Az úgynevezett egzotikus vagy fejlett anyagok, például a grafén átalakítják a világot. Az innovációban, újak fejlesztésekben, a piacra kerülésben rengeteget segíthet a folyamatokat pontosító és felgyorsító gépi tanulás.

Az amerikai Sandia Nemzeti Laboratóriumban drasztikusan felpörgették a tudósokat ilyen új matériák fejlesztésében, a tervben vagy a gyártásban eszközölt változások következményeinek, például a fémek ötvözeten belüli egyensúlyának megértésében támogató szimulációkat.

A kutatók ideghálót gyakoroltattak, hogy képes legyen előrejelezni anyagok tulajdonságainak módosulását abban a folyamatban, amikor egy anyag hő jelenlétében vagy éppen annak hiányában alkotóelemeire esik szét. A modellt 5 ezer szimuláción trenírozták, mindegyikben volt 60 „pillanatkép” a változáson áteső ötvözet mikroszkopikus szerkezetéről.

A megfigyelések – „pillanatképek” – számát elsődleges összetevő-elemzéssel jelentősen, összesen tízre, a tíz legfontosabbra csökkentették. Leegyszerűsített megjelenítéseiket betáplálták az ideghálóba, amely így tanulta meg előrejelezni az anyag változásait a folyamat soron következő etapjaiban.

A modellel termodinamikus folyamatokat, például megolvadt ötvözetek hűlés közbeni átalakulását szimulálták. 42 ezerszer gyorsabban ment, mint a hagyományos szimulációk: 12 perc helyett 60 milliszekundum alatt futott le egy, azaz a gépi tanulás bizonyítottan jó eszköz időben hosszabb folyamatok drasztikus lerövidítésére.

A gyorsaságnak azonban ára van. A hagyományos módszerrel összehasonlítva, az eredmény, a pontosság 5 százalékkal csökkent. Mégis megéri, mert változatos területeken, a fénytantól a légjármű-iparig, az energiatárolástól az egészségügyig, anyagfejlesztési szimulációktól felpörögnek a felfedezések, újítások.

A Sandia kutatói a jövőt illetően, ultravékony kijelzőkben gondolkoznak, mostani eredményeiket azokhoz használnák fel.

Nem ez volt az első, és nyilván nem az utolsó eset, amikor gépi tanulással oldottak meg tudományos szimulációs problémákat. Az Alphafold 3D-s fehérjeszerkezeteket talál ki, amelyekkel a gyógyszerfejlesztést teheti a mainál dinamikusabbá. A DENSE a csillagászatban, az éghajlattudományban és a fizikában gyorsítja fel a szimulációkat.

Az amerikai egészségügyben dolgozó algoritmusok jelentős része nem eléggé súlyozott, a demográfiai viszonyoknak nem megfelelő, „részrehajló” adatokkal dolgozik. A gépi tanulás egyik általános problémájára néhány éve keresik a megoldást, és úgy tűnik, hogy egyes MI-kkel sikerül megtalálniuk, de legalábbis közelebb kerülnek hozzá.

Egy, a páciensek fájdalomszintjét meghatározni hivatott új rendszer eredményei jobban megfelelnek az afroamerikai betegek által átérzett kínok szintjének, mint az orvosok becslései. Korábban csont és ízületgyulladásoknál, vagy porcleválásoknál az afroamerikai betegek fájdalomszintjét ugyanis a valóságnál alacsonyabbra mérték, mint az ugyanazokkal a panaszokkal orvoshoz forduló fehérekét.

A különbség okának megértésére, a Microsoft, a Stanford Egyetem és más intézmények a térd röntgensugaras vizsgálati eredményein tanítottak be egy modellt. A modellnek a fájdalomszintet kell előrejeleznie.

