A Pokémon Got fejlesztő Niantic Ingress Prime néven megújította Ingress című, az App Sore-ban és a Google Play-ben egyaránt letölthető kiterjesztett valóság (augmented reality, AR) játékát. (Az eredeti megelőzte a Pokémon Got; 2013-ban mutatták be.)

Az újraindító kampányhoz a Google kötelékéből indult cég mesterségesintelligencia-megoldásokat alkalmaz. Egyedi módon MI toborozza a résztvevőket.

Az Ingress Prime sci-fi közegben játszódik. A világon az emberek elméjére ható, azt befolyásolni képes titokzatos erő jelent meg. Választanunk kell, hogy a felvilágosultak vagy az ellenállás oldalán állunk. Előbbiek a megvilágosodást idegen technológiával elhozó titokzatos erő, utóbbiak az óvatosság mellett döntöttek. (A játék nem a hagyományos jók/rosszfiúk ellentétre, hanem filozofikus világképre épül.)

A honlap MI-szekcióját meglátogató gamerek a felvilágosultakat és az ellenállókat reprezentáló mesterségesen intelligens entitásokat, ADA-t vagy JARVIS-t gyakoroltathatják. Az entitások egyedüli rendeltetése, hogy újabb játékosokat toborozzanak.

Ha nem akarunk velük foglalkozni, nem kell, inkább csak az elkötelezett usereknek ajánlott, másrészt viszont érdemes, mert egyedi módon kapcsolják a játék történetét, a hatalomért saját titokzatos technológiáikkal küzdő két csoport meséjét a valósághoz.

ADA és JARVIS propagandaeszközökkel terjeszti mondandóját. Tanulnak a látogatókkal folytatott interakciókból, az idő múlásával kifinomult technikai arzenált halmoznak fel, mémekkel, poszterekkel, videókkal stb. hirdetik az igét, és közben kialakul a saját személyiségük. Ha arra tanítjuk őket, hogy dühösek legyenek, toborzó posztereik dühöt sugároznak. Ha arra, hogy kedvesek, videóik szeretettel telítődnek.

Személyiségfejlődésükkel párhuzamosan egyre inkább tudattal rendelkező lényekként tekintünk rájuk.

Fejlesztőiknek valószínűleg pont ez a célja. Az emberi viselkedés tanulásával az MI-k a jelen technológiájával szembesülnek. Ezen a terepen folyamatosan valamit eladni akaró, kifürkésző algoritmusokkal állunk interakcióban. ADA és JARVIS is ilyenné, kifinomult marketingeszközzé válhat.

A játéktervezők bizakodnak, hogy a két MI hatására elgondolkozunk a világon, és persze el is kezdjük az Ingress Prime-ot.

A Kentucky állambeli Space Tango startup négy éve kutatja a mikrogravitációban történő gyártás lehetőségeit. Múlt héten bemutatták vizsgálódásaik, kísérleteik gyümölcsét, a teljesen autonóm ST-42 gyártószerkezet-sorozatot. Eddig 88 kísérletet végeztek, megrendelőik között olyan cégek is szerepelnek, mint a Budweiser vagy az Airbus.

A rendszerből több változatot akarnak fejleszteni.

A gépeket terveik szerint a 2020-as évek közepén bocsájtják alacsony Föld körüli pályára, azaz 200-2000 kilométer távolságra a bolygó felszínétől.

Twyman Clements, a Space Tango vezérigazgatója elmondta, hogy az ST-42 10-30 napot fog a pályán tölteni, de hosszabb küldetések lehetőségét sem zárja ki. Mindegyik egység 2,1-2,4 méter átmérőjű, és míg a külsejük mindig változatlan marad, belsejük az ügyfelek termék-megrendelésének függvényében változhat.

Szén nanocsövektől kezdve szilíciumlemezekig bármilyen terméket gyárthatnak. Mindegyik előállítható a Földön is, mikrogravitációban történő gyártásuk viszont több technikai előnnyel jár: például száloptikás kábelek készítésénél nem érződnek a gravitáció hatásai, és így kevesebb lesz a hiba.

Biomedikális alkalmazásokon, többek között a látást visszaállító retina-implantátumokon szintén gondolkodnak.  

A Space Tango nem az egyetlen vállalat, amely a világűrben tervez termékeket gyártani. A Nemzetközi Űrállomásra (ISS) fejlesztett 3D nyomtatójáról ismert Made in Space és a FOMS (Fiber Optic Manufacturing in Space, száloptika gyártása a világűrben) hasonló terveket sző, annyi különbséggel, hogy mindkettő az ISS-en működő rendszerekben gondolkozik.

