A zsákmányát elkapó polip megfigyelése tapadókorongokkal kiegészített, ujjra felhúzható „kesztyűvel” irányítható puha robotcsáp fejlesztésére ösztönzött pekingi és szingapúri kutatókat.

Ügyességük és intelligenciájuk miatt a polipok régóta inspirálják a robotikát. Többszáz izommal rendelkeznek, annyi izmot és szabadságfokot képesek irányítani. A mozgás ilyen széles skálája és rugalmassága nagyon különbözik a hagyományos robotokétól.

A kutatókat különösen a hajlításszerű mozgás érdekelte, ahogy a polip meglendíti a karját, és megragadja a zsákmányt. A mozdulat a kar tövénél kezdődik, és hullámként halad a csúcsig, körbeveszi a szerencsétlen halat vagy más élőlényt, tapadókorongokkal „ragad” rá, hogy a zsákmány ne menekülhessen, amikor a polip szájához kerül.

A polip karjai szokatlanok, szinte az agytól függetlenül működnek, nagyon kevés az agy és a kar közötti vezérlőjel. A kar idegrendszere úgy van elrendezve, hogy szekvenciálisan aktiválódjon, így pedig a feldolgozáshoz szükséges számítási tevékenység erősen korlátozott. Utánzásához a kutatóknak a hajlításszerű mozgást kellett matematikailag modellezni.

A robotcsáp puha szilikonból készült öt szegmensből áll, szobahőmérsékleten folyékony fém van beléjük ágyazva. Szabvány szilíciumchipekkel együtt a polip karjának idegrendszerét utánzó elektromos hálózatot alkotnak. A csáp hegyét tapadókkal és hőmérséklet-érzékelőkkel szerelték fel.

A rendszer önálló egységet alkot. Szenzorokkal felszerelt, nemcsak a kezelő ujjának mozgását, hanem a kéz és a kar dőlését is érzékelő, a mozgásokat a csáphoz továbbító, egyujjas kesztyűvel irányítható vezeték nélkül. A valódi polipkarhoz hasonlóan, az octobot (polip angolul octopus) célját elérve, eredeti hosszának másfélszeresére is kitágulhat.

A kutatók olyan szenzoros elemet akartak még a rendszerbe integrálni, amely lehetővé teszi, hogy a robot működtetője közvetlenül érzékelje a csáp hegyén lévő tapadókorongok összekapcsolódását. Ennek megfelelően a kesztyű belsejében viselője ujjához kapcsolódó három tapadókorong található. A robotcsáp tapadást „tolmácsolják”, hogy a kezelő fizikailag érezze, amikor a csáp elérte célját.

Octobot a teszteken elkapta a műanyagjáték-prédát; a robot levegőben és vízben egyaránt jól működött. A fejlesztéssel közelebb kerültünk a puha robotika egyik legfontosabb céljának, a polipok „beágyazott intelligenciájának” gépi megvalósításához.     

Két éve, amikor a Facebook gőzerővel beleállt, és még a nevét is Metára változtatta, óriási hype alakult ki a Metaverzum körül, Zuckerberg a virtuális tereket és 3D internetet VR-rel és AR-rel közös nevezőre hozó univerzumban látta a jövőt, ahol a tanulástól kezdve a munkáig, konferenciáktól a szórakozásig, szinte mindenre nyílik majd alkalmunk, amire meg nem, azzal talán nem is érdemes foglalkoznunk.

A metaverzum a való világ és az internet találkozási pontja, ahol a kettő egybeolvad. Legalábbis elméletben, és a koncepció hívei és a minden technológiának fényes jövőt jósoló futurológusok szerint, közben viszont a digitális ikreken kívül nagyon kevés a tényleg működő alkalmazás, a metaverzum mai formájában eladhatatlan, a befektetők, köztük a Meta is, nem véletlenül menekülnek belőle.

Először az egykori cyberpunk író, a legendás Neal Stephenson vetette fel a gondolatot 1992-es kultikus regényében, a Snow Crash-ben: a lényegében online világban otthona elhagyása nélkül járhatott bárki iskolába, dolgozni, játszhatott, koncerteket nézhetett, bevásárolhatott. A kétdimenziós szöveges-képes internet kelt életre benne a tükörvilágok, akár például a kilencvenes évek technooptimizmusára adott és az évtizedet 9/11-gyel együtt lezáró, kiábrándult válasz, a Mátrix mintájára is.

