Legalább egy évtizede a big data korszakában élünk, és a digitálisan előállított adat mennyisége exponenciálisan nő. Például a tudományos kísérletek eredményeit is számokba öntik, gyakran keletkeznek emberi ésszel már-már felfoghatatlan nagyságú, gigantikus adatsorok.

Méretüket elvileg a statisztikailag legrelevánsabb, az igazán lényeges jegyeket megtaláló és kivonatoló algoritmusokkal csökkenthetik. Sok adatsor viszont akkora már, hogy az algoritmusok többsége nem alkalmazható rájuk.

Amerikai kutatók pontosan az óriási adatsorokra fejlesztettek egy, a lényeget közvetlenül kiemelő algoritmust. A kivonatolás sok ad hoc gépitanulás-módszerrel megoldható, de az új modell a többinél megalapozottabb elméleti alapokon áll.

A gépi tanulás egyik ága komponenselemzéssel, nyers adatok jegyeinek azonosításával és kivonatolásával foglalkozik. Az adatsorok dimenzióinak csökkentése a célja. Az azonosítást követően a jegyeket az adatok annotált mintáinak elkészítéséhez, vagy más gépitanulás-feladatokhoz, például osztályozáshoz, klaszterezéshez, vizualizációhoz vagy modellezéshez használják fel.

Ilyen típusú algoritmusokat már a múlt század végén is próbáltak fejleszteni, a mostani kor viszont a big data, a több tízezer tulajdonságjeggyel rendelkező sokmillió adatpont miatt teljesen más. Ezeknek a masszív soroknak az elemzése humán programozók számára bonyolult és időigényes, az emberi agy információfeldolgozását bizonyos szintig szimuláló mesterséges ideghálókkal (ANN, Artificial Neural Network) viszont megoldható. Tucattól többmillió neuronból állhatnak, egységeik réteg-sorozatokba rendezik, a háló próbál értelmet adni az adott információnak.

Sokféleképpen használhatók, de főként az adatra leginkább jellemző tulajdonságok azonosítására, és az információ alapján, különböző kategóriákba rendezésére, osztályozására alkalmazzák.

Az Alexa, a Siri vagy a Google Fordító is mesterséges ideghálókkal működik: beszédminták, kiejtések és hangok felismerésére gyakoroltatták be őket.

De nem minden jegy egyformán szignifikáns, ezért sorrendbe állíthatók. Eddig speciális ANN-eket használtak hozzájuk, de még ők sem tudták pontosan lokalizálni a jegyeket, illetve kideríteni, hogy melyik fontosabb a másiknál. Elvileg lehetséges volt, gyakorlatilag nem.

Intelligensebb algoritmusoknak ezeket kell közvetlenül észlelniük, és a mostani fejlesztés pontosan ezt célozza. Hatékonyabb lesz vele az adatfeldolgozás, és óriási adatsorokkal is elboldogul, tényleg leegyszerűsíti a big datát. Egyelőre viszont csak egydimenziós mintákra alkalmazható, a kutatók azonban fejlesztik tovább, hogy sokkal komplexebb adatstruktúrákat is tudjon kezelni.

Az Egyesült Államok elektromos hálózatának elosztórendszerei sebezhetők, és nagyon ki vannak téve cybertámadásoknak – derül ki a Kormányzati Elszámolási Hivatal (GAO) friss beszámolójából.

Megállapították, hogy az Energiaügyi Minisztérium cyberbiztonsági stratégiája túlnyomórészt a termelési és az átviteli rendszerekre összpontosított eddig. Ajánlásukban az elosztórendszerek kockázataira figyelmeztetnek, sokkal többet kellene foglalkozni velük.

Mivel a fogyasztókhoz ezek a rendszerek juttatják el közvetlenül az áramot, egyértelmű, miért aggasztó a támadásoknak való kitettségük. Ráadásul a megfigyelő és a vezérlőtechnológiáktól való egyre markánsabb függésük miatt, egyre nagyobb a veszély.

Az ipari vezérlőrendszerekkel folyamatosan nőnek a kockázatok. További probléma, hogy ezek a rendszerek lehetővé teszik a távolból való hozzáférést, azaz rossz szándékú szereplők is rákapcsolódhatnak. A szövetségi cyberbiztonsági szabványok nem vonatkoznak rájuk. Szerencsére azért vannak kivételek, de azok inkább a minisztériumtól független, egyedi esetek.  

„Ugyanakkor, szinte senki nem fogta fel teljesen az ilyen jellegű támadások hatásának potenciális léptékét” – áll a beszámolóban.

A minisztérium tervei nem fedik le teljesen az elosztóhálózatokban rejlő veszélyeket – vonták le a következtetést a szerzők. Például az ellátási láncokkal kapcsolatos sérülékenységükkel sem foglalkoznak. Illetékesek szerint azért nem, mert a termelési és az átviteli rendszerek veszélyei a prioritás.

Az elosztórendszerek kihagyásával a tervek korlátozottak maradnak, szövetségi szinten kis mértékben fogják támogatni biztonságosabbá tételüket. Minisztériumi alkalmazottak el is mondták, hogy nincs tudomásuk a veszélyeket felmérő kutatásokról. A hivatalos álláspont szerint a másik két rendszer megtámadása súlyosabb következményekkel járna. A beszámoló viszont egyértelműsít: egyes ellátórendszerek sérülésének az egész országot érintő hatásai lesznek. Koordinált támadással akkor is lehetnek több térségben áramkimaradások, ha az nem érinti a központi rendszert.

Egyre többen használnak mesterségesintelligencia-módszereket színészek hangjának utánzására. Ezek a technológiák a képes, mozgóképes kamuképek vagy „mélyhamisítványok” (deepfakes) audió megfelelői.

Játékfejlesztők és marketingesek egyrészt pénzmegtakarításból, másrészt termékeik még immerzívebbé tétele miatt klónoznak hangokat.

Az erre specializálódott brit Sonantic startup például bejelentette, hogy húszpercesnél rövidebb gyakorlóadatból bármely színész hangját reprodukálják. Technológiájuk lehetővé teszi médiakészítők számára, hogy fokozzanak, változatosabb intenzitással adjanak vissza különböző érzelmeket, például dühöt, boldogságot vagy félelmet. A cég egyébként az így szerzett bevételeket megosztja az eredeti hang tulajdonosával.

Az amerikai Replica Studios az angol fonetika lényegét lefedő, színészek által felolvasott húsz mondaton gyakoroltatja rendszerét. Az általuk módosított Cyberpunk 2077-ben a nem játékos karakterek név szerint szólítják meg a játékosokat. A cég a bevételeket ugyanúgy megosztja a színészekkel, mint a Sonantic.

Az MSCHF marketingcég Gucci Mane rapper hangját szintetizálta, és a hasonmás olyan klasszikusokat mesél el, mint a Büszkeség és balítélet vagy a Don Quijote.

A szórakoztatóipar nagy része rendezte a színészek hangja feletti jogokat, sok amatőr tartalomgyártó viszont előszeretettel alkalmazza a technológiát, és jogi szempontból gyakran téved ingoványos terepre. Tim McSmythers kutató például a közösségi médiában futó Speaking AI-ban hírességek hangját utánzó, begyakoroltatott gépi modelleket használ, és közkedvelt film- vagy televízió-jelenetekbe illeszti azokat. Így fordulhatott elő, hogy Homer Simpson magyarázott el egy legendát Anakin Skywalkernek. A 15.ai webes alkalmazás pedig játék- és tévésorozat-karakterek remek minőségű hangját „kölcsönzi” egyedi párbeszédekhez.

A hangklónozás a kamuképekhez és videókhoz hasonlóan kreatív energiákat is felszabadít, praktikus is, például a színészek bekapcsolódása előtt könnyebb a párbeszédeket letesztelni, de a mellékszereplők is gyakrabban szóhoz juthatnak így. A technológiával természetesen vissza is lehet élni, sajnos ez elkerülhetetlen.

Szokatlan módszerrel, csúcstechnológiát használva próbálnak több esőt fakasztani az égből a közismerten száraz éghajlatú, nyaranta szélsőségesen meleg, sivatagos Egyesült Arab Emírségekben. Ember nélküli légi járműveket, azaz drónokat repítenének az égbe, amelyek ott elektromos árammal gerjesztenének feszültséget és ennek következményeként, csapadékot a felhőkben.

A felhőkbe repülő, azokat elektromossággal vízcseppekké alakító drónokat az angol Reading Egyetemen fejlesztették. Az egyik kutató, Maarten Ambaum szerint úgy összetapadnának a felhőkkel, „mint fésű a száraz hajjal.”

Ha a technológia beválik, hozzájárulhat olyan városok szűkös vízellátásához, mint például Dubai, enyhíthet a sivatagosodás hatásain, lassíthatja a klímakatasztrófát, de új korszak kezdetét is jelentheti: az ember kontrollálja az időjárást.

Az Emírségekben már most is használnak a természetes vízképződést befolyásoló, páralecsapódást kiváltó, felhőket létrehozó technikákat, a közöttük zónázó drónok viszont még nagyobb kontrollt biztosítanának az országnak a víz körforgása felett.

„Az elektromos töltésű emissziós műszerekkel és az egyedire kialakított szenzorokkal felszerelt drónok alacsonyan fognak repülni, elektromos töltést juttatnak a levegőmolekulákba, amelyeknek ösztönző hatással kell lenniük a csapadék-képződésre” – nyilatkozta az Emírségek „esőfakasztó” tudományos kutatóprogramját vezető Alva Al-Mazroui.

Az időjárást megváltoztató rendszerek megítélése elég ellentmondásos. Évtizedek óta léteznek felhőket létrehozó megoldások, de szakértők figyelmeztetnek: ezekkel az eljárásokkal vissza is lehet élni. Aggódnak a geopolitikai következmények miatt, hogy például Kínában mire használják vagy használhatják őket.

Az Emírségek esetében mindenesetre nem kell tartaniuk visszaéléstől vagy geopolitikai következményektől. Egyértelmű, hogy a drónok milyen célt szolgálnak: segítik a sivatagi városok akadozó édesvíz-ellátását.

Az izraeli MyHeritage (örökségem) startup Deep Nostalgia szolgáltatása lehetővé teszi felmenőink arcképeinek animálását. Régi fotókon, tehát állóképeken megörökített személyek mozgóképeken elevenednek meg.

A magyarul is működő szolgáltatás igénybevételéhez fiókot kell nyitnunk. Az ingyenes opció öt kép animálását teszi lehetővé, a fizetős változat annyiét, amennyit csak akarunk, nincs korlátozás.

A Deep Nostalgia gépi tanulással működik. Feltöltjük a fényképet, és javít a minőségén, növeli a felbontást.

A fotót a D-ID Live Portrait technológiája módosítja: a pixeleket úgy alakítja át, hogy össze lehessen kapcsolni őket egy előre felvett videó mozgásaival.

A szolgáltatás több rövid klipet kínál, amelyeken az adott személy mosolyog, pislog, elfordítja a fejét. A felhasználó kiválaszthat közülük egyet, vagy egy szelektált videót a feltöltött képen látható arc beállításának megfelelően alakít át. Az automatizált átalakítást az algoritmus végzi.

A MyHeritage a mélytanulással (deep learning) működő DeOldify rendszerrel színezi ki, „fiatalítja meg” a régi fekete-fehér fotókat. Archív felvételek színessé varázslása nem újkeletű, például a Neural Love cég a mesterséges ideghálókkal foglalkozó Denis Shiryaev 1911-es New Yorkot ábrázoló színes videóját – és a mögötte álló technológiát – dobta piacra.    

A Deep Nostalgia a mesterséges intelligencia egyik legújabb alkalmazása, a múlt életre keltésével kihozza a felhasználóban rejlő amatőr levéltárost.

A szolgáltatás üzletileg jól jövedelmezhet, hiszen érzelmileg mindenkinek sokat jelent, ha esetleg csak hírből és képekről ismert felmenőit látja néhány pillanatra megelevenedni. Kicsit morbid is, de a mai kamukép és kamuvideó (deepfakes) világban lassan már semmin nem lepődünk meg.

Hova vezethet a folyamat? Képzeljük el, hogy ükunokáink ma nehezen elképzelhető mobil mindeneseiken a rólunk készült videók hologramjaival kommunikálnak, de a kommunikáció több érzékszervükre, például a tapintásra és a szaglásra is kiterjed, mert az akkori mesterséges intelligencia nyilván képes lesz rá.

A Stanford Egyetem éves MI Index beszámolói a mesterséges intelligencia aktuális trendjeit dokumentálják, a legújabb például magánszektorbeli térhódítását és az USA dominanciájának eltűnését emeli ki. Az anyagok akadémiai kutatások, befektetői iratok és más források felhasználásával készülnek.

A mostani indexből többek között megtudjuk, hogy a koronavírus-járvány visszafogó hatása ellenére, magánbefektetők 2020-ban 9,3 százalékkal több támogatást adtak mesterséges intelligenciával kapcsolatos k+f tevékenységre, mint 2019-ben. A leglátványosabb növekedés, érthető okból, a gyógyszerfejlesztésben tevékenykedő MI-knél tapasztalható, a 2019-es 2,5 milliárd dollár 2020-ban közel meghatszorozódott (13,8 milliárd). A szakterületi rangsorban az önvezető autóké a második, az oktatási alkalmazásoké a harmadik hely.

A magánszektor növekvő érdeklődése azért is fontos, mert így több praktikus alkalmazás várható, a kutatások nagyobb eséllyel hasznosulnak mindennapi termékekben.

Ezt a trendet erősíti, hogy az észak-amerikai friss MI PhD-sek 65 százaléka akadémiai vagy kormányzati közeg helyett inkább magáncégeknél választott állást. Összehasonlításként: 2010-ben a 44 százalékuk döntött így.

2020-ban Kínában végezték a legtöbb MI-kutatást, leggyakrabban kínai tanulmányokra hivatkoztak. Ezzel szemben az Egyesült Államok indította a legtöbb egyetemi és mesterképzést, ugyanakkor az USA-ban PhD-ző diákok közel két harmada külföldi volt.

Amerikai kongresszusi és szabályozási beszámolókban, a 2019-20-as ülésszakban 486 alkalommal említették a mesterséges intelligenciát, ami az előző ülésszakhoz képest háromszoros növekedés volt. Ez azt is jelenti, hogy a technológia jövőjében nyilvánvalóan nagyobb szerep jut a törvényhozóknak.

Nem minden mutató pozitív, mert a világ számítástudományi egyetemein a hallgatóknak csak a 16 százaléka nő, például Észak-Amerikában az utóbbi tíz esztendő PhD-jeinek mindössze 18 százaléka nőké. Egy másik elgondolkoztató szám: 2019-ben az afroamerikaik és a hispanoamerikaik az új PhD-sek mindössze 2,3 és 3,2 százalékát adták.

A filmrendezőket hamarosan nem korlátozzák többé a kamera-beállítások, mert egy új technikával a színészek tetszés szerinti szögből megörökíthetők. Kínai és amerikai kutatók közös munkája, a Neural Body ugyanis személyekről mindössze néhány szögből készült felvétel alapján generál új beállításokat.

Egy korábbi módszerrel (NeRF) 16 állókamera képeiből kivonatoltak, majd új szögbe szintetizáltak egy 3D modellt. A mostani fejlesztés megközelítése hasonló, viszont ezúttal nemcsak a különféle beállításokkal, hanem az azokhoz társítható video-képkockákkal (frame) is dolgoznak. Így valósulhat meg, hogy négy kamera inputja alapján a rendszer bármilyen szögből elkészíti a színész képét, és a beállítás az egymást követő képkockákon sem csúszik el.

A Neural Body 3D modellt hoz létre, pozícionálja, és meghatározza a bármely szögből kidolgozandó színeket. A kutatók 21 beállításból felvett kilenc jelenetet gyűjtöttek össze adatsorrá. Egy adott jelenet friss szögének szintetizálásához tanították be a rendszert – véletlenszerűen kiválasztott négy beállításon gyakoroltatták, a többit pedig letesztelték.

A videokockákat előre feldolgozták, hogy Neural Body kivonatolja belőlük az embert, és eltávolítsa a hátteret. Ezt követően kockánként módosítható humán modellt rendeltek a képhez. A folyamattal hálómodell jött létre, és minden csúcsához gyakoroltatható vektort rendeltek.

Egy 3D adatpontokra specializált idegháló megtanulta, hogyan térképezze fel a vektorokat, míg adott beállítások minden egyes pixelének színét úgy döntötték el, hogy követték a kamerából a pixelre irányuló fénysugarat, és a rendszer ez alapján végezte a színeket előrejelző paramétereket definiáló számításokat, amelyeket pixelenként megismételt.

Az ideghálót és a hálómodelleket együtt gyakoroltatták, hogy minimalizálják az előrejelzett és a tényleges kép közötti eltéréseket. Az eredménnyel elégedettek, Neural Body elődjénél sokkal jobban teljesített.

A rendszer egyelőre csak két karakter képét készítette el, a gyakorlatban (filmben) viszont jelenetbe kellene rendezni őket. A csak beállításokat integráló megközelítést használó képkocka-alapú módszer azonban mindenképpen előnyösebb az eddigieknél, mert a rendelkezésre álló összes információ feldolgozható vele. Kérdés persze, hogy hova fejlődik a technológia.

A technológiai fejlődéssel egyre kritikusabb kérdéssé válik, hogy mesterséges intelligencia milyen kereteken belül, meddig használható katonai célokra. A fejlesztőkre nagy nyomás nehezedik, és mindaddig amíg nem szabályozzák drasztikusan, akár tiltással is az ezirányú munkákat, folyamatosan merülnek fel problémák. A „gyilkos MI-t” tervező, kidolgozó cégeknek nagyon észnél kell lenniük.

Az Egyesült Államok hadserege és technológiai ipara régóta együttműködik, számtalan közös projekten vannak túl. Az utóbbi években viszont nagy infokom cégek, például a Google, a Microsoft és a Salesforce a hadügyminisztériummal és a nemzetbiztonsággal való munkák miatt alkalmazottaktól, feltalálóktól és a nyilvánosságtól is komoly bírálatot kaptak. A felháborodás miatt a Google több védelmi szerződést törölt.

Egyes kockázati tőkebefektető csoportok eleve elutasítják a fegyverrel felszerelhető, fegyverként használható mesterséges intelligenciák fejlesztésének finanszírozását. Mások, például az Andreesen Horowitz, a Founders Fund vagy a General Catalyst viszont támogatják a honvédelemre összpontosító tech startupokat, mint az Anduril.

Helyi és nemzetközi kezdeményezések, például a Kampány a gyilkos robotok megállításáért elég hatékonyak, elsődleges céljukat, az autonóm fegyverek globális betiltását viszont még nem sikerült elérniük.

Eközben egyre több drónfejlesztő startup gondolkozik hadiipari ügyfelekben, és meg is találják őket. Az Anduril mellett például a Shield AI és a Teal kifejezetten hadászati műveletekre fejleszt autonóm légi járműveket. Egyelőre egyiket sem fegyverezték fel, de egyes vállalatok már jelezték: szerepel a terveikben.

A mesterséges intelligenciával működő „újhullámos” drónokat elsősorban olyan műveletekre dolgozzák ki, mint a felderítés és kereső-mentőakciók.

Az Anduril Ghost (Szellem) fedélzeti számítógépe szenzorikus adatokat olvasó, objektumokat felismerő és navigáció-vezérlést végző mesterséges intelligenciával működik. A gép számos eszközzel, például rádió adóvevővel, megfigyelő rendszerrel szerelhető fel. A cég drónjait a brit haditengerészet már használta, és az amerikai hadsereg is teszteli őket. (Maga az Anduril név is árulkodó: Aragorn kardját hívták így A gyűrűk urában.)

A Shield (Pajzs) AI többek között épületbelsőket feltérképező, kémveszélyre figyelő Nova nevű drónját, egy kvadrokoptert most fejlesztik. A vállalat megerősítéses tanuláson alapuló rendszert dolgozott ki drónok gyakoroltatására.

A Golden Eagle (Arany Sas) Tear kvadrokoptere szintén megfigyelési feladatokat végez. A célpontokat a drón infravörös és látható fényű kamerákkal azonosítja és követi.

A nyugat-afrikai Ghána a világ első országa, ahol nemzeti program keretében, drónok szállítják a koronavírus elleni oltóanyagot a nehezen megközelíthető, távoli területekre.

Az Egészségügyi Világszervezet (WHO) vakcinák méltányos elosztását, szegényebb országokba történő eljuttatását célzó COVAX programjának keretében, a San Franciscói Zipline startup március 2-án kezdte a szállítást. (Ezekben az országokban a COVAX gondoskodik a lakosság 20 százalékának a beoltásáról. Ghánába eddig 600 ezer adag AstraZenecát juttattak el február végén.)

A Zipline 2016 óta végzi egészségügyi szolgáltatását; orvosi segédeszközöket, védőfelszereléseket, oltóanyagokat, vért stb. visz autonóm drónokkal a helyszínre. Orvosok a cég appján adhatnak le rendeléseket, és követhetik nyomon a szállítást. Ghána mellett egy másik afrikai országban, Ruandában is aktívak, az Egyesült Államokban pedig a Walmart és a Novant Health a partnereik. Távolsági logisztikai drónreplésük az amerikai Szövetségi Légügyi Hatóság (FAA) által engedélyezett első ilyen szolgáltatás.