A ResNet-18 afroamerikai pácienseknél jobb eredményt ért el, mint a radiológusok által eddig általánosan használt osztályozórendszer. ImageNet-es képeken trenírozták, majd finomhangolták. 2877 páciens 25049 röntgenképét és a képekhez kapcsolódó beteg-beszámolókat használták fel.

A röntgenképeket a modellel értékelték ki, és ezzel párhuzamosan a radiológusokat megkérték az ízületi fájdalomszint vizuális meghatározásához alkalmazott Kellgren-Lawrence osztályozórendszer használatára. A rendszer egy viszonylag kevés személlyel végzett, 1957-es felmérésen alapul. A felmérés alanyai között alig volt afroamerikai, és nyilván ez a tény is közrejátszik fájdalomszintjük alacsonyra mérésében.

Az új modell 43 százalékkal pontosabban dolgozott, az afroamerikai és a fehér páciensek között alig volt eltérés, viszont a kutatók eddig még nem jöttek rá, hogy miért, és milyen paraméterek, tulajdonságok befolyásolták leginkább az előrejelzéseit.

Többmillió amerikai panaszkodik térdízületi fájdalmakra, afroamerikai betegek viszont kisebb valószínűséggel jutnak el a testrészt helyettesítő műtétekig. A Kellgren-Lawrence osztályozó és a hasonló rendszerek az egyik ok, mert sokszor túlzott szerepet játszanak az orvosi döntésekben, hogy a specialista kit javasol sebészi beavatkozásra, és kit nem.

Mélytanulással (deep learning) csökkenthetők a különbségek, a technológiát az egészségügy más területein is sikeresen alkalmazhatják. Már ahol nem tették meg eddig.

Hat kvantum-számítástudományi szakértő etikai kérdéseket vetett fel a gyors fejlődése ellenére a szélesebb körű felhasználásig még el sem jutott technológiával kapcsolatban. Nincs kereskedelmi forgalomban beszerezhető termék, előrejelzések alapján évekig várhatunk rá.

„Bármelyik új infokommunikációs technika megjelenése potenciálisan pozitív és hasznos az emberiségnek, de azt is elképzelhetjük, hogy egyeseknek árt” – nyilatkozta a Kaliforniai Santa Barbara Egyetemen tanító, korábban a Google kvantumhardver részlegénél főmérnök, John Martinis.

Az élet számos területén változással kecsegtető technológia nagyon korai fázisban jár még, a hatásokat viszont már most mérlegelni kell, és meg kell találni a jó és a rossz következmények közötti egyensúlyt. Mindenképpen előre kell gondolni – hangsúlyozza Martinis.

A kvantumszámítások drámai mértékben felgyorsíthatják többek között a gyógyszer- és az anyagfejlesztést, vagy az eddig is bonyolult pénzügyi számításokat, olyan cégek jövőjét befolyásolva, mint például a Visa, a JPMorgan Chase vagy a Volkswagen.

A kvantumfizikán alapuló rendszerek lehetőségei korlátlanok lesznek, valósidőben állhatnak elő nagy valószínűséggel működő megoldásokkal. Míg a hagyományos komputerek zérók vagy egyek, addig a kvantumszámítógépek szimultán zérók és egyek formájában tárolják az információt, ami nagyon sokat elárul a lehetőségeikről.

Ha ez a kapacitás rossz kezekbe kerül, ártó anyagok hozhatók létre vele, akár az emberi genom is megpiszkálható, rosszindulattal lehet belenyúlni. Szakértők kezdik felmérni a potenciális károkat, például szuperbiztosnak hitt titkosítások törhetők fel. Közben kriptográfusok dolgoznak már a klasszikus és kvantumos támadásokkal szemben egyaránt működő titkosítási szabványokon.

„Egyenértékű egy teljesen új ipari forradalommal” – magyarázza szakterületéről a Cambridge kvantumszámítási kutatásait vezető Ilyas Khan. Csoportja cyberbiztonsági termékeket, kvantumkomponensekkel kísérletező cégeknek rendkívül hasznos szoftvereket és algoritmusokat fejleszt.

