A Covid-19 elleni védelmet adó maszkok miatt a fejlesztőknek át kell gondolniuk az arcfelismerő technológiákat. A gépilátás-rendszereket a rendőrségnek is beszállító cégek mesterséges intelligenciáikat homályos, elsötétített arcokon tanítják be.

A George Floyd brutális meggyilkolását követő világméretű tiltakozáshullám pontosan e technológiák miatt ismét felveti a magánszféra (privacy) megsértésének kérdését. Az arcokat, a szájat és az orrt takaró maszkok hatására vállalatok finomítottak megoldásaikon, és arra törekszenek, hogy a modell a felsőarc alapján ismerjen fel személyeket. Többen állítják, hogy a kezükben van a megoldás.

A technikáját 25 amerikai rendőrségnek értékesítő Rank One Computing frissítette rendszerét, amelynek most már a szem és a szemöldök is bőven elegendő, legalábbis ezt mondják.

Az iskolákkal üzletelő SAFR módosított technológiája maszkos arcokat is 93,5 százalékkal felismer, viszont csak ideális körülmények között. A brit Facewatch rendszerének szintén nem akadály a maszk.

Az USA-ban több szövetségi bűnüldözési ügynökség szorgalmasan gyűjtögeti az álarcos tüntetők képeit. Márciusban a Wuhan Egyetem szimulált és valódi maszkos arcokról adott ki három adatsort, az egyikben 5 ezer igazi példa volt. Egy hónappal később az amerikai Workaround startup az Instagramról gyűjtött 1200 maszkos szelfiből álló adatsort tett közkinccsé.

A bejelentések ellenére, a legtöbb arcfelismerő modell még álarc nélkül is nehezen azonosít személyeket, kisebbségi csoportokhoz tartozókkal pedig különösen meggyűlik a bajuk. Az USA Nemzeti Szabványok és Technológia Hivatala a maszkos arcfelismerés pontosságának tesztelését tervezte, de a pandémia miatt elhalasztotta a vizsgálatot.

Mivel sok amerikai bűnüldöző szerv használja a technológiát, például tüntetőket próbál azonosítani vele, a rendszerek megkérdőjelezhető pontossága és az így kapott hibás eredmények, majd az esetleges retorziók tovább ronthatják a már most pattanásig feszült hangulatot.

Az arcfelismerés az egyik legígéretesebb MI-technológia. A benne rejlő lehetőségek kiaknázása, jó célokra történő használata viszont csak akkor válhat valósággá, ha megbízunk ezekben a rendszerekben. A jelen nem ezt vetíti előre, mert nagyon úgy tűnik, hogy még a maradék bizalom is elszáll. A helyzet csak akkor változhat, ha a megoldások pontossá és teljesen előítéletmentessé válnak, sem intézményi, sem algoritmikus szinten nem lesznek előítéleteik.

Manapság több környezeti problémát próbálnak mélytanulással (deep learning) megoldani. Osztrák kutatók például szúfélék káros németországi „invázióját” jelezték előre. A New Yorki Columbia Egyetemen madarak énekének felismerésére tanítottak be egy modellt, amelyet az éghajlatváltozás madárvándorlásra gyakorolt hatásának vizsgálatára és tudományos kiértékelésére használnak.

Az óceánok változatos ökoszisztémáit sokkal nehezebb látni, mint a szárazföldek erdőit, sivatagjait, szavannáit tb. Az MIT (Massachusetts Institute of Technology) és a Harvard kutatói a környezetszennyezés, invazív fajok és a klímakatasztrófa miatt emelkedő hőmérséklet által veszélyeztetett vízalatti élet mintázatainak megismerésében segítő új modellt dolgoztak ki.

A tudósok ideghálókkal frissítették az ezekről az ökoszisztémákról készült térképeket. Felügyelet nélküli tanulást használva azonosították a különböző planktonfajok és táplálékaik közötti kapcsolatokat.

Az adatokat az MIT Darwin Projektjének planktonpopulációt megjelenítő szimulációjából gyűjtötték össze. A klaszterező algoritmussal dolgozó modell azokon a területeken rajzolt meg határvonalakat, ahol a planktonok és táplálékaik között magasszintű függőségi viszonyok mutathatók ki.

