Az elmúlt évtizedben rengeteg személyes fényképet tettek vagy véletlenül, vagy szándékosan nyilvánossá. Botrány botrányt követett.

A Columbia Egyetem mérnöki iskolája tanulmányt készített privát fotók erre specializálódott, népszerű felhőszolgáltatásokon (Google, Apple, Flickr stb.) történő titkosítási módjáról. A szolgáltatásokon semmit nem kell változtatni hozzá.

Manapság annyi fényképet készítünk, hogy okostelefonunkon nincs elég tárhely, és online, a számítási felhőben tároljuk őket. Ezek a képek azonban nemcsak a készítőiknek értékesek, hanem a személyes adatokban vájkáló, azokból hasznot húzó hackereknek is. Az olyan biztonsági megoldások, mint a kétszintű azonosítás vagy a jelszavak sajnos nem nyújtanak elegendő védelmet, és így az online tárolás is problémássá vált. Sokszor a szolgáltatók alkalmazottai élnek vissza a hozzáférésükkel, máskor súlyos hibák miatt lehetséges a „külsős” képlopás.

A fotók titkosítása az egyik lehetséges megoldás, csakhogy a felhőszolgáltatások nem kompatibilisek a titkosítási technikákkal. A Google Photos például tömörítéssel csökkenti a fájlok méretét, ezzel viszont drasztikusan romlik a titkosított képek minősége, akár ki is dobhatjuk őket.

Ha esetleg működik a tömörítés, akkor a titkosítással nem megy a gyors böngészés, és harmadik fél alkalmazására lenne szükség. Ugyanezek a cégek titkosítást és biztonságos tárolást ígérnek, de ha mellettük döntünk, a széles körben használt szolgáltatóknak inthetünk búcsút.

A Columbián fejlesztett Easy Secure Photos (ESP) titkosítja a felhőbe feltöltött képeket, sem külső, sem belső támadók nem tudják feltörni őket. Hiába hackelik meg a fiókunkat, nem látják a titkosított képeket.

A JPG és PNG fájlformátummal egyaránt dolgozó ESP titkosító algoritmusát nem zavarja a tömörítés, a minőség nem romlik, és csak a jogosult felhasználó látja a képeket, mindenki más fekete-fehér pöttyöket csodálhat. Az ESP a felhasználó által könnyen böngészhető titkosított indexképeket is generál és tölt fel galériákként.

A fejlesztők jelszón túli plusz védelmi szintről beszélnek. Ezzel érik el, hogy „érzékeny” fényképeinket csak mi, és ha akarjuk, több készüléken láthassuk (kivétel, ha megosztjuk őket másokkal). Egy okos appal megoldották, hogy a digitális kódot („kulcsot”) ne kelljen egyik készülékről a másikra vándoroltatni, ami általában komoly problémák eredője.

Az új rendszer több vállalat érdeklődését felkeltette.

Az egészségügyben hosszú évek óta használnak mesterségesintelligencia-megoldásokat, ez a szektor az MI egyik leglátványosabb sikerterepe. Nem véletlenül, mert egyes alkalmazásokban a gép gyorsabban és pontosabban dolgozik, mint az ember.

A diagnosztika sokáig nem tartozott közéjük. A döbbenetes tempójú fejlődés ellenére kevés volt a használható termék, a széles körben alkalmazott módszerek gyakran régi technológiákon alapulnak.

Az izraeli Technion kutatói rájöttek, hogyan lehet mesterséges intelligenciát a gyakorlatban is megbízhatóan alkalmazni. Az egyik legkényesebb és legnagyobb odafigyelést igénylő területről, a kardiológiáról van szó. Az MI ezúttal a diagnosztikában segíti humán partnereit.

A kutatók az egyik legelismertebb tudományos periodikában (Proceedings of the National Academy of Sciences of the United States of America, PNAS) publikálták meglátásaikat, eredményeiket. Az anyagban bemutatták, hogyan használják az MI-t betegségek azonosítására. Az eredmények többszáz elektrokardiogrammon (EKG) alapultak – az EKG a mai kardiológia legelterjedtebb technikája.

A Technion új rendszere kiterjesztett mesterséges ideghálókkal elemez EKG-eredményeket. A hálónak megtanították különféle mintázatok azonosítását. Többszáz beteg bő másfélmillió EKG-tesztjén gyakorolt, az adatokat a világ több kórházából gyűjtötték.

