Választási illetékesek több amerikai államban próbálkoznak mobil szavazási alkalmazásokkal, de az MIT (Massachusetts Institute of Technology) szakemberei szerint az egyik legnépszerűbb, a Voatz olyan szinten sebezhető, hogy komoly visszaélések történhetnek. (A többi app pedig még problémásabb.)

Hackerek megakadályozhatják, hogy valaki szavazzon, módosíthatják vagy nyilvánossá tehetik a voksot. A szavazók azonosítása és hitelesítése pedig személyiségi jogi (privacy) problémákat vethet fel.

Az eddigi tapasztalatok felemások. A demokraták iowai előválasztásán például az egyik app szavazatokat volt hivatott tárolni, de képtelen volt a feladat pontos elvégzésére.

Szakértők egyébként régóta a papíralapú szavazást tartják az egyetlen biztonságos megoldásnak.

A Voatz appot csak (több szövetségi államon átívelő) kisebb pilotprojektekben vizsgálták, mindössze 600 személlyel. Külföldön élő amerikai állampolgárok szavazataira összpontosítottak.

A cég egyébként a szerintük az app egy régen lejárt androidos változatán alapuló kritika miatt támadta az MIT-anyagot, amely alapján az app nem elég átlátható, és a fejlesztők a szellemi tulajdonjogra hivatkozva, elég kevés technikai részletet tettek közzé. A nyitottság hiánya miatt (például a Dél-Karolina Egyetem és a Lawrence Livermore Nemzeti Laboratórium részéről) korábban is érte kritika őket.

Az MIT-sok ugyanakkor meg is védik a Voatzt-t – legalább öt cég (Democracy Live, Votem, SecureVCote, Scytl) próbál internetes vagy mobil megoldást kínálni, de eddig csak a Voatz rendszer tűnik (úgy ahogy) működőképesnek.

A nagyobb választási részvétel miatt a mobil szavazást promótáló Tusk Philantropies anyagi támogatást is nyújt, hogy segítse a kormányt pilotok kidolgozásában. A cég (és több más szakértő is) úgy látja, hogy az appal nincsenek komolyabb problémák, megbízhatónak és biztonságosnak tartják.

A mobil és az online szavazást kritizálók a kliens eszközön lévő malware-eket, a szolgáltatás-megtagadásos (DoS) és más támadási lehetőségeket emlegetnek. Közös bennük, hogy vagy a szavazó személy vagy a szavazatszámláló bizottság számítógépét, mobilkészülékét fertőzik meg.

„Az internetes szavazás kockázatos. Nem véletlen, hogy a Voatz rendszer többféleképpen megtámadható. Ráadásul a támadónak hozzá sem kell férnie a forráskódhoz vagy más belső információhoz. Az állam ellenségei könnyen kivitelezhetnek az MIT kutatói által bemutatott támadásokat, és egy ilyen támadó nem fogja publikálni az eredményeit” – magyarázza Jeremy Epstein, az egyik technológiai szabályozóbizottság alelnöke.

A japán kormányerő Liberális Demokrata Párt befolyásos törvényhozói kardoskodnak független digitális fizetőeszköz bevezetése mellett. A legfőbb ok, hogy tartanak a nagy rivális Kína hasonló terveitől, és lépni szeretnének. Arról is beszéltek, hogy az országnak fel kell készülnie a váltásra, önálló stratégiát kell kidolgoznia rá.

A japán törvényhozók meg vannak győződve Kína ezirányú szándékairól, és arról is, hogy Peking hamarosan bevezeti az új digitális valutát. Az esemény láncreakciót indíthat el, egyre több, különösen fejlődő gazdaság léphet erre az útra.

Összességében minden ezirányú törekvés az amerikai dollár tartalékvaluta szerepét kérdőjelezi meg.

„A dollár által vezetett stabil pénzügyi világban élünk. Hogyan kellene reagálnunk, ha ezek az alapok meginognának, és ha Kína okot adna a pénzügyi vezetőszerep miatti harcra?” – magyarázza a Liberális Demokrata Párt egyik prominense, Akira Amari.

A kérdés egyértelmű és beláthatatlan változásokat sejtet, amelyekre minden országnak alaposan fel kell készülnie.

Japán csak akkor képes tartani a tempót Kínával, ha tervbe veszi a két-három éven belüli digitális yent – érvel a párt egy másik illusztris személyisége, a politikai szervezet pénzügyi és bankrendszerekkel foglalkozó kutatóbizottságát vezető Kozo Yamamoto.

„Annál jobb, minél előbb” – vonta le a megfelelően rövid és lakonikusan tömör következtetést a politikus.

A japán megnyilvánulások ellenére nagyon úgy tűnik, hogy Kína lesz az első önálló digitális fizetőeszközt kibocsátó gazdasági nagyhatalom. A témával azonban nemcsak ők, hanem más jegybankok is foglalkoznak, intenzíven dolgoznak rajta, de legalábbis kísérleteznek vele.

Yamamoto elmondta, hogy ezek az új pénzek valóban alááshatják a dollár vezető szerepét, ugyanakkor stabilizáló hatással is lehetnek az amerikai fizetőeszköztől függő piacokra.

„Ha az összes országnak sikerül pénzáramlását saját digitális fizetőeszközzel kontrollálnia, megelőzhetők a nagy kilengések, válságok, és stabilizálhatják a gazdaságaikat” – prognosztizál a politikus.

A japán politikusok azt is felvetették, hogy a G7-ek következő találkozóján vitassák meg a kínai terveket. (Kína egyébként nem tagja a világ legfejlettebb gazdaságaiból álló csoportnak.)

Amari szerint Japánnak szorosan együtt kell működnie az Egyesült Államokkal.

A seattle-i Allen Institute for Artificial Intelligence (AI2) központjának egyik épületében 14 különböző lakás berendezésére elegendő Ikea-bútort gyűjtöttek össze. A kutatók robotokat irányító, a maiaknál intelligensebb algoritmusok tervezéséhez használják majd őket.

Az otthoni robotok, például a Roomba csak azért működnek jól, mert egyszerű feladatokat kell végrehajtaniuk.

Ha viszont hatékonyabb vagy komplexebb navigációra van szükség még a legfejlettebb robotok is elakadnak. A kutatóknak ilyenkor őrült drága megoldásokat kell tesztelniük, és a költségek hatása korlátozó, mert ezeket a kiadásokat csak a legjobban menő laborok engedhetik meg maguknak.

Az AI2 változtatni akar a helyzeten. A napokban bejelentett RoboTHOR verseny (amelyben a THOR a The House Of inteRactions rövidítése) jobb navigáló algoritmusok fejlesztését szolgálja, és a robotikai kutatásokhoz nem elegendő anyagiakkal rendelkező laborok is részt vehetnek rajta. Az ötlet, hogy az MI fejlődéséből minél több kutatócsoport vegye ki a részét, a különböző közösségek egészítsék ki egymást, adják össze ismereteiket, és így a terület közelebb kerülhet az általánosabb (mesterséges) intelligenciához.

Ehhez terveztek egy könnyen átalakítható, zsúfolt, stúdióméretű szobát, 14 lakásváltozattal. A változatok és 75 más konfiguráció azonos virtuális replikáit a népszerű videojáték-motor Unity-ben hozták létre, és mindet (összesen 89 konfigurációt) szabad forrásúvá tették.

A realisztikus szimulációs környezetekben bármilyen navigációs algoritmus jól tesztelhető. A valóság fizikai jelenségeit (gravitációt, fényvisszaverődést stb.) a lehető leghitelesebben utánzó közegekbe teszik az AI2 robotjait.

