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.

Ha galaxisunkban létezik valahol földönkívüli civilizáció, lézertechnológiánk elvileg úgy átalakítható, hogy akár 20 ezer fényévnyi távolságból is érzékeljék a Földről sugárzott jeleket – állítja az MIT (Massachusetts Institute of Technology) AeroAstro programjában dolgozó James Clark egy „megvalósíthatósági tanulmányban” (feasibility study). (Az AeroAstro az USA legrégebbi felsőoktatási űrkutatás-programja.)

Ha 1 megawattos lézert masszív 45 méteres teleszkópon keresztül a világűrre irányítunk, olyan erejű infravörös sugárzás keletkezik, amelyet a Nap energiája sem veszélyeztet. 2 megawattos lézer és 30 méteres teleszkóp együttes tevékenységével szintén hasonló eredmény érhető el.

Clark különböző lézer-teleszkóp kombinációkat tanulmányozva jutott erre a következtetésre, és döntött a két opció mellett.

Ha egy földönkívüli civilizáció csillagászai figyelik a Tejútrendszer bolygónkat is magába foglaló részét, különösen, ha viszonylag közeli rendszerben, például a Földhöz legközelebbi csillag, a 4 fényév távolságra lévő Proxima Centauri vagy a 40 fényévnyire található, és hét exobolygóval (idegen csillag körül keringő bolygóval) – amelyből három elméletileg lakható – rendelkező TRAPPIST-1 környékén élnek, a jelzőfényt detektálhatják.

Ha a jelet észreveszik, ugyanazzal a lézerrel morzeíráshoz hasonló formájú rövid üzenet küldhető nekik. Mai ismereteink alapján persze minimálisan kicsi az esélye annak, hogy valamelyik bolygó földönkívüli életnek, ráadásul az üzenetek dekódolására alkalmas fejlettségű civilizációnak adjon otthont.

Hiába tűnik az ötlet tudományos-fantasztikumnak, Clark elmondta, hogy vagy meglévő technológiákkal, vagy viszonylag kevés fejlesztéssel kivitelezhető. Ma még nincs 30 méteres teleszkóp, de Chilében már építik a 24 méteres Óriási Magellán és a 39 méteres Európai Extrém Nagy űrtávcsöveket.

Ha megfigyelőállomásokhoz hasonlóan a lézeres jeladót is hegytetőre építjük, minimalizálható az atmoszféra mennyisége, amelyen a fénynek keresztül kell hatolnia.

A megawattnyi mennyiség lézerfény viszont biztonsági problémákat vet fel – ismeri el Clark. Személyek látását, vagy űrjárművek kameráit veszélyeztetheti. Ezért a Hold egyik legtávolabbi részét javasolja.

Mindez elvileg megvalósítható, kérdés, hogy a mai képtechnológia elég fejlett-e a galaxisban generált hasonló lézerfény érzékelésére. A tanulmányból kiderül, hogy igen, viszont a teleszkópot a jel pontos irányába kell beállítani.

Clark bizakodik, hogy a kutatás pozitív hatással lesz az infravörös képtechnológiai fejlesztésekre, és nemcsak alienek potenciális fényüzeneteinek vételére, hanem távoli bolygók atmoszférájában lévő, életre utaló gázok azonosítására is alkalmas megoldásokat dolgoznak ki.

A mesterséges intelligencia és a robotok gyorsan automatizálják Hollywoodot – forgatókönyveket javasolnak gyártásra, algoritmusok generálnak speciális effektusokat stb.

A 20th Century Fox filmstúdió gépitanulás-algoritmusa előrejelzi, hogy ki fogja szeretni az új filmeket. A Merlin nevű előrejelző és ajánlórendszer trailereket a rajtuk látható tárgyak alapján elemez és kategorizál. Képkockáról képkockára haladva címkéz fel objektumokat, eseményeket, majd az adatokat összeveti más trailerek által generált adatokkal.

A Google közreműködésével létrehozott algoritmus logikája szerint hasonló filmek hasonló trailerekkel valószínűleg hasonló közönségnek fognak tetszeni. (A munkához a keresőóriás szervereit és a nyílt forrású Tensor Flow mesterségesintelligencia-fejlesztési keretet használták.)

