A biztonságos munkavégzés nemcsak folyamatokon, hanem a kontextuson, a környezet és a feltételek megértésén, a többi dolgozó következő lépésének előrejelzésén múlik.

Hongyi Lin, a svéd KTH Királyi Technológiai Intézet kutatója robotokat környezetük jobb érzékelésében segítő rendszert dolgozott ki. Célja, hogy hatékonyabban, szükségtelen megszakítások nélkül együtt tudjanak dolgozni a mellettük lévő emberekkel.

A rendszer a robot és az ember közötti távolság megítélése mellett azonosítja, hogy ki min dolgozik, és az emberek csontvázmodelljét, tömegét is felbecsüli. Ezeknek az információknak a birtokában felismeri a dolgozók testtartását, amiből következtetést von le. Így pontosabban érzékeli a környezetet, miközben interakciót folytat a munkatársakkal.

A mesterséges intelligenciával működő rendszerhez kevesebb számítási kapacitás és kisebb adatsorok kellenek, mintha valamelyik hagyományosabb gépitanulás-módszert használná. A rendszer az úgynevezett ismeretátadáson (transfer learning) alapul, a működő modellként történő adaptálása előtti gyakorlás során szerzett ismereteket hasznosítja újra.

Lin elmondta, hogy a technológia nemcsak megfelel a biztonságos ember-robot együttműködés nemzetközi szabványainak, hanem jobb is azoknál, már csak az iparban kellene alkalmazni. Ráadásul a „kontextus-tudatosság” nagyobb hatékonyságot garantál, mint a mostani egydimenziós dolgozó-robot interakciók sora.

A jelenlegi szabványok és technikai specifikációk alapján, ha ember közelít robothoz, a robot lelassítja magát, majd ha elég közel vannak egymáshoz, leáll. Ha az illető eltávolodik, a gép folytatja korábbi tevékenységét. Lin szerint ez nagyon alacsony szintű kontextus-tudatosság: „hátráltatja a hatékonyságot, a gyártás lelassul, emberek nem dolgozhatnak közvetlenül robotok mellett.”

Rendszerét a közlekedési jelzőlámpák vörös fényének időtartamát ismerő, és az alapján cselekvő önvezető autókhoz hasonlítja, amelyek kiszámítják, hogy fékezés helyett esetleg lassítani, vagy gyorsítani jobb.

Az eddigi kísérletekből kiderült, hogy az új rendszerrel feljavított robotok a gyártás lassítása nélkül is biztonságosabbak, hatékonyabbak.

Sok értékes zenei felvétel minőségét lerontják, torzítják a zajok, például a közönség tapsa vagy hangos éljenzése, esetleg a sziszegő analóg szalagok. Az előadók munkája így nemcsak nehezebben élvezhető, de nehezebben is értelmezhető. Más anyagokon pedig érződik az idő, hogy több évtizede, akkori technikával lettek felvéve.

A mesterséges intelligencia változtathat rajtuk – javít a zenei minőségen, új távlatokat nyit meg a jelen és a jövő alkotóinak.

Ideghálókkal ugyanis elválaszthatók egymástól a zenei felvételeken felcsendülő hangok. Egyes cégek és hobbisták előszeretettel használják is a mélytanulás (deep learning) technikákat hangszerek és énekhangok elkülönítésére.

A folyamattal javítható régi felvételek minősége, másrészt új lehetőség nyílik a hangminta-vételre (sampling), mixelésre és más technikák alkalmazására.

Felvételeknél gyakran úgynevezett többsávos (multitrack) formátumban, kevesebb hangcsatornára, például egyet monóra és kettőt sztereóra keverik össze az éneket, a hangszereket és más hangokat.

A jelek összekeveredése korlátozza a hangegyensúly későbbi megváltoztatását. Eddig legalábbis így volt, a mai ideghálók viszont már megtanulták, hogyan válasszanak szét hangokat. A zajokat és a torzításokat is tudják kezelni, így a többsávos felvételhez való hozzáférés nélkül is képesek eltüntetni azokat, újabb hangegyensúlyt hoznak létre.