Az algoritmusoknak a robotot egy szoba random kiválasztott pontjától egy ugyanabban a helyiségben lévő tárgyig kell irányítania. Az algoritmusnak csak a tárgy nevét kell megmondani, és ennyi információval kell sikeresnek lennie.

A feladat sokkal nehezebb az egyszerű navigációnál – a robotnak egyrészt meg kell értenie az utasítást, másrészt fel kell ismernie a tárgyat.

A verseny három szakaszból áll. Az elsőben 75 csak digitális szimulációban gyakoroltatják és hitelesítik az algoritmusokat. A másodikban a legjobbak négy új szimulációs és a szimulációval azonos fizikai környezetben mérettetnek meg. A harmadikban a legjobbaknak be kell mutatniuk, hogy algoritmusuk általánosítható, és működik az utolsó 10 digitális közegben és fizikai másaikban is. Az algoritmusok ezúttal az AI2 valódi robotjait fogják működtetni.

A környezeteket a verseny után is megtartják, és bárki használhatja őket, akárcsak a robotokat. Az Intézet bizakodik, hogy kezdeményezésükkel többen hozzáférhetnek máskülönben elérhetetlen forrásokhoz.

A kínai kormány múlt héten indította útjára a koronavírussal fertőzött személyek közelségét jelző, a járvány terjedését lassítani hivatott „közeli kontaktot felderítő” alkalmazást, amely egyszerűen jelzi a felhasználónak fertőzöttek jelenlétét.

Az app felemás fogadtatásban részesült. Nem véletlenül – szakértők szerint egyrészt hamis biztonságérzetet kelthet, másrészt eleve beteg személyeket még tovább stigmatizál. A nemzetközi kritika pedig arra vonatkozik, hogy az egyébként is megfigyelőállam Kína tovább bővíti az állampolgárai szabadságát korlátozó technológiák számát.

Az app előfizetői először telefonszámukkal, nevükkel és személyi azonosítójukkal regisztrálnak, majd okostelefonjukon leszkennelnek egy QR-kódot. Az alkalmazás ezt követően jelzi, hogy van-e a közelükben fertőzött személy, aki ugyanúgy lehet családtag, munkatárs vagy ismeretlen (például, ha a felhasználó tömegközlekedésen utazik).

Amennyiben igen (és maga a felhasználó is lehet beteg), az app önkarantént és az egészségügyi hatóságok értesítését javasolja. Nem egyértelmű, hogyan állapítja meg valakiről, hogy fertőzött, a sajtó szerint a nemzeti közlekedési és egészségügyi hatóságok adataival dolgozik.

A tesztek azonban soha nem 100 százalék pontosak, hamis pozitív és hamis negatív eredmények, különösen a COVID-19 néven futó koronavírus esetében bármikor előfordulhatnak. Ráadásul az adatbázisokban sem szerepel minden fertőzött személy, így a user elhitetheti magával, hogy biztonságban van, pedig nincs. Az app egyébként azt sem veszi figyelembe, hogy kinek mennyire ellenálló a szervezete.

A potenciálisan fertőző személyként történő megjelölés társadalmi hatásai Kínában teljesen mások, mint a nyugati világban. Az ottani hagyomány betegeket sokkal jobban stigmatizál, és az app elidegenítő hatást is kiválthat: személyek elkerülnek más személyeket, akik további személyeket kerülnek el, és így tovább, láncreakciót váltva ki.

Ne legyen kétségünk afelől, hogy az app újabb megfigyelő eszköz, amellyel a kormány további adatokat gyűjt és kapcsol polgárai dossziéjához.

A járvány epicentruma, Wuhan lakóit máris páriaként kezelik Kínában, a hatóságok sokakat elüldöztek a városból, egymás feljelentését javasolták stb. Elképzelhetjük, hogy az ezeket a folyamatokat erősítő alkalmazás milyen mértékben növeli a kirekesztő attitűdöt.