A szakértő hangsúlyozzák: úgy akarnak figyelmeztetni a veszélyre, hogy közben ne riasszanak el senkit.

A robotika és mesterséges intelligencia térnyerésével, az automatizáció hatására laborok, gyárak és más munkahelyek mellett az otthonokban is megjelennek a változatos infokom technológiák.

Egyre több hobbilehetőség áll a tudomány és a technológia rajongói rendelkezésére: drónok, okos otthon szerkezetek, 3D nyomtatás, számítógépes programozás. Ha viszont mindent egyben akarunk, sokoldalú desktop robotkarok tűnnek a legjobb megoldásnak, ráadásul úgy érezhetjük magunkat közben, hogy egy kicsit már a jövőben élünk.

A nyílt forrású Retrix DexArm ilyen gép. Cserélgethető moduljai lehetővé teszik, hogy többek között 3D nyomtatóként, lézervágóként, vagy éppen mesterségesen intelligens robotasszisztensként alkalmazzuk.

Relatíve nagy munkaterületű printer modulja változatos (polimeralapú) anyagokkal működik, lézervágó és általános vágó funkciójának köszönhetően kartont, fát, kerámiákat dolgozhatunk meg vele, tollmoduljával különféle rajzokat készíthetünk, puha markolója szintén sok mindenben segíthet. A 3D nyomtatásnál persze ne ipari felhasználásra, hanem háztartásunk egy-egy kellékének cseréjére gondoljunk inkább.

Mivel az oktatásból lassan kimaradhatatlan számítógépes programozás (kódolás) a legfontosabb 21. századi szkillek egyike, ismerete nemcsak a betölthető állások körét bővíti, de a kortárs valóságot is jobban megértjük általa, segít a problémamegoldásban.

Tanulni még egy felnőttnek is szórakozva a legkellemesebb, gyerekeknek pedig pláne az. A technológia iránt érdeklődőknek a programozás elsajátítására kevesebb szórakoztatóbb formula van, mint egy robot. A géppel járó Retrics Studio például projektek tervezésében, de a kar személyre szabásában is segít.

A robot teljesen kompatibilis az MIT-n (Massachusetts Institute of Technology) gyerekeknek fejlesztett Scratch kódoló appal. Haladóbbaknak pedig a Retrics a C, C++, Python, Java, Javascript és az ROS programnyelvek használatára alkalmas alkalmazásfejlesztési felületet (API) biztosít.

Az Egyesült Államoknak nem kellene egyetértenie a mesterségesintelligencia-alapú autonóm fegyverek fejlesztésének és használatának tilalmával – állapította meg a kongresszusnak írt jelentésében egy, a kormány által felkért szakértői panel. Döntésük nem formálja közvetlenül az USA politikáját, viszont abszolút odafigyelnek rájuk. 

A panelt Eric Schmidt korábbi Google-főnök vezette, és két napon keresztül tárgyalták, hogyan kellene a világ legnagyobb katonai hatalmának kezelnie a mesterséges intelligencia nemzetbiztonsági felhasználását, a kapcsolódó technológiák fejlődését. Robert Work korábbi védelmi miniszter szerint az autonóm fegyverek kevesebbet hibáznak a csatatéren, mint az ember, és így kevesebb az áldozat is.

A vita során összemosódtak az emberi jogok és a hadviselés egyébként is képlékeny határai. Bő nyolc éve nem-kormányzati szervezetek koalíciója szorgalmazza a „gyilkos robotok” betiltását. Szerintük az emberi kontroll nélkülözhetetlen a támadások arányának és a háborús felelősségnek a megítéléséhez. Harminc ország, köztük Brazília és Pakisztán szorgalmazza a tiltást, az ENSZ 2014 óta több megbeszélést tartott a témáról.

Az autonóm fegyverek egyáltalán nem újak, az MI fejlődésével viszont új problémák merültek fel: a szoftverekkel vissza lehet élni, a mesterséges intelligencia betanításához előítéletes, elfogult adatokat is felhasználhatnak.

Az amerikai testület elismerte a kockázatot, a Microsoft egyik alkalmazottja a gyorsan reagáló gépek gyártóira gyakorolható nyomásról beszélt. Ezek a gépek ugyanis fegyveres konfliktusok eszkalálódásához vezethetnek.

A panel tiltás helyett nagyobb körültekintést, óvatosabb fejlesztéseket, morális követelmények kidolgozását követeli. Az embernek szerintük csak a nukleáris töltetű fegyverekről való döntés kitárólagossága jár. Közben figyelni kell más országok, főként Kína és Oroszország hasonló fejlesztéseit: drónokat, robotokat, emberélet kioltására képes algoritmusokat. Többen bírálják ezt az attitűdöt, mert fokozhatja a fegyverkezési versenyt.

Az MI hírszerzési alkalmazását, az adatatgyűjtés áramvonalasítását viszont teljes mértékben támogatják, A beszámoló végső változata márciusra várható.

Az Egészségügyi Világszervezet, a WHO becslése alapján a Földön kb. 285 millió látáskárosult, és mintegy 39 millió teljesen vak személy él. Az információkra ugyanúgy szükségük van, mint bárki másnak, viszont nem mindig, vagy nem megfelelő minőségben jutnak hozzájuk.

Az Egyesült Államokban évi többszáz jogorvoslati keresetet nyújtanak be internetes cégek ellen, mert nem férnek hozzá a szolgáltatásaikhoz. Az online hozzáférést ma már ugyanis jogként és nem kedvezményként tartja nyilván a törvény.

Több más népszerű webes szolgáltatóhoz hasonlóan, a Facebooknak komoly problémákat okozott a látáskárosult felhasználók kiszolgálása. Sokan panaszkodtak, hogy a közösségi média nem működik jól a hozzáférést segítő eszközökkel, például a szövegeket hangosan felmondó képernyő-olvasókkal. Az automatizált alternatív szöveg korábbi változatai pedig azt nem jelezték, ha a leírt kép nem volt a szöveg része, hanem hirdetésként funkcionált.

Több felhasználónak viszont kifejezetten tetszik, ahogy a Facebook használja az arcfelismeréssel egybekötött automatikus alternatív szöveget, mert megtudják, hogy barát vagy más szeretett személy szerepel a fényképen.

A Facebook bővítette a 2016-ban látáskárosultaknak kitalált, kép-, nyelv- és beszédmodellből álló, a közösségi hálózat használatára alkalmas rendszert. A képeket szintetizált hangon „leíró” szolgáltatás jelenleg 1200 vizuális fogalmat ismer fel, tízszer annyit, mint az előző változat. Látja és 45 nyelven elmagyarázza, hogy, a személyek és a tárgyak elhelyezkedésével együtt, mi van a képen.

A rendszer eredetileg kézzel felcímkézett adatokból tanult meg száz ismert fogalmat, például a fát vagy a hegyet. 2017-ben arcfelismeréssel bővítette, tette személyesebbé a felhasználói élményt. Az új frissítéssel többféleképpen részletezhető az automatikus alternatív szöveg.

Hetente felülvizsgált módszerrel tanuló képfelismerő modell 3,5 milliárd Instagram-képen és a hozzájuk kapcsolódó 17 ezer hashtag-en gyakorolt. Egy másik eljárással az algoritmus kategóriákat tanul meg: például szelfiket, nemzeti emlékműveket, ételeket, mint a rizst vagy a sült krumplit.

Tárgydetektáló könyvtáron alapuló ideghálójuk változatos objektumok számát, méretét és elhelyezkedését ismeri fel, illetve meg tudja határozni a kép tárgyát.

