Az egyik kísérlet során, fizikai robot adataival dolgozva, nagyon pontos előrejelzések készültek a kés tényleges mozgásáról. Jelenleg a rendszer valódi robotokra alkalmazásán dolgoznak.