A londoni Abbey Road Stúdió egyik hangmérnöke által alapított Audio Research Group mélytanulással keverte újra – remixelte – a Beatles She Loves You számát. Az eredeti dalt többsávos felvétel nélkül készítették el.

A technológia élharcosa, a Párizs- és Los Angeles-székhelyű Audionamix mesterséges intelligenciája monó felvételeket ének-, dob-, basszusgitár- és más hangcsatornákra választ szét. A szolgáltatást régi felvételek reklámokhoz való alkalmazására, televíziós alkotások és filmek hanganyagának a háttérzenétől való megtisztítására használják. Így például a háttérben hallható zenedarabok kötelező és drága engedélyeztetésére sincs szükség, mert eltűnnek az új anyagról.

A Deezer francia zenestreamelő szolgáltató által ajánlott nyílt forrású Spleeter szétszed felvételeket, amellyel sokat segít a hangokat tetszés szerint újra összemixelő, felesleges zajoktól megtisztító, egyedi dalokká alakító felhasználóknak.

Az ImageNet a világ egyik legnagyobb kép-adatbázisa, tökéletes terep tárgyazonosító, arcfelismerő és más vizuális mesterségesintelligencia-szoftverek, algoritmusok tesztelésére. A projekt vezetői eldöntötték, hogy a személyiségi jogok (privacy) védelmében, elmosódottá teszik az összes fényképen látható emberi arcokat.

A lépés azért is szükségszerű, mert a képek az illető személyek beleegyezése nélkül kerültek a gyűjteménybe. A gigantikus adatbázisok, adatsorok korában ugyanis egyszerűen lehetetlen minden alanytól begyűjteni a használathoz szükséges hozzájárulást.

Az utóbbi hetekben tesztelték, hogyan működnek a módosított képeken gyakorló modellek. Többféle felismerő feladatot kellett végrehajtaniuk.

Az Amazon Rekognition platformjával dolgozó kutatók közel 1,5 millió képen kerestek arcokat. A program elhatároló keretet tett az 500 ezernél több arc köré, ráadásul egyes képeken egynél több arc volt látható.

Közösségi közreműködéssel (crowdsourcing) toborzott önkéntesek ellenőrizték a modell munkáját, és ha kellett, korrigálták a hibákat. A kutatók ezt követően speciális technikával elhomályosították a kereten belüli arcokat.

Az eredeti ImageNet anyagokon és a módosított másolatokon huszonnégy képfelismerő rendszert gyakoroltattak. A különbség minimális volt, a megváltoztatott képeken dolgozó rendszerek átlagban alig egy százalékkal teljesítettek gyengébben. Az archoz jellemzően közeli tárgyak, például maszkok vagy harmonikák esetében viszont már jelentősen romlott a teljesítményük (-8,71, illetve -8,93 százalék).

Az elhomályosított vizuális adatok tanulásátadásra (transfer learning) gyakorolt hatását előre trenírozott modellekkel vizsgálták. Módosított és nem módosított képeket használtak, a modelleket tárgy-, jelenetfelismerésre, tárgydetektálásra és arcjegyek osztályozására finomhangolták. Az utóbbi arra vonatkozik, hogy az adott személy mosolyog, vagy sem, szemüveget visel, vagy sem, és így tovább. A módosított képeken dolgozó modellek nagyjából ugyanolyan eredményt értek el, mint az eredeti ImageNet anyagokon gyakorlók.

Jelenleg nagyon úgy tűnik, hogy az elhomályosított arcképes ImageNet lesz az új hivatalos változat.

A kutatás a személyiségi jogok nagyobb védelmét célzó széleskörű törekvés része. Tanulmányok szerzői évek óta javasolják rendszámtáblák és arcok elhomályosítását a Google Street View anyagain, önvezető járművek és cselekvéseket felismerő modellek gyakorlóadatain.