A rendszer mindegyik leírást a „Lehetséges…” szöveggel kezdi, és a pontosan nem azonosítható tárgyakat nem írja le. A felhasználó kérhet tőle pluszrészleteket, mire a modell a képet elhelyezkedés, méret és kategória alapján részletező oldalt jelenít meg, és onnan olvas fel.

MIT-s (Massachusetts Institute of Technology) kutatók nyelvi modellt gyakoroltattak fertőző vírusokat, például a SARS-CoV-2 még virulensebbé tevő mutánsok előrejelzésére.

Abból indultak ki, hogy az immunrendszer vírusokra adott reakciója hasonlít ahhoz, ahogy az ember megérti a természetes nyelveket. A fertőző vírusok rendelkeznek biológiailag pontos „nyelvtannal” és szemantikus értelemben vett jelentéssel is, amire az immunrendszer vagy reagál, vagy nem. A mutációk javíthatnak ezeken a nyugtalanító minőségeken.

Kétirányú hosszú-rövidtávú (biLSTM) memóriát treníroztak egy nyelvi modell genetikai megfelelőjén. A modellnek mondatból hiányzó szót kellett kitalálnia. A gyakorlósor különféle fertőző hibákból eredő génszekvenciákat tartalmazott: 25 ezer influenza-, 60 ezer HIV és 4 ezer SARS-CoV-2 variánst.

A biLSTM-et a szekvenciából hiányzó aminosav pótlására tanították meg. Közben a modell az aminoszekvenciák kapcsolatait megjelenítő beágyazásokat generált. Ezt követően, egyszerre csak egy aminosavon változtatva, mutálódott szekvenciákat hozott létre.

Egy-egy adott mutáció rangsorolásához súlyozott összeg valószínűségét vizsgálták – mennyire képzelhető el, hogy a mutálódott vírus megtartotta a fertőzött nyelvtant? Mekkora az eredeti és a mutálódott szekvencia beágyazása közötti szemantikai különbség?

Érdekes eredményeket kaptak, majd a modell legmagasabb pontszámú mutációit összehasonlították a valódi vírussal. A legjobb teljesítményt erősen fertőző és az antitestek elkerülésére képes SARS-CoV-2 variánsokat előrejelezve érte el, de két fajta influenzával és a HIV-vel is boldogult.

Nyelv és génszekvenciák hasonlóságait más kutatók szintén vizsgálták. A Salesforce-nál például aminosav-szerű szavak kezelésére, működő fehérjékből nyelvtanilag pontos „mondatok” írására alkalmas, az orvostudományban felhasználható nyelvi modellt gyakoroltattak.

Mivel a betegektől kell DNS-t venni, veszélyes mutációk felfedezése sokáig tart. Ártalmatlan mutációk előrejelzésével a problémásakat is könnyebb lesz megtalálni, és a vizsgálódások segítenek a járványkutatóknak, akik az új infók alapján könnyebben frissítik modelljeiket.

Különös szabadalomoltalmi kérvényt nyújtott be az illetékes amerikai hatóságoknak decemberben a Microsoft. A kérelem címe Speciális személy beszélgető chatbotjának létrehozása. Elvileg ártalmatlan fejlesztés lehet, és bizonyos mértékig így is van.

Viszont ha elég személyes adat áll rendelkezésre, a bot tényleg bárkit képes utánozni. Például ha az illető közösségi adataihoz, képekhez, hangokhoz, bejegyzésekhez, kommentekhez, elektronikus üzenetekhez, e-mailekhez, más nyilvános online forrásokhoz a bot és fejlesztői hozzáférnek. A kérelem alapján ezek az információk szükségesek a csevegő robot kidolgozásához, különben nem lesz hiteles az általa „megjelenített” személy.

Mindez azt jelenti, hogy élők és holtak egyaránt újraalkothatóak, és a chatbot úgy fog viselkedni, mint ők. A Microsoft talán így kíván javítani ügyfélszolgálatos beszélgető ágensein, esetleg Alexa, Siri vagy a saját Cortona mellé újabb, intelligensebb személyi asszisztenst képzel el.

