A biztonságra összpontosító Claude chatbot fejlesztője, az Anthropic összeállt Dél-Korea legnagyobb mobiltelefon-szolgáltatójával, az SK Telekommal, és százmillió dollárt kap, hogy többnyelvű nagy modellt építsen. Az LLM-et (large language model) a telekommunikációs iparra fogják fejleszteni, azaz iparág-specifikus lesz.

Az Anthropic a szintén LLM Claude alapját képező technológiára fogja építeni az új modellt. A dél-koreai vállalat az MI-alapú szolgáltatásokon nyugvó üzleti megoldásokkal foglalkozó Global Telco AI Alliance konzorcium tagjainak valószínűleg felajánlja majd a telekom alkalmazásokra, például ügyfélszolgálatra, marketingre és salesre finomhangolt modellt.

Hat nyelvet fog támogatni: koreait, angolt, németet, japánt, arabot, spanyolt.

Claude és nyilván az új modell is kihasználja az úgynevezett „alkotmányos MI” előnyeit. A módszert arra találták ki. hogy az LLM-eket az elveken, „alkotmányon” alapuló emberi értékekhez igazítsák. A modell kezdetben az „alkotmány” szellemében kritizálja, finomítja a válaszait, majd az eredményeket felügyelt tanulás mellett finomhangolja. Következő lépés a megerősítéses tanulás.

Az SK Telekom fejlesztett már saját gépitanulás-modelleket, elsősorban koreaiul. A GPT-3 architektúráját emulálva, gyakoroltatta őket. Nem azonosított modellel virtuális asszisztenset hoztak létre mobil-felhasználóknak.

Mit jelent még az együttműködés?

Például azt, hogy az MI-modellek szinte minden iparágban fényes jövő előtt állnak. A partnerség az alapmodellek vertikális iparágakban történő alkalmazása, valószínűleg új üzleti modellel. Hasonló LLM például a BloombergGPT.

Az alapmodellek problémája lehet, hogy míg személyes elképzeléseinket leíró utasításokat (promptokat) könnyű kitalálni, speciális ismereteket igénylő feladatokat, például működő jogi dokumentumok útmutatóit viszont nehéz promptokba önteni. A folyamatos finomhangolás és a speciális gyakoroltatás lehet majd a megoldás.

Különleges robotot fejlesztettek a Boulderi Colorado Egyetemen. CLARI (Compliant Legged Articulated Robot Insect, ami kb. „engedékeny lábú ízelt robotrovar”) összenyomható, és az alakját képes úgy megváltoztatni, hogy nagyon szűk helyeken is elférjen.

A gép a biológiailag inspirált számítástudomány, a biomimikri újabb szép példája. Fejlesztőit az állatok különböző alakja és mérete ihlette meg. Az ő alapformája egy négyzet, egy-egy lábbal mindegyik oldalán, de összenyomható, hogy szélesebb legyen, mint mondjuk a rák, vagy megnyúljon, és hosszabb legyen, mint a csótány. Mérete ennek a tulajdonságának megfelelően, 2,1 és 3,4 centiméter között variálódik.

Az alakváltás a fejlesztés alapkoncepciója. Kaushik Jayaram, az egyik mérnök szerint a mai robotok zöme alapvetően úgy néz ki, mint egy kocka. De miért kellene mindnek egyformának, kockának lennie? Az állatok formája és mérete is különféle – hangzik az alakváltás magyarázata.

Ha zömökebb, ha hosszabb, CLARI mindenképpen pehelysúlyú. A négylábú miniatűr robot azért ölthet számos formát, mert mindegyik lába önálló robotként képes működni. Áramköri lap és kettős aktuátor úgy mozgatja, mint egy emberi csípőízületet.

Fejlesztői elmondták, hogy bármilyen környezeti feltételhez alkalmazkodó, alakját annak megfelelően váltogató, általános rendeltetésű robotot akartak építeni. Jellemző módon, apró réseken is átfúrja magát, egy kicsit úgy, mint a bogarak.

Tenyerünkön elfér, tömege kevesebb, mint egy pingponglabdáé. A moduláris tervnek köszönhetően, négylábú változatából egészen különös, vad, csavargó gépek alakíthatók ki. Könnyen egyedire formálható, további lábak adhatók hozzá. A kutatók például hálókat megmászó, pókszerű nyolclábú masinát is terveznek létrehozni belőle.