Az ST-42 az összes többi űrjárműtől függetlenül, bármilyen emberi beavatkozás nélkül fog üzemelni. A Földön ugyan már elindult a termelőtevékenységek automatizálása, az űrben viszont a Space Tango botjai lehetnek az első automata gyártóegységek, teljesen robotizált űrjármű-rendszerek.

Clements nem árulta el, mennyibe kerül egy ST-42 fejlesztése, csak annyit mondott, hogy mivel a rendszer nem szállít embert, projektjük pénzügyileg kivitelezhető.

A DNS-adatgyűjtés gyorsan bővülő piac. Egyes vállalatok (23andMe, Helix stb.) általában 200 dollár körüli összegért génjeink alapján szolgáltatnak információt egészségünkről és felmenőinkről. Ezek az adatok nemcsak számunkra lehetnek nagyon értékesek, hanem a vizsgálatokat végző (és az adatokat gyógyszer-gyártóknak, kutatóintézeteknek drágán eladó) cégeknek is.

A Nebula Genomics feje tetejére állítja a rendszert, mert nem a megrendelő, hanem az érdeklődő vállalatok fizetnek az érintett személyeknek a biztonságos blokkláncon (blockchain) tárolt adatokért. A fizetési eszköz az úgynevezett „Nebula kredit.”

A startupot a génmódosításhoz használt CRISPR rendszerről és a mamut-újjáélesztési projektről ismert harvardi és MIT-s (Massachusetts Institute of Technology) kutató, George Church alapította többedmagával.

A megrendelő teljes genomját DNS-szekvenciákat elemző app segítségével értelmezi az eredményeket, dönt az adatok tárhelyéről – ha akarja a Nebula hálózatán, ha akarja, bárhol máshol őrzi őket. Név nem kell hozzájuk, minden anonim marad.

Ha egy szervezet meg akarja vásárolni az adatokat, meg kell neveznie magát, és az összes tranzakciót a Nebula blokkláncon rögzítik. Ha úgy látja jónak, ki is fizetheti az eredeti vizsgálatot. A döntés viszont a mi kezünkben van, adataink felhasználását vissza is utasíthatjuk, de választhatjuk azt is, hogy további egészségügyi információkat szolgáltatunk magunkról (például, hogy cukorbetegek, asztmásak stb. vagyunk), természetesen újabb kreditekért.

A kreditekkel a Nebula platform más szolgáltatásaihoz is hozzáférhetünk. Többek között megtudhatjuk egyes betegségekre (mellrák, Alzheimer-kór stb.) való hajlamunkat.

A kreditek egyelőre nem válthatók át dollárra vagy más valutára. Gyógyszer-gyártók ezer dollárt is hajlandók kifizetni személyek genomjáért, a Nebula viszont nem döntötte még el, hogy a jövőben engedélyezi, vagy sem a kriptovalután kívüli fizetőeszközökkel történő tranzakciókat.

Jacqueline Savard, az ausztráliai Deakin Egyetem kutatója figyelmeztet, hogy egyes gyógyszer-gyártók számunkra ismeretlen, előre nem látható módon is felhasználhatják az adatainkat.

„Szabadon kell döntenünk arról, hogy mit akarunk tenni genomikus infóinkkal. A helyes döntéshez viszont pontosan kell tudnunk, mire használhatják fel azokat” – jelentette ki Savard.

Mesterséges ideghálók jóvoltából számítógépek egyre jobban értenek szövegeket, beszélt nyelvet és képeket. A technika elsajátításához nagyon masszív komputerek, több év kutatómunka és a matematika mélységei iránti érdeklődés kell. A mindezekkel az adottságokkal rendelkező személyek többsége az MI jövőjét alakító valamelyik nagyvállalatnál dolgozik.

Az infokom titánok versengése azonban demokratizálja is a technológiát. Cégek mesterségesintelligencia-fejlesztőkészleteket és kutatási eredményeket tesznek ingyen közkinccsé, megnyitva az utat hobbisták és hackerek, és minden más érdeklődő előtt.

„Középiskolások olyan fejlesztéseket végezhetnek, amelyekre néhány éve még a világ legjobb kutatóinak sem volt lehetőségük” – nyilatkozta a talán legismertebb gépitanulás-szakértő, a Google-nál és a Baidunál már több projektet levezényelt Andrew Ng.

Ng és mások is nagyon bíznak az „amatőr MI-robbanásban.” Szeretnék, ha a technológia fizikailag és kulturálisan is túlmutatna a Szilícium-völgyön és a világ más ismert kutatólaboratóriumain, és „kívülállók” is bekapcsolódnának a fejlesztésekbe, például indiaiak hasznosítanák az online megtanultakat, és saját – „házi” – mesterséges intelligenciával tisztítanák a vizet stb.

Tömeges mértékben beindulna a csináld magad (Do It Yourself, DIY) MI.

Tömeges terjedésről ugyan még nem beszélhetünk, de a folyamat már megkezdődött. Egyik példája a 38 éves japán Daisuke Tahara. Családja nyolc ruhatisztító üzlet tulajdonosa az 50 ezres Tagawa városkában, ahol az elöregedő és csökkenő lélekszámú lakosság miatt nehéz új alkalmazottakat találni.

Tahara eldöntötte, hogy emberek helyett komputerekkel növeli a munkaerőt. Először jobb számítógépes rendszerrel próbált modernizálni, hogy ügyfelei automatikusan bejelentkezhessenek, és rendeléseket tudjanak leadni. Legtöbb alkalmazottja azonban nem értett a technológiához, és nehezen sajátította el a szükséges ismereteket.

Tahara fogta magát, és megtanult kódolni, online utána járt, hogyan vizsgálhatják át szoftverek az ügyfelek ruháit. Rengeteget olvasott a gépi tanulásról, angol és programozói tudását szinte a tökélyre csiszolta. Kb. 40 ezer fényképet készített különféle ruhadarabokról, és a saját maga által írt kódot gyakoroltatta rajtuk.

A rendszert júliusban kezdte el tesztelni egyik szárítóüzletében.

A kliensek kamerával felszerelt asztalra teszik a ruháikat, a szoftver átnézi és megszámolja őket, az eredmény tableten jelenik meg. Az ügyfelek első alkalommal segítségre szorulnak, a későbbiekben viszont már maguk is elboldogulnak.

Tahara elmondta, hogy alkalmazottai először gyanakodtak, de aztán rájöttek: a rendszer könnyebbé teszi munkájukat. Hamarosan újabb szárítóüzletet akar nyitni, ahol csak mesterséges intelligencia dolgozna, személyzet nélkül.

A brit hadsereg négyhetes kísérlet keretében, egyik legnagyobb gyakorlóterepén több mint 70 új technológiát, köztük vezető nélküli járműveket és megfigyelő drónokat tesztel.

A brit történelemben az „Autonóm harcos” lesz a legnagyobb robotokkal kivitelezett katonai gyakorlat.

Az Egyesült Királyság védelmi minisztériuma nem bocsátkozott részletekbe, csak annyit közölt, hogy a megfigyelésre, hosszabb repülésekre, precíziós célzásra, hatékonyabb mobilitásra, a haderő ellátására, városi hadviselésre és feljavított szituációérzékenységre összpontosítanak. Az ezekkel kapcsolatos fejlesztéseket a 2016-ban indított 800 millió fontos innovációs alapból finanszírozzák.

A minisztérium közleménye alapján a csapatok harc közbeni veszélyeztetettségének csökkentése a cél. A hadsereg élelmiszerrel, lőszerrel és üzemanyaggal való ellátását szintén automatizálnák, ezeket a feladatokat robotok végeznék el.

A kísérlet csúcspontjaként 200 katona vesz részt szimulált csatában, amellyel ötleteket és termékeket tesztelnek.

Sokan viszont attól tartanak, hogy a minisztérium túl messzire megy el. A Drónháborúk UK kampánycsoport szerint a hivatalos állásponttal ellentétben, aktívan támogatja teljesen autonóm „gyilkos robotok” fejlesztését. A csoport kérvényezte a drónok és autonóm fegyverek kutatásfejlesztésében résztvevő ügynökségek, laboratóriumok és beszállítók listáját.

Álláspontjukat alátámasztja, hogy az Egyesült Királyság 2015 óta visszautasítja az autonóm fegyvereket tiltó többi ENSZ-tagállamhoz való csatlakozást, valamint az erre vonatkozó javaslatok megszavazását. Az ország a mesterséges intelligencia etikai oldalával foglakozó kutatások élharcosai közé tartozik, áprilisban a Lordok Háza a morális alapelvek kidolgozására hívta fel a figyelmet, így a minisztérium katonai célokra szánt mesterséges intelligenciák létrehozását támogató álláspontja ellentmondásos. Ráadásul az a tény, hogy 2016 óta finanszírozza is a kapcsolódó k+f tevékenységet, egyértelműen jelzi: jó ideje foglalkoznak vele, és hosszútávú megoldásokban gondolkoznak.

A Drónháborúk UK tanulmányt készített az autonóm fegyverrendszerekkel kapcsolatos brit állami beruházásokról. Kiemelték, hogy ezek a rendszerek hibás, előítéletes stb. adatokkal is dolgozhatnak, majd azok alapján hozhatnak döntést, s végül cselekednek…

Azaz a jelenállás alapján a jövő drónjai maguk dönthetik el, hogy kit ölnek meg, kit nem. Egyelőre nem tartunk még itt, a felgyorsult fejlesztésekkel viszont hamar eljöhet a „gyilkos robotok” kora.

Animációs filmek, videók alkotói egyetértenek, hogy bolygókat pusztulásba döntő robbanást, világvégét, kataklizmaszerű eseményeket könnyebb elkészíteni, mint személyeket hitelesen mozgatni, a végtagok és a test harmonikus tevékenységét kivitelezni.

Ez a gondolat ösztönözte a Georgia Technológiai Intézet és a Google Brain mérnökeit egy öltözködni tanuló szórakoztató pici mesterségesintelligencia-ágens fejlesztésére. A torzóként megtestesített és szimulált környezetbe helyezett MI valósághű ruhákkal gyakorol, és fizikai megnyilvánulásai is viszonylag életszerűek.

Úgy néz ki, mint egy támolygó rajzfilm-figura, az arca viszont semmiféle érzelmet nem árul el. A megmosolyogtató videón először különösebb nehézség nélkül húz magára pólót, majd valami ingfélét, aztán többféle megoldással is kísérletezik.

A szimulációból megtudjuk, hogy az MI magától tanul meg interakcióba lépni a fizikai világgal, vagy legalábbis a valóság realisztikus szimulációjával.

Eredményeit az úgynevezett mély megerősítéses tanulásnak (deep reinforcement learning) köszönheti. A gépi tanulás egyik legismertebb típusának az a lényege, hogy a mesterséges intelligencia feladata sikeres elvégzése után jutalmat, sikertelenség esetén büntetést kap.

A Georgia Tech és a Google Brain MI-jét arra programozták, hogy minél gyorsabban öltözködjön fel. A számítógépes grafikai és interaktív technikákat bemutató legnagyobb nemzetközi éves seregszemlére, a SIGGRAPH 2018-ra írt tanulmányban elmagyarázzák, hogy az ágens megtanult szégyenkezni, ha valami nem ment neki, aztán viszont egyre nagyobb kényszerűséget érzett, hogy sikerüljön felöltöznie.

Gépi tanulással külső beavatkozás nélkül „automatikusan felfedez hatékony öltözködési technikákat”, elsajátítja használatukat, eredményesen gyakorol velük. Az MI haptikus, tapintásalapú megoldást alkalmaz: a ruha megérintése alapján, ha kell, dinamikusan újrakoordinálja, és a textília hullámzásához, ráncaihoz stb. igazítja mozdulatait.

Évek óta fejlesztenek magunkon hordható, viselhető (wearable) technológiákat, viszont egy-két karpánton, az Apple okosóráján kívül vagy nagyon lassan, vagy egyáltalán nem terjedtek még el.

A folyamatos egészségügyi megfigyelést célzó, viselhető bioszenzorok (és más hasonló szerkezetek) fejlesztésének egyik legfőbb akadálya a pihekönnyű és tartós elemek hiánya. Az elemek és más töltéstároló megoldások általában túl nagyok, nehezek és nem rugalmasak, vagy nagyok is, nehezek is, rugalmatlanok is.

A Massachusetts Amherst Egyetem kutatói erre a célra fejlesztettek bármilyen ruhába könnyen integrálható töltéstároló rendszert. Mikro szuperkondenzátort használnak; gőzzel bevont áramvezető lemezeket polimerfilmmel, valamint speciális varrótechnikával kombinálva, összehangolt elektródák rugalmas rácshálója alakítható ki szöveteken.

A szilárd eszköz képes tárolni a magunkon viselhető bioszenzorok működését biztosító töltést.

A fejlesztést vezető vegyész, Trisha Andrew elmondta, hogy elektronikus áramkörök sok komponensét sikeresen miniatürizálták, töltéstároló eszközöket viszont nem. Módszerükkel azonban megnyílik az út áramkörök ruhába varrása, az intelligens ruházat felé.