Mivel a gépi tanuláshoz használt adatsorok nem sérthetik meg a személyiségi jogokat, az azokat védő, ugyanakkor jó modellek gyakoroltatására alkalmas adatsorok kidolgozására van szükség. Pontosságuk valamelyest romolhat, de a minimális vesztség nincs arányban magánszféránk esetleges megsértésével. Egyébként az ImageNeten gyakorló legtöbb alkalmazás mindaddig a korábbiakhoz hasonló pontossággal fog működni, amíg nem az arcokhoz közeli tárgyakat kell azonosítaniuk. A problémán az adatok engedélyezett finomhangolása, azaz a képeken látható személyek hozzájárulása segíthet.

Egyre jobban terjed, az Egyesült Államokban és máshol is széles körben elfogadott a mesterséges intelligenciák diagnosztikai használata. Klinikai kimenetek előrejelzésénél ezek az eszközök elvileg ugyanolyan jól működnek, mint a hagyományos megoldások.

Egyes orvosok mégsem bíznak a mesterségesintelligencia-rendszerek véleményében – derül ki az MIT (Massachusetts Institute of Technology) és a német Regensburg Egyetem közös felméréséből. A kutatók azt vizsgálták, hogy orvosok hogyan reagáltak gépitanulás-modell és humán szakértő diagnosztikai tanácsaira.

Az önkénteseknek mellkasi röntgensugaras felvételeket kellett diagnosztizálniuk.

Két csoportból álltak: az elsőbe tartozó 138 radiológus nagyon komoly tapasztalattal rendelkezett a röntgenes vizsgálatok értelmezésében, a másik, azaz 127 belgyógyász vagy sürgősségi specialista kevésbé.

Minden egyes esetben pontos vagy pontatlan tanácsokat kaptak, és megmondták nekik, hogy MI, vagy humán szakértő adta azokat. A tanácsokat pontozniuk kellett, majd saját diagnózissal álltak elő.

Az eredményekből kiderül, hogy a radiológusok gyengébb minőségűnek tartották az MI meglátásait, míg a másik csoport nagyjából egyformán értékelte a gépi és az emberi tanácsokat.

Ha pontos tanácsokat kaptak, akkor a forrástól függetlenül, mindkét csoport pontosabban diagnosztizált, pontatlan tanácsoknál viszont a radiológusok 27, a kevesebb röntgenrutinnal rendelkező kollégáik 41 százaléka hibás diagnózist készített.

A felmérés tanulsága, hogy nem elegendő, ha a használati környezettől függetlenül, attól izolálva fejlesztenek orvosi MI-rendszereket. Nagyon fontos megérteni, hogy a szakemberek hogyan használják őket. Még a világ legjobb diagnosztizáló algoritmusaival sem megyünk sokra, ha az orvosok nem bíznak bennük, nem hallgatnak a tanácsaikra.

Egyesek szkeptikusak velük szemben, mások szinte mindent elhisznek nekik – mindkét megközelítés hibákhoz vezethet. A kétely és a bizalom közötti egyensúlyt kellene megtalálni.

Robotikusok hosszú ideje tanulmányozzák az úgynevezett többkontaktos helyváltoztatást, azt a folyamatot, amely csecsemőknek lehetővé teszi első lépéskísérleteiket a két lábon való járás elsajátításához.

Sok más területhez hasonlóan, a robotikában is gyakran az élővilág, humanoidok esetében pedig az ember a minta, a fejlesztők tőlünk lesik el, mit és hogyan tegyenek teremtményeik. A két lábon való közlekedés koordinálása, az egyensúly fenntartása az egyik legbonyolultabb feladat.

A Müncheni Műszaki Egyetem (TUM) szakemberei most támaszkodásra tanítják kétlábú, LOLA nevű robotjukat. Az algoritmusfejlesztésre kitalált platformot bő egy évtizede hozták létre. A 176 centiméter magas, 68 kilogramm tömegű, 26 elosztott ízülettel rendelkező gép felépítése a Boston Dynamics legendás Atlaszához hasonló, fejébe ugyanúgy a környezet feltérképezésére alkalmas, két mélységi kamerát építettek.

Nemrég frissítették, több fontos újítást vezettek be rajta, hogy megtehesse a saját csecsemőlépteit. A többkontaktos helyváltoztatáshoz használt új algoritmussal a fejlesztők azt szeretnék elérni, hogy – mint az ember – LOLA is a kezét használva hozzon létre az egyensúlyozást megkönnyítő további stabil pontokat. Ez a megközelítés a korábbi reaktívval szemben, immár proaktív.

Az új hozzáállás azt is jelenti egyben, hogy a gép dinamikusan alkalmazkodik a környezetéhez, hatékonyabban „stabilizálja magát” benne. A robotfejlesztések gyakori gyengéje, hogy a szerkezetek viszonylag statikus, alig változó, inkább laboratóriumi közegekben ugyan jól mozognak, de a dinamikusan módosuló, akadályokkal teli, kvázi ismeretlen környezetekben viszont már kevésbé „állják a sarat.”

Az egyik fontos különbség, hogy LOLA a kezével is próbálja elérni az egyensúlyi állapot fenntartását. Nagyjából ugyanúgy teszi, mint a biológiai minta, a Homo sapiens.

A kutatók most erre az emberi képességre tanítják a gépet. Előre meghatározott pontokon kell a kezét használnia, a tanulási folyamat egyelőre inkább manuális, de dolgoznak az automatizálásán. LOLA mindenesetre több forgatókönyvben jól vizsgázott, még véletlen mozdulatokkal sem sikerült nagyon megzavarni, mert pontosan a kéz használata akadályozta meg az egyensúlyvesztést.

Mozgó felületeken szintén jól egyensúlyozott. Egyelőre nem annyira dinamikus, mint a Boston Dynamics gépei, de eljön majd annak is az ideje. A kutatók elismerik, hogy a fejlesztések korai szakaszában járnak, például az érintkezési pontok és a láb-támaszpontok beállításának automatizálásával komoly előrelépés várható.

Az eddigi eredmények mindenképpen bíztatóak, LOLA valósidőben hajtott végre nehéz egyensúlyozási feladatokat, mozgása az eddig látott robotok közül, a legemberibbek közé tartozik.

Az Egyesült Királyság elektronikus megfigyelési ügynöksége (GCHQ) közzétette mesterséges intelligencia használatára vonatkozó terveit. A gépi tanulást biztonsági fenyegetések, emberkereskedelem és a dezinformáció ellen használják.

Mindezt etikusan teszik – emelik ki. Az ügynökség az intelligens algoritmusokat a személyes szféra (privacy) védelme, a méltányosság, az átláthatóság és az elszámoltathatóság jegyében kívánja alkalmazni. Etikus tréningeket tartanak nekik, morális alapon folyamatosan ellenőrizni fogják a rendszereket.

A mesterséges intelligencia bővíti, és nem helyettesíti a humán elemzők munkáját – hangsúlyozza a GCHQ.

Szerteágazó feladatokat kell majd végrehajtania, és úgy tűnik: bőven lesz munkája a közeljövőben.

A cybertámadások megelőzését, rosszindulatú szoftverek (malware) azonosítását, a fejlesztőig és a használókig történő visszakövetésüket nagy számítógépes hálózatok adatainak folyamatos elemzésével igyekszik megvalósítani.

Kiskorúakat ábrázoló, szexuálisan explicit képekre, szexuális „ragadozókra” csap le, pénzügyi tranzakciók elemzésével, a mögöttük álló személyek kiderítésével, kapcsolatrendszerük feltérképezésével küzd az illegális drog- és az emberkereskedelem ellen.

Kamuvideókat, kamuképeket – „mélyhamisítványokat” (deepfakes) – felderítő modellekkel próbálja megállítani a hamis információ terjedését. Tényeket ellenőriz, a tartalmakat visszakövetve, álhíreket gyártó tartalomfarmokat, és az azokat terjesztő botneteket azonosít.