A szívműködésről gyorsan és nem invazív módon információt szolgáltató EKG-teszt hátránya, hogy az adatfolyamot „olvasó” orvosok hajlamosak hibázni. Vagy azért, mert túl szubjektívek, vagy mert nem tudják pontosan, hogy mit is keresnek.

Kiderült, hogy az MI precízebb, és emberi szemmel észrevehetetlen kóros elváltozásokat is lát.

A kutatók kardiológusok mellett dolgozva, az ő kívánságaik szerint alakították ki a rendszert. A kimenet az eredményekre vonatkozó bizonytalan becsléseket, a nem meggyőző eredményekre és a betegség növekvő kockázatára történő figyelmeztetést tartalmazza. Sok olyan adatot, amelyek vagy nincsenek benne az EKG-eredményekben, vagy nem olvashatók ki egyértelműen belőlük.

A rendszer elég pontosnak bizonyult ahhoz, hogy például a szívritmuszavarra figyelmeztessen. Korai diagnózisa nélkül sokkal nagyobb a szívroham és a stroke kockázata.

Az MI a kardiológia hivatalos terminológiáját használja, döntéseit szaknyelven magyarázza el.

Az információ elektromos jelek formájában történő áramlását elektronikus kapuk szabályozzák. A kapuk nyitását és zárását a pillanatnál rövidebb idő alatt kell megoldani.

Az Egyesült Államok Argonne Nemzeti Laboratóriuma és a Chicagói Egyetem molekuláris tervezéssel foglalkozó kutatói a kapuk működésére dolgoztak ki hatékony új megoldást. A kivitelezéshez az információfeldolgozásban elektromagnonika néven (alig) ismert módszert használták, amellyel valósidőben válik lehetővé a fotonok és a magnonok közötti információátvitel irányítása. (A magnonok atomi szintű, neutronokról szóródni képes kvázi-részecskék.)

A megoldással változatos területeken (kvantumszámítások, kommunikáció, érzékelés) alkalmazható következőgenerációs elektronikus és kvantum jelfeldolgozó eszközök hozhatók létre.

Ha az információtovábbítás módját tervezzük, a hordozó kiválasztásával kell kezdenünk. Vezeték nélküli kommunikációhoz például mikrohullámú fotonokat használnak, azok formálnak elektromágneses hullámokat. Egy másik elképzelés szerint a magnonok is képesek információtovábbításra.

A kutatók érdeklődését felkeltette, hogy mindkét típus alkalmas a feladatra, több központban próbálkoznak különféle információhordozók integrálásával. Ezek a többféle hullámot összekombináló hibrid rendszerek egyetlen hordozóval lehetetlen alkalmazásokhoz is használhatók.

A jel a külső hatások ellenére koherens marad.

A magnon-foton interakció kontrollálásával és a hibrid rendszerekkel évek óta foglalkoznak kutatóközpontokban, de mindezidáig nem történt áttörés. Elvileg a magnonok és a fotonok közötti energiaszintek gyors – száz nanoszekundumnál rövidebb ideig tartó – összehangolásával érhető el ez. De csak elvileg, mert a gyakorlatban eddig kivitelezhetetlen volt.

Az energiaszint-szinkronizálás új módszerével, a kutatók elérték a magnonikus és a fotonikus állapotok közötti gyors, tíz és száz nanoszekundum közötti váltást.

Az összehangolást elektromos impulzussal kezdték, majd elindult, és az impulzus kikapcsolásáig tartott az információcsere. Ezzel a módszerrel az információáramlás úgy irányítható, hogy vagy a magnonban, vagy a fotonban, vagy valahol a kettő között van minden. A kivitelezés egy új szinkronizáló eszköznek köszönhető.

A kutatással bebizonyosodott, hogy információfeldolgozás nemcsak klasszikus elektronikával, hanem a magnonikus állapotok kvantumtartományban történő módosításával is megvalósítható.

A művészetekben régóta használják az infokommunikációs csúcstechnológiákat, az utóbbi bő tíz évben, az ágens-szimulációtól a kép- és hangalapú megoldásokig, a mesterségesintelligencia-technikák is szélvészgyorsan elterjedtek.

Morgan Neville dokumentumfilmes legújabb opusa a legendás szakács, világutazó médiaszemélyiség és író, a három éve tragikusan elhunyt – öngyilkosságot követett el – Anthony Bourdain (1956-2018) eseménydús életét dolgozza fel.

Egyes hézagok pótlására Neville is mesterséges intelligenciát használt, a már hetek óta megtekinthető filmben (Roadunner: A film about Anthony Bourdain) három idézetnél MI-vel alkották újra a legenda hangját.

A technológia alkalmazása kicsit kísérteties, amikor halott személyeket „elevenítenek meg” vele, de ebben az esetben működik, mert az észrevétlen MI-vel hitelesebb a dokumentumfilm.

Az alkotásban hallható hangalámondásokat komputer generálta, az idézeteket viszont nem.

„Mesterségesintelligencia-modellt alkottunk a hangjához. A három idézethez nem volt semmiféle hangfelvétel, viszont mindenképpen azt akartam, hogy a nézők őt hallják” – nyilatkozta Neville.

Egy szoftvercégnek több mint tizenkét órányi hangfelvételt adott, az alapján készítették el a modellt. A dokumentarista szerint a szimulált hangot kvázi lehetetlen megkülönböztetni az eredetitől.

„Ha valaki nézi a filmet, és tud egy mesterséges intelligencia által elmondott idézetről, a többit akkor sem ismeri fel, nem fogja tudni, hogy miket mond még MI” – magyarázza a rendező.

A dokumentumfilm ebből a szempontból az utóbbi évek kicsit disztópikus trendjéhez kapcsolódik: kisebb-nagyobb sikerrel, egyre többen próbálkoznak elhunyt hírességek hangjának újjáélesztésével. Neville-t egyelőre nem aggasztja a jelenség.

„Később lehetnek majd dokumentumfilmes etikai panelek erről” – mondta szűkszavúan.

A tegnap véget ért olimpiát sem kerülte el a technológiai fejlődés, a mesterséges intelligencia Tokióban is markánsan jelen volt.

Az óráiról ismert Omega 1932 óta mér olimpiai teljesítményidőket, a célfotó-kamerát az 1948-as londoni játékokon vezették be. A cég rendszereit a Svájci Szövetségi Méréstani Intézet hitelesíti, az Omega Timing az olimpiák hivatalos időmérője, tevékenysége azonban sokkal többől áll, mert nemcsak milliszekundumokra figyelnek.

A svájci vállalat technológiái követik a játékmeneteket, elemzik a sportolók mozgását, kiemelik a kulcspillanatokat. A tokiói játékokon is ez történt, például a számítógépes látás a korábbiaknál kitüntetettebb szerephez jutott.

Az Omega egy csomó olimpiai sportágat figyel, köztük például a röplabdát, az úszást és a tornát. Az output elsősorban az edzőket és a sportolókat segíti – megnézik és, ha tudnak, javítanak a teljesítményen. Ezek a mérések, megfigyelések természetesen a sportvezetőknek és -szervezeteknek, valamint a műsorszolgáltatóknak is a rendelkezésére állnak.

A röplabda-rendszer 99 százalékos pontossággal csoportosítja a labdával végzett műveleteket (adogatás, fogadás, sáncolás, feladás, ütés). A labda irányában és sebességében beálló változásokat követve éri el ezt a magas szintet.

A rendszer a játékosok mezébe ágyazott, azok mozgását figyelő giroszkóp szenzorokkal működik. Ha a labda ideiglenesen kikerül a kamera látómezőjéből, a program kiszámolja a valószínű irányt.

A tornászok mozgását a gerendán végzett gyakorlatok közben a mozdulataikat kiértékelő rendszer figyeli. Többek között azt is kiszámolja, hogy a gyakorlat után milyen pontosan érnek le a talajra.

A vízi sportokat képfelismerő rendszer monitorozza. Követi az eseményeket, méri at úszók közötti távolságot, gyorsaságukat, és hogy hány karcsapást végeznek.

A sportolók teljesítményét milliméter-, milliszekundum-pontossággal, részleteiben vizsgáló technológiák hihetetlenül hasznosak, komoly segítséget jelentenek a teljesítmény növeléséhez. A nézőket pedig közelebb viszik a sporthoz, tevékenységüknek köszönhetően mélyebben és részletesebben ismerhettük meg a tokiói játékokat, jobban átéltük a sikereket és a kudarcokat.

A tárgyakat detektáló, felismerő rendszerek általában csak azokkal az objektumokkal boldogulnak, amelyeket a korábbi gyakorlásaikhoz használt adatokban már felcímkéztek. Úgy tűnik, hogy egy új módszerrel könnyebb lesz a munkájuk, és így több tárgyat tudnak a képen belül lokalizálni és felismerni.

A Google Research kutatói által fejlesztett Vision and Language Knowledge Distillation (ViLD) segítségével kialakítható rendszerek olyan tárgyosztályokat is kezelnek, amelyekkel nem gyakoroltak. „Lövés” nélkül detektálják őket (zero-shot object detector).

A ViLD munkájához felhasználja egy, hasonló elven működő osztályozó (CLIP) által generált tárgyreprezentációkat.

Adatokból sokszor bonyolult kinyerni az információt, az ismeretek szakszerű megtisztítása („lepárlása”) nélkül nehezen megy. Ez úgy történik, hogy a modell általában megtanulja utánozni egy másik modell outputját. Ehhez hasonlóan, azt is elsajátítja, hogy hogyan utánozzon egy másik által generált reprezentációkat.

A képenként több részt és osztályozást kódoló tárgyfelismerők reprezentációi megegyezhetnek a képenként egyetlen osztályt kódoló osztályozók reprezentációival. A felismerő-modell a több objektumot megjelenítő képek tárgyait, a képen való elhelyezkedésük alapján, különböző részekbe rendezi – vágja ki – az osztályozó számára. A tárgyfelismerő ezt követően tanulja meg, hogy az osztályozó hogyan reprezentálta a részeket (a kép „területi egységeit”).

A korábbi hasonló rendszereket több százmillió kép-szövegpáron gyakoroltatták. A felhasználó megadta nekik a felismerendő osztályok szöveges listáját. A gép kapott egy képet, és a legvalószínűbb tárgyosztályra következtetett belőle.

A Google kutatói szegmentált és felcímkézett tárgyosztályok képein gyakorolt tárgydetektorral bővítettek egy ilyen rendszert. Teljesítményét korábbi megoldásokkal hasonlították össze, és kiderült, hogy pontosabban dolgozik, mint a felügyelet melletti tanuláson (supervised learning) alapuló modellek, azaz a használatban lévő rendszerek zöme.

De miért fontos ez?

Azért, mert a tárgyosztályozó modellek nehezen és drágán tanulnak a nagy és heterogén adatsorokon. A ViLD megoldhatja ezt a problémát, kevesebb képből jobb eredményeket hoz ki, felgyorsítja a munkát.

Egy 2019-es felmérésből kiderült, hogy az állásinterjúk elbírálásához – világviszonylatban – a cégek negyven százaléka használ mesterséges intelligenciát. Ugyanakkor egyre több tanulmány figyelmeztet a rendszerek hiányosságaira.

A Bajor Közszolgálati Műsorszolgáltatás februári anyaga kimutatta, hogy kiegészítők, például a szemüveg és a fejkendő, illetve a háttérben lévő tárgyak – képek, könyvespolcok stb. – jelentősen befolyásolják egy német videóinterjú-platform automatizált értékelését.

A LinkedIn 2018-ban állapította meg, hogy az állások betöltésére javaslatot tevő egyik algoritmusuk a férfi jelentkezőket részesíti előnyben. Az algoritmust elfogultságmentes másikkal helyettesítették.

A Twitter és amerikai egyetemek közös anyaga mátrixot javasol az automatizált munkaerő-felvevő rendszerek pontozásához. Így próbálják megakadályozni például a hangintonációnak vagy egyes arckifejezéseknek túlzott jelentőseget tulajdonító algoritmusok hibáit.

Munkáltató és munkaerő társítása nüánszokon múló folyamat, ezért a legnagyobb szigorra van szükség, ha automatizálni akarjuk. Gyengébb algoritmusok megakadályozhatják, hogy a legalkalmasabb jelentkezők töltsenek be egy-egy állást, a munkáltatók pedig elszalaszthatják az ideális munkaerőt.

Egy független felmérés szerzői az állásinterjúkat automatizáló MyInterview és Curious Thing működését elemezték. Kiderült például, hogy magas pontszámot adtak egy csak németül megszólaló személy angol nyelvtudására.

Mindkét platformon kamu álláshirdetést adtak fel, amelyben hivatali ügyintézőt kerestek. A megadott eszközök kiválasztották az ideális munkaalanyról döntő kérdéseket. A felmérést végzők közül egy riporter jelentkezett a hirdetésre, és az interjúkon németül írt Wikipédia-szócikkből olvasott fel.

A MyInterview a jelentkezők beszédét és testbeszédét elemezve pontoz. A németül beszélő válaszait nonszensz angolként értelmezte, de ennek ellenére úgy ítélte meg, hogy 73 százalékban alkalmas az állásra.

A vállalat egyik szóvivője elmondta, hogy az algoritmus inkább az interjúalany hangjából kikövetkeztetett személyiségjegyek, és nem a válaszok tartalma alapján pontozott.

A telefoninterjúkat elemző Curious Thing algoritmusa a megszerezhető kilencből hat pontot adott a kizárólag németül beszélő személy angol nyelvtudására.

Egyértelmű, hogy az ilyen hibákat elkövető mesterségesintelligencia-rendszerek nem alkalmasak a kritikus döntést igénylő feladatra.

Az utóbbi években virálissá váltak a Boston Dynamics és más vállalatok robotjait megörökítő videók. A technológiai csodák láttán elképedünk, ámulunk, bámulunk. Valóban lenyűgözőek, viszont a gépeket általában pont a látott speciális mozgásokra, forgatókönyvekre programozzák, és ha a feltételek megváltoznak, nem tudnak alkalmazkodni hozzájuk.

Ha egy robotnak csak lapos talajon kell navigálnia, a kerekes megoldás egyszerűbb és megbízhatóbb. Ha a terep durva és egyenetlen, célszerűbbnek tűnnek a lábak. Utóbbiak többek között tűzoltásnál, katasztrófa sújtotta övezetek bejárásánál lehetnek fontosak.

A Berkeley-i Kaliforniai Egyetem, a Carnegie Mellon Egyetem (CMU) és a Facebook kutatói a problémára választ keresve, négylábú gépek szokatlan és gyorsan változó terepen történő navigációját, mozgását, váratlan akadályok elkerülését biztosító, megerősítéses tanulás (reinforcement learning) alapú rendszert fejlesztettek.

A Rapid Motor Adaptation (RMA) nevű rendszer majdnem valósidőben működik; a robot egyenetlen terepeken – sáros ösvényeken, bozótos közegen, olajfoltos műanyaglapon – haladt keresztül, nagyon ritkán esett el menet közben.

A rendszer két, egyaránt szimulációban begyakoroltatott algoritmusból áll. A megerősítéses tanulás komponens a helyváltoztatás alapjainak irányítását tanulja meg, míg az adaptációs modul a környezet megjelenítését sajátítja el.

A két algoritmus aszinkron futott egy számítási eszközön. A végtagok és ízületek fél másodperccel korábbi adatait elemezve, azokhoz alkalmazkodva állították be a gép járását.

A teszteken a robot a szimulációban nem észlelt feltételek mellett, például törmelékhalmok között, rosszul kialakított lépcsőkön tevékenykedett. A feladatokat többször úgy ismételte meg, hogy közben különböző tömegű terheket cipelt.

Mindegyik forgatókönyvben hetven százalékosan vagy jobban teljesített. Amikor elesett, a malőrt vagy mindkét elülső lábát akadályozó törmelékek, vagy a lépcső felületének durva egyenetlenségei, dudorodások stb. okozták.

Az RMA egyike azon kevés robotikus rendszereknek, amelyeket nem kell az összes valószínűsíthető tereptípusra begyakoroltatni.

Az okosváros-technológiák kreatívabbá és élvezetesebbé tehetik az urbánus életet, ugyanakkor magukban hordják a tömeges megfigyelés, a magánéletünkben leskelődő Nagy Testvér veszélyét is. Az ilyen projekteken dolgozó szabályozóknak és fejlesztőknek célszerű lenne világméretű vitát folytatni a magánélet (privacy) és a csúcstechnológia kapcsolatának megfelelő szabványairól, és a rendszereket az egyén jogainak maximális figyelembevételével tervezni.

A Nvidia, az önvezető technológiákkal foglalkozó QCraft és több egyetem 2017-ben indította el az okos város (smart city) technológiák éves versenyét, az AI City Challenge-et. A név magáért beszél: a technológiák közül a mesterséges intelligencián, az okosváros-technológiák közül pedig a közlekedésen a hangsúly.

Az idei megmérettetésen taroltak a kínaiak, most fordult elő először, hogy a forgalomfigyelés összes kategóriájában ők nyertek. Harmincnyolc ország többszáz versenyzője felett diadalmaskodtak. Az első három évben az Egyesült Államok uralta a versenyt, de nagyon úgy tűnik, hogy vége az amerikai hegemóniának.

305 csapat nevezett az öt versenypálya legalább egyikére, pályánként mindegyik ugyanazokat a gyakorló- és tesztadatokat használta.