A Metaverzum tömeges, diszruptív változásokat elindító elterjedésének korlátai persze nemcsak és nem elsősorban elméletiek, hanem nagyon is gyakorlatiak, technológiaiak: nem teremtettük meg hozzá a feltételeket.

Az első határt néhány éve léptük át: a virtuálisvalóság-headsetek vizuálisan nagyon különböző világokba viszik el a felhasználót. Azóta elméletgyártók és technológusok egyaránt élhetővé, a halláson és a látáson kívül is „érzékszervi orgiává” kínálják tenni a Metaverzumot. De hiába vettük sikerrel az első akadályt, a többin még nem sikerült átjutnunk.

Több startup, például a vermonti OVR Technology igyekszik beleintegrálni a szaglást, a Tokiói Egyetemen 2021-ben ízeket utánzó, nyalható televíziót fejlesztettek, mások evőeszközre szerelt elektródákkal próbálják a savanyú, az édes, a sós és a keserű ízt digitálisan visszaadni. Ezek a próbálkozások azonban eddig legalábbis megmaradtak kuriózumnak, tömegek által használt fogyasztói termék egyhamar nem lesz belőlük.

Az összes érzék élethű szimulálása nélkül nincs Metaverzum, és az elképzelt formában aligha fog mostanában megvalósulni. Ráadásul a technológián kívül is túl sok a megválaszolandó, például szabályozási vagy tulajdonjogi kérdés: hogyan védhetők meg a gyerekek, mennyit is ér valójában egy virtuális ruha és így tovább. A legtöbb kérdésre nincs még válasz.           

A Duke Egyetem biomedikális mérnökei továbbfejlesztették az egyéni ráksejtek teljes emberi testen belüli nagytávolságú mozgását szimuláló számítási modellt. Az „adaptív fizikai megközelítés” (APR) nevű megközelítés részletesen rögzíti a sejtek interakcióit és a sejtpályára gyakorolt hatásukat, felbecsülhetetlen értékű betekintést nyújtva a metasztatikus (áttétet okozó) ráksejtek „utazásaiba.”

A véráramunkban lévő ráksejteket befolyásolják a közeli vörösvérsejtek körüli mozgásuk és más sejtek közötti interakciók. Az összes vörösvérsejt szimulálása viszont lehetetlen, ezért a kutatóknak ki kellett találniuk valamit a számítási korlátok kezelésére.

A rákos sejtek test erein keresztüli haladásának dinamikáját megfejteni változatlanul bonyolult és komplex kérdés, egyben kulcsfontosságú is a korai felismerés és a lehetséges kezelés szempontjából. Mivel élő személyekben nem lehet megfigyelni ezeket a folyamatokat, a ráksejtek dinamikájának szimulálásához fejlett számítási modellek szükségesek.

A Duke Egyetem kutatói ilyeneken dolgoznak. Méretezhető HARVEY modelljüket úgy tervezték, hogy a világ legfejlettebb szuperszámítógépein működjön.

Csakhogy a szuperszámítógépeknek is megvannak a korlátjaik. Egyetlen ráksejt pályájának kiszámításához a modelleknek rögzíteniük kell a környező vörösvérsejtekkel folytatott interakciókat. Az emberi testben pedig kb. 25 billió vörösvérsejt és öt liter vér van. Egy mai csúcs-szuperszámítógéppel csak az egyszázalékuk jeleníthető meg sejtméretű felbontásban, és még így is többszázezer vörösvérsejtet tartalmaz.

A problémát új megközelítéssel próbálták megoldani. Továbbfejlesztettek egy meglévő algoritmust, beletáplálták a vörösvérsejtek interakcióit, az APR-rel pedig az érintett sejt mozgásának követésére alkalmas keretet dolgoztak ki, mintha egy játékhajó áramlaton lefelé történő útját utánozták volna. A legegyszerűbb megközelítés a teljes vízi út szimulálása lenne elejétől a végéig. Ebben az esetben a számítási erőforrások nagy részét viszont, praktikusnak egyáltalán nem nevezhető módon, a hajótól távoli fizikai jelenségek rögzítésére használnák.

Sokkal hasznosabb, ha a hajóhoz közeli területet a lehető legpontosabban modellezik, míg a többit kisebb felbontásban. Jóval hatékonyabb és pontosabb szimuláció az eredmény.

A Duke Egyetem szimulációjával megváltozhat a rákkutatás. Jelenleg a modellező szoftvert újabb funkciókkal bővítik, és bizakodnak, hogy az APR hozzájárul a sejtszintű modellezés demokratizálásához, hogy az ezzel foglalkozók a világ legnagyobb szuperszámítógépeihez való hozzáférés nélkül is tudják tanulmányozni a rák dinamikáját.