Egy jelenleg még csak prototípus állapotban lévő mesterséges intelligencia megváltoztathatja a földrengések utáni műveletek, teendők kezelését. A program ugyanis előrejelzi, hogy családtagok melyik útvonalakon juthatnak el legbiztonságosabban szeretteikhez.

Az ötlet az isztambuli ImpactHub közösségi innovációs központban született. A helyszín nem véletlen, mert a török főváros azon metropoliszok közé tartozik, amelyekben kvázi elkerülhetetlenek a jövőbeni földrengések.

Az országot 1999-ben – Isztambultól 150-200 kilométerre – sújtotta utoljára földrengés, hivatalos adatok alapján 18373 személy halt meg.

Tudósok szerint a következő is hasonló lesz, viszont közvetlenül a fővárost fogja sújtani, ahol jelenleg kb. 15 millióan élnek. Könnyen elképzelhetjük a következményeket…

Az ImpactHub fejlesztőcsapata úgy véli, hogy mesterségesintelligencia-megoldásokkal mindenképpen jelentősen csökkenthető a pusztulás mértéke.

Az ötletből a gépitanulás-szakértőkből álló Omdena MI közösségi platform közreműködésével hoztak létre működő prototípust. A földrengést követően szülők és gyerekek által egyaránt igénybe vehető biztonságos útvonalakat előrejelző, azokat leellenőrző MI-t fejlesztettek. A gép nemcsak a jó útvonalakat definiálja, hanem a veszélyeseket, a mindenképpen elkerülendőket szintén azonosítja.

„Feltételezzük, hogy Isztambul nagyvárosi közegében, a biztonság az alacsony épületszámú környékekhez, valamint a szélesebb utakhoz és utcákhoz kapcsolható” – magyarázza Nguyen Tran adattudós, majd eldöntötték: a prototípus Isztambul Faith kerületére fog összpontosítani.

A széles utakra és az épületsűrűségre vonatkozó adatokat képszegmentáló modellekkel kivonatolták a városról készült műholdas felvételekből. Az eredményeket hőtérképen ábrázolták.

Ezt követően az adatokat az Open Street Mapből származó adatokkal egyesítve, jelenítették meg a két helyszín közötti legrövidebb és legbiztonságosabb útvonalakat.

A fejlesztéssel az ötlet megfogalmazásától számított két hónapon belül készen is lettek, ami az Omdena MI platform önkéntes szerepvállalása nélkül elképzelhetetlen lett volna.

Az ImpactHub következő lépése a prototípus működő alkalmazássá alakítása lesz. A kezdeményezést, még mielőtt jönne a nagy földrengés, Törökország összes nagyvárosára ki szeretnék terjeszteni.          

Az Egyesült Államok híres-hírhedt kormányügynöksége, az Élelmiszerbiztonsági és Gyógyszerészeti Hivatal (FDA) adatai alapján nagyon ellentétes hatású gyógyszerek interakciója következtében évente több mint 10 ezer személy hal meg amerikai kórházakban.

A halálos interakciók elkerülésére használt hagyományos eljárásokhoz viszont drága és fáradságos laboratóriumi tesztek kellenek a gyógyszerek fejlesztése során, majd a klinikaivizsgálatok eredményeként össze kell gyűjteni az adott gyógyszer létező és elvileg lehetséges összes mellékhatását.

Egy, az IQVIA amerikai egészségügyi informatikai vállalat szakemberei által vezetett projekt eredményeként, amerikai kutatók gyógyszerek vegyi szerkezetét prognosztizáló új rendszert dolgoztak ki. A rendszer segítségével megelőzhetők ellentétes hatású gyógyszerek interakciói.

Az MI két különféle gyógyszert használ, azokból az egymással folytatott interakciókra vonatkozóan generál előrejelzéseket. A kutatók elsőként az ideghálók által olvasható SMILES karakterformátummá alakítottak át gyógyszerek vegyi szerkezetét. A melatonin például CC(=O)NCCC1=CNc2c1cc(OC)cc2-ként, a morfium pedig CN1CCC23C4OC5=C(O)C=CC(CC1C2C=CC4O)=C35-ként jeleníthető meg, és így tovább.