Andrew és munkatársai szerint a szuperkondenzátorok ideális eszközök viselhető technológiák töltésének a tárolására. Ez azért lehetséges, mert teljesítménysűrűségük alapvetően nagyobb az elemekénél.

A kutatók azonban elismerik, hogy az áramot nagyon jól, az ionokat gyorsan vezető, elektrokémiailag aktív anyagok textíliákba szövése komoly feladat. Textíliakutatók a technikai nehézségek és a magas költségek miatt eddig általában nem alkalmazták a gőzös módszert, nemrég viszont kimutatták, hogy a technológia méretezhető, és költséghatékonnyá is tehető.

Andrew csapata jelenleg az új töltéstárolót elektronikus textilérzékelőkkel és alacsony fogyasztású mikroprocesszorokkal igyekszik egybeintegrálni, személyek járásmódját és más mozdulatait folyamatosan figyelő okosruhákat próbálnak létrehozni. Eddigi tapasztalataik alapján a tárolót nem károsítja a mindennapi használat, a felhasználó pedig szabadabbnak érzi magát, mert nem kell méretesebb elemcsomagokra figyelnie.

Amikor gyerekként beszélni tanulunk, senkit nem izgat, hogy elmagyarázza nekünk a főnevek és az igék közti különbséget, mondatbeli elhelyezésüket stb. A komputereket mégis így tanítjuk ahhoz, hogy megértsék a nyelvet.

Szavak szerkezetét és jelentését elmagyarázó jegyzeteket fűzünk mondatokhoz, majd ezeket a mondatokat használjuk mondattani (szintaktikai) és jelentéstani (szemantikai) elemzőrendszerek gyakoroltatásához. Az elemzők hangfelismerőket, például az Amazon Alexáját segítik a természetes nyelv megértésében. A folyamat egyrészt időigényes, másrészt kisebb nyelvek estében különösen sok a nehézség.

Az MIT (Massachusetts Institute of Technology) Számítástudomány és Mesterséges Intelligencia Laboratórium (CSAIL), valamint az Agyak, Elmék és Gépek Központ (CBMM) kutatói új módszert dolgoztak ki elemzők gyakoroltatásához. Gyerekek nyelvtanulását utánozva, a rendszer videókat figyel meg, a szavakat előre felvett cselekvésekhez és tárgyakhoz társítja. Így talán könnyebb a tanulás és a gyakorlás, és javulhat az ember-robot interakció.

Például ilyen elemzővel rendelkező robot környezete megfigyelésével jobban megérthet szóbeli utasításokat, ráadásul még akkor is, amikor az utasítások egyáltalán nem világosak.

Rendszerüket szemantikus elemző és gépilátás-komponens összekombinálásával hozták létre. A gépilátás-elemet betanították, hogy tárgyakat, embereket és cselekvéseket ismerjen fel videókon.

A következő lépésben emberi cselekvéseket ábrázoló 400 videós adatsort dolgoztak ki. A Mechanikus Török közösségi ötletbörze (crowdsourcing) platform felhasználói 1200 feliratot írtak a videókhoz; 840-et gyakorlásra és a rendszer finomhangolására, a maradékot tesztelésre használták.

Az elemző szavak és a videókon látható tárgyak, cselekvések társításával tanulja meg a mondatszerkesztést. Gyakorlás után videó nélkül is pontosan megmondja egy-egy mondat jelentését. Mivel feliratos videókkal könnyebb annotált mondatokat generálni, ezzel a módszerrel leegyszerűsödik az elemzőrendszerek betanítása.

Az új megközelítés más szempontból szintén hasznos lehet, segítségével jobban megérthetjük, hogyan sajátítják el a gyerekek a nyelvet.

Emberi tevékenységek és maga a Homo sapiens jövője kapcsán gyakran hangzik el, hogy „az űr a végső határ”, viszont a magáncégek és kormányszervezetek növekvő befektetéseivel párhuzamosan nő a megoldandó technikai problémák száma. Az egyre több műholddal és űrhajóval a kommunikációs rendszerek hatékonyabbá tétele vált az egyik legnagyobb kihívássá.

Amerikai kutatók (Worchester Műszaki Intézet, Pennsylvaniai Állami Egyetem, NASA John H. Glenn Kutatóközpont) erre a célra fejlesztettek algoritmust. Mesterséges intelligenciájukkal a műholdas kommunikációs rendszerek autonóm adaptációjukat lehetővé tevő kognitív rádiófunkciókkal rendelkeznek.