A ChatGPT-t 2022. november harmincadikán indította világhódító útjára az OpenAI. A nagy nyelvmodellek (large language models, LLM) azóta talán a fejlesztők által sem várt döbbenetes pályát futottak be.

Egy éve lényegében csak a ChatGPT állt a webes felhasználói interfészt használó széleskörű felhasználói réteg rendelkezésére, míg az LLM-ekkel dolgozni vágyó fejlesztők szinte csak az OpenAI modelljei közül válogathattak.

Mára drasztikusan megváltozott a helyzet. Az érdeklődők számos nyílt forrású és zárt LLM-mel dolgozhatnak, chatelhetnek: még mindig a ChatGPT a legnépszerűbb, de ott van a Microsoft Bingje, a Google Bardja, vagy startupok termékei is, például az Anthropic Claude-ja vagy a perplexity.ai. A fejlesztők bőven szemezgethetnek az opciók közül: az Amazon Webszolgáltatások, az Azure, a Cohere, a Google Cloud, a Hugging Face, az OpenAI és mások API-jait (alkalmazásprogramozói felületeit) használhatják, és a választék csak bővülni fog.

Fejlesztőnek, átlagfelhasználónak egyaránt pozitívum, hogy a saját magunk által hosztolható, helyileg, például laptopunkon futtatható, nyílt forrású modellek meglepően jók, és egyre jobbak lesznek. Sok alkalmazáshoz egy megfelelően működő nyílt forrású modell, például a GPT4AII és az MLC akár az egy évvel ezelőtti ChatGPT 3.5-tel azonos szinten teljesít.

Helyileg futtatott modellek használata korábban a fejlesztők privilégiuma volt, mert bonyolult telepítési és konfigurálási folyamatokkal kellett megbirkózniuk. Jelenleg szerencsére más a helyzet, könnyebben kezelhetők, többen tudják használni őket.

LLM-ek közvetlenül a gépünkről vagy a számítási felhőből is futtathatók. Utóbbi akkor ajánlott, ha a kisebb, helyileg működtetett, nyílt forrású modell teljesítményénél többre van szükségünk, mondjuk, ha a GPT-4-gyel dolgozunk.

A biztonság ugyan rendkívül fontos, sok nagy szolgáltató megoldásai viszont több esetben „túlbiztosítottak”, a modellek bizonyos kérdésekre például nem hajlandók válaszolni. Ezzel szemben jópár nyílt forrású alternatíva nem ilyen agresszíven biztonságra hangolt, egyes alkalmazásokban célszerűbb is velük dolgozni.

Egy év leforgása alatt egyetlen tényleg használható modelltől több tucatig jutottunk el. 

Az egészségügyben egy jó műszer életet menthet, egy rossz viszont fatális is lehet. Az orvosoknak meg kell bízniuk bennük, ahhoz pedig tesztelt, bizonyított eszközök kellenek.

Az Egyesült Államok Élelmiszer- és Gyógyszerügyi Hivatala, az engedélyeket kiadó FDA által az MI-vel működő orvosi termékekre jelenleg alkalmazott módszerekkel nehéz eldönteni, hogy mi működik, mi nem, így pedig lassabban terjedhetnek el életmentő technológiák.

Orvosok és más egészségügyi szakemberek szerint az ügynökség olyan MI-termékeket is jóváhagyott, amelyről nem volt nyilatkozat, és nem is látták át őket. Összesen kb. hétszázat engedélyeztek.

A 2012 és 2020 között jóváhagyottakból csak 73-hoz csatoltak kimerítő dokumentációt tesztekről, és negyvennél is kevesebbnél írták le az MI esetében kulcsfontosságú gyakoroltatási módszert, gyakorlóadatokat.

2022-ben az FDA iránymutatást tett közzé, hogy melyik MI-rendszerhez kell jóváhagyás orvosi műszerként történő használathoz. A folyamatot az anyag azonban alig változtatta meg, így egyre többen követelik a változtatásokat.   

Az FDA egy 510(k) nevű programon keresztül hagyja jóvá az orvosi eszközöket és a diagnosztikai rendszereket. Szinte minden MI-s termék zöld fényt kap. Az 1976-ban bevezetett, azóta többször áramvonalasított programot a pacemakerekre és a röntgengépekre találták ki, a modern gépi tanuláshