Az Egyesült Királyság kormánya úgy döntött, hogy egyelőre nem alkalmaznak mesterséges intelligenciákat az egyetemi és főiskolai felvételi alapvizsgáihoz. A jegyeket gépitanulás-algoritmus adta volna.

A koronavírus-járvány miatt felbolydult világban szükség lehetett volna rájuk, végül a tapasztalatok alapján tekintenek el tőlük. Előzetes osztályzataik ugyanis általában alacsonyabbak voltak, mint a tanároké. Londonban feldühödött diákok tiltakoztak is az MI-k ellen.

A kormány végül minden esetben a magasabb pontszámokat fogadta el, azaz kiállt a tanárok mellett.

Az oktatási szervezetek a tanárokat diákjaik megelőző teljesítménye és korábbi vizsgáik alapján történő osztályozására kérte fel eredetileg. A jegyek ezért lettek az átlagosnál jobbak. Utána kidolgozták az algoritmikus modellt.

A modell két inputon alapult: a diákok iskolai teljesítményén, valamint az adott iskola többéves teljesítményén az egész oktatási rendszerben.

A becslések alapján az MI az angliai, észak-ír és walesi diákok 40 százalékának alacsonyabb pontot adott, mint a tanárok. Mindössze 2,2 százalékuk kapott jobb jegyet. Az MI-től gyengébb osztályzatot kapó tanulók általában szegényebb közösségekből kerültek ki.

Egy kétéves felsőoktatási tanulmányokra diplomát adó nemzetközi nonprofit alapítvány a pandémia hatására szintén teljesítményértékelő modellt alakított ki. A szervezet elmondása alapján a modell a tanárok előző évi teljesítményéhez hasonló eredményt produkált. Mindezek ellenére, több mint 15 ezer diák, szülő és tanár a modell újraértékelésére kéri az alapítványt, petícióval is fordultak hozzájuk. Az igazságtalanul alacsony jegyekre hivatkoztak.

Tiltakozásuk érthető, hiszen sok országban ezek a vizsgák döntik el, hogy a diákok folytathatják-e tanulmányaikat a felsőoktatásban. Becsődölő, de akár csak minimálisan hibázó osztályozó/értékelő modelleknek egy egész életre szóló következményei lehetnek.

Ha az algoritmus osztályzata általában pontosabb, előítélet-mentesebb, és külső tényezők kevésbé befolyásolják, mint a tanárt, akkor meggondolandó lenne a használata. Viszont, ha igazságtalanul rosszabb jegyeket ad, szörnyű lenne alkalmazni.

A mai világban mindkettő elképzelhető egy MI-ről, mindkettőre bőven akad példa. Oktatásbeli bevezetésük azonban komoly etikai kérdéseket is felvet, tisztázásukhoz sok vitára lesz még szükség.

A lovak általában nem hordanak kalapot, mint ahogy a generatív ellenséges hálózatok (GAN) sem a programozók utasításait követik. Egy új MIT-s (Massachusetts Institute of Technology) megoldással (GANPaint) viszont bele is nyúlhatunk egy ilyen hálózatba, és kalapot is tehetünk a lóra.

Ideghálók mélyrétegeinek szerkesztésével soha nem látott meghökkentő képek generálhatók.

„Mindegyik GAN komoly művész, viszont csak azt tudják utánozni, amit látnak. Ha közvetlenül átírjuk a szabályaikat, csak az emberi fantázia lesz a határ” – nyilatkozta David Bau, az egyik fejlesztő.

Egy GAN két „ellenséges” ideghálóból áll, együtt próbálnak élethű képeket, hangokat stb. létrehozni. Az egyik, a generátor, megtanulja utánozni a képen látott arcot. A másik, a megkülönböztető, összehasonlítja az újat az eredetivel, majd visszajelez, és az iterációk a hiteles végeredményig folytatódnak.

Döbbenetesen élethű, de teljesen bizarr munkákat is generálnak, minden a megtanult adatsortól függ. Minél több a példa, annál jobb az output.

A kutatók viszont kimutatták, hogy nincs szükség óriási adatsorokra. Ha megértjük a modell „huzalozását”, a rétegeiben lévő számszerűsített súlyok céljaink szerint szerkeszthetők, így pedig megcsinálhatjuk saját magunk adatsorát. Úgy változtatjuk meg a feltételeket, hogy a modell például kalapos lóval álljon elő.

„Mintha egy szentjánosbogár DNS-ét tennénk egy növénybe, hogy világítson a sötétben” – magyarázza Bau.

A GANPaint programmal az idegháló speciális célokat szolgáló mesterséges idegsejtjei ki- és bekapcsolhatók, azaz funkciók tüntethetők el, vagy adhatók hozzá, memóriabankjai pedig átírhatók. Az egyik képből kimásolunk egy fát, majd egy épület tetejére illesztjük. Ezt követően a modell csomó hasonlóval áll elő.

A kutatók szerint az idegháló minden egyes rétege asszociatív memóriaként működik, és ha elég képet táplálunk beléjük például kapukról, megtanulják a funkcióikat. A szabálysorokat memorizálva, jobban értik a világot.

Egy GAN szerkesztésének azonban megvannak a maga korlátai. Az összes, tárgyakhoz, állatokhoz stb. kapcsolódó idegsejt azonosítása nagyon nehéz, ráadásul egyes szabályok megváltoztathatatlanok, hiába próbálkoztak velük, nem sikerült.

A számítógépes grafikában máris alkalmazzák a GANPaint-et, de ritka jegyeket felismerő mesterségesintelligencia-rendszereknél szintén számítanak rá. Segít megérteni, hogy egy GAN hogyan tanul meg vizuális fogalmakat.

A Google és az Apple, a Covid-19-re reagálva, félretette ellentéteit, és a járvány első hónapjaiban közös szolgáltatást (Google Apple Exposure Notification, GAEN) dolgozott ki. Lényege, hogy az app, az anonimitás megőrzésével, a felhasználót fertőzött személyekkel való kapcsolat időpontjáról értesíti.

A fertőzött identitása nem derül ki, az információtovábbítás telefonok között, központi irányító vagy más azonosítható információ nélkül történik. Ha figyelmeztetést kapunk, minél előbb testeltethetjük és házi karanténba tehetjük magunkat.

A két legnagyobb okostelefonos szoftverszolgáltató együttműködésével a szolgáltatás világ lakosságának felét, akár négymillió embert is elérhető.

Egyelőre viszont lassan terjed, veszélyeire pedig máris több tanulmány figyelmeztet. Sebezhető digitális megoldásként írják le, hackerek például elérhetik vele, hogy tömegek ne vegyenek részt választásokon.

A fertőzést hitelesítő kódok ugyanis eltulajdoníthatók, feketepiacon megvásárolhatók, készülékek Bluetoothon keresztül könnyen megtámadhatók, és mivel egyetlen központi hatóság sem látja soha ezeket a kódokat, sokszor és sokat lehet csalni velük, egy fertőzésre vonatkozó jelzést akár ezerszer tovább lehet küldeni, amellyel egészséges emberek bírhatók otthonmaradásra.

Ilyen trükkökkel akár választások is manipulálhatók. A Covid-19 ürügyén célzatosan kiválaszthatunk csoportokat, amelyek aztán tömegesen nem mennek el szavazni, és rögtön másként alakulnak az eredmények.

A protokollt a fejlesztők önhibáján kívül úgy tervezték, hogy a készülék megelőzhetetlen és kideríthetetlen módon széles földrajzi térségben, nagyszámú „hamis pozitív” értesítést elküldhet. Mihelyst megvan a fertőzést jelző kulcs, rosszindulatú mobil app közvetítésével továbbküldhető. A másik megoldás, ha a hacker Bluetooth rádióállomások 1-2 kilométeres körzetében lévő nagyobb csoportosulásokat vesz célba.

Mivel a GAEN-t az anonimitás és a privacy megvédésére (is) tervezték, a rosszfiúk dolga nagyon könnyű. Jó hír viszont, hogy kicsi az esélye, hogy valaki vissza is él a lehetőséggel. A szolgáltatás sebezhető pontját ugyanis (szerencsére) nehéz és kifejezetten költséges kihasználni.

A Google és az Apple elmondta: alkalmazásboltjaik beépített detektáló funkciókkal azonosítják és eltávolítják a malware-eket.

Egy péntek esti rendezvényen Elon Musk beszámolt a Space X-nél és Teslánál kevésbé ismert startupja, a titokzatos, de szintén ambiciózus Neuralink újdonságairól. Ez a cége az emberi agy és számítógép közötti közvetlen interfészt fejleszt.

A demó a Link nevű készülékre, az agyba majd sebészi eljárással implantálható eszköz prototípusára, a koponya kis darabkáját helyettesítő pénzérme-méretű, az agyból információkat kiolvasó elektronikus egységre összpontosított, amelyre szintén mentális úton – elménkkel – írhatunk is.

„Olyan, mint egy Fitbit a koponyában, kicsi vezetékekkel. Bennem is lehetne, és senki nem venné észre” – magyarázza Musk, majd sertéseken végzett kísérletet mutatott be. (A Fitbit magunkon viselhető, tevékenységünket monitorozó kütyüket, köztük okosórát is fejleszt.)

Három sertés közül egybe nem tették be a Linket, egybe igen, a harmadikba pedig korábban implantálták, de már eltávolították belőle.

„Ha úgy döntünk, hogy nem kell, vagy frissített változatot akarunk, el kell távolítani” – folytatta az infokom-guru, majd megmutatta az egyik disznót, egy taposókeréken. Közben látszottak testrészek Link által értelmezett pozíciói is – az agyból sugárzott videoanyag és az állat mozgása nagyjából megegyezett.

Musk meg van győződve, hogy a jövőben nagyon hasznos lehet a készülék. Fájdalommentesen beültethető, komoly agy- és gerincvelő-problémákat orvosolnának vele, de a vakságra, bénulásokra és hallási gondokra is megoldást jelentene.

Startupja robotot is fejleszt. A gép feladata a sebészi munka elvégzése, Linket gyorsan beülteti a felhasználó koponyájába. Ez akár egy óra vagy még kevesebb idő alatt megtörténhet.

„Reggel bemész a kórházba, délután kijössz. Anesztézia nélkül kivitelezhető” – vázolta fel az implantációt.

Eredetileg az orvosi alkalmazásokra összpontosított, de most már úgy látja, hogy Link más területeken, például játékokban is hasznosítható.

A Harvard Egyetem és a Sony parányi sebészrobotot fejlesztett. A gép ötletét és az inspirációt a japán papírhajtogatás, az origami adta, amellyel a legegyszerűbbtől a szuperkomplex szintig, számos forma, köztük állatok, tárgyak, díszek, geometriai alakzatok stb. dolgozhatók ki.

A robot nem nagyobb egy teniszlabdánál, és tömege sem több mint egy közepes méretű pénzérméé. De annak ellenére, hogy pici és vékony, már utánzott sebészeti eljárást, az emberi hajszálnál több mint tízszer vékonyabb retinális ér másolatán dolgozott. Nem tett kárt benne, semmiféle sérülést nem okozott. A teszteken kiderült: a sebészrobot kevesebbet hibázik, és sokkal biztosabb a keze, mint a húsvér kollégáké.  

A kutatás átfogó koncepció része. Lényege, hogy a jövőben robotok végzik a sebészeti folyamatokat. Az ok egyszerű: tevékenységüket jobban kontrollálják, így a munkájuk is pontosabb, mint a humán orvosoké.

Egyelőre persze még távol vagyunk ettől, mert jelenleg a sebészetben ténykedő gépeket mindennek lehet nevezni, csak kicsinek nem – általában az egész műtőt elfoglalják, és ugyan precízek, de ezen a téren is bőven van még hova fejlődniük.

A méret azért fontos, mert az aprólékosabb, egészen részletes munkákhoz kisebb gépek jobban megfelelnek.

A technikát a Harvard Wyss Intézetében kutató Robert Wood laboratóriumában dolgozták ki. Wood és Hiroyuki Suzuki, a Sony mérnöke különleges gyártási eljárást használt.

A speciális laminált anyagból rétegeket helyeztek egymásra, majd lézervágással alakították ki a háromdimenziós formát. A végső forma kb. úgy „ugrik fel”, mint egy képes gyerekkönyvben a széttáruló erdők, kastélyok stb. Egy ennyire komplex formát más technikával túl nehéz, nagyon bonyolult lett volna kivitelezni.

A robot fel- és lefelé történő mozgását, oldalainak forgását, megnyúlását és visszahúzódását három lineáris aktuátor biztosítja. Az egészen kicsi aktuátorokat elektromos impulzusokra formáját megváltoztató, speciális kerámiaanyagból készítették.

A robot mozgásáért egy LED-es optikai szenzor is felel, ő garantálja, hogy a gép tudja, merre megy.

Egy gépitanulás-algoritmus ötven új bolygó létezését fedezte fel. Fejlesztői, az angliai Warwick Egyetem kutatói a NASA „nyugállományba” vonultatott Kepler-missziója és a 2018-ban fellőtt TESS űrteleszkóp masszív adatbázisát használták.

A tudósok bizakodnak, hogy kutatásaikkal a jövő újabb bolygófelfedező és hitelesítő módszereinek készítik elő az utat. Az ismeretlen bolygókat észlelő, létezésüket megerősítő jelenlegi technikák ugyanis könnyen hibáznak. Zajok, háttérben lévő tárgyak okozta interferenciák, vagy egyszerű kamerahibák egyaránt megzavarhatják őket.

A kutatók az ismert (és hitelesített) bolygók és a hamis pozitívok közötti különbségekre tanították meg az algoritmust, majd egy különálló adatsorra szabadították. Abban fedezett fel ötven új bolygót, de a felfedezést még hitelesíteni kell.

A csillagászat történetében ez az első alkalom, hogy mesterséges intelligencia „talál rá” planétákra.

„Algoritmusunk lehetővé teszi, hogy ötven jelöltet valódi bolygóvá értékeljünk fel” – jelentette ki a kutatást ismertető tanulmány elsőszámú szerzője, David Armstrong fizikus.

Az új égitestek mérete változó – egyesek nagyobbak a Neptunnál, mások viszont a Földnél is kisebbek.

„Ahelyett, hogy megmondanánk, melyik jelölt valószínűleg bolygó, meg tudjuk állapítani a pontos valószínűségét ennek a ténynek. Ha 1 százaléknál kisebb az esélye, hogy a szóban forgó égitest hamis pozitív, akkor hitelesített bolygóként tekintünk rá” – magyarázza Armstrong.

Az algoritmus, nemcsak döbbenetesen hatékony, hanem rendkívül gyors is, automatizált munkáját szélsebesen elvégzi. Armstrong elmondta, hogy még sok időt kell eltölteni a gyakoroltatásával, viszont miután elvégezték a „tréningeket”, sokkal könnyebb vele dolgozni, tudását lényegesen egyszerűbb lesz jövőbeni jelöltekre alkalmazni.

„Reméljük, hogy az algoritmus jelenlegi és jövőbeni küldetések, mint például a TESS és a PLATO rengeteg mintájával szintén fog tudni dolgozni” – összegzett Armstrong.

A PLATO űrteleszkópot 2026-ban tervezik munkába állítani.

A kvantumszámítógépek csak abban az esetben hasznosak, ha ismerjük az elektronok állapotainak egymás közötti viszonyait. Viszont nagyon nehéz eljutni addig, hogy megismerjük a kvantum-koherencia néven ismert kapcsolatot.

Egy új felfedezés hatására hamarosan változhat a helyzet.

A Chicagói Egyetem egyik kutatócsoportja ugyanis kitalálta, hogyan tartható fenn kvantumrendszerek koherenciája (azaz működése) akár 10 ezerszer tovább, mint eddig. Megoldásuk bármilyen kvantumrendszerre alkalmazható, és az egész területet forradalmasíthatja.

„A felfedezés a kvantumtudományok új kutatási irányait nyithatja meg. Széleskörű alkalmazhatóságával és könnyű implementálásával a kvantumtervezés sok aspektusára lehet hatással” – magyarázza David Awschalom, az Argonne Nemzeti Laboratórium kutatója.

A kvantumszámítógépeket közismerten nehéz irányítani, kontrollálni. A qubiteket könnyen megzavarják a környező zajok: rezgések, hőmérsékletváltozás stb. Eddig fizikailag akarták izolálni őket a zajoktól, vagy igyekeztek minél tisztább anyagokból felépíteni a gépeket.

Ezek a megoldások azonban nem praktikusak, ráadásul nagyon drágák is lehetnek. A chicagói kutatók meg sem próbálják megszüntetni a környezet zajait, helyette „átverik” a rendszert, elhitetve vele, hogy semmiféle zaj nincs körülötte.

Elektromágneses impulzusokkal és a mágneses tér folyamatos megváltoztatásával igyekeztek kontroll alatt tartani. A mágneses mezőt úgy állították be, hogy kiszűrődött a maradék zaj.

„Mintha körhintán ülnénk és csomó ember kiabálna körülöttünk. Amikor a hinta nem mozog, tökéletesen halljuk őket, de ha gyorsan megfordul, a zajok eltűnnek a háttérben” – fejtegeti Kevin Miao, az egyik kutató.

Eljárásuk eredményeként a rendszer 22 milliszekundumig koherens maradt, működött. A 22 milliszekundum ugyan kevésnek tűnik, viszont így is 10 ezerszer több a korábbi rendszerek működési idejénél.

A technikával a jövő kvantumgépei könnyebben skálázhatók, praktikusabb az információtárolás, és az információ messzebbre továbbítható, módosíthatók a korábbi iterációk.

„A legjobb az egészben, hogy nagyon könnyű megcsinálni. A mögötte álló tudomány ugyan komplikált, a váltakozó mágneses mezőt viszont egyszerű hozzáadni a rendszerhez, logisztikailag sima ügy” – összegez Miao.

A Michigan Egyetem egyik kutatócsoportja biomorf elemeket fejlesztett robotoknak. Az élővilágból, a Homo sapienstől ellesett minta alapján, az újfajta elemekkel lehetővé válik, hogy a gépek ugyanúgy tárolják az energiát, mint az ember.

Testünk zsírból raktároz a legtöbbet, mert zsírszövetek jóval kevesebb energiaráfordítással hozhatók létre, tarthatók meg, és így a tárolás is lényegesen gazdaságosabb. Az új fejlesztés ezt a modellt igyekszik követni, robotokban is „zsírtartalékokat” halmoznak fel.

A szervezetünkben elosztott energiaforrások utánzásával a gépekben lévő elemek kapacitása drasztikusan nő, sokkal több áramot képesek tárolni, mint a hagyományos lítium-ionos megoldások.

Az elemek jelentik a robottervezés egyik korlátját. A gép belsejében lévő szabad tér gyakran 20 százalékát vagy többet foglalnak el, és ugyanez áll a szerkezetek tömegére is.

Az új cinkelemmel viszont jelentősen növelhető az energiasűrűség, ha a robot külső vázát ilyen elemekkel szerelik fel, a lítium-ionosoknál akár 72-szer nagyobb áramkapacitással is rendelkezhetnek. Ráadásul rugalmasabbak is, azaz a robot több részére rakhatók.

Mindezek mellett egyszerre több funkciót tudnak betölteni: áramot tárolnak és védik a gép „szerveit.” Ezekkel a tevékenységekkel az élőlények zsírszövetének multifunkcionalitását utánozzák.

„Nincs egyetlen darab, méretes és sok drága energiaátvitelt igénylő zsírzsák. Az elosztott energiatárolás a biológiai módszer, és ez a megoldás a nagyon hatékony biomorf eszközök esetében is” – magyarázza a projektet vezető Nicholas Kotov.

Az elem a cink-elektróda és a levegő között, speciális aramid nanoszállal bevont membránon keresztül továbbítja a hidroxid-ionokat. Ezek a nem mérgező anyagok találhatók a vízalapú polimer gélekben és a golyóálló Kevlar mellényekben is. Még egy összehasonlítás a lítium-ion elemekkel: a cinkalapúak sokkal környezetbarátabbak.

Egy hátrányuk azonban van: a teljes kapacitást csak kb. száz töltési ciklusig képesek fenntartani, ebben jobbak a lítium-ionosak. Viszont egyrészt relatíve olcsó a helyettesítésük, másrészt könnyen újrahasznosíthatók.

Az ember ritkán használja csak az egyik érzékszervét a világ megértésére, míg a robotok általában látás, és az utóbbi időben egyre sűrűbben érintés alapján észlelik a környező valóságot. A pittsburghi Carnegie Mellon Egyetem (CMU) kutatói megállapították, hogy hallással jelentős mértékben növelhető a gépek érzékelési képessége.

Alapos felmérést végeztek a hang és a robotok cselekvései közötti interakciókról. Arra a következtetésre jutottak, hogy hang segítségével jobban megkülönböztetnek tárgyakat egymástól, például egy fém csavarhúzót egy szintén fém franciakulcstól.

A hallás abban is segíti őket, hogy rájöjjenek, milyen cselekvéseket, történéseket válthat ki egy hang, illetve „előrejelezzék” számukra ismeretlen tárgyak tulajdonságait.

Más területen végzett korábbi munkák már megállapították a hang jelentőségét, hogyan nyerhetnek ki belőle információt mesterséges intelligenciák, az viszont nem derült ki, hogy mennyire fontos a robotikában. A CMU tesztjei során a hallás alapján tevékenykedő robotok a tárgyak 76 százalékát sikeresen csoportosították.