A bot többek között elhunyt rokonokat is megjeleníthet, és (a síron túlról) velük is folytathatunk messenger jellegű beszélgetést. A digitális doppelgänger épp elég információval fog rendelkezni az eredetiről, hogy a Fekete tükörhöz (Black Mirror) hasonló disztópiában érezzük magunkat.

Nehéz elképzelni, hogy melyik szituáció bizarrabb: chatelni a halott nagybácsival, vagy, ha egy 10 ezer kilométer messzeségben épp fellépő, tehát az adott időpontban köztudottan teljesen mással foglalkozó híresség mondja meg nekünk a helyes irányt a Waze-en?

Választanunk sem kell közöttük, mert a szabadalmi kérelemből egyértelműen kiderül: a technológiával mindkettő lehetséges: „a speciális személy múlt- vagy jelenbeli entitásnak (vagy egy változatának), például barátnak, rokonnak, ismerősnek, hírességnek, fiktív karakternek, történelmi személynek, véletlenszerűen kiválasztott entitásnak stb. felelhet meg.”

Abszurd vagy morbid helyzetek mellett egy ilyen chatbot veszélyes is lehet. Képzeljük el, hogy hackerek ennyi adatból tökéletesen utánozzák, lényegében ellopják a személyiségünket, és alteregónk cyberbűnöket követ el a digitális térben.

De melyik énünket, a 16 évest vagy az érett felnőttet utánozza a chatbot, amikor tivornyáztunk, vagy elmélyülten dolgoztunk? És milyen személyiségi jogok (privacy) illetnek meg a halálunk után?

A kérdések inkább elméletiek, mert Tim O’Brien a Microsoft MI programok általános menedzsere közölte egy tweetben, hogy a chatbot valóban zavaró, és egyelőre nem is tervezik a fejlesztést.

Gabe Newell, a legendás Valve játékfejlesztő cég vezérigazgatója elmondta, hogy különleges headseten, egy agy-számítógép interfészen (brain-computer interface, BCI) dolgoznak. Az új eszközzel a videojátékokba minden eddiginél jobban bele lehet majd merülni, teljes immerzív élményt nyújt.

Az ötlet sci-fiszerűnek tűnik, de Newell szerint a játékfejlesztők nagy hibát követnek el, ha nem tanulmányozzák a BCI lehetőségeit. A Valve technikája nyílt forrású projekt, így mások is hozzájárulhatnak, és bárki használhatja nagyfelbontásban, változatos eszközökön, például módosított virtuális valóság (VR) sisakokon.

A Valve a bioszenzor hardvereket előállító OpenBCI novemberben bemutatott Galea „agyolvasó” technikájával dolgozik, amelyet a játékfejlesztő Index headsetjével való „együttműködésre” találtak ki. A felhasználó agyából és testéből származó adatok alapján a rendszer megismeri az illető érzelmeit: többek között, hogy izgul, meglepett, szomorú, unatkozik, szórakozik, vagy elege van mindenből.

Az érzelmi állapotok „olvasását” a fejlesztők az élmény további finomítására használhatják – növelik az alámerülést, személyesebbé teszik a játékot, például csökkentik a nehézségszintet, ha a játékos unatkozik.

Mindezt Newell elmondása alapján eddig nem látott, hihetetlen vizuális élethűséggel érik majd el.

„Mindazok után, amiket az agyban előidézünk, a valóság laposnak, színtelennek, homályosnak fog tűnni” – nyilatkozta.

A technikával nemcsak fürkészhető az elme, hanem az agyba továbbított jelekkel, a valóságnál jobb képi világgal az érzelmek is befolyásolhatók, megváltoztathatók.