A fejlesztők szerint a filmstúdiók pont az ilyen típusú adatokat szeretik, amelyeket hagyományos módszerekkel, például interjúkkal és kérdőívekkel is gyűjtenek. Ha tudják, hogy ki mit néz, azt is tudni fogják, hogy milyen filmet készítsenek nekik. De még jobb, ha a közönség összetétele kisebb és pontosabb „mikroszegmensekre” bontható szét, és Merlin valami hasonlóval próbálkozik.

Az X-Men filmek legutolsó darabját, a 2017-es Logan – Farkas trailerében az algoritmus szerint a „fa”, az „arcszőr”, az „autó” és a „férfi” volt a négy csúcs-címke. Ezek alapján a képileg hasonló Visszatérőt ajánlotta, valószínűleg a sok erdő és szakáll miatt.

Az MI azonban tévedett is, mert megfeledkezett a Logan – Farkas és a Hangya, vagy a Deadpool összetársításával, pedig mindhárom film a jellegzetes szuperhős-történekek közé tartozik.

Figyelembe véve a technológia jelenlegi állapotát, hiányosságait és korlátait, az MI filmipari térhódítása ellenére sem világos, hogy kiknek jelenthet segítséget a Fox új rendszere. Talán marketingeseknek tehet komoly szolgálatot, akik a trailer elkészülte után speciális demográfiai csoportokat célozhatnak meg hirdetésekkel. Ugyanakkor nehéz elképzelni olyan területet, ahol egy képdetektáló algoritmus jobban teljesítsen a mélyebb összefüggéseket is érzékelő embereknél.

Mesterségesintelligencia-fejlesztők egyik legnagyobb kihívása a körülötte lévő világot értő és elmagyarázó rendszer építése. Párhuzamként gondoljunk az önvezető járművekre, és arra a tényre, hogy milyen hosszú ideje dolgoznak rajtuk vezető IT-cégek és autógyártók csúcslaboratóriumaiban.

Az utóbbi évek MI-jei egyre érdekesebb mintázatokat találnak az adatokban, sőt, mintázatokból következtettek már egyes fizikai törvényekre is. Ezekben az esetekben a rendszer azonban a valóság „zavaró” tényezőitől érintetlen speciális adatsorokon gyakoroltak.

Képességeik nem is hasonlíthatók az emberéhez, fizikusokéhoz pedig végképp nem.

Max Tegmark és Tailin Wu, az MIT (Massachusetts Institute of Technology) két fizikusa szimulált világok sorát hozta létre, amelyekben egy labda a gravitációs és az elektromos mezők által befolyásolt területeken pörgött keresztül. Az adatokat erre a célra létrehozott mesterségesintelligencia-rendszerbe táplálták, majd az MI-nek kiadták a feladatot: határozza meg a szóban forgó virtuális világok fizikáját.

Tudományos módszertanhoz hasonló eljárásokat alkalmazva, környezetéről folyamatosan tanuló algoritmus lett a kutatás végeredménye.

A legtöbb gépitanulás-algoritmus a gyakorlóadatokat próbálja értelmezni, átfogó szabályokat és feltevéseket használ hozzájuk. A fejlesztői által MI Fizikusnak hívott rendszer részekre tudja osztani, azaz leegyszerűsíti a gyakorlóadatokat. Ez a képessége teszi lehetővé, hogy fizikai környezetéről változatos, a fizika különféle területein alapuló elméleteket alkosson. Így tanulja meg például, hogy a mechanika és az elektromágnesesség hogyan működik egyszerre.

Tegmark és Wu szerint elképzelhető, hogy az MI tudományos kutatásokban segédkezzen. A gépitanulás-rendszerek kiválóak mintafelismerésben és a mintázatok alapján előrejelzéseket készítenek. Ez a tulajdonságuk azokban az esetekben különösen hasznos, ha túl sok az adat, és az ember által nehezen kimutatható, vagy kimutathatatlan homályos összefüggésekre kellene fényt deríteni.

A keresési eredményeit leegyszerűsítő és finomhangoló algoritmussal mindenféle tudományterületen olyan felfedezések érhetők el, amelyekre húsvér tudósok csak hosszú évek sziszifuszi munkájával jönnének rá.

A mesterséges intelligencia mellett a kvantumszámítások, a kvantumszámítógép tűnik a legígéretesebb és a jövő arculatát legmarkánsabban formáló infokom technológiának. Egyelőre bizonytalan, mikor lép működésbe a gyakorlatban is hasznosuló első kvantumkomputer, de a nagy cégek fejlesztései, a területbe fektetetett óriási összegek, mind azt jelzik, hogy hamarosan sor kerülhet rá.

Pár éven belül a globális helymeghatározó rendszerek, a GPS-ek is élvezhetik a technológia előnyeit, komoly hasznukra válhatnak a kvantumfizika-alapú navigációs eszközök.

Mivel az utóbbi időben sok GPS-t meghackeltek, vagy egyszerűen csődöt mondtak, véletlenül zavartak és kvázi használhatatlanná tettek rendszereket, az Egyesült Államok Tengerészeti Akadémiája úgy döntött, hogy hallgatóinak – mint a múltban – meg kell tanulniuk a csillagok állása alapján tájékozódni. Kilenc éve azért hagytak fel ezzel a gyakorlattal, mert a GPS-ek akkor annyira holtbiztos megoldásnak tűntek, hogy minden más lehetőséget feleslegesnek tartottak.

De mi történik, ha felhős az ég, és nem látjuk a csillagokat?

Az amerikai hadsereg és több nemzeti laboratórium, cég (például a Lockhead Martin) ezzel a ténnyel is számolva dolgozik gőzerővel a GPS-eket forradalmasító kvantumszenzorokon és a velük működő kvantumnavigátorokon. Az újítás abból, áll, hogy az új rendszereknek nem lesz szükségük műholdra.

A kvantumnavigátor parányi szintetizált gyémántkocka: a szokásos szénrács mellett nitrogénatomok is találhatók benne. Ha zöld lézer hatol át a kockán, a nitrogénes részek vörös fényt bocsátanak ki. A fény intenzitása attól függ, hogy a mágneses mezők milyen erővel és irányból hatnak a kockára.

A földi mágneses mező mintázataihoz kalibrálva, a navigátor globális helymeghatározó eszközként is használható. Nem kell hozzá (hackerek által feltörhető) műholdas kapcsolat. A forgásmérő és a többi kvantumeszköz más fizikai szerkezeteken alapulnak, másféle ingerekre reagálnak, a kvantummechanika használatával viszont komoly előnyeik vannak a mai technológiákkal szemben.

Az amerikai hadsereg és kormány bizakodik, hogy a kvantumszámítások fejlődésével, a következő évtizedben a kvantumnavigációs eszközök is elterjednek. A Lockhead Martin mágnesességmérője már most közel annyira pontos, mint a GPS-ek, sürgősségi esetekben hamarosan tartalékként vagy az adatok hitelesítésére használható lesz.

Egyelőre viszont nem helyettesíti a globális helymeghatározó rendszereket.

A TechCrunch kiterjesztett és virtuális valóságról (AR, VR) tartott rendezvényén, Ficus Kirkpatrick, a Facebook AR-részlegének vezetője elmondta, hogy AR-szemüvegen dolgoznak, bejelenthető terméktől viszont még nagyon távol vannak.

„Azt szeretnénk, ha az AR-szemüvegek valósággá válnának, és komoly szerepet akarunk játszani ebben a folyamatban” – nyilatkozta Kirkpatrick.

A Facebook nem először próbálkozik. A cég 2014-ben vásárolta fel a virtuálisvalóság-újító (és a Rift headsetet fejlesztő) Oculust, tavaly pedig AR-témájú szabadalmi kérelmet nyújtott be.

Az AR-szemüveg ötlete többekben felmerült már, a kivitelezés viszont katasztrofálisra sikerült. A Nintendo Virtual Boy-a megbukott, a Google Glass „kémkamerájával” riasztotta el a fogyasztókat, a projekt ugyan továbbél, de vállalati-ipari alkalmazásokban hasznosítják.

A Magic Leap és a Thalmic Labs hamarosan headsettel és szemüveggel jelentkezik a HoloLens jóvoltából a Microsoft által dominált piacon. Az Apple szintén dolgozhat valami hasonlón, legalábbis az AR hardverfejlesztő Akonia Holographics és Vrvana felvásárlása erre utal.

A szemüveg lehet a Facebook egyik első komolyabb – mainstream – saját hardvere, amelyen (az Apple, a Google és más okostelefongyártók termékei után) a cég szoftverei futhatnak. (Egyébként ebben a hónapban mutatták be első hardverüket, a Portal okos kijelzőt.)

„Egyelőre nem áll rendelkezésünkre az óhajtott AR-terméhez szükséges tudományos-technológiai arzenál. Talán majd 5-7 év múlva kész leszünk vele. A VR az AR-hez vezető út” – nyilatkozta tavaly Mark Zuckerberg, és a Facebook Oculus-részlege is hasonlókat mondott, majd pár hónappal később beadták a szabadalmi kérvényt egy, a médiatartalmat kétdimenziós szkennerrel lencsére vetítő kijelzőről.

A most futó Sequoia projekt keretében fejlesztett projektorok fizikai tárgyakra, például asztalra, sakktáblára vetítenek AR-tartalmakat.

„Egyetlen kereskedelmi forgalomban beszerezhető technológia sem elég jó az AR-hez, így nincs más választásunk: új kijelzőrendszert kell építenünk. És ebben a rendszerben benne lesz a potenciál, hogy magasabb szintre emelje az AR-t” – jelentette ki Michael Abrash, az Oculus főmérnöke.

Kirkpatrick tisztázta az esetleges félreértéseket: a Facebook AR-fejlesztései nem VR-headsetes kevert valóságot (mixed reality), nem egyetlen eszköz felé mutató konvergenciát céloznak, nem fog mindenki sisakokban szaladgálni, ugyanakkor az AR és a VR jövőjét is a mobilitásban látja.

A konvergencia a programok szintjén valósulhat meg, és felgyorsíthatja a fejlesztést, hogy az Oculus VR headsetje és a Facebook AR szemüvege ugyanazon a szoftveren alapulhat.

Kérdés, hogy a Facebook mennyire tudja kezelni a személyes szféra (privacy) problémáját. Míg a VR fiktív világokba viszi a felhasználót, tehát ebből a szempontból nem releváns, addig az AR a fizikai valóságból gyűjt adatokat, ráadásul a cég adatkezelésével közismerten komoly problémák merültek fel.

Ebből a szempontból a Magic Leap, de az Apple pozíciói is erősebbek az AR-versenyfutásban.

A Stanford Egyetem és a Lausanne-i Svájci Szövetségi Technológiai Intézet kutatói saját tömegüknél 40-szer súlyosabb tárgyakat megmozgató tenyérméretű drónokat fejlesztettek. Ezt úgy érik el, hogy a földbe vagy a falba „horgonyozzák” magukat.

A természet által inspirált fejlesztés betekintést ad egy olyan jövőbe, amelyben a drónok az emberhez, vagy nagyobb robotokhoz hasonlóan, a mainál sokkal aktívabban képesek átalakítani környezetüket. Együttműködve komplexebb feladatokat is el tudnak végezni. A bemutatón ajtót nyitottak ki, de törmeléket is eltüntethetnek, golyós szelepet csavarhatnak fel stb.

Szárnyas állatok saját tömegüknél maximum háromszor nehezebb objektumokat képesek repülés közben felemelni. A kutatók a talajon landoló és nagyobb prédát cipelő ragadozó darazsakat figyeltek meg, és az ő példájukat igyekeztek drónjaikra alkalmazni.

A „FlyCroTug” gépek a légi mobilitást földbe, falra stb. rögzítő megoldással kombinálva nagyobb húzó/nyomóerővel rendelkező négyrotoros szerkezetek. Kinyújtható, összezsugorítható hosszú kábel végén mindegyikhez forgattyún keresztül oda-vissza húzható speciális tartozék kapcsolódik. Így tudják magukat a kábellel tárgyakhoz rögzíteni, és nehéz objektumokat megmozdítani.

„Kis lépés a darazsaknak, hatalmas repülőugrás a drónoknak” – magyarázza Matt Estrada stanfordi gépészmérnök.

A szűk tereket bejáró és környezetükre nagy erőt kifejtő apró drónok a polgári és a katonai kereső-mentőalkalmazások új lehetőségeivel kecsegtetnek, például megközelíthetetlen helyeken ragadt személyeket láthatnak el gyógyszerekkel stb.

A gépekkel két ajtónyitó forgatókönyvet játszattak el, és mindkettőben jól teljesítettek. Ennek ellenére jelenlegi lehetőségeik főként azért korlátozottak, mert elemeik csak ötperces repülésre elegendők. Bonyolult, ismeretlen terepekhez több változatot kellene fejleszteni belőlük, talajtípusokhoz kialakított különféle tartozékokkal és horgonyzási mechanizmusokkal. A fél- vagy emberi kontroll nélküli, teljesen autonóm tevékenységet biztosító érzékeléssel és a mesterségesintelligencia-megoldásokkal szintén nem foglalkoztak még.

„Az ember ösztönszerűen látja, melyek a drónok számára járható felületek. Ez a felismerés alacsonyszintű manőverezési autonómiával kombinálható” . nyilatkozta Estrada.

A nashville-i (Tennessee) és atlantai (Georgia) irodákkal rendelkező amerikai Red Pepper kreatív ügynökség mindenféle vállalati innovációt, diszruptív változásokat hozó üzleti, vagy teljesen szokatlan, de mindenképpen eredeti ötletet felkarol.

Technológiai szakértőjük, Matt Reed az ősi kelta hagyományból, boszorkányok, kísértetek és más démonok ünnepéből kialakult és az egész világon elterjedt Halloweenre, október 31. éjszakájára gondolva, alkalomhoz illő maszkok tervezésére programozott egy mesterséges intelligenciát.

Az idegháló a Google Images-ből kigyűjtött kb. 5 ezer Halloween-maszkon gyakorolt, s találta ki végül a saját változatait. Az utóbbi évek egyik legsikeresebb technikáját, generatív ellenséges hálózatokat (generative adversarial network, GAN) alkalmazva igyekezett minél meggyőzőbb maszkokkal előállni. (A GAN két algoritmus – az egyik alkot, a másik bírál, amire az előző finomít munkáján, a másik újra megbírálja, ő megint javít rajta, és így tovább, mindaddig, amíg viszonylag meggyőző kép, szöveg stb. nem generálódik.) 

Az eredmény döbbenetes, nyugtalanító, rémálmokhoz tökéletes alapanyag. Ha riogatni kell, felül is múlja az eredetit. Egy kicsit a robotikából és más infokom technológiákból ismert „Rejtélyes völgy” (Uncanny Valley) jelenségre emlékeztet: bizonyos pontig pozitívan reagálunk emberi jegyeket felvonultató karakterre. Minél emberszerűbb, annál jobban szeretjük – egy ponton túl, amikor már majdnem teljesen emberi, de mégsem az, viszont elbizonytalanodunk. Ez a völgy, ahol az adott robot, animált karakter stb. tulajdonságai nem egyeznek az előzetesen hozzátársított tulajdonságokkal.

Ugyanezt érezzük a Red Pepper MI-je által alkotott Halloween-maszkokkal kapcsolatban is.

„Azért tűnnek ennyire nyugtalanítónak, ijesztőnek, mert nincsenek részletesen kidolgozva, nem látunk mindent, a mesterséges intelligencia ránk hagyja, hogy mi kössük össze képzeletünkben a pontokat, egészítsük ki a hiányosságokat. Fantáziánknak ad szabad teret” – magyarázza Reed.

A Red Pepper szórakoztató és „kísérteties” projektje újabb példa a mesterséges intelligencia kreatív alkalmazására. Távolról sem tökéletes, sokat hibázik, viszont (egyelőre) remek segédeszköz, kiegészíti az emberi alkotótevékenységet.

A „Hogyan generáljunk (majdnem) mindent” MIT (Massachusetts Institute of Technology) csoport tömegek számára akarja hozzáférhetővé tenni a mesterséges intelligenciát.

Látszatra kreatív feladatokat megoldó és minden héten egy adott témával kapcsolatos teljesen új tervekkel előálló algoritmusokat fejlesztenek, gyakoroltatnak. Tevékenységük azonban nem merül ki ezzel, mert utána meg is valósítják az MI-rendszer ötletét, legyen szó pizzákról, ruhákról, parfümökről stb.

Véleményük szerint ezek a szokatlan, időnként kifejezetten bizarr dolgok segítik az átlagembereket a mesterséges intelligencia megértésében és megbecsülésében, rajtuk keresztül jobban látják, mire képes ma egy MI, és (egyelőre) mire nem.

„A projekt célja az MI demokratizálása a széles nyilvánosság számára. Jelenleg csak szakemberek, fejlesztők tudják kreatívan felhasználni, mások hozzá sem férnek” – jelentette ki a csoportot alapító Pinar Yanardag.

A legtöbb projekt gépitanulás-algoritmuson alapul. Az algoritmusok többezer pizzarecepten, parfüm-összetételen stb. gyakorolnak, majd az eredetire nagyjából hasonlító, egy kicsit azonban mégis furcsa vagy teljesen abszurd saját változatot generálnak. Például fiktív összetevőkből áll a pizza, sütésénél pedig alapvető lépések maradnak ki.

Két projektnél, ruha- és graffiti-tervezésnél az algoritmusok generatív ellenséges hálózatot (generative adversarial network, GAN) használtak. Egy ilyen rendszerben két idegháló dolgozik: az egyik alkot, a másik bírálja, összjátékuk folyamatosan javítja a teljesítményt.

MI-kutatók általában GAN-alapú algoritmusokkal próbálnak a valódihoz tényleg hasonló objektumokat generáló gépi megoldásokat kidolgozni.

Az eredmény: a divatbot és a graffitibot intelligensebben dolgozik, mint a többi MI. Ezek az algoritmusok kevésbé megmosolyogtató objektumokat generálnak. Ha pizzarecepten munkálkodnának, ha nem is csúcskategóriás, de biztosan ehető lenne.

A projekt rendeltetése azonban nem ez (a két intelligensebb bot inkább csak kísérlet), hanem a célközönség – az átlagemberek – szórakoztatása, hogy lekösse őket a mesterséges intelligencia, és egyáltalán, legyenek róla konkrét ismereteik, tapasztalataik.

A csoport hetente videót tesz közzé az aktuális algoritmusról. Felhasználóbarát eszközön dolgoznak, hogy az érdeklődők technikai ismeretek nélkül is elkészíthessék saját változatukat az adott hét témájáról.

Yanardag meggyőződése, hogy egy fejlett MI nem helyettesíti, hanem növeli az emberi kreativitást. Munkáikkal magasabb szintre kívánják emelni az ember-gép együttműködést.

Képzeljük el, hogy a közeljövőben alig van már mosogatószerünk, és az azt tartalmazó üveg figyelmeztet: vásárolnunk kellene, mert különben nem lesz elég. Rosszabbik esetben beszünteti az adagolást, és magától rendel az interneten.

Egy másik forgatókönyv: a hátizsákban lévő napkrém ránk szól, kenjünk valamennyit a bőrünkre. Vagy az orvos által felírt gyógyszer emlékeztet, hogy be kell vennünk.

A különleges hardvereket fejlesztő izraeli Water.io pontosan ezen a jövőn dolgozik, a dolgok internetére (Internet-of-Things, IoT) kapcsolódó „intelligens” kupakjai folyamatosan figyelik, mennyi mosogatószer stb. maradt az üvegben.

Lesz külön kupak a vizes palackhoz, a gyógyszeres üvegcséhez, a mosogatószerhez, és így tovább. Jelzik, mennyire hidratálódtunk/dehidratálódtunk, bevettük-e az összes szükséges gyógyszert, vagy sem, és ha kell, rendelnek.

Teljesen mindegy, hogy folyadékot, port, tablettát, kapszulát stb. tartalmaz, a cég Smartcap platformja bármilyen üveget „okos” üveggé alakít át. A platform szenzorokból, mobil appból, műszertáblából, a számítási felhőben lévő szerverekből és algoritmusokból áll. Avagy kupakokba ágyazott, vagy meglévő kupakokra szerelt IoT-eszközök, az érzékelők az üveg tartalmának érintése nélkül mérik a benne lévő anyagot. A fogyasztóval fény, rezgés útján, vagy más riasztással lépnek interakcióba, az üveget okostelefonhoz vagy más kommunikációs csomóponthoz kapcsolják.

A szenzorokkal kommunikáló mobil app felhasználói profilt készít (nem, súly, magasság stb.), gyűjti a környezeti infókat (hely, időjárás stb.). Az adatokat a Water.io szervereire küldi, lehetővé téve, hogy a cég szakemberei közvetlenül kommunikáljanak felhasználóikkal, például a helyszín és az időjárás függvényében ajánljanak termékeket nekik.

A szervereken gyűjtött, tárolt információkat gépitanulás-algoritmusok dolgozzák fel, fontos adatok kiszűrésével teszik hatékonyabbá a szolgáltatást, és a figyelmeztetések is tőlük indulnak. A szakemberek a műszerfalon egyrészt a valósidejű, másrészt a múltbeli adatokat is látják, és mindezek alapján célzott, személyre szabott ajánlatokat tehetnek a mobil appon keresztül.

Az ötlet érdekes és eredeti, viszont újabb lehetőség vásárlási és fogyasztási szokásainkra vonatkozó adatok gyűjtésére.