A dokumentum érdekessége, hogy hírszerző és bűnüldöző ügynökségek, szervezetek ritkán részletezik mesterséges intelligenciáik tevékenységét, munkakörét. Szerencsére azért találunk nagyon fontos kivételeket is. A német bűnüldözés MI-jei például kiskorúakról generálnak kamuképeket, hogy pedofilokra, pedofilhálózatokra csapjanak le. Az USA Nemzeti Felderítési Hivatala megfigyelést végző műholdak irányítására fejleszt MI-t, az amerikai Nemzetbiztonsági Ügynökség pedig más hírszerző ügynökségek ellenőrzési előírásainak betartását auditáló modelleket gyakoroltat. Tevékenységükkel nemzetközi bűnözők kézre kerítésében igyekeznek közreműködni, illetve kialakulóban lévő válságokra szeretnének időben figyelmeztetni.

A GCHQ szerint az MI nagyon hasznos a nemzetbiztonságban és a bűnüldözésben.

Elon Musk 2016-ban alapította a Neuralinket. A techguru egyik legambiciózusabb vállalkozásának célja az emberi agy tényleges összekötése a számítógéppel (Brain Computer Interface, BCI), mert csak így tudjuk magunkba integrálni, a szerinte az emberiségre leselkedő legnagyobb veszélyt, a mesterséges intelligenciát.

Max Hodak társalapító nemrég nyilatkozta, hogy BCI technológiájukkal a játékipart is forradalmasítani fogják, a napokban pedig még meghökkentőbbet mondott.

„Ha akarnánk, valószínűleg létre tudnánk hozni a Jurrasic Parkot. A dinoszauruszok genetikailag ugyan nem lennének autentikusak, de… Tizenöt év tenyésztés és mérnöki tervezés után szuperegzotikus új fajok jelenhetnek meg” – jelentette ki.

A Jurrasic Park és a Jurrasic Világ a sci-fi író Michael Crichton bestsellerén alapuló filmsorozat, eddig öt mozi, de már készül a hatodik. Mindegyik arról szól, hogy mennyire rossz ötlet a jura-kori élővilág, nevezetesen a dinoszauruszok újraalkotása napjainkban.

A genetikai kutatások legújabb eredményeinek felhasználása új lények létrehozására nagyon izgalmas ötlet, viszont ha valami elvileg kivitelezhető, egyáltalán nem biztos, hogy tényleg van értelme. Sőt, sok esetben úgy tűnik: nagyon nincs.

Új dinoszauruszok teremtése nemcsak szórakoztató és játékos munka, hanem Hodak szerint a biológiai sokszínűség, a biodiverzitás növelése is egyben. Azért van szükség rá, mert a jelen egyik trendje pontosan ezzel ellentétes folyamatok összessége: fajok tömeges kipusztulásának, a beszűkülő életterek korszakának közepén járunk.

„A biodiverzitás komoly érték, a természet megőrzése nagyon fontos. De miért állunk meg ott, hogy ezt elmondjuk? Miért nem lépünk tovább? Miért nem hozunk tudatosan létre újabb sokszínű élővilágokat?” – folytatja eszmefuttatását Hodak.

Természetvédők évek óta többször kifejezték kihalt fajok feltámasztása miatti aggodalmukat. Részben azért ellenzik, mert az ökoszisztémák, amelyben éltek, változatos okok miatt, de nélkülük is működtek tovább. Ha viszont újjáélesztünk kipusztult állatokat, ha a biodiverzitás teljesen új formáit hozzuk létre, ugyanazt érhetjük el, mintha invazív fajokat eresztenénk rá az ellenük való védekezésre már alkalmatlan ökoszisztémákra.

Az Egyesült Államok egyik szövetségi szabályozószerve, az autópályák biztonságos közlekedéséért felelős hivatal vizsgálja az önvezetésre alkalmas Tesla-járművek utóbbi évekbeli baleseteit. Huszonhárom esetet; sajnos, van köztük halálos kimenetelű is. Közös vonásuk, hogy akkor történtek, amikor az autók önvezető módban működtek.