Egyelőre persze gyerekcipőben jár még, vezetékekhez van kötve, azok látják el árammal, de a jövőben a tervek szerint más robotok számára megközelíthetetlen helyekre, például sugárhajtóművek belsejébe vagy épületromok közé is be tudja majd préselni magát.

A későbbi alkalmazások adják magukat, CLARI többek között katasztrófa utáni kutatási-mentési műveletekben vehet valamikor részt.

A generatív mesterséges intelligencia (MI) forradalma a nagy nyelvmodelleken (large language models, LLM) alapul. Honnan jönnek, milyen technológiákból fejlődtek ki az LLM-ek?

A természetes nyelvfeldolgozás (natural language processing, NLP) korai éveiben a munkák jelentős részét az Egyesült Államok katonai hírszerzési ügynökségei finanszírozták. Egyszerű okból: gépi fordításra és beszédfelismerésre volt szükségük.

Ezek az ügynökségek a múltban is nagymennyiségű szövegeket és felvett beszélgetéseket, beszédeket elemeztek. Az anyagok különböző nyelveken készültek.

A sok idegen nyelv miatt az amerikai hadsereg technológiai ügynökségei, főként a DARPA (Fejlett Védelmi Kutatási Projektek Ügynöksége) évtizedeken keresztül rengeteg pénzt fektettek a gépi fordításba és a beszédfelismerésbe. A komoly támogatás a kutatókat arra motiválta, hogy az NLP más felhasználási területeivel összehasonlítva, aránytalanul nagy figyelmet szenteljenek ennek a két alkalmazásnak.

Az NLP történetének sok komoly technikai újítása – jóval több, mint gondolnánk – ezért vezethető vissza a mai alkalmazásokban szerény szerepet játszó fordításra.

A Google Brain mondatok egyik nyelven történő „feltérképezésére”, és annak a másik nyelvre történő átültetésére vonatkozó, az LLM-ek alapjait lerakó 2017-es tanulmányában (Attention Is All You Need) bevezetett transzformer-technikától egyenes út vezetett a ChatGPT-ig. A transzformer gyökerei a gépi fordítás klasszikus korszakába nyúlnak vissza.

Az LLM-ek, kimeneteik „alapigazság” példákkal való összehasonlításos kiértékeléséhez alkalmanként még ma is használják a 2002-es BLEU score-t. Utóbbival a gépi fordítást vetették össze a hitelesnek elfogadott eredeti, emberi fordítással.

Az LLM-ek egyik kulcseleme, a tokenizáció, nyers input szövegek feldolgozás közben tokenekké váló részszavakká (például: „token” és „izáció”) töréséhez leggyakrabban a 2015-ben népszerűvé vált Byte Pair Encoding (BPE) algoritmust használják.

A BPE fejlesztői a gyakorlóadatokban nem szereplő szavakat is lefordító modellt akartak építeni. Rájöttek, hogy szavak részszavakká osztásával olyan input reprezentáció hozható létre, amellyel a modell korábban nem látott szavakat is kitalálhat.

Tehát ez a technika is visszavezethető a klasszikus gépi fordításig.

Több tényező hátráltatja az önvezető járművek széleskörű elterjedését: időnként baleseteket, máskor torlódásokat okoznak, vagy beleragadnak a cementbe stb. A technológiai hibák mögött, legalábbis a londoni King's College friss, kollégák által még nem lektorált tanulmánya alapján más problémák is vannak: a rendszerek elfogultak.

A kutatók nyolc különböző, mesterséges intelligenciával működtetett – széles körben használt, valódi adatokat tartalmazó adatsorokon gyakoroltatott – gyalogosdetektáló-rendszert vizsgáltak. Munkájukból kiderül, hogy a rendszerek színesbőrűeket sokkal rosszabbul észlelnek, mint világosabb bőrűeket. A rendszer közel nyolc százalékkal gyakrabban képtelen azonosítani őket.

Az adatok annotálásával kezdtek, 8111 képet 16070 gender-, 20115 életkor- és 3513 bőrárnyalat-címkével láttak el.

Innentől lényegében „statisztikai játékot” folytattak, és végül 7,52 százalékos detektálás-pontossági eltérést találtak világosabb és sötétebb bőrű személyek között. Alacsony kontrasztú, alacsony fényerejű, tehát éjszakai és rosszabb minőségű képek esetében szignifikáns mértékben nőtt a különbség.

A bőrszín-alapú nagy különbségek mellett a detektorok egy másik csoporttal, gyerekekkel szemben szintén „előítéletesnek” bizonyultak. Az eredményekből kiderült, hogy húsz százalékkal kevesebbszer azonosították őket, mint a felnőtteket.

Az ismert önvezető autó gyártókra azonban a tanulmány alapján senki nem tehet szemrehányást, mert a vizsgált rendszerek egyike sem tartozik hozzájuk, nem a tulajdonuk. Ők saját rendszereket használnak, saját információkkal, és a szabályozók, az érintett hatóságok is egyre több – szigorú feltételekhez kötött – engedélyt adnak ki.

A Tesla (vagy bármelyik másik) adatai belső használatra szánt, bizalmas információk, nem is tudjuk, milyen modelleket használnak, viszont valószínűsíthető, hogy általában meglévő nyílt forrású modelleken alapulnak. A kutatók biztosak benne, hogy ezekkel a modellekkel szemben is hasonló problémák merülhetnek fel.

Arról se feledkezzünk meg, hogy a kutatásról a köztudottan hisztérikusan mesterségesintelligencia-ellenes Futurism techportál számolt be elsőként. 

Sokhónapos késéssel indult, katasztrófával végződött Oroszország próbálkozása, hogy negyvenhét év után ismét a Hold felszínén landoljon egy űregységük. Pontosabban elérte, mert oda csapódott be, és semmisült meg… A Luna-25 nevű járművön nem tartózkodott ember; közvetlen előde, a Luna-24 1976-ban járt az égitesten és tért vissza talajmintákkal.

Az ország Rokozmosz űrprogramjának büdzséjét az utóbbi bő másfél évben megvágták, és az ukrajnai invázió miatt a nemzetközi űrközösség jelentős részével sincsenek már kapcsolatban. Az eseményről rövid hírt tettek közzé a Telegramon.

Az ország űrprogramja eddig is nehézségekkel, hitelességi problémákkal küszködött, a Luna-25 katasztrófája pedig egyértelműen azt jelenti, hogy a mai Oroszország képtelen megismételni az egykori Szovjetunió űrsikereit.

A Rokozmosz „előzetes elemzése” alapján a jármű közvetlenül a lezuhanás előtt „nem tervezett pályára” lépett. A fedélzeten kialakult vészhelyzet nem tette lehetővé a tervek előre meghatározott paraméterek szerinti megvalósítását. A (természetesen földi) kezelőszemélyzet elemzi a helyzetet.

Az „időzítés” nem is lehetett volna rosszabb. A Nemzetközi Úrállomás (ISS) napjai meg vannak számlálva – ahol űrhajósaik Ukrajna-ellenes propagandát terjesztettek –, a nemzetközi együttműködések megszüntetésével az orosz űrjelenlét drasztikusan csökkent.

A közelmúlt nagyhorderejű meghibásodásai miatt, Oroszország elsőszámú űrtechnológiai exportcikke, a Szojuz űrkapszula megbízhatósága is megkérdőjeleződött, miközben a Space X megjelent az újrahasznosítható Dragonnal. A Dragon azt jelenti, hogy az Egyesült Államok és más nyugati országok ezen a téren is megszüntethetik függőségüket Oroszországtól.

Közben Kína három landoló egysége, köztük két rover sikeresen Holdat ért, mint ahogy pár napja egy indiai szonda is.

Oroszország persze nem adja fel, a Luna-26 és a Luna-27 már munkában, de senki nem tudja, mikor indulhatnak útnak. Figyelembe véve a Luna-25 misszió tetemes késését, prognosztizálni sem lehet, mint ahogy azt sem, hogy mikor tér vissza, visszatér-e valaha is a szovjet idők, Gagarin és Tyereskova korának űrdicsősége.

Ma már nemcsak az Egyesült Államok jár Oroszország előtt. 