A mostani rendszerek ugyan alkalmaznak rádióforrásokat szelektáló algoritmusokat, munkájuk azonban kezdetleges, túl sok az előreprogramozott elem, és figyelembe véve a célok kivitelezéséhez szükséges sok paramétert, egyáltalán nem rugalmasak. Az új algoritmus pontosan a rádiós erőforrások elosztását meghatározó paraméterek kiválogatását teszi autonómmá, többdimenzióssá.

Mivel a világűr kegyetlen környezet, az autonóm kommunikáció kritikus tényező. Rengeteg hiba jöhet közbe, s mindezek együttesen teszik indokolttá a rendszerek emberi beavatkozás nélküli működését.

Az algoritmus következőgenerációs űrhajók és műholdak kommunikációs rendszereinek fejlesztéséhez alapul szolgáló új kognitív motor (cognitive engine, CE) magjaként funkcionálhat, amivel fejlesztői szerint komplex problémát, a rendszer optimalizálását oldhatja meg hatékonyan.

A kognitív motor autonóm válogat ki több rádióadó-beállítást, amellyel különféle, egymással ellentétes célokat próbál megvalósítani a dinamikusan változó kommunikációs csatornán. A CE a fejlesztők korábbi munkáját, az új mesterséges idegháló-rendszerrel és az algoritmussal integrált „virtuális kutatószerkezetet” és többcélú megerősítéses tanulást használ hozzá.

Az algoritmus az emberi agyhoz hasonlóan működik, a lehetséges inputok kiértékelésével segíti a hálót az űrbeli körülményekhez való alkalmazkodásban.

A szimulált CE 80 százalékban kivitelezett hat feladatot. A kutatók szerint ez lehet az újabb fejlesztések kiindulási pontja, és a mérce is.

Az űrkutatás fejlődésével, Mars- és Hold-missziókkal a kognitív rendszerek nélkülözhetetlenné válnak.

Az Egészségügyi Világszervezet (WHO) adatai alapján a Földön kb. 300 millió személy szenved depresszióban, és évente kb. 800 ezren követnek el öngyilkosságot, ami sok esetben a depresszió következménye.

A fáradtságtól az energiaveszteségig, a határozatlanságtól a döntésképtelenségig számos különféle tünet utalhat depresszióra, ráadásul mindegyik annyira tág keretek között értelmezhető, hogy nagyon nehéz pontos, a betegség tényét egyértelműen megállapító diagnózist felállítani.

Az MIT (Massachusetts Institute of Technology) Mesterséges Intelligencia és Számítástudomány Laboratóriumának (CSAIL) kutatói a depresszió megállapításához kapcsolódó találgatások egy részét feleslegessé tevő algoritmust fejlesztenek.

142 pácienssel készített interjú szöveges és audióadatait felhasználva gyakoroltatták a gépitanulás-algoritmust. Az algoritmusnak a hanganyagból kellett kiszűrnie depresszióra utaló jeleket. (A 142 személyből 30-at diagnosztizáltak depresszióval.)

A fejlesztést az teszi különlegessé, hogy a kutatók – és az algoritmus – nemcsak az interjúalanyok speciális szavait, hanem beszédtónusukat is vizsgálták. Ez a technika teszi a modellt meglepően pontossá – a depresszióval diagnosztizált személyek 77 százalékát sikeresen azonosította.

Mielőtt az egészségügyben MI-ket alkalmaznának mentális rendellenességek diagnosztizálására, az eddigi hasonló törekvésekből kiindulva, nem árt fenntartással kezelni az eredményeket.

Egyes nemrég megjelent csevegő botok, chatbotok, például a Woebot ugyan depressziós személyeken hivatottak segíteni, de ezek a gépek egyelőre távol vannak a humán terapeuták helyettesítésétől.

Túl sok a változó, és a 77 százalék valóban ígéretesen hangzik, ám egy MI által megállapított hamis pozitív diagnózis komoly etikai problémákat vetne fel. De próbáljuk elképzelni, hogy mi történne, ha az algoritmus (és a hamis pozitív diagnózis) rossz kezekbe, például az illető személy biztosítójához, vagy munkaadójához kerülne.

A fejlesztők realisták, nem várnak csodákat.

Egyikük, James Glass elmondta, hogy modelljük senkit nem fog helyettesíteni, egyszerűen újabb hasznos megoldással bővül a klinikai eszköztár.