A hatóság eddig négyszer vizsgálta a Tesla-karambolokat. A legismertebb, 2016-os, floridai balesetnél a jármű nekiment egy fúrótoronynak, és a sofőr szörnyethalt. Kiderült, hogy részben a technológia volt a felelős érte, a másik három esetben viszont nem.

Egy másik szövetségi bizottság a floridai és egy 2018-as kaliforniai esetet vizsgált. Mindkétszer az önvezető rendszert találta hibásnak.

A Tesla szerint járművei biztonságosak. A flottája által gyűjtött adatokból kiderül, hogy autonóm irányítási módban, mérföldenkénti bontásban, kevesebb balesetet okoznak, mint a humán vezetők. Azt nem árulták el, hogy az Autopilot be volt-e kapcsolva a karamboloknál.

A cég járművein két önvezető mód létezik.

Az összes új autóban szabvánnyá vált Autopilot a kormányt, a fékeket és a gázpedált vezérli. A technológiát középen jól láthatóan elválasztott autópályákra találták ki.

A sofőrök plusz tízezer dollárért a Teljes önvezetés (Full Self-Driving) opciót is választhatják. A név ellenére, a Tesla egyik ügyvédje közölte a kaliforniai szabályozókkal, hogy a rendszert nem szabad teljesen autonómnak tekinteni.

Használja a vezető bármelyik módot is, a gyártó tanácsa, hogy kezét tartsa a kormány mellett, a szemével pedig figyelje az utat. A rendszer viszont akkor is aktív marad, ha a sofőr nem tartja be ezeket az ajánlásokat. Videókból egyébként az is kiderült, hogy az Autopilot módot nemcsak középen osztott autópályákon használják.

Az új vizsgálatok során tények után kutatnak, és közvetlenül nem fognak a Teslát és az önvezető járműipar egészét érintő új törvényeket eredményezni. A vállalat hírnevének és a robotautók körüli hype-nak viszont kifejezetten nem tesznek jót. Összességében az egész mesterségesintelligencia-fejlesztő közösséget érintik, minden egyes ilyen vizsgálattal csökken az MI-be vetett bizalom.

Míg a Tesla megítélése a tiszta energia használatának promótálása miatt pozitív, a „teljes önvezető” címke használata, mint kiderült, megtévesztő. Az autonómia szintjéről célszerű lenne tényleg konzisztens infókat szolgáltatniuk.

William Shatner, a kultikus Star Trek (Űrszekerek) sci-fi tévéfilmsorozat James T. Kirk kapitányát, az Enterprise Csillaghajó parancsnokát alakító színész nemrég töltötte be a 90. életévét.

A Los Angelesi StoryFile mesterségesintelligencia-fejlesztő startup megalkotta Shatner digitális hasonmását, a doppelgänger májustól lesz elérhető online, akkortól cseveghet a rajongókkal.

A cég korábban Holokauszt-túlélők avatárjait készítette el, dolgozott ki társadalmi távolságot tartó Mikulást, és a klímakatasztrófáról tudósokkal való beszélgetést biztosító platformot is fejlesztett.

Shatnerrel többórás anyagot rögzítettek, kérdésekre válaszolt, miközben a térbeli megjelenítésre ideális volumetrikus kamerákkal 3D-ben rögzítették. Zöld háttér előtt vették fel, lehetővé téve, hogy a színész képét könnyen kivegyék a jelenetből, és nappali szobába helyezzék át.

A StoryFile mérnökei a saját fejlesztésű Conversa nyelvi modellel begyakoroltatták, hogy kérdéseket és válaszokat kapcsoljon egymáshoz. Ha a felhasználó kérdez valamit, a mesterséges intelligencia megtalálja a kérdéshez leginkább passzoló feleletet, és elmondja azt.

