Miért nem ütköznek gyakrabban össze a bolygók? Hogyan szervezi meg magát egy bolygórendszer, mint a miénk a Nap, vagy mások más csillagok körül? A lehetséges megoldások közül a bolygók mindegyikben keringenek, de hány konfigurációban maradnak meg több milliárd évig, a csillag életciklusának végéig?

Ha kihagyjuk az instabil lehetőségeket, az összes ütközéshez vezető forgatókönyvet, élesebb képet kapunk a más csillagok körül keringő bolygórendszerekről.

„A stabil és az instabil konfigurációk szétválasztása izgalmas, de kőkemény probléma” – jelentette ki Daniel Tamayo, a NASA és a Princeton Egyetem asztrofizikusa.

A stabilitás megállapításához, csillagászoknak több egymással interakcióban lévő bolygó sok évmilliárdos mozgásait kell kiszámolni, valamint leellenőrizni az összes lehetséges stabilitás-konfigurációt. Magyarán lehetetlen feladatról van szó.

A csillagászok, Isaac Newton óta próbálkoznak vele, kutatásaik ugyan sok matematikai felfedezéshez, például a káoszelmélethez vezettek, viszont senki nem jött rá, hogyan lehet elméletileg előrejelezni a stabilitás-konfigurációkat.

A NASA kutatói megoldási javaslataként teljes csillagrendszerek sorsát bíznák egy mesterségesintelligencia-algoritmusra. Rendszerüket Tamayo nevezte el, Stability of Planetary Orbital Configurations Klassifier, azaz (rövidítve) a Star Trek rajongóknak otthonosan és kedvesen csengő SPOCK.

SPOCK valójában nem dönti el, melyik világok fognak élni, melyek meghalni. Viszont sokkal nagyobb léptékben és lényegesen pontosabban előrejelezheti exoplanéták útját, és meghatározhatja, melyek maradnak stabilak, illetve melyek ütköznek bele más bolygókba vagy csillagokba, mint amire ember valaha is képes lenne.

Az első exobolygó 1995-ös felfedezése óta, a tudósok több mint 4 ezret azonosítottak. Több mint 700 egynél több bolygót tartalmazó csillagrendszerben található, és így potenciálisan veszélyben vannak, mert tragikus végkimenetelű összeütközések történhetnek.

„Kategorikusan nem jelenthetjük ki, hogy ez a rendszer rendben van, amaz viszont hamarosan fel fog robbanni. Helyette az a cél, hogy egy adott rendszernél kizárhassuk az összes instabil lehetőséget, azokat a lehetőségeket, hogy már összeütköztek, és jelenleg nem létezhetnének” – magyarázza Tamayo.

Kutatók hagyományosan „nyers erőt” (brute force) használnak a probléma megválaszolásához: exobolygót modellezve keresik a veszélylehetőségeket. SPOCK elegánsabb: 10 ezer körforgásnál megáll, a gépitanulás-algoritmus rajtuk gyakorol, a rendszer pedig így tanulja meg, hogy időben előrejelezzen összeütközéseket.

A SPOCK név arra is utal, hogy a modell eldönti, mely rendszereknek lesz „hosszú és eredményes élete” (live long and prosper, ahogy a legendás filmbeli Spock és a vulkánok köszöntötték egymást, másokat).

Az utóbbi hetekben és hónapokban sok tanulmány jelent meg mesterséges intelligenciák és gyakorlóadataik bőrszín- és nemi alapú előítéleteiről. A jelenségre reagálva, több techóriás etikai kezdeményezéssel állt elő. A nemesnek tűnő „a technológia szolgálja az emberiséget” cél kritikusok szerint inkább azzal magyarázható, hogy elkerüljék a szabályozást.

Azt hihetnénk, hogy a felsőoktatási intézményekben jobb a helyzet, a következő generáció számítástudományi szakemberei tisztában vannak a mesterséges intelligenciák „moralitásával.” Tévednénk – állapította meg az Anaconda szoftvercég.

2360 adattudományt tanuló diákkal, felsőoktatásban dolgozó személlyel és szakemberrel végzett felmérésükből ugyanis kiderül: a megkérdezett oktatók és szakemberek mindössze 15 százaléka tanít MI-etikát, a diákoknak pedig csak a 18 százaléka tanult a témáról.