Ha a feltalálók valóban működőképes prototípussal állnak elő, egy intelligens kontaktlencsével útbaigazítást kaphatunk, értesítéseket láthatunk, és könnyen bemutatható más adatokat elemezhetünk. Ha ilyen lencsét viselünk, nem lesz szükségünk a nagyobb okosszemüvegre.

A lencse áramellátása viszont nagyon bonyolult. A kijelzők ugyan hihetetlen mértékben zsugorodtak, az elemek/akkumulátorok viszont lassabban, és ez óriási problémát jelent, mert egy intelligens kontaktlencsének az eszközt külső áramforráshoz kapcsoló vezetékre van szüksége. Sem a vezeték, sem a külső áramforrás nem praktikus, nem felhasználóbarát.

Szingapúri kutatók viszont egészen pirinyó, mikrométer-szélességű – sőt, annál is vékonyabb – elemmel álltak elő. Különlegessége, hogy emberi könnyekből kinyert energiát tárolva működtethet majd intelligens kontaktlencséket.

A fejlesztők egyszerű kérdéssel kezdték: működtethetők-e ezek a lencsék könnyel újratöltött elemekkel.

Az új elem csak glükózt és vizet használ elektromosság előállításához. Emberi használathoz mindkettő biztonságos, és a hagyományos elemekkel összehasonlítva, használat utáni leselejtezés kevésbé károsítja a környezetet.

Biokompatibilis anyagokból készült, glükóz-alapú bevonata nátrium- és kloridionokkal kapcsolatba lépve termel áramot, működtet áramkört.

Ez a két elem az emberi könnyben is megtalálható, így az elem szervezetünk természetes forrásaival tölthető.

Szimulált szemmel végzett kísérletben az elem 201 mikrowatt maximális teljesítmény mellett, 45 mikroamper áramot termelt, ennyi pedig elegendő egy intelligens kontaktlencséhez. Az elegáns megoldással kiiktatható a körülményes és nem is mutatós vezetékes töltés.

A vezeték nélküli energiaátvitel és a szuperkondenzátorok ugyan nagy teljesítményűek, integrálásuk viszont a lencse mérete miatt komoly kihívás. A kutatásból viszont egyértelműen kiderült hogy elem és bioüzemanyag-cella egyetlen alkatrészbe rendezésével, az elem töltése vezetékes vagy vezeték nélküli alkatrész nélkül is megoldható, tehát nincs szükség pluszhelyre.

A technológián van mit finomítani, mert az elemet csak kétszázszor lehet feltölteni, kisütni. A kutatók mindenesetre már együttműködnek intelligens kontaktlencse-fejlesztőkkel.

Az Ivanti, egy utahi IT-biztonsági szoftverfejlesztő cég 8400 vezetővel, IT-szakemberrel és más tech-alkalmazottal 2023 első negyedévében felmérést készített, hogy megértsék munkahelyi hozzáállásukat, elvárásaikat és a kihívásokat. A felmérés alapján készült tanulmány az IT-szakemberekre szűkítette a kört.

Kiderült, hogy az amerikaiak közel negyede a következő hat hónapban fontolóra veszi munkahelye elhagyását. A nagy munkaterhet, a stresszt és a távmunkával járó elszigeteltséget nevezték meg okként.

Az exodus több mint 145 milliárd dollárba kerülhet az amerikai munkáltatóknak. Ráadásul, IT-szakemberek 1,4-szer nagyobb eséllyel „távoznak csendesen”, mint a tudásipar más dolgozói.

Még nyugtalanítóbb, hogy a munkájuk elhagyásán gondolkozó IT-szakemberek harmincegy százaléka mentális egészségi problémákat említ, miközben a területen a hibrid és távmunka miatt hetvenhárom százalékkal nőtt a munkaterhelés, négyből egy pedig kiégettnek érzi magát.

Az IT-szakemberek 2,5 százalékos valószínűséggel többet dolgoznak, ha távmunkáznak. Huszonhárom százalékuk a munkatársakkal való kapcsolat megszűnésére panaszkodik. A munkahelyen – azaz az „irodában” – dolgozóknál ez a szám tizenhét százalék.

A kihívások ellenére, az IT-szakemberek többsége, legalábbis egy ideig, folytatni kívánja a távmunkát.

Az iparág vezetői szintén aggódnak az információtechnológiai munkák miatt. Andrew Duncan, az Infosys Consulting vezérigazgatója a tanulási folyamat folytatását, új élményeket, új adottságok kifejlesztését, új projekteket javasol. Zaven Nahapetyan, a Niche.club társalapítója, korábbi Facebook-menedzser szerint a csapatunk sikerében betöltött kritikus fontosságú szerep elérése lehet a kitörési pont. Ben Smith, a NetWitness főmérnöke a szervezet keretében betöltött jelenlegi szerepen túlra tekintést, az iparág egészét érintő kihívások általánosabb megközelítését ajánlja.

Egy, a számításokat elektronok helyett a fény mozgása alapján végző, sokszáz mikronléptékű lézert használó rendszer több mint százszor energiatakarékosabb, huszonötször sűrűbb számításokra képes, mint a gépi tanuláshoz használt mai csúcs- és szuperszámítógépek – derül ki egy, főként MIT-sekből (Massachusetts Institute of Technology) álló amerikai kutatócsoport munkájából.

És ez csak a kezdet, mert a rendszer teljesítményparaméterei a jövőben több nagyságrenddel növelhetők. Megnyithatja az utat nagyléptékű optoelektronikai processzorok előtt, és felgyorsítaná azt a folyamatot, amelynek eredményeként a gépitanulás-feladatok végrehajtása adatközpontokból decentralizált élszámítás (edge computing) eszközökre helyeződik át. Okostelefonok és más kisebb készülékek is képesek lesznek ma csak nagy adatközpontokban működő programok futtatására.

A rendszer komponensei már működő gyártási folyamatokkal állíthatók elő, pár év múlva pedig méretezhető is lesz a gyártás.

A mai szuperszámítógépes kapacitás korlátozza például a ChatGPT méretét, nagyobb modellek gyakoroltatása pedig gazdasági szempontból nem életképes. Az új technológiával viszont lehetővé válik olyan modellek használata, amelyek egyébként elérhetetlenek lennének a közeljövőben. De mire lesz majd képes a kutatók rendszerén gyakoroltatott következőgenerációs ChatGPT?

Nem tudják még, nagy változásokat viszont az ilyen újítások tesznek lehetővé – hangzik a válasz.

Abból a tényből indultak ki, hogy a nagy nyelvmodellek mögötti mély neurális hálók (deep neural networks, DNN) elérik technológiai korlátaikat: még több energiára, még nagyobb adatközpontokra van szükség hozzájuk. Ez a tény új számítási paradigmák kigondolására ösztönöz szakembereket.

Ha a DNN-számításokhoz elektronok helyett fényt használunk, megoldódhatnak a problémák, és még a sávszélesség is jelentősen növelhető, a fény sokkal több információt továbbít sokkal kisebb területre – magyarázza Zaijun Chen (MIT), a kutatás egyik vezetője.

A mostani optikai neurális hálók (ONN) azonban nem elég hatékonyak még. Az elektromos energián alapuló bejövő adatokat nehezen alakítják át fénnyé, az alkatrészek nagyok, túl sok helyet foglalnak el, és míg lineáris számításokban, például összeadásban jók, addig a nemlineárisokban, mint az osztás, vagy a „ha” jellegű műveletekben kevésbé teljesítenek jól.

A kutatók által javasolt kompakt architektúra kezeli ezeket a kihívásokat.

Az Animate színjáték nyitójelenetének elhagyatott dohányraktárában tucatnyi néző felfordított rönkökön ül, mintha tipikus kanadai kempingben múlatnák az időt. Ponyva alatt két színész olvas fel egy történetet a közeljövőből, amikor már mindenhol érezzük az éghajlatváltozás hatását.

A sztori magányos és legyőzött fiatal nőről és férfiről, Laurie-ról és Danielről szól. Vakrandevúra készülnek, hogy aztán meglátogassák az új-fundlandi Tablelands-et, egy 450 millió éves marsbeli tájat.

A különleges darab a jelenleg a Zürichi Művészeti Egyetem Immerzív Művészi Tereit igazgató kanadai Chris Salter munkája. A legklasszikusabb analóg színházi kezdés – színészek felolvasnak a kislétszámú közönségnek – után drasztikus a tempóváltás, a kevésbé klasszikus módon headsetet és audió fülhallgatót viselő nézők immerzív virtuális valóságban találják magukat. Az élménnyel a fizikai és a digitális világ teljesen összemosódik.

Kötelet fognak meg, színész vezeti őket a raktáron át. A szemüvegen keresztül a helyiség képe szemcsésnek, fekete-fehérnek tűnik, tele sziklákkal. A közönség tagjai el-eltűnnek, zavarodottnak érezzük magunkat, mintha mindentől elszakadnánk, elveszítenénk az irányt, emberi jelenlétre csak a főszereplők tudatfolyama emlékeztet.

A rendező elmondta, hogy az éghajlatváltozás szemszögéből akarta megmutatni a fizikai és az egyre digitálisabb világ közötti feszültséget, amikor mindinkább eltávolodunk valós fizikai környezetünktől, és digitális terekben élünk.

Az utazás egy pontján a 3D virtuális Tablelands közepén vagyunk: a színpompás tájban, okkersárgás sziklákkal, zöld növényzettel, fjordszerű vidéken forgolódunk, botorkálunk. A kaotikus és izgalmas zárójelenetben repülő sziklákkal lépünk interakcióba, a hangok és az érzetek teljesen valósághűek.

Az éghajlatváltozás többé már nem absztrakt dolog, grafikonokkal, hanem a testünkkel átélt, fizikai valóság, Salter pedig olyan művet akart alkotni, hogy a befogadó át is élje ezt abban a közegben, ahonnan nincs már hova mennie. Az Animate gyökeres ellentéte az éghajlatváltozást bemutató, didaktikus műalkotásoknak. Ehhez viszont tetszetős narratíva kellett, különben a nézők csak eljátszadoztak volna a VR-rel.

Salter így jutott el az új-fundlandi Kate Story azonos című, a Cli-fi: Canadian Tales of Climate Change kötetben megjelent novellájához.

Ann, egy kanadai matematika tanárnő a 2005-ben bekövetkezett stroke-ja óta súlyosan mozgáskorlátozott, arcizmainak mozgását, az írás képességét csak hosszú évek terápiája után nyerte vissza, de beszélni még mindig nem tudott. Akkor harmincéves volt, most, tizennyolc év után volt képes először – számítógépes avatár közvetítésével – korlátozott számú arckifejezésre és beszélni is.

Ez az első eset, hogy agyi jelzésekből szintetizáltak beszédet, arckifejezéseket. A rendszer a jeleket percenkénti nyolcvan szó tempóval, szöveggé is át tudja alakítani. Komoly előrelépés, mert a többi mostani technológiával tizennégy szó a csúcs.

Ann agyába, a beszédképzéshez kritikus területre 253 elektródából álló papírvékony téglalapot ültettek.   

A műtétet a San Franciscói Kaliforniai Egyetemen, az agy-számítógép interfészekkel (brain-computer interfaces, BCI) foglalkozó Edward Chang idegsebész és csapata végezte. A munkában a Berkeley-i Kaliforniai Egyetem is részt vett.

Mindkét csoport az agyba implantált felvevő eszközzel rögzítette az arckifejezéseket képező apró mozdulatokat irányító jelzéseket. A jelzéseket mesterségesintelligencia-algoritmusokkal dekódolták, alakították szavakká, a hibákat pedig nyelvmodell korrigálta. Az algoritmusok gyakoroltatásában Ann is részt vett.

Chang csapata érzelmeket is tudott rögzíteni.  

Ann a későbbiekben is segít a két felsőoktatási intézménynek új BCI-technológiák fejlesztésében, hogy a jövőben a hozzá hasonlóan korlátozásokkal élő személyek rájuk hasonlító digitális avatárok útján tudjanak kommunikálni, beszélgetni a külvilággal.

A kutatók viszont figyelmeztetnek, hogy az eredmény nem feltétlenül lesz mindig ennyire jó, és az ezekben az esetekben használható BCI-technológiák nem érhetők el széles körben – az általános használattól elég távol vagyunk. A lehetőségek mindenesetre óriásiak.