Következő lépésben az ideghálót ismert gyógyszerek közötti interakciókat leíró adatbázison gyakoroltatták. A menet közben sokat fejlődött rendszer megmondja az ellentétes hatású interakciók valószínűségét, illetve megmutatja a molekulák speciális, érintett részeit, amelyek nélkül lehetetlen lenne előrejelzést készíteni.

A kutatók két jól ismert és gyakori interakciósoron tesztelték a rendszert. Az eredmény azonban őket is meglepte, mert jobban teljesített, mint a jelenlegi legfejlettebb mesterséges intelligenciák

A vegyi adatok elemzésére használt új technikák számos más alkalmazással, például gyógyszer- és anyagtervezéssel is kecsegtetnek.

„A modern világ döbbenetes mértékben függ a vegytantól. A mesterséges intelligenciában elképesztő potenciál rejlik, hogy segítsen minket, hogy minél többet megtudjunk vegyi folyamatokról, interakciókról, tulajdonságokról és minőségekről” – nyilatkozta David Cox, az MIT-IBM Watson AI Labor IBM igazgatója (és az egyik kutató).

A tengerek, óceánok olajfúró tornyai rendkívül veszélyesek lehetnek, és e tény már önmagában elég indok az ottani munka automatizálására. Ezek a szerkezetek valójában ideális terepnek tűnnek a robotmunkára, mesterséges intelligenciák által végzett termelőtevékenységekre.

Mindezek fényében egyáltalán nem meglepő, hogy az Aker BP olajkitermelő és a Cognite mesterségesintelligencia-szoftverfejlesztő cég (és a szoftver, mint szolgáltatás, SaaS kezdeményezések egyik élharcosa) bejelentette: idén több robotot és drónt tesztelnek az Aker norvég-tengeri Skary létesítményén. A „vizsgára készülő” gépek között szerepel a mára már legendává vált Boston Dynamics egyik emblematikus szerkezete, Spot is.

A stratégiai együttműködéssel behatóan akarják tanulmányozni, hogy robotrendszerekkel hogyan tehetők biztonságosabbá, hatékonyabbá és fenntarthatóbbá (azaz környezetberátabbá) az olajfúró tornyokban végzett munkák. 

A két vállalat Spotot már vizsgálta is, igaz, egyelőre csak szimulált olaj- és gázkörnyezetben. Következő lépésben járőrözni fog a létesítményben, és közben teszteket futtat le, beszámolókat készít, valamint gőzerővel keresi a szénhidrogén-szivárgásokat.

„Elképzelésünk szerint a bölcsőtől a sírig, az összes műveletet digitalizáljuk. A termelékenység és a minőség növelése, valamint alkalmazottjaink biztonságosabb munkavégzése a cél. Digitális utazásunkat a robotikus tevékenységekben rejlő potenciál kiaknázása alapozza meg” – nyilatkozta Karl Johnny Hersvik, az Aker BP vezérigazgatója.

Nem az északi olajfúró torony lesz Spot első alkalmazása a „való világban”, nem most lép ki először a zárt és jobban kontrollált laboratóriumi közegből a „húsvér” valóságba.

2019-ben a Massachusettsi Állami Rendőrség ugyanis már kölcsön vette, és tesztelték, hogyan működik a rend élő őrei mellett, mennyire funkcionál a humán-gép együttműködés. A szervezetet sokan kritizálták, mert sötét jövőt láttak Spotban, azt a jövőt, amikor az állam (akár erőszakosan is) emberek, polgárai ellen használja a gépeket.

Spot új munkája viszont minimálisan sem veszélyeztet egy embert sem, sőt, őket lesz hivatott megkímélni.

„Csak” a munkájukba kerülhet…

Az egészségügytől a szórakoztatóiparig, egyre több és meglepőbb területen hasznosítják a mesterségesintelligencia-kutatás vívmányait. Talán már meg sem lepődünk azon az újságon, hogy az MI „slágerdiszciplínája”, a gépi tanulás sok más hasznos alkalmazás mellett például az ópiátfüggőség leküzdésében és akár a drogfüggőség megelőzsében is segít(het).

Az amerikai Drogos Visszaélések Nemzeti Intézete szerint az országban 2 millió az ópiátfüggők száma, és naponta kb. 130-an halnak meg túladagolásban (óverdózis).

Tim K. Mackey, a Kaliforniai Egyetem kutatója ópiátokkal kereskedő, magyarán drogokat árusító személyeket közösségi médiumokban – Instagram profilon keresztül – azonosító ideghálót fejlesztett.

Mackey korábbi kutatásaiban az Instagramot drogkereskedők kedvelt platformjaként azonosította. Munkacsoportja összegyűjtötte az ópiátokat megemlítő bejegyzéseket, és manuális módszerekkel megállapították: a posztok közül 12857-ben eladásra kínáltak fel drogokat.

A kutatók az adatok felét a modell begyakoroltatására használták fel. A droghirdetésekhez kapcsolódó nyelvezetet kellett megismernie, azonosítania, lényegében bele kellett tanulnia a munkájába.

Az adatok másik felével a modellt hitelesítették.

Az ideghálónak 267 egyedi felhasználó által posztolt 1228 hirdetést sikerült azonosítania. A korábbi random megoldásokat, döntésfákat szupport vektor gépeket és azonosításra használt más mesterségesintelligencia-módszereket túlszárnyalva, 95 százalékos pontossággal, azaz szinte teljesen megbízhatóan dolgozott.

Az eredményeket látva, az Egyesült Államok egészségügyi minisztériuma szerződést kötött Mackey-vel. A szerződés értelmében a kutató a Redditre, a Tumblir-ra és a YouTube-ra is alkalmazza a módszert, illetve bűnüldöző ügynökségeknek dolgoz ki a közösségi média hírfolyamainak valósidejű monitrozására alkalmas platformot.

Az online árusítás azonban csak kis részét teszi ki az Egyesült Államokban folyó illegális drogkereskedelemnek. Az idegháló nyilván segít kisebb halak elfogásában, de a folyamatos ellátást biztosító kartelleknek aligha fog ártani, mint ahogy az USA (egyébként teljesen értelmetlen) drogháborújában sem fog komolyabb szerepet játszani.

Tudományos-technológiai szempontból viszont kifejezetten izgalmas fejlesztés.

Tanárok valószínűleg nem örülnek a következő állításnak, de az állítás az érthető idegenkedés ellenére is igaz – dolgozatoknál néha akkor adjuk a legjobb válaszokat, ha egyszerűen lemásoljuk a szomszédét.

A Facebook mesterségesintelligencia-fejlesztő csoportja és a Stanford Egyetem kutatói új nyelvimodell-keretet dolgoztak ki ilyen jellegű, kontextuális előrejelzésekre. Jelen esetben befejezetlen, hiányos mondat következő szavára való következtetést értik előrejelzésen. A kNN-LM nevű algoritmust a gépi tanulásban bevett módszerrel, gyakorlóadatokon trenírozták hozzá.

A probléma lényege, hogy egy modellnek egyelőre sokkal könnyebb két hasonló jelentésű mondattöredéket azonosítania, mint a mondatokat (helyesen) kiegészíteni, befejezni.

Ha adott a mondattöredék, és az MI-nek meg kell mondania a következő szavakat, akkor a töredékhez hasonló mondatokat keres a gyakorlósorban, és az általa talált példákat használja majd a következtetéshez. (Lényegében, lelesi, hogy a szomszédok mit írtak.)