A döbbenetesen alacsony számok oka nem az érdeklődés hiánya. A megkérdezettek fele ugyanis elmondta, hogy az elfogultság társadalmi hatásai vagy a magánszféra (privacy) az MI és a gépi tanulás legnagyobb megoldandó problémái. Félelmüknek viszont alig van nyoma a tantervekben.

Az Anaconda felmérésében száznál több ország adattudósai gondolják, hogy az MI-etika hiánya a felsőoktatás mellett az iparágban is tetten érhető. Intézmények ugyan beszélhetnek korrektséget biztosító, vagy magyarázatot adó megoldásokról, e technikák tömeges elterjedésére minimális az esély.

A válaszadók mindössze 15 százaléka látja úgy, hogy szervezetük bevezetett pártatlanságban segítő gépi eszközöket, 19 százalékuk pedig magyarázatot adó technológiák cégen belüli jelenlétéről beszélt.

A tanulmány szerzői szerint a jelenlegi állapotnak súlyos hosszútávú következményei lehetnek. E problémák proaktív kezelésének hiánya a versenyképességben, a pénzügyekben és jogi szinten is stratégiai kockázatot jelenthet vállalkozásoknak, intézményeknek.

A nyílt forrású eszközök, az üzleti tréningek és az adatbányászat biztonsági problémáira szintén rákérdeztek. A legveszélyesebbnek viszont mindenképpen az MI-etika hiányát, figyelmen kívül hagyását tartják. Itt két viszonylag távoli, de összefonódó, társadalmi, oktatási és szakmai kérdéseket felvető területről, trendről van szó: egyrészt az elfogultság és a korrektség technikáinak lassú fejlődéséről, másrészt a gépi tanulás eredmények megmagyarázhatóságának hiányáról.

A koronavírus-járvány miatt sokkal nehezebb és drágább forgatni, ezért több cég úgy döntött, hogy a „szintetikus médiához” fordul. A stúdiók komoly problémákkal küszködnek, a felvétel-készítés közbeni egészségügyi kockázatok nincsenek arányban a végeredménnyel.

Az oktató-, tréningvideókkal, mozgóképes promóciós anyagokkal vagy bármilyen más felvétellel dolgozó vállalkozások viszont bajban vannak, és keresik is az üdvözítő technológiai megoldásokat, például színészek szintetikus karakterekkel történő helyettesítését.

Kamuvideók kamuszereplőkkel? Egy kicsit igen, de a szükség nagy úr, olyannyira az, hogy át is vették a kamumédiából ismert úgynevezett deepfake technológiát.

Pontosan azokat a technikákat, amelyeket eddig dezinformációra vagy éppenséggel zaklatásra, kifejezetten negatív célokat szolgáló kampányokban szoktak alkalmazni.

A WPP hirdetőcég például megbízta a Synthesia mesterségesintelligencia-startupot, hogy deepfake avatárokkal készítsen tréningvideókat. Az anyagokat több tízezer alkalmazott fogja látni még ebben a hónapban.

A videók távolról sem tökéletesek, a legtöbb „kamutechnikának” megvannak a maga hibái, elcsúszásai stb. Viszont, figyelembe véve a pandémiával fertőzött élet nehézségeit, a semminél csak jobbak, ráadásul senki nem vár el tőlük Oscar-díjas CGI (Computer-Generated Imagery) bravúrokat. Pont megfelel, ha minőségileg „elég jók.”

„Azt mondjuk, hogy vegyük ki a kamerát az egészből” – magyarázza Victor Riparbelli, a Synthesia vezérigazgatója.

Mesterségesintelligencia-avatárok politikai anyagok helyett vállalati videókhoz történő fejlesztése erkölcsileg nem kevésbé kockázatos, mert mindkét esetben realisztikus deepfake megoldásokat kell generálni.

A cég a fejlesztés során több belső ellenőrzésnek veti alá az anyagot. Például alaposan átnézik a forgatókönyvet, igyekeznek elkerülni bármiféle politikai tartalmat. Mivel egyes videókban teljesen új avatárok helyett hírességek alapján készült kamuszereplők láthatók, a digitális rekonstrukció előtt az adott celeb beleegyezésére is szükség van.