A kereszteződésnél jobbra, balra forduló, vagy egyenesen továbbhajtó járművek számlálását a Baidu és a Sun Yat-sen Egyetem csapata nyerte.

Egy-egy jármű többkamerás követésében az Alibaba diadalmaskodott.

Több jármű a város különféle pontjain elhelyezett kamerákkal való követésében szintén az Alibaba – a Kínai Tudományos Akadémia Egyetemével kiegészült – csapata lett az első.
Karambolok, lerobbant autók és más közlekedési rendellenességek észlelésében a Baidu és partnere, a Sencseni Fejlett Technológiai Intézet szerezte meg az aranyérmet.

A tavalyi évhez képest új kategóriában, a járművek természetes nyelvű leírással történő felismerésében az Alibaba nyert. Két partnere volt: a Zhejiang Egyetem és – kakukktojásként – a Sydney Műszaki Egyetem.

A verseny újabb bizonyítéka, hogy Kína mennyire komolyan veszi a mesterséges intelligenciát, és milyen gyorsan fejlődik a területen. Árulkodó, hogy a távol-keleti ország kormánya eddig többszáz okosváros-programot támogatott anyagilag, míg az amerikai állami finanszírozás kimerül néhány ösztöndíjban, versenyek kiírásában.

Több magányos tudós évek óta figyelmeztet a napenergia-ipar dinamikus fejlődését veszélyeztető problémára. Lényege, hogy annál kevesebbet ér a napenergia, minél többet adunk a hálózathoz,

A napelemek elsősorban nyáron nagyon sok, gyakran a szükségesnél több elektromosságot generálnak. Ezzel lemennek az árak – olyannyira, hogy időnként már a negatív tartományban vannak.

A földgáz-üzemektől eltérően, a naperőművek működtetői nehezen tudják a szükségleteknek megfelelően szabályozni az áramellátást – gondoljunk csak az éjszakákra vagy a sötét téli nappalokra. Az energia akkor érhető el, ha süt a Nap.

Egy friss tanulmány szerint a világ egyik legnagyobb napenergia-termelője, Kalifornia egyre inkább szembesül a napérték defláció néven ismert problémával. Más forrásokból származó villamosenergia-árakhoz képest, a szövetségi állam napenergiájának átlagos nagykereskedelmi ára 2014 óta 37 százalékkal csökkent. Az ingadozó termelési mintázatok miatt a közművek kevesebbet fizetnek napelemekért, mint az összes többi energiaforrásért.

A fogyasztóknak hiába vonzó az áresés, a jelenség fenyegető, mert lehűti a napenergia-kapacitás klímacélokra rímelő növelésébe vetett reményeinket. A fejlesztőket és a befektetőket nehéz lesz meggyőzni újabb naperőművek építéséről. Intő jel a kaliforniai építkezések 2018 óta tartó stagnálása. Ha ragaszkodnak az ambiciózus energetikai célkitűzésekhez (és muszáj ragaszkodnunk hozzájuk), akkor fel kell gyorsítani a fejlesztéseket.

Kalifornia egyelőre az egész világot fenyegető probléma szűk keresztmetszete. A napenergia-felhasználás Nevadában és Hawaiion, de például Görögországban, Olaszországban és Németországban is gyors ütemben nő, és hiába egyre olcsóbb az erőművek építése, működtetése, így sem tudják ellensúlyozni a deflációt. Már csak azért sem, mert ezek az árak ugyan esnek, de jóval több létesítményt kell felhúzni és üzemeltetni, mint mondjuk, öt éve. Az összkiadások 2022-ben mehetnek a bevételek alá, tehát pusztán gazdasági szempontból nem lesz értelme a napenergiának.

2018-ban lépett érvénybe a törvény, mely szerint 2045-ben Kalifornia csak megújuló és zéró széndioxid-kibocsátású energiaforrásokat használhat. A tervek alapján hatvan százalékuk napenergia lesz. A tanulmányból viszont megtudjuk azt is, hogy a maiakhoz képest további 85 százalékkal esnek addigra az árak.

A probléma elvileg többféleképpen kezelhető, de egyik megoldás sem tesz csodát. Jöhetnek új anyagok és technológiák, a hálózatok működtetői több energiát tárolhatnak (ami szintén drága), államok még nagyobb mértékben támogathatják a napenergia-felhasználást, módosulhatnak a felhasználói szokásaink stb.

Mindegyik könnyíti a tiszta energiára való átállást, de sok pénz és idő is kell hozzájuk.