A modell például a „Dickens írta a ...” kezdetű mondatot úgy fejezheti be, hogy „Dickens írta a Twist Olivért.” A gyakorlóadatok alapján az MI tudja, hogy a „Twist Olivér” helyes válasz lehet.

A fejlesztők előzetes gyakorláson átesett modellt javasolnak, a gyakorlómondatok vektoros megjelenítésével, míg a tesztmondatok elemzésénél algoritmus kombinálja össze az információkat. A megközelítés minden előzetesen trenírozott nyelvi modellel működik, a legtöbb kísérlethez azonban speciális hálózatokat használtak.

Első lépésben a kNN-LM a gyakorlósor összes mondatához vektoros megjelenítést generál, majd az új input mondathoz megkeresi ugyanezen vektorok legközelebbi („szomszédos”) megjelenítését. Minél közelebbi egy gyakorlóvektor az inputhoz, annál magasabb pontszámot ér el („jobban súlyozódik”) a gyakorlószekvencia következő lépésében. A nyelvi modell az input következő jegyét előre is jelzi.

Ezt követően az MI végső következtetéséhez a legközelebbi vektoros és a modell általi előrejelzést egyaránt figyelembe veszi. Különleges mérés minősíti, hogy mennyire ragaszkodik az egyikhez, illetve a másikhoz.

AWikipédia-szócikkeken tesztelt algoritmus 10 százalékkal jobban teljesített, mint az eddigi legmodernebb nyelvi modellek. A modell jelenlegi gyengéje, hogy hatalmas számítási kapacitásra van szüksége.  

Szakemberek évtizedek óta fejlesztenek online csevegő robotokat, internetes beszélgető ágenseket, de az általános tapasztalatok alapján még a legmodernebb mai chatbotokkal is problémás a kommunikáció – kérdéseinkre gyakran adnak vagy értelmetlen, nonszensz, vagy teljesen általános, mindenre ráhúzható, semmitmondó válaszokat. (A beszélgető ágensek leggyakrabban internetes vásárlásoknál hivatottak segédkezni.)

Az infokom és különösen a mesterségesintelligencia-kutatás sok más területéhez hasonlóan, a Google csevegő botok fejlesztésében is próbál élen járni, és legújabb chatbotjuk (a cég állítása szerint) a teszteken az összes többinél, azaz valamennyi konkurensnél jobban teljesített.

A mamutvállalat új mérést is használ, amelyet speciálisan mesterséges intelligenciák beszélgetőkészségének a vizsgálatára találtak ki.

A Meena nevű botot egyedi módszerrel úgynevezett érzékenység és specifikálás átlaggal (Sensibleness and Specificity Average, SSA) mérik. Az új mértékegység kidolgozásához a Google embereket kért fel, hogy 100 szabadon választott beszélgetést folytassanak Meenaval és több más nem egyetlen témára szakosodott chatbottal.

A 40 milliárd szón gyakorolt bot minden egyes válaszát követően, a humán félnek a válasszal kapcsolatos két kérdésre kellett felelnie. A beszélgetések minimum 14. maximum 28 kérdés-feleletből, vagy közlés-reakcióból álltak.

Az első arra vonatkozott, hogy a válasz logikus volt-e, passzolt-e a beszélgetés kontextusához. Amennyiben igen, a következő kérdés így hangzott: „Speciálisan a beszélgetéshez kapcsolódott-e?” Utóbbi azért fontos, hogy kiszűrjék az általános válaszokat. Például, ha a humán partner azt írta, hogy szereti a teniszt, amire a chatbot azt felelte, hogy „ez jó”, a választ „nem specifikusnak” címkézték.

A Google kiszámolta, hogy egy átlagember 86 százalékban teljesíti az SSA követelményeit. A kutatás során vizsgált többi chatbot 31 és 56 százalék között teljesített, míg Meena 79 százalékot ért él.

A számok azt jelzik, hogy a Google beszélgető ágense az összes riválisnál közelebb került az emberi szinthez.