Az eredmények annyira felbátorították a kutatókat, hogy elképzelhetőnek tartják robotok felszerelését hangszerféleséggel, hangalapú rudakkal, amelyekkel megkocogtatnák a felismerendő tárgyat.

A kutatáshoz hatalmas adatbázist készítettek, 60 hétköznapi tárgyról (kézi szerszámok, cipő, teniszlabda, alma stb.) szimultán vettek fel videó- és audioanyagot, miközben azok egy tálcán pörögtek, görögtek, és az oldalába ütköztek. A 15 ezer interakciót tartalmazó adatbázist azóta nyilvánossá tették, így más kutatók is tudják használni.

Az interakciókat egy robot karjához kapcsolt, Tilt-Bot nevű négyzet-alakú tálcával rögzítették. Amikor tárgyat tettek rá, a robot néhány óráig random irányokba mozgatta a tálcát, változó mértékben megdöntve azt. A kamerák és a mikrofonok minden egyes történést felvettek. De a robotot tálca nélkül is használták, tárgyak felületét kellett megkocogtatnia.

A robot általában akkor hibázott, amikor teljesen biztos volt, hogy csak hibázhat. Hang alapján például képtelenség egy piros és egy zöld kockát megkülönbözetni egymástól. Nem is sikerült neki, viszont, ha az egyik kockát pohárra cserélnék, hallásból tudná, hogy melyik a kocka, melyik a pohár.

Az Egyesült Államok Fejlett Védelmi Kutatási Projektek Ügynöksége (DARPA) virtuális közelharc-versenyt (AlphaDogfight) rendezett F-16-os sugárhajtású vadászrepülőgépek között. Először MI-k meccseltek egymással, majd csütörtök reggel a diadalmas algoritmus ember által vezérelt géppel csapott össze.

A verseny alapját a csata alatt harcoló pilótákat helyettesítő mesterségesintelligencia-algoritmusok fejlesztése adja. A program nagyon hasonlít az amerikai légierő katonai vezetők körében népszerű Skyborg kezdeményezéséhez. Utóbbi ember nélküli légi jármű, mesterséges intelligencia vezérelte drón, alakulatban repülő gépeket támogató szélső gép. Az MI szerepe (többek között) a harcfeltételekhez történő alkalmazkodás. A projekt a légierő más terveihez, például a rajként funkcionáló légi járművekhez, a rajintelligencia hadászati felhasználásához kapcsolódik.

Mind a Skyborg, mind a rajintelligencia egyelőre talán túl ambiciózus, és ezt a hadsereg realizálta is.

Mérnökök számára komoly kihívást jelent már az is, hogy kivárják az MI-rendszerek tanulási folyamatát, hogy a gépi értelem fokozatosan elsajátítja a repülést. Sokan baleset közben semmisültek meg, például a földbe vágódtak. Mások megfeledkeztek az ellenfélről, és rendületlenül ugyanabba az irányba tartottak.

Egy gépnek nem evidencia az, ami egy pilótának igen, például, hogy ne csapódjon be a talajba. Nincsenek alapösztönei, félelme, ezért is kell rengeteget tanulnia.

„Attól a pillanattól kezdve figyeltük az MI-ket, amikor még alig tudtak repülni, és szinte képtelenek voltak megelőzni az összeütközéseket, mindaddig, amíg valós viselkedésformákat mutattak a közelharcokban” – jelentette ki a versenyt szervező Dan Javorsek ezredes.

A megmérettetésen több nagynevű katonai beszállító, például a Lockheed Martin is részt vett. Megoldásukat több szerveren tesztelték, próba-hiba módszerrel dolgoztak, a végső változat egyetlen grafikus kártyán futott.  

A győzelmet, a humán pilóta felett is diadalmaskodó Heron Systems szerezte meg, öt körben 5-0-ra verve szimulátorban ücsörgő, virtuális valóság (VR) headsetet viselő húsvér ember ellenfelét. Előtte kb. 4 milliárd szimulációt futtattak le vele, ami 12 év repülési időnek felel meg.

Az MI diadala sokaknak fordulópontot jelent, mert jelzi, mire képes a gépi tanulás a csatatéren: az ember szerepét fokozatosan és egyre több hadászati területen gépek veszik át.