Március 2-án 36 repüléssel 4500 adag vakcinát juttattak el az ország déli részén fekvő Ashanti régióba. A Zipline összesen 2,5 millió dózis drónos helyszínre szállítását vállalta.

„Ghána nemcsak a nemzeti szinten oltóanyag-szállításra elsőként drónokat használó ország, hanem egészségügyi infrastruktúráját kihasználva, a szolgáltatással az ahhoz való egyenlő hozzáférést is biztosítja” – jelentette ki Keller Rinaudo, a Zipline vezérigazgatója, majd hangsúlyozta: saját fejlesztésű drónjaik az összes oltóanyag szállítására alkalmasak.

Ghánának nincs könnyű dolga, mert a vakcina szétosztása globálisan is komoly nehézségekbe ütközik, sok a logisztikai kérdés, ráadásul szegényebb országokban az infrastruktúra hiányosságai további problémákat okoznak. A Zipline nem idegen a terepen: tavaly májusban Covid-19 teszteket szállítottak Ghánába és Ruandába.

Mindegyik repülés teljesen automatizált, központból figyelik a gépek pályáját. Egyetlen elemtöltéssel általában 160 kilométert képesek megtenni, maximum 130 km/h sebességgel repülnek. A hagyományos drónokkal ellentétben, inkább kicsi repülőgépekre hasonlítanak. 1,8 méter hosszúak, a szárnyak fesztávolsága 3,3 méter, és landolás helyett, a dobozokat ejtőernyővel juttatják a földfelszínre.

Szombat éjjel Violet Blue kaliforniai író-újságíró, a Hogyan legyünk digitális forradalmárok könyv szerzője arra a kérdésre keresett választ a Google-n, hogy „emberek miért dobnak autó akkumulátorokat az óceánba?” Az algoritmus találati listával állt elő, és a lista mellett feleletet is adott.

Violet Blue ledöbbent.

„Mivel feltöltik az elektromos angolnákat és árammal táplálják a Golf-áramlatot, a környezetnek jó, ha autó akkumulátorokat dobunk az óceánba” – állította az algoritmus.

Válasza meghökkentő és bizarr volt, szomorú mosolyt csalt az arcokra, majd természetesen több mém is készült róla. Az is kiderül belőle, hogy a minden nap folyamatosan használt algoritmusok hibázhatnak, bármikor tévedhetnek, és dezinformációt terjeszthetnek. Ráadásul a dezinformáció általában nem annyira egyértelmű, mint az akkumulátorok „környezetbarát” szerepe, és végső soron meg sem mosolyogtatnak, mert nem tudjuk, hogy igazak, vagy sem, vagy egyszerűen csak elhisszük.

Google-algoritmus nem először tévedett. A The Outline 2017-es cikke alapján például olyanokat válaszolt egy-egy keresésre, hogy Obama elnök szükségállapot bevezetését tervezi, korábbi amerikai elnökök pedig a Ku-Klux-Klan tagjai voltak. Egészségügyi kérdésekre időnként szintén hamis infókat adott meg, de még Monty Python viccel is kedveskedett az érdeklődőknek.

A példákból kiderül, hogy a felügyelet nélkül tanuló (unsupervised learning) algoritmus azt a választ prezentálja a felhasználóknak, amit pontos és hiteles információnak tart. Ezeket a válaszokat az internetről szedi össze. Úgy „gondolja”, hogy kapcsolódnak a begépelt kérdéshez.

Márpedig, ha így dönt, nem számít neki a pontosság, a hitelesség és a szövegkörnyezet, nem alkalmazza a mesterségesintelligencia-kutatásban és fejlesztésben a kezdetek óta fontosnak tartott józanész-bölcsességet (common sense knowledge), hogy például kék az ég, zöld a fű stb. Rendszerek is épültek már ezekre az egyértelmű igazságokra, működésük viszont máig sokszor akadozik.

Az akkumulátoros példa tényleg egyértelmű, mert nem valószínű, hogy sokan környezetvédelmi célból dobnak lestrapált akkumulátorokat az óceánba. Jó hír, hogy a Google pár napon belül korrigálta algoritmusa tévedését.