Shatner szerint a rendszer segítségével leszármazottai majd akkor is interakcióba léphetnek vele, amikor már nem lesz köztünk.

Más cégek szintén fejlesztenek elhunyt szeretteinkkel való kommunikációra lehetőséget adó chatbotokat. A Microsoft technológiája tavaly decemberben kapott szabadalmi oltalmat: szöveges üzenetek, audióanyagok, videók és más digitális felvételek alapján „alkot újra” személyeket.

Egy másik beszélgető bot, Replica magányosokon igyekszik segíteni. A rendszert autóbalesetben elhunyt férfi régi szövegein gyakoroltatták.

Emberek infokommunikációs technológiákkal megvalósított digitális utánzatai a sci-fi irodalom és filmek klasszikus témái közé tartoznak. Mivel kevés tudományos-fantasztikus mű alakította, befolyásolta annyira a jövőképünket, mint a Star Trek, William Shatner élethű avatárja méltó tisztelgés a halhatatlan sorozat előtt.

A Kód nélküli tanulmányok honlap azon mesterségesintelligencia-rendszerek gyűjteménye, amelyeket más kutatók ugyan próbáltak lemásolni, de nem jártak sikerrel. Az oldal rendeltetése, hogy időt spóroljon meg a felesleges másolást eredetileg megkísérlő szakembereknek. A kudarc oka az adott rendszerek hiányos technikai leírása.

A felhasználó feltöltheti az eredeti anyag, majd az abban leírtak reprodukálására tett kísérlet linkjét, és elmagyarázza, megindokolja az eredmény nélküli próbálkozást.

A linkek átnézése után, a honlap adminisztrátorai felveszik a kapcsolatot az eredeti anyag szerzőivel, kiegészítéseket – pluszadatokat, kódot, és az újbóli megvalósításhoz nélkülözhetetlen más infókat – kérnek tőlük. Amennyiben a szerzők nem válaszolnak, vagy információik nem elegendők, anyaguk nyilvános listára kerül.

Eddig tíznél több jelzést kaptak, hatot fel is töltöttek. Két szerző mellékelte a kért kódot. Ha az anyag így már megfelel az elvárásoknak, a szerzőket a Tanulmányok, kóddal weboldalra való posztolásra buzdítják. Az oldalon 40 ezernél több megismételt, tehát bizonyítottan működő számítástudományi anyag található.

A Kód nélküli tanulmányok honlap mögött álló, a Redditen ContributionSecure14 nick alatt futó kutatók azért vágtak bele ebbe a projektbe, mert előtte két hetük ment kárba egy gépitanulás-anyag eredménytelen reprodukálásával.

A kód, adatok és infrastruktúra közkinccsé tételét szerzői jogi okok miatt elutasító szerzőknek azt tanácsolják, hogy próbáljanak másokkal közvetlenül együttdolgozni, majd hozzáfűzték: „nincs értelme nyilvánosan publikálni valamit, ha mások nem építhetnek rá.”

Pete Warden, a Google egyik mérnöke már 2018ban „gépitanulás-reprodukciós válságról” beszélt. Azóta tovább romlott a helyzet. Tavaly például pont a Google rákvizsgáló rendszerét kritizálta 31 szakember. A rendszer hiába teljesített jobban orvosoknál, a technikai leírás nem volt elegendő. Az anyag egyik szerzője, Joelle Pineau (McGill Egyetem) az MI-közösségnek kódok, adatok stb. megosztására biztonságos környezetet kínáló NeurIPS szervezettel közösen azon munkálkodik, hogy a konferenciákon ismertetett tanulmányok az ismétléshez szükséges minden adatot tartalmazzanak.

A reprodukálhatóság érthető okokból nélkülözhetetlen, válsága nagyon komoly probléma. Ha egy kísérletet nem látunk át, nem ismételhetünk meg, az eredmények megkérdőjelezhetők, és nem bizonyosodhatunk meg például új, esetleg forradalmi gépitanulás-rendszerek működőképességéről.