Sok sci-fiben visszaköszönő izgalmas téma, hogy építünk egy csillagközi űrhajót, egyfajta mini Noé bárkáját, mindenféle növénnyel, állattal és persze egy csomó emberrel, olyan változatosan elosztva, amennyire csak lehetséges. Aztán irány egy távoli csillag, csillagrendszer.

Az elképzelés nemcsak a sci-fiben divatos, hanem tudományos tanulmányokat is írtak róla. A több generáció elszállásolására alkalmas űrhajókkal, más néven Generációs Űrhajókkal indulhatnánk neki az ismert vagy ismeretlen világegyetem, új galaxisok meghódítására, csúnya szóval gyarmatosítására.

Az ilyen projekteknek azonban megvannak a maga kellemetlenségei is. Egy ennyire hosszú utazás során a zárt környezetben több új generáció születik és nő fel, majd hal meg egy olyan talán soha be nem teljesedő küldetésért, amiről senki nem kérdezte őket, hogy részt akarnak-e venni benne vagy sem.

Az egésznek előre nem jelezhető, sokféle biológia és mutációs következménye lehet. Ráadásul nem csak emberek, állatok és növények mutálódhatnak, hanem az utazók által beszélt nyelv is.

Az utazás közben a nyelv annyira megváltozhat, hogy, ha egyszer visszatérnek az anyabolygóra, a földlakók nem vagy alig fogják érteni.

A nyelv változó, folyamatosan fejlődő építmény, amelyben a szabályok és a megszokások fokozatosan cserélődnek le, avulnak el, vagy mennek át új nyelvezetekbe.

Ha elfogadjuk, hogy a csillagközi út több generáción átível, a Földön és az űrhajón beszélt nyelvek olyan mértékben eltávolodnának egymástól, hogy az itteniek és a csillagközöttiek közti kommunikáció vagy nagyon nehéz, vagy teljesen értelmetlen lesz.

„Ha tíz generációnyi évig az űrhajón vagyunk, új elképzelések, fogalmak születnek, teljesen új társadalmi kérdések merülnek fel, és az utazók ki fogják találni, hogyan beszéljenek róluk” – véli Andrew McKenzie, a Kansas Egyetem nyelvész-professzora, majd hozzáfűzte, hogy lingvisztikai szakértőknek is kell néhány ülés. Fordítóalgoritmusok képtelenek lennének az egymástól függetlenül fejlődő két nyelv közötti szakadék eltüntetésére.

A fedélzeten kell átfogó nyelvpolitikát kitalálni, majd a földi szabályozásra való hivatkozás nélkül fejleszteni tovább.

A negevi (Izrael) Ben-Gurion Egyetem kutatói kidolgozták, hogyan lehet belőni drónoperátorok pontos tartózkodási helyét. Egyértelmű, miért van szükség erre: az illetőket rossz szándák vezérelheti, és ha például repülőterek vagy védett légterek környékén ténykednek, komoly problémákat okozhatnak, veszélyeztethetik a légi közlekedést.

A kisméretű kereskedelmi, ember nélküli repülőrendszerek, a drónok jelentős biztonsági kockázatot jelenthetnek. Mozgékonyak, könnyen beszerezhetők és olcsók, azaz szinte bárki hozzájuk férhet. Emiatt egyre jobban nő a detektálásukra, lokalizálásukra és alkalmasint hatástalanításukra alkalmas technológiák iránti igény. Ezekkel a megoldásokkal szignifikáns károk előzhetők meg.

A megoldás a drón repülési útvonalának elemzésében rejlik.

„Drónok helymeghatározása jelenleg rádiófrekvenciás technikákkal történik. A repülési terület környékén szenzorok kellenek hozzá, a háromszögelés így történhet meg. A drón jelzéseit zavaró, gyengítő nagymennyiségű más wifi-, bluetooth- és IoT-jelek miatt komoly kihívásról van szó” – magyarázza Eliyahu Mashhadi, az egyik kutató.

Társaival mély ideghálót  gyakoroltattak be, hogy jelezze előre a drón működtetőjének térbeli koordinátáit. Csak a drónok útvonalát használták hozzá, a kigyűjtött adatok miatt nem kellett plusz szenzor.

„Rendszerünk mintázatokat képes azonosítani a drón útvonalán, amikor az mozgásban van. E mintázatok segítségével lokalizálja az operátort” – folytatja Mashhadi.