A modell végül 115 egyedi ökológiai területet generált. A planktonok és a tápanyagaik közötti egyensúly mindegyikben különbözik. A kutatók 12 ökorégióba csoportosították ezeket a területeket.

A csoportosítás a régiókban fellelhető élet alapján történt. A tápanyagszegények vízi sivatagokat alkotnak, míg a partokhoz közeli, tápanyagokban gazdag régiók biológiai sokszínűsége az esőerdőkéhez hasonló.

A modell előrejelzései összhangban állnak a tudományos megfigyelések méréseivel és a műholdas adatokkal.

A térkép azért fontos, mert mikroorganizmusoktól a bálnákig a filoplankton a vízi élővilág tápláléka, és a Föld oxigénjének a felét termeli. Emellett a légkörből döbbenetes mennyiségű szenet nyel el. Ezek a modellek sokat segíthetnek a bolygó életfenntartó kapacitását mérő óceánkutatóknak.       

Kriptovaluta-csalók régóta figyelemmel kísérik Elon Musk Twitter-fiókját. Nem csoda, mert Musk rengeteget tweetel. Mentségére szóljon, hogy évek óta sok kamufiók fut az ő nevén.

Az ellentmondásos milliárdosnak kiadva magukat, rosszindulatú hackerek számtalan csalást követnek el óvatlan felhasználókkal szemben. Egyszerűen elhitetik velük, hogy az igazival van dolguk. Az eltérések minimálisak, néha csak az e-mailcím egy betűje, sorköz ott, ahol amúgy nincs, mások viszont mindössze Musk fényképét használják általában adathalász célokra.

A felhasználótól valamilyen obskúrus kriptovalutában végtelenül kis összegű „adományt” kérnek, cserébe nagy pénzeket lengetnek be. Az adakozás érzékeny adatok, például a kriptopénz-tárca hitelesítő infói kiadásával jár. „Kapnak” értük egy magát az adakozó gépére feltelepítő kriptovaluta-bányász malware-t. Aztán jön a várt pillanat: a hacker közvetlenül az áldozat online pénztárcáját dézsmálja meg.

A Twitternek elege lett, egy ideje irtják a Musk nevével visszaélő fiókokat. Időnként maga Musk is besokall, eltüntetnek pár kamuprofilt, de sokat nem tudnak tenni. Hiába próbálják felszámolni őket, egyre gyakoribbak a Musk köpönyege mögé bújva elkövetett kriptovalutás csalások.

Mihelyst megvannak a célzatos félretájékoztatások és egy csomó ál-fiók, akár idegen erők is, például az orosz Internet Kutatóügynökség könnyedén terjeszthet politikai szándékú kamuhíreket.

Legújabban egy, a YouTube-on látható ál livestream-en NASA-felvételek láthatók a Space X által fejlesztett Dragon űrhajó májusi történelmi repüléséig (8 év után újra amerikai a világűrben!) vezető konferenciákról. Az anyaghoz van egy QR-kód, amely csaliként egy kamu bitcoint is küld ajándékba.

Véget nem érő, lassú köszönőüzeneteket látunk, meg azt, hogy összesen kb. 16 ezren nézik a videót. Lehet, hogy mind bot. Az élő közvetítés közben olvasható szöveg alapján a bitcoinos adományokért 200 százalékukat kapjuk vissza. Az egész egy klasszikus piramisjáték; a fiók előfizetőinek száma meghaladja a 130 ezret.

Évek óta történnek kriptovalutás csalások. Biztonságiszoftver-fejlesztők 2018-ban véletlenül bukkantak rá legalább 15 ezer, hasonló átvágáson dolgozó Twitter-botra.

A titkosított azonnali üzenetküldő Signal app, a 2020-as évben úgy látszik, minden szinten aktuális új kiegészítőt jelentett be: lehetővé válik, hogy a felhasználó iOS-ről vagy Androidról letöltött képeken elhomályosítsa, lényegében kitakarja az arcát.

A bejelentéssel természetesen az egész világon átvonuló tiltakozáshullám, a Black Lives Matter tüntetések résztvevőinek igyekeznek segítséget nyújtani, de legalábbis opciót kínálnak fel, ha nem akarják, hogy esetleg illetéktelenek lássák őket Facebook-posztokban stb.

„Mindenkit támogatunk, akik kimentek az utcára, hogy hallassák a hangjukat” – jelentette ki Moxie Martinspike, a Signal társalapítója, és a cég hivatalos álláspontja is ez.

„Egyvalami abszolút egyértelmű: 2020 jó év az arctakarásra” – folytatta a koronavírus-járvány miatt széleskörben elterjedt, általában kötelező szájmaszkokra utalva.

A felhasználó a „blur” ikonra kattintva homályosíthatja el az arcát, de az app többől is áll – manuálisan a kép bármely más részét is elmosódottá, nehezebben láthatóvá tehetjük.

A megfigyelőtechnológiák virágkorában növekszik az ilyen és hasonló megoldások száma, népszerűsége, az alkalmazások iránti igény. 9/11-el kezdődött, és az államhatalom azóta is minden ürügyet megragad a polgárok magánszférájának (privacy) szűkítésére, egyéni szabadságjogainak megnyirbálására.

A megfigyelés a tüntetéshullám alatt is komoly problémává vált. Kétélű fegyver, mert a rendőri túlkapásokat szintén rengeteg fénykép és videó tanúsítja. A Signal bejelentését az a tény is szükségessé tette, hogy megmozdulásokat több esetben felülről, kifejezetten erre a célra használt légi járművekről, drónokról figyelték, filmezték, rögzítették.

Az elhomályosítási opció miatt a megfigyelőkamerák persze nem állnak le, és a rendőrök testkamerái is ugyanúgy fognak működni, mint eddig, viszont fontos jelzés egy techcég részéről.

Mindezt a Signal is tudja, és most azon dolgoznak, hogy a tiltakozó csoportoknak még hatékonyabb arctakarás-lehetőségeket biztosítsanak. Az appot pedig egyre többen használják, a Signal-userek száma folyamatosan emelkedik, rekordokat dönt meg.

Oroszországban tombol a Covid-19, az Egyesült Államok és Brazília után immáron ott a legmagasabb a fertőzöttek száma. Moszkva, más városokhoz hasonlóan, „közösségi monitoring” appal is védekezik a járvány ellen. Az alkalmazást az esetleges koronavírus-hordozók követésére és (még inkább) a karantén betartásának ellenőrzésére találták ki.

Feladata, hogy garantálja a lakosság otthon tartózkodását. Bizonyítékként tetszőleges időintervallumokban egy-egy szelfit kér tőlük. Emellett GPS-t használva, a tartózkodási helyüket is nyomon követi.

Ha valaki esetleg nem tölti fel az otthonlétet valóban bizonyító szelfit, akkor minden egyes alkalommal nem csekély 56 dollárnak megfelelő rubelbüntetést kap.

Az első alkalommal április elején bevetett alkalmazás sajnos nem a tervek és szándékok szerint működik. Többen panaszkodnak hibákra, viszonylag gyakran összeomlik, és mindezek együttes „eredményeként”, sokakra többszáz dollár összbüntetést ró ki. Az összeg rengeteg az orosz munkásoknak, alacsony jövedelmű moszkvai rétegeknek.

A moszkvai lakos Maria Alexejeva ápolónő elmondta az AP-nek, hogy miközben küszködött és szenvedett az alkalmazással, 620 dollárnyi bírság jött össze neki, pedig pont a járvány megfékezése érdekében, kőkeményen dolgozott.

„Több mint a havi fizetésem. A karantén egyébként is kemény, és most még itt van ez is pluszban” – panaszkodott.

Nincs egyedül, rajta kívül mások sem zárták a szívükbe az appot. Többen nem is tudták, hogy fel van telepítve a mobiljukra, másokat pedig már azelőtt büntetett, mielőtt feltelepítették volna.

A városi önkormányzaton ezrek tettek panaszt, és 200-nál többen indítottak pert. Az orosz vezetés szemében nem túl népszerű NGO, a Human Rights Watch az app kijavítását vagy leselejtezését tanácsolja. Használata személyiségi jogi (privacy) visszaélésekhez vezethet, behatol emberek magánszférájába, de más jogokat is megsért.

„Elbátortalaníthat a tesztektől és az egészségügytől, felhasználóit komoly veszélybe sodorhatja” – nyilatkozta a szervezet európai és közép-ázsiai igazgatója, Hugh Williamson.

Harvardi kutatók tovább zsugorították az egyébként is pirinyó Harvardi Járó Mikrorobotot. A rovarvilág egyik legnépszerűtlenebb fajtájáról, a csótányról mintázott következőgenerációs gépecske nem sokkal nagyobb egy százforintosnál, viszont méretéhez képest meglepően sebesen mozog.

Egy másodperc alatt testhosszának 13,9-szeresét képes megtenni, és ezzel a tempóval nemcsak az egyik legkisebb mikrorobot, hanem egyben az egyik leggyorsabb is. Fejlesztői szerint méretéhez viszonyítva, a legügyesebbek között szintén ott a helye.

A HAMR-JR névre hallgató szerkezet feleakkora, mint elődje. Az elődöt a kutatók megtanították úszni és víz alatt járni. Az ezekkel a különleges adottságokkal nem rendelkező Juniort részben azért hozták létre, hogy teszteljék: az origami által inspirált gyártófolyamat alkalmazható-e többféle méretű robotokhoz. HAMR és más mikrorobotok, például a fallal történő ütközést is jól tűrő Robotméh ugyanezzel a technikával készültek.

A fejlesztők a pici botoktól a nagy ipari robotokig ívelő, kvázi mindent lefedő gépskálára gondoltak. Pozitív eredményt értek el: minden az elképzeléseik szerint történt, és az eredeti terv komplexitásából a mikro mérettartományban sem kellett engedniük.

„A kísérletben az volt a csodálatos, hogy semmit nem kellett változtatnunk az előző terven. Bebizonyítottuk, hogy az eljárás lényegében bármilyen eszközre és különféle méretekben is alkalmazható” – jelentette ki Kaushik Jayaram, a robotot ismertető tanulmány elsőszámú szerzője.

Látni akarták azt is, hogy a zsugorodás milyen mértékben befolyásolja a gép futósebességét és más adottságait. A négylábú Juniort 2,25 centi szélesre és 0,3 grammra kicsinyítették. Hasonló méretű rovarok mozgását utánozva, „kocogni”, ugrálni, leállni, jobbra és balra fordulni és hátrafelé mozogni egyaránt képes.

„Az ekkora robotok túlnyomó többsége csak a legalapvetőbb mozgásokat tudja megvalósítani. Bebizonyosodott, hogy az ügyességből vagy a vezérlésből semmit sem kell a méret miatt feláldozni” – magyarázza Jayaram.

Az Észak-karolinai Állami Egyetem kutatói személyek robotikus végtagjait vagy külső vázukat (exoskeleton) biztonságosabb és természetesebb járásban segítő szoftvert, összességében komplex keretrendszert fejlesztettek.

A masszív mesterségesintelligencia-algoritmusokkal megerősített rendszerbe gépi látást, lábvezérlést is integráltak. Az MI a bizonytalanság kezelésében segít, lehetővé téve, hogy a felhasználó változatos terepeken is elboldoguljon. Maga a szoftver meglévő hardverre telepíthető, nem kell hozzá külön újat fejleszteni hozzá.

Az alsó végtagok robotprotéziseinek az adott terep függvényében különféle viselkedésformákat kell kidolgozniuk. A keret garantálja, hogy az MI előrejelezze: a felhasználó milyen terepen fog mozogni, majd az előrejelzéshez kapcsolódó bizonytalanságot számszerűsítve, a döntéshozáshoz rendeli azt.

A kutatók hat tereptípusra összpontosítottak: csempe, tégla, beton, fű, emelet, földszint. A végtagprotézis viselkedését valamennyin finomhangolni kell.

Ha túl nagy a bizonytalanság, az MI-t semmi nem kényszeríti megkérdőjelezhető döntés meghozatalára. Helyette vagy értesíti a felhasználót, hogy nem biztos a cselekvés sikerében, vagy „biztonságos” módra vált.

A rendszer „környezeti kontextus” kerete egy hardverelemet, az alsó végtagi protézisre szerelhető kamerát is tartalmaz. A legnagyobb újítás azonban az MI.

„Az eddigieknél jobb megoldással álltunk elő a mélytanulás rendszerek betanításával kapcsolatban, hogy hogyan értékeljék ki és számszerűsítsék a bizonytalanságot. Így válik lehetővé a bizonytalanság beépítése a döntéshozásba. Munkánk nemcsak robotikus protézisekre, hanem bármilyen típusú mélytanulás-rendszerre alkalmazható” – jelentette ki Edgar Lobaton, az egyik fejlesztő.

A rendszer gyakoroltatásához, a kutatók a kamerát egészséges testű emberekre kapcsolták. Az illetők belső és külső terekben egyaránt sétáltak. Ezt követően amputált alsó végtagú személyeknek kellett ugyanazokban a terekben mozogniuk.

Az MI mindkét esetben jól működött, következő lépésben robotikus eszközökön tesztelik, és igyekeznek hatékonyabbá tenni. Cél, hogy kevesebb vizuális inputra legyen szüksége, és kevesebb adatot kelljen feldolgoznia.

A Google-hoz tartozó londoni DeepMind riválisa, a 2015-ben többek között Elon Musk által alapított OpenAI mesterségesintelligencia-kutatási szervezet eszközparkja új hardverrel, döbbenetes paraméterekkel rendelkező szuperszámítógéppel bővült.

Az OpenAI célja a kezdetektől fogva, hogy felépítsék a világ legkifinomultabb MI-jét. A Microsoft szuperszámítógépe tökéletes alap lehet hozzá – a hardver-hálózaton bivalyerős modellek képek, szövegek és videók több tízezres nagyságrendű tömegén gyakorolhatnak.

A komputernek a Microsoft Azure felhőplatformja ad otthont, maga a rendszer 10 ezer GPU-ból (grafikai processzor) és 285 ezer CPU-ból (központi feldolgozóegység) áll.

Az OpenAI különleges hozzáférést kapott a géphálózathoz. Szerintük a meglévő modellek mögötti elképesztő számítási kapacitás elvezethet az általános mesterséges intelligenciáig (artificial general intelligence, AGI). Egy ilyen MI szerteágazó területeken, akár azokat összekapcsolva is tudna eredményesen tevékenykedni.

De miért a Microsoft?

A redmondi óriás 2019-ben 1 milliárd dollárt fektetett a profitorientált OpenAI-ba. A nagylelkű befektetésért innovációik kereskedelmi forgalomba juttatását kérik cserébe. A befektetés része a világ öt legerősebb rendszere közé tartozó komputer is.

Sok szakértő szerint hamarosan itt lesznek a mai specialistákon – „szakbarbárokon” – jóval túlmutató általános mesterséges intelligenciák, „az” MI-k. Más prominens kutatók, például Yann LeCun vagy Demis Hassabis (DeepMind) viszont folyamatosan lehűtik a túlzott elvárásokat. Úgy tűnik, nekik lehet igazuk, és egyelőre távol vagyunk még az oly sok vitát kavaró gépi értelemtől.

Az OpenAI és a Microsoft mindenesetre úgy véli, hogy a szuperszámítógéppel megnyílt az út az egyszerre többszáz nyelvi és képmodellt futtató rendszerek felé. A Microsoft elmondta: a komputeren fejlesztett technológiákból az Azure ügyfelei is profitálhatnak.

Kérdés persze, hogy a jövő mennyire szól a szuperszámítógépekről, és hogy az AGI-hoz valóban (csak) rajtuk keresztül vezet az út?

A koronavírus-járvány a jövő oktatására is komoly hatással lehet. Egy japán példa megmutatja, hogyan.

Az egészségügyi robotokkal és mesterségesintelligencia-algoritmusokkal végzett kísérleteiről ismert tokiói Nők Orvosi Egyeteme a diákokat védve, a koronavírus-járvány alatt hallgatóinak virtuális valóságban (virtual reality, VR), élőben közvetített (livestreaming) sebészi műtéteket.

A beavatkozást végző sebészekre gigantikus 8K VR-kamera figyelő szeme meredt. Az egészségügyi okok miatt távol – otthon – lévő diákok VR headsetet vettek fel, és rácsatlakoztak a megadott csatornára.

Míg az ötletet a világjárvány elleni védekezés, a biztonságra törekvés adta, maga a gyakorlat túlmutat a Covid-19-en, sokkal tovább használhatják. A távoktatás egyik alkalmazásaként, a jövőben könnyen elterjedhet, és az egészségügyi tanulmányokat folytató diákok mellett potenciálisan a szélesebb nyilvánosság számára is hozzáférhetővé válhat.

„Azt gondoljuk, hogy a VR élő stream különösen a jelenlegi helyzetben nagyon hasznos. Az okok: közvetlen emberi érintkezés nélkül oszthatunk meg teljes alámerülést biztosító, immerzív élményt” – nyilatkozta a rendszert kidolgozó Hacosco VR-cég vezérigazgatója, Naotaka Fujii.

Maga a kamera az Insta360 gyártó fejlesztése. Mivel a fej felett van, a diákok nem ugyanabból a perspektívából látják a műtétet, mintha saját maguk gyakorolnának a helyszínen. Egy kicsit személytelenebb, nem annyira „belső” látvány.

A kép és a nézőpont viszont így is jobb, mintha a sebész válla fölül, vagy a műtőn kívülről kellene nézniük. A látvány jól szemlélteti, hogy az élő streamek mennyit tehetnek hozzá a medicina oktatásához, és ha most gazdagíthatják, akkor a járvány után is így lesz.

„Az orvostudományban egyértelműen sokat fejlődik a VR-technológia. A kutatásban és az oktatási alkalmazásokban, mint például ebben a projektben és a műtét utáni rehabilitációban egyre inkább elterjed, bevett módszerré válik” – összegez Fujii.

Az írott és a beszélt nyelvben az elnyújtott, eltorzított szavak megváltoztatják az eredeti jelentést. Az angolban a „suuuuure” szarkazmust, a „yeeeeeees” pedig izgalmi állapotot ad hozzá. Ezek a szavak formális szövegekben ritkák, a közösségi média térhódításával viszont új lehetőségek nyíltak a tanulmányozásukra.

Az amerikai Vermont Egyetem matematikusai az eddigi legátfogóbb tanulmányt írták róluk. Tanulmányozásukra részletekbe menő stratégiát dolgoztak ki, amellyel tweetekben azonosították őket, majd véletlenszerűen kiválasztott adatsort vizsgáltak. Az adatsor a 2008 szeptembere és 2016 decembere között generált összes, mintegy 100 milliárd tweet kb. 10 százalékát tartalmazza.

Többezer nyújtható, módosítható szót találtak, például: ha (haha, haaaahaha), awesome (awesssssommmmmeeeee), goal (gggggoooooooaaaaaallllll) stb.

Elemzésükhöz két fő módszert alkalmaztak: az egyik az egyensúly, a másik a nyújtás volt. Az előbbi a különböző betűk ismétlődési mértékére vonatkozik – a „ha” magasszintű egyensúlyt mutat, mert ha elnyújtjuk, mind a h, mind az a nagyjából egyenlő mértékben ismétlődik. A „goal” már kevésbé, mert az o-t sűrűbben használjuk, mint a szó többi betűjét.

A nyújtás egyszerűen azt fejezi ki, hogy mennyi ideig nyújtunk el egy szót. Rövidebb szavak vagy hangok, például a „ha” esetében magas az érték, mert gyakran ismételjük őket. Szabályosabb szavaknál (például infinity) már kisebb az érték, mert általában csak az egyik betűjükről van szó: infinityyyy.

Az elemzéshez jövőbeli kutatásokhoz használható többféle eszközt fejlesztettek, módszert dolgoztak ki. Az elütési és kiejtési hibákat vizsgáló program természetesnyelv-feldolgozásban, keresőmotoroknál és levélszemét-szűrőknél egyaránt alkalmazható. A nyelvfeldolgozó mesterséges intelligenciák egyik legnehezebb feladata, hogy kitalálják például a szleng, a nyelvi fordulatok és a szándékos elírások/elütések rejtett jelentését. A vermonti kutatók munkája nekik is sok segítséget nyújthat.