Érzéseinket úgy fogadjuk el, amilyenek. Legalábbis eddig így volt, de a BCI hamarosan lehetővé teszi a digitális szerkesztésüket. Newell szerint technológiájuknak ez lesz az egyik első alkalmazása, és ugyanolyan könnyű lesz kezelni, mint a legtöbb mostani appot. Legelőször az alvás minőségén javíthatunk majd velük, de a nem kívánt érzelmeket vagy azok feltételeit is eltávolíthatjuk az agyból – prognosztizál a kutató, hozzáfűzve: „a BCI szerencsére eljutott már arra a szintre, hogy a VR sisakok használatakor fellépő esetleges szédülés is megszüntethető vele.”

Ezek a BCI megoldások egyelőre – több évig – azonban aligha válnak tömegtermékekké, mert rengeteg biztonsági és személyiségi jogi (privacy) követelménynek meg kell felelniük, máskülönben a felhasználók teljesen kiszolgáltatottá válhatnak.

Bámulatra méltó a virágról virágra reppenő, a mellettük megjelenő embereket, veszélyes ragadozókat kikerülő méhek mozgása, és nem is értjük igazán, hogy a kicsi rovarok ennyire tökéletesen tájékozódnak.

Majdnem hibátlan navigációs készségük részben az optikai áramlás jelenségével magyarázható: érzékelik a látómezejükbe kerülő objektumok sebességét.

Ezek a problémák általában csak biológusokat érdekeltek, az elektronikus készülékek miniatürizálódásával és a robotikus rendszerek térnyerésével azonban mesterségesintelligencia-szakértők is komolyan foglalkoznak az élővilággal, biológiai jelenségek gépekre adaptálásával. 

Robotfejlesztők többször próbálkoztak a stratégia repülő szerkezetekre történő alkalmazásával, eddig azonban csak korlátozott sikereket könyvelhetnek el. Többek között azért, mert a miniatűr gépek, például pici drónok fedélzetén minimális szenzor szállítható, és az adatfeldolgozás sem nevezhető gyorsnak, gördülékenynek.

A Delfti Műszaki Egyetem és a Vesztfáliai Alkalmazott Tudományok Egyeteme a méhekből kiindulva, az optikai áramláson alapuló tanulási folyamatot javasol robotoknak. A gépek a látómezejükbe kerülő tárgyak vizuális jegyeit, színt, formát, textúrát feldolgozva, becsülnék fel a távolságokat.

Az optikai áramlásnak azonban van két korlátja: egyrészt a távolságról és a sebességről csak kevert, és nem külön-külön információt ad. Például, ha két drón száll le, és az egyik kétszer olyan gyorsan repül, mint a másik, illetve kétszer annyira magasan tartózkodik, mindketten ugyanazt az optikai élményt élik át, pedig értelemszerűen másként kellene reagálniuk. Soha nem érnek célba, ha földre szálláskor nem alkalmazkodnak a magassághoz, és landolás helyett a föld felett kezdenek el keringeni.

A másik ok, hogy akadályok elkerülése szempontjából szerencsétlen, ha az optikai áramlás nagyon kicsi. Ebben az esetben a mérésekben sok a hiba – „zajosak” –, és így alig van információ az akadályok jelenlétéről, ráadásul a legfontosabbat a legnehezebb detektálni.

A probléma akkor szűnik meg, ha a robot az optikai áramlás mellett a környezetében lévő tárgyak vizuális jegyeit is tudja értelmezni. Ehhez kell a tanulás.         

A mesterségesintelligencia-alapú tanulási stratégiával jelentősen javulhat a kisméretű drónok tájékozódása, és egyben új hipotézis dolgozható ki a rovarok intelligenciájáról.

Ha a méhek gyakorlatát használó drónok ugyanúgy autonómok lesznek, mint a sokkal nagyobb önvezető autók, tevékenységük lényegesen hatékonyabbá válik, intelligenciájuk a repülő rovarokéhoz lesz hasonló.