Az OpenAI, egy weboldal szalvétára felskiccelt koncepcióját kóddá fordító anyaggal szemléltetve, márciusban vezette be a GPT-4-t, nagy nyelvmodellhez (large language model, LLM) viszont a Google használt először vizuális inputot úgy, hogy az output is kép legyen (image-to-image). Egy májusi konferencián beszéltek róla.

A „mindent csináló” generatív modellek ötlete tömegek fantáziáját ragadta meg. A szöveg, a hang és a kép összekombinálása nagyon fontos lépés ebbe az irányba.

A ChatGPT minden szinten, a nyilvánosságban, az üzleti világban és a technológiai közösségekben is újradefiniálta a mesterséges intelligenciát. Most tovább bővültek a lehetőségei: hang inputtal, a nyelv és a kép összetársításával a művészetekben, tudományokban, az iparban és más területeken egyaránt új távlatok nyílnak meg.

A multimodalitásban a DALL-E 3 támogatja, a képgenerátor új változatát a chatbotba integrálták, és így vizuális promptokra vizuális outputokkal reagál. A frissítéssel jelentősen feljavult, hangvezérelt interaktív rendszerré vált. A művészek és közszereplők jogainak betartásához pedig új biztonsági megoldásokkal egészítették ki.

A hang inputtal/outputtal a ChatGPT funkcionalitása az Apple Siri és az Amazon Alexa hangasszisztensekhez vált hasonlóvá.

Az OpenAI Whisper beszédfelismerő rendszere szöveges promptokká írja át a hang inputot, majd egy szöveget beszéddé alakító (text-to-speech) új modell öt különböző hangprofilban jeleníti meg a beszédet. A hang-interakciók pár héten belül elérhetők lesznek a ChatGPT Plus és Enterprise változatok előfizetői számára.

A GPT-4 with Vision (GPT-4V) nevű új modell kezeli a ChatGPT képi inputjait, outputjait. A felhasználók képpel gazdagíthatják a beszélgetést, például matematikai függvényekkel vagy – ebédre készülve – a jégszekrény belsejét ábrázoló fotóval illusztrálhatják, támaszthatják alá mondandójukat. A hanghoz hasonlóan, a képopció is heteken belül az előfizetők rendelkezésére fog állni.

A promptok csiszolásához a DALL-E 3 a ChatGPT-t használja, a korábbi változatoknál sokkal hosszabb szöveges utasításokat téve lehetővé. Képeken belül, kitalált karakterek és/vagy szavak helyett, olvasható szöveget hoz létre. Egyéb biztonsági funkciók mellett, visszadobja a közszereplők nevét tartalmazó vagy élő művész stílusában műalkotást kérő promptokat. Előfizetőknek napokon belül elérhető lesz a frissítés, és a Microsoft Bing Image Creatora is a DALL-E 3-ra vált (a DALL-E 2-ről).

Idővel az összes funkció a nem fizető és az API-felhasználók számára szintén elérhető lesz.

A nem helyettesíthető tokenek, ismertebb nevükön NFT-k (non-fungible tokens) a blokklánc-ipar és a kriptopénzek hajtásaként, néhány éve robbantak be a köztudatba.

A fizikai tér mellett az ebből a szempontból minden, csak nem egyértelmű – mert bármely digitális tárgy pillanatokon belül másolható, sokszorosítható – online térben is megjelentek a helyettesíthetetlen objektumok. Az NFT-ket a blokklánc technológia tette kivitelezhetővé: a tárgyak metaadatokkal állandóak és megváltoztathatatlanok, a tokenek száma erősen, akár néhány tucatos darabszámra korlátozható, és például a bitcoinnal ellentétben, oszthatatlanok, tehát nem bonthatók tovább, kisebb részekre.

Digitális képzőművészeti alkotásoknál, belépőjegyeknél különösen fennáll a hamisítás lehetősége, nem véletlenül pörgött fel a művek tokenesítése. Két éve volt a csúcspont, a legkeresettebbek többmillió dollárt értek.

Mára nagyot változott a világ. A dappGambl kriptoplatform halott NFT-kről közölt nemrég beszámolót, kilencvenöt százalékuk ugyanis értéktelen kacat lett. A 73257 elemzett NFT-ből 69795 mostani piaci értéke nulla ether (' ether = kb. 1500 dollár, naponta változik). A gyűjtök, kb. 23 millió személy mindössze öt százaléka birtokol valamit is érő tokent, a többi kukázható jpeg-eket tulajdonol.

Az eufória után mostanra jött a kijózanító ébredés. A milliókért értékesített digitális műalkotások és az egyik napról a másikra megvalósult sikertörténetek közepette persze könnyű figyelmen kívül hagyni a tényt, hogy a piac teli van buktatókkal, potenciális veszteségekkel.

2021 óta szignifikáns mértékben csökkent az érdeklődés, az árak folyamatosan esnek. A 2021 októberében 58700 dollárt érő Bored Ape Yacht Club (Unatkozó Majom Jacht Klub) gyűjtemény júliusban például történelmi mélypontra, 300 dollár alá csúszott vissza, azóta hektikusan teljesít, a kollekció mai ára 670 dollár.

A piac bizonytalanabb, mint valaha. A dappGambl szerint a legdrágább NFT-k tizennyolc százaléka sem ér semmit, pedig két éve körbe rajongták ezeket a műveket.

A sanyarú jelenállapot persze nem jelenti feltétlenül, hogy az NFT-knek egyszer, s mindenkorra befellegzett. A technológia feltámadhat poraiból, viszont a tokeneknek bizonyítaniuk kellene, hogy értékek rejlenek bennük – például kulturálisan relevánsak, tényleges művészi értéket képviselnek. Két éve mindenre ráfogták, hogy igen, csakhogy mondani mindig könnyebb, mint bizonyítani is.

Kriptoközösségek viszont úgy tesznek, mintha nem történt volna semmi, sőt, egyes redditorok – a Reddit közösségi médiumon „élő” személyek – szerint most érdemes igazán NFT-kbe fektetni.  

Az Egyesült Államok nincs egyedül a katonai alkalmazások automatizálásában. Ukrajna orosz inváziója felgyorsította a helyi dróngyártást, az ukrán kormány és független kutatók pedig az arcfelismerésen dolgoznak, hogy harctéri katonákat azonosítsanak vele. Kína eközben légi, szárazföldi és vízalatti drónokat szállító, autonóm hajókat fejleszt.

Az USA Védelmi Minisztériuma megfigyelési, védelmi, logisztikai és egyéb célokra használható autonóm rendszereken dolgozik – jelentették be. Többezer ilyen rendszer tizennyolc-huszonnégy hónapon belüli telepítése a céljuk. A szűk idő megszabásakor Kína elképesztő tempójú drónfejlesztése ösztönözte az érintetteket.

A Pentagon részleteket tett közkinccsé a tavaly augusztusban bejelentett, többszázmillió dolláros Replicator projektről. A minisztérium védelmi programja részeként, további 1,8 milliárd dollárt kért az MI-re.

A minisztériumi személyzet katonai szakértőkkel folytatott konzultáció eredményeként év végéig kidolgozza a kezdeti befektetéslistát. Megfigyelő drónokból levegőben, földön, vízben adatokat gyűjtő rajt hoznak létre. De többek között földalapú logisztikán és az automatizált rakétavédelmen szintén dolgoznak. 

Ezek a termékek a jövő hatékonyabb rendszereit vetítik előre. A hadsereg frissítés nélkül is három-öt évig használhatja őket. A szenzorok és megfigyelő rendszerek hálózatát a Task Force 59 telepítette iráni vizeken. A Fejlett Védelmi Kutatási Projektek Ügynöksége, a DARPA közben autonóm hajót fejlesztett (Sea Hunter).

A Replicator a katonai MI széleskörű bővítése, a projekt nyilvános, a vezetők szerint más nemzetek is fogják követni az amerikai példát.

Nyugalomra azonban nincs ok, mert a nagyívű fejlesztések növelik az MI-fegyverek körüli nemzetközi felhajtást, míg az ENSZ eleve betiltaná az automatizált fegyvereket, azaz a sokat emlegetett gyilkos mesterséges intelligenciát vagy gyilkos robotokat.

Gépi tanulást energiafogyasztásra vonatkozó döntéshozásra használó kerettel akár hatvan százalékkal csökkenthető az energiahasználat, miközben a nagy szerverekben és szuperszámítógépeknél világszerte alkalmazott többmagos processzorokban nem romlik a számítási teljesítmény.

A Washington Állami Egyetem és az Intel közös fejlesztése hatékonyabb számításokhoz vezethet, ami különösen a globális üvegházhatású gázok kibocsátásának egy százalékáért felelős nagy adatközpontok számára jó hír.

Gépitanulás-algoritmusokkal, a feszültség- és frekvenciaszinteket egy nagy, hatvannégy magos számítógép-processzor klasztereihez kiválasztva, igyekeztek kezelni az energiafogyasztást. A keret erősen optimalizált módszerekkel tanulta meg kezelni a fogyasztást, és mivel skálázható, még nagyobb sokmagos processzorokra is alkalmazható (teljesítmény-csökkenés nélkül).

Más módszerekkel is próbálták a processzorok feszültségét és frekvenciáit vezérelni, de az új gépitanulás-algoritmussal jobb teljesítményt értek el. Ha van a feszültséget és a frekvenciát hangoló döntéshozás-stratégiánk, tudnunk kell, hogy az mikor a legoptimálisabb, a fogyasztás csökkenése mikor nem megy a teljesítmény kárára.

Ha sejtjük, hogy a döntés jó, és formális értelemben is majdnem biztosak vagyunk benne, akkor – ilyen helyzetekben – már semmiféle kiegészítő tanulást  nem akarunk.

Ha a gépitanulás-algoritmus az egyedi helyzetben meghozandó pontos döntésre vonatkozó kétértelműséget csökkenti, akkor hatékonyan kereshet alternatívákat, például használat- és teljesítménymodelleket, hogy ellentétes lehetőségek kicsi adatsorában is kitalálja a legjobb opciót.

A kutatók elmondták, hogy a hasznos tréningpélda után folyamatosan javíthatják a jövő döntéshozó stratégiáját. Algoritmusuk akár ötszáz-ezer magos, monumentális processzorokkal, de kicsi beágyazott rendszerekkel is működik, és így eljöhet az idő, amikor kézi eszközök közel szerverléptékű teljesítményre, a mai szerverek energiafogyasztása nélkül lesznek képesek.

Nyilvános kísérletekből a termelékenységet növelő mainstream eszközökké válnak a nagy nyelvmodellek (large language models, LLM). Legalábbis a leghíresebb, a ChatGPT ezt az utat járja. A fejlesztő OpenAI ugyanis elindította a vállalati felhasználóknak szánt ChatGPT Enterprise-t.

Az új változat fontos lépés a mainstreammé válás felé vezető úton. Az ügyfelek közé tartozó vállalatok mindenképpen jól járnak vele: napi műveleteikbe integrálják a GPT-4-et, és aggódniuk sem kell nagyon, mert a fogyasztói adatok titkosítottak, az OpenAI nem fogja modellek betanítására használni az infókat.

Maga a fejlesztőcég is nagyon átalakult a nyílt forrású kezdetek óta. Nonprofit cégből üzletorientált globális szupervállalattá vált. Állítólag jó úton járnak az idei egymilliárd dolláros bevétel felé, és minden bizonnyal hasznot húznak majd a vállalati változat felhasználói köréből. Egy adalék: a cég szerint a regisztrált felhasználók e-mail címei a Fortune 500 (a világ ötszáz topvállalata) nyolcvan százalékát teszik ki.

A ChatGPT Enterprise továbbfejlesztett adatvédelmi funkciókat a korábbiaknál jobb nyelvmodellel kombinálja össze. Az ár megbeszélés tárgya, ügyfélről ügyfélre, esetfüggően variálódik.

A korábban a ChatGPT Pluson keresztül és API (alkalmazásprogramozói felület) hívásokkal ezer token-árban, havi húsz dollárért elérhető GPT-4-hez az üzleti változattal jobb a hozzáférés.

Az ügyfél inputjai titkosítottak, és az OpenAI a későbbiekben sem használja fel azokat. A modellhez való hozzáférés korlátlan, 32 ezer token maximális input-hosszal vagy kontextusablakkal. Ez ugyanannyi, mint a fizetett API-hozzáférés kontextusablaka, és négyszer hosszabb a ChatGPT és a ChatGPT Plus számára engedélyezettnél.

Beépülő modullal (pluginnal) a felhasználó korlátlan mennyiségű Python kódot hajthat végre a chatbotban. A program nem pontosított számú ingyenes kreditet tartalmaz az OpenAI API-jainak a használatához. Személyek sablonokat oszthatnak meg egymás között, lehetővé téve közös ChatGPT munkafolyamok létrehozását.

Az adminok konzollal szabályozhatják az egyéni hozzáférést.

Több amerikai egyetem közös munkájának eredményeként áfonya méretű okos gyógyszert fejlesztettek. A tabletta komoly hatással lehet az orvostudományra, mert megváltoztathatja bélbetegségek diagnosztizálását és kezelését.

Azért bíznak benne ennyire, mert ez az első lenyelhető technológia, amely automatikusan detektálja a problémára utaló kulcsfontosságú molekulák jelenlétét. Észrevételéről valósidőben értesítést is küld.

A kutatásról megjelent tanulmányból kiderül, hogy komoly előrelépés egy 2018-as anyaghoz képest. A jelenlegi tabletta kb. hatodrésze az akkori prototípusnak, és ez már megfelel a kereskedelmi forgalomban beszerezhető, lenyelhető dózisnak, tehát biztonságos is.

Olyan molekulákat talál meg, mint a nitrogén-monoxid és a hidrogén-szulfid melléktermékei, persze eleve erre is tervezték. A két molekula a bélbetegségekkel kapcsolatos gyulladások fontos jelei.

A bélrendszeri betegségeket diagnosztizáló jelenlegi technikák, például az endoszkópos megoldások általában invazívak, ráadásul a megbetegedés molekuláris biomarkereit sem tudják valósidőben kimutatni. Ez azért komoly probléma, mert sok fontos biomarker csak rövid ideig él, így már akkor eltűnnek, mielőtt a mostani technológiákkal detektálnák őket.

A sertéseken már sikeresen tesztelt új tabletta speciálisan tervezett élő baktériumok és parányi elemet tartalmazó elektronika kombinációja. Ha a baktériumok érzékelik az érdeklődésre számot tartó molekulákat, fényt bocsátanak ki magukból. A baktériumokat – elektronika nélkül – szintén sikeresen tesztelték egereken.

A tabletta elektronikus része a fényt vezeték nélküli jelekké alakítja át. A jeleket a testen keresztül okostelefonhoz vagy más számításokat végző eszközhöz továbbítja. A továbbítás valós időben történik,miközben a gyógyszer átmegy a beleken.

A kutatók elmondták, hogy az emberi bél belső működése még mindig a tudományos vizsgálatok egyik határterülete. Fejlesztésükkel nagyon sok információ gyűjthető a testműködésről, test és környezet kapcsolatáról, a betegségek és a gyógyító jellegű beavatkozások hatásáról.

A kávé sok célra használható, legutóbb például kiderítették, hogy csökkenthető vele a 3D nyomtatás közben termelődő – más gyártótechnológiákkal összehasonlítva, egyébként is nagyon kevés – hulladék.

A Boulderi Colorado Egyetem (CU Boulder) és a Carnegie Mellon Egyetem (CMU) kutatói ebből az alapvetésből kiindulva, 3D nyomtatási módszert dolgoztak ki, hogy kávézaccból, vízből és néhány más fenntartható anyagból álló pasztából sokféle tárgyat készítsenek.

A technológia elég egyszerű, néhány változtatással a legolcsóbb, átlagfogyasztói szintű 3D printerekkel működik. Ékszert, cserepet és kávéscsészét nyomtattak már kávézaccból.

A munkát vezető Michael Rivera (CU Boulder) küldetésének tekinti a 3D nyomtatás fenntarthatóságának növelését. Művészeknek, tervezőknek és mérnököknek kíván segíteni, hogy prototípusaiknak és végső nyomataiknak semmiféle környezeti lábnyoma ne legyen.

CMU-s diákként, dolgozott pittsburghi kávézókban, ahol egyrészt látta, hogy a kávézaccot komposztálásra használják, másrészt azt is, hogy a Covid-19 alatt semmire, és így a hulladék egyre csak halmozódott. A tulajdonosok nem tudták, mit tegyenek vele, ezért a legegyszerűbb megoldást választották: kidobták.

Rivera 2022-től dolgozik a coloradói felsőoktatási intézményben, és hamar rájött, mit kell tennie.

A legtöbb 3D nyomtatóhoz hőre lágyuló műanyagból álló nyomtatószálat, főként politej-alapú PLA-t használnak. Az anyag elvileg komposztálható, gyakorlatilag viszont csak egy része az, és ha egyszer a földbe kerül, nagyon sokára bomlik le. Kávézaccal azonban megoldódna a probléma.

Módszerük egyszerű: a kávézaccot online megvásárolható két másik porral, cellulóz- és xantángumival keverik össze, majd vizet adnak hozzá. Mindkét gumi könnyen komposztálható. A nyomtatóanyag állaga nagyjából olyan, mint a mogyoróvajé. Közvetlenül viszont nem tölthető printerbe, ezért kell azon módosítani. Ha megszárad az anyag, akkor meglepően, annyira kemény, mint a szénrosttal és más segédanyagokkal meg nem erősített beton.

Nyomataikat hiába dobták el, nem törtek össze. Rivera szerint az anyag sokféleképpen felhasználható, de valószínűleg soha nem lesz belőle mainstream. Más fenntartható anyagok fejlesztését azonban megalapozhatja, és ezek az anyagok valamikor leválthatják a műanyagot.

Hiába nő a kereslet, nincs elég jól képzett, tehetséges mesterségesintelligencia-szakember. A munkaerőhiány miatt az alkalmazók egyre magasabb fizetéseket kínálnak, így próbálják magukhoz csábítani a szükséges képességekkel és tapasztalattal rendelkező munkakeresőket.

A kereslet növekedéséről, a kínálat szűkösségétől mindent elárul, hogy a nagy technológiai cégek is kevesebb új alkalmazottat vesznek fel.

A 2023-as AI Index szerint (a mezőgazdaság, az erdőgazdálkodás és a vadászat-halászat kivételével) a tavalyi amerikai álláshirdetések 1,9, a 2021-esek 1,7 százalékának volt köze az MI-hez. Az utóbbi öt évben megháromszorozódott az MI területen vezető állást betöltő személyek száma. A Világgazdasági Fórum előrejelzése alapján az MI- és gépitanulás-szakértők iránti igény negyven százalékkal nőhet 2030-ig.

Az amerikai álláshirdetők hat számjegyű éves kereseteket kínálnak, de egy esetben a felajánlott bér a hét számjegyet is elérte.

Az Indeed „segítségre van szükség” oldalon évről évre száz százalékkal nő a generatív MI jellegű álláshirdetések száma, miközben összesítve csökken a munkaerő-kereslet. Technológiai és nem technológiai cégek egyaránt magas kereseteket kínálnak MI-szakembereknek.

Egy átlagos gépitanulás-termékmenedzser éves bére 143 ezer dollár. Más országokban általában kevesebb. „Haladó” MI-kutatók keresete 131 és 338 ezer dollár között variálódik. A Goldman Sachs 150 és 250 ezer közötti összeget, plusz nem pontosított bónuszt kínál. A Walmart 168 és 252 ezer között fizet egy, a beszélgetésre fókuszáló MI fejlesztőcsapatban betöltendő posztért.

Vezetők esetében emelkednek a számok. Az Amazon 340 ezret kínál generatív MI felsővezetőnek, a Hinge randi app 332 és 398 között MI igazgatóhelyettesnek. A szabadúszókat és munkáltatókat összekötő Upwork-nél 260 és 437 ezer közötti dollárpénzt visz haza az MI igazgatóhelyettes.

A Netflix emelte a lécet, 300 és 900 ezer közötti összegért keresnek MI termékmenedzsert. A hirdetés nem kerülte el az állásukat a generatív MI-modellektől féltő és sztrájkoló hollywoodi forgatókönyvírók és színészek figyelmét.

„Fizikai műtárgy a jólét támogatásához” (PAWS) a neve az angliai Bath Egyetem informatikusa, Alexz Farrall fejlesztésének, egy alakváltó labdának. A relaxációs célú, „okos” játékszerrel személyesebbé tehető a lélegzés, így pedig sokat segít a szorongás csökkentésében. (Jóléten ezúttal ne gazdagságot értsünk, hanem, hogy jól érezzük magunkat a bőrünkben.)

A felhasználó be- és kilégzésekor a labda kitágul és összehúzódik. Szó szerint kézzel foghatóan jeleníti meg a légzésünket, arra inspirálva, hogy az elménkre összpontosítsunk, és szabályozzuk az érzelmeinket.

Farrall szerint a lélegzés fizikai formájával a labda erősíti az öntudatosságot, az elkötelezettséget, megalapozza, jobbra fordítja mentális egészségünket. Személyre szabott, lebilincselő élményt nyújt, és mindenki számára hozzáférhető.

Légzőgyakorlatokkal régóta igyekeznek kezelni a szorongást, elősegíteni a jó mentális egészséget. Gyakran alkalmazzák kognitív és másfajta viselkedésterápiáknál. Az eredmény viszont nem mindig annyira pozitív, mint amennyire lehetne. A résztvevők gondolatai gyakran elkalandoznak, nem koncentrálnak eléggé.

Ötvennyolc önkéntessel végzett teszteken a labdát egy meditációs app hangsávjával együtt használták, és hasznosnak tartották, hogy fizikai formában „látják és érzik” lélegzésüket.

A Bath Egyetem fejlesztőcsapata szerint szorongásuk átlagosan hetvenöt százalékkal csökkent, ötvenhat százalékuk pedig védettebbnek érezte magát az aggodalomra okot adó gondolatokkal szemben. A csak a hangot hallgatóknál harmincegy százalék volt a szorongás-csökkenés, ami a labda pozitív hatását jelzi.

Szintén bíztató jel, hogy a labdát és a meditációs hangot egyszerre használók pulzusszáma a stresszel szembeni jobb ellenállást és az érzelmek hatékonyabb szabályozását jelző nagyobb változatosságot mutatott.

A PAWS egyelőre nem felhasználóbarát. A használóval mellkas-pánt segítségével kommunikál, és a beállítás is bonyolult. Ha a jövőben egyszerűsítik, bárki kényelmesen gyakorolhat vele.             

A felhőalap-játékok lényege, hogy a számítási felhőből, távolról játszhatók. Népszerűségük a világjárvány alatt, a karantén idején addig nem tapasztalt mértékben megnőtt, és a pandémia enyhülésével sem ért véget. A növekedéshez a Covod-19 miatti leállások okozta játékhardver-hiány szintén hozzájárult.

Jelenleg hatmilliárd dolláros világpiactól van szó, több mint huszonhárom millió játékossal.

Az eszközök közötti szinkronizálás azonban – a játékok mellett a hálózatépítés (networking) egészében is – változatlanul komoly probléma. A videó-, audió- és haptikus visszacsatolásokat központi forrás közvetíti többféle eszköznek, mint például a játékos általában különböző hálózatokon működő képernyőjének és kontrollerének.

Mivel ezek a hálózatok nincsenek szinkronizálva egymással, késés lehet a két különböző adatfolyam között. A játékos előbb látja a képernyőn, hogy történik valami, és csak fél másodperccel később hallja a kapcsolódó hanganyagot.

Az MIT (Massachusetts Institute of Technology) és a Microsoft Research kutatói egyedi szinkronizáló megoldást dolgoztak ki. Ekho nevű rendszerük hallhatatlan zajszekvenciákat ad a felhőszerverről streamelt játék hangjához, majd meghallgatja ezeket a szekvenciákat a játékos kontrollere által rögzített audióanyagban.

A zajszekvenciák közötti eltérést használja fel a streamek közötti késés folyamatos mérésére és kiegyenlítésére.

A teszteken kiderült, hogy az Ekho nagyon megbízható. Az idő nagy részében a streameket tíz ezredmásodpercnél kisebb időre szinkronizálja egymással. A többi összehangoló módszernél több mint ötven ezredmásodperces a késés. Az előbbit nem érzékeljük, az utóbbit igen.

A rendszert ugyan felhőalapú játékokra találták ki, de más típusú, különféle eszközök, például több kiterjesztett valóság (Augmented Reality, AR) és virtuális valóság (Virtual Reality, VR) headset közötti média-adatfolyamokra is alkalmazható.