Szimulált drón-útvonalakon tesztelték, és a modell 73 százalékos pontossággal megmondta, hogy hol az operátor. Következő lépésben megismétlik ezt a tesztet, annyi különbséggel, hogy valódi drónoktól begyűjtött adatokat fognak használni.

Most, hogy tudjuk, hogyan azonosítható a drón működtetőjének földrajzi pozíciója, érdekes lenne kideríteni, milyen pluszadatok nyerhetők ki ebből az információból. Elképzelhető, hogy megtudjuk az operátor technikai szintjét, sőt, akár még a pontos személyazonosságát is” – jegyezte meg a fejlesztésben szintén résztvevő Yossi Oren.

A baseballban kb. két évtizede használnak adatelemzést, és az évek múlásával egyre több sport vált mesterséges intelligenciák próbaterepévé. Az NBA és a francia bajnokság egyes kosárlabdacsapatainak edzői a Keeomotion MI-alapú videorendszerével vizsgálják a meccseket.

Az izraeli Minute.ly videorendszere sportközvetítések legizgalmasabb pillanatait azonosítja. A Fujitsu lézeradatokat használó eszközt fejlesztett, amellyel tornászok mozgása követhető nyomon.

A mesterségesintelligencia-megoldásokból a legnépszerűbb sport, a labdarúgás sem maradhatott ki. Focicsapatok mind sűrűbben élnek a technológia, különösen a számítógépes látás adta lehetőségekkel, a győzelem, vagy egyszerűen csak a jobb szereplés érdekében azokat is igyekeznek hasznosítani.

A felhőtárolási és biztonsági szolgáltatásokat nyújtó svájci Acronis által kínált MI-megoldásokkal a világ több topklubja él. A vállalat edzésekről és meccsekről készült videókat tárol profi csapatoknak, többek között a londoni Arsenalnak, Pep Guardiola Manchester Cityjének és a milánói Internazionale-nak.

A vállalat gépi tanulással foglalkozó egyik csoportja kifejezetten a sportokra specializálódott, az adatokon mesterségesintelligencia-algoritmusok gyakorolnak. Az MI-k a játék minőségének javításában és a jobb marketingben segítenek.

Az Acronis szóvivőjének elbeszélése alapján a meccselemző alkalmazások elsődleges rendeltetése a játékosok követése, monitorozása, és természetesen a taktika elemzése. Nem pontosította, hogy melyik csapat melyik szolgáltatásukat használja.

Annyit árult még el, hogy az angol Premier League egyik csapata a jegyeladások és az időjárás, illetve más tényezők tanulmányozását, valamint a nézőszám előrejelzését végezteti a mesterséges intelligenciájukkal.

Terveik szerint hamarosan stadionok megfigyelőrendszereinek felvételeit használva, tekintet-elemzést is végeznek majd, így próbálják megállapítani, hogy a drukkereket a meccs melyik jelenetei érdeklik legjobban. A stadionok ezeket az információkat reklámok időzített elhelyezésére használhatják fel. Kiszámíthatják, mikor a legjobb.

A virtuális valóság (Virtual Reality, VR) egyre jobb lett az elmúlt években, de néhány kivételtől eltekintve, a technológia látványra és hangra redukálódik. Felvesszük a headsetet, bekapcsoljuk a fejhallgatót, és nagyjából ennyi. A többi érzékszerv általában kimarad, elsősorban érthető technikai okok miatt.

A tapintás- és a hőérzet egyébként megvalósítható, például egy dobozfélét fogunk, és érezzük az érintést, vagy kifejezetten drága robotkarra csatlakoztatott szintén drága kesztyűt veszünk fel.

Ha viszont a valódi alámerülést (immersion) szeretnénk átélni, nem praktikus, ha a hardver korlátoz, azaz minden plusz érzékszervi élmény költséges és túl sok kiegészítő technika kell hozzá.

A hőérzethez egyes hardverek speciális kiegészítőkkel, hőelektromos, úgynevezett Peltier-elemekkel rendelkeztek. Ha ezeket az elemeket bármire ráerősítjük, igény szerint hűtik is, fűtik is azt, viszont túl sok energiát fogyasztanak, így nem praktikusak. Más VR-opciók, például a hőlámpák még ennyire sem azok.

A Chicago Egyetem kutatói sokkal energiahatékonyabb rendszerrel álltak elő, amellyel különböző hőmérséklet-érzetek generálhatók a virtuális valóságban. Ez az arcunk, az orrunk „meghackelésével” érhető el. Nagyon speciális atomizált vegyi anyaggal férnek hozzá az orrunkban lévő trigeminus (háromosztatú) ideghez. A fej legnagyobb részének érző, az agyat és az arcot összekötő idegéről, és számos izom, közöttük a rágóizmok mozgató idegéről van szó.

A rendszer által szétszórt parányi vegyi anyag eléri, hogy a szagokon keresztül hideget és meleget érezzünk, ráadásul úgy, hogy a fizikai valóságban az égadta világon semmit nem érzünk. Az anyag belekerül a trigeminus idegbe, és megteremtődik a hőérzet, pontosabban annak utánzata.

Az eszközzel változtatható a hideg és a meleg intenzitása. A melegérzet egyébként könnyebben elérhető, mint a hidegé.

„Végső fokon, a VR és az AR (Augmented Reality, kiterjesztett valóság) bármilyen új módja csak akkor lesz sikeres, ha mobil, kötetlen környezetben is megvalósítható. Ha hordozható hőélményt akarunk elérni, a rendszernek szintén hordozhatónak kell lennie” – nyilatkozta Jas Brooks, az egyik kutató.

A londoni Imperial College kutatói által fejlesztett új gépitanulás-algoritmus lehetővé teszi üzemanyagcellák és (az okostelefonokban, laptopokban, elektromos autókban lévő) lítium-ion elemek mikroszerkezeteiről készülő potenciális tervek tanulmányozását. Ezt követően futtathatják le a teljesítményt növelő változtatásokban segítő 3D szimulációkat.

Az üzemanyagcellák szél- és napenergiával generálható tiszta hidrogént használnak hő és elektromosság előállításához, míg a lítium-ion elemek népszerű energiatárolási eszközök. Mindkettő teljesítménye erősen függ a mikroszerkezeteiktől: az elektródák közti lyukak formája, elrendezése jelentősen befolyásolja az előállítható energiamennyiséget, az elemek töltési idejét.

A javításokból komoly előnyeink származhatnak, a mikrométer léptékű likacsok viszont annyira kicsik, hogy speciális alakjukat és méretüket nehéz a tökéletesítéshez szükséges nagy felbontásban tanulmányozni.

A kutatók ezért fordultak a gépi tanuláshoz, amely segít a szimulációkban, és a szimulációkkal a mikroszerkezetek alapján előrejelezhető a részecskék teljesítménye.

Speciális technikát alkalmaztak, és ezek az algoritmusok képesek megtanulni 3D képadatok generálását. Nanoléptékű képalkotással létrehozott gyakorlóadatokat használtak hozzájuk, mert azokból könnyebb kikövetkeztetni, hogy a likacsok mely tulajdonságai befolyásolják az összteljesítményt.

Ehhez azonban az egész üzemanyagcellát statisztikailag reprezentáló, hatalmas mennyiségű nagyfelbontású adat kell, amit a jelenlegi módszerekkel nehéz megszerezni. A kutatók ezért döntöttek a kód trenírozása mellett, mert így érték el, hogy az vagy ugyanazokkal a tulajdonságokkal rendelkező nagyobb adatsorokat, vagy jobb teljesítményű elemekhez vezető szerkezeteket generáljon.

Az eredményekből kiindulva jobb teljesítményre optimalizált elektródák fejleszthetők. A kutatás pedig mind az energiatárolással, mind a gépi tanulással foglalkozó szakemberek számára hasznos lehet, egyfajta interfészként szolgálhat a két terület között.

Az Izraeli Technológiai Intézet (Technion) kutatói mélytanulást (deep learning) is használva fejlesztettek új mikroszkópot, amely lehetőséget nyújt, hogy tudósok három dimenzióban (3D) lássák a sejteket működés közben.

A DeepSTORM3D szuper-nagyfelbontású 3D műszerrel kivitelezhető mozgó rendszerek 3D képekkel történő feltérképezése. Felbontása kb. tízszer nagyobb, mint a szabvány optikai mikroszkópoké.

A kutatók által fejlesztett mesterséges idegháló képes volt saját magát gyakoroltatni, hogy a valóságból származó mikroszkopikus adatokból, mintákból szuper-nagyfelbontású 3D képeket hozzon létre.

„Az új technológiával eljutottunk abba az irányba, hogy megvalósíthassuk a biológiai kutatások Szent Grálját, élő sejtek biológiai folyamatainak szuper-nagyfelbontásban történő feltérképezését. Fontos, hogy az élettudományok profitáljanak a munkánkból, és szerencsére közeli kapcsolatban is állunk biológusokkal, akik folyamatosan jelzik: igényt tartanak a fejlesztéseinkre” – jelentette ki Yoav Shechtman, a Technion egyik fejlesztője.

Az adatábrázolás mellett, az idegháló az eszközkészítésben is sokat segített, a kutatóknak többször szolgáltatott hasznos információkat a mikroszkópépítés módszeréről.    

Az új technika valóban forradalmasíthatja a biológiát.

A jelenlegi mikroszkópok ugyanis kétdimenziós képeket mutatnak sejtekről. Tudósok láthatják a belsejüket is, hogy mi történik ott, ezekről a képekről viszont törvényszerűen hiányoznak fontos információk, mivel a világ háromdimenziós. Eddig rétegenként szkenneltek mintákat, és az összes réteget tartalmazó számítógépes képet dolgoztak ki, azt kezelték 3D objektumként.

Mivel minden egyes réteg leszkenneléséhez a mintáknak hosszú ideig állóképeknek kell lenniük, a folyamat korlátozott, sejtek tevékenysége nem nézhető 3D-ben. Ráadásul a hagyományos mikroszkópoknál a fény átmegy a mintán, a képet lencse nagyítja fel. A nagyítást a lencse fénytörési korlátai limitálják.

A DeepSTORM3D-vel megszűnnek ezek a problémák.

A színészi játék több aspektusa, például a kézfogás, a csók stb. nem túl biztonságos a koronavírusos valóságban. A filmkészítés, különösen a forgatás is nehéz mostanában.

Hollywood természetesen nem adja fel.

2021-ben láthatjuk majd az első mesterségesen intelligens színészt, egy humanoid robotot, a mindenféle fertőzéstől mentes Ericát főszerepet játszani a b című 70 millió dollár költségvetésű sci-fiben. A film egy, a humán DNS-t tökéletesítő tudósról szól. Csakhogy a programban találhatók hibák, és veszélyessé válik. Ő az MI-organizmus, és teremtőjének segítenie kell, hogy elszökjön a laboratóriumból.

A történet összecseng Erica valódi történetével. Két japán tudós, Hiroshi Ishiguro és Kohei Ogawa azért tervezte, hogy az ember-számítógép interakciót tanulmányozza. Ishiguro annyira mélyen foglalkozik a témával, hogy a múltban saját lányáról is készített egy androidot.

A két kutató tanította be Ericát, hogyan játsszon a b-ben. Speciális színészmódszert kellett kitalálniuk rá, mert az eddigiek értelemszerűen nem működnek mesterséges intelligenciákkal. Húsvér színészek élettapasztalataikat, élményeiket is beleviszik alakításaikba, Erica esetében ilyenekről azonban természetesen nem beszélhetünk.

A semmiből csinálták, hogy szerepet játsszon. Mozgásait, érzéseit lépésről lépésre, elemenként kellett szimulálni, például kontrollálni kellett a mozdulatok sebességét, érzéseit, a testbeszédet, a karakterfejlődést.

Hollywood nem most próbálkozik először az emberin túlmutató, újfajta színészi játékkal. A tavalyi Finding Jack-ben például a 65 éve halott James Dean-t élesztették fel egésztestes számítógépes grafikával, különleges CGI (Computer-Generated Imagery) technikával. A film az eredeti tervek szerint Veteránok Napján, azaz november 11-én debütál, kérdés, hogy a Covid-19 mennyire írja át ezeket a terveket.

Ericát egész biztosan nem látjuk idén. A producerek még rendezőt és humán színészeket keresnek hozzá, egyes jelenteket Japánban viszont már felvettek a robottal. A forgatás a számítások szerint 2021 júniusában ér véget, a filmbemutatóra valamikor a jövő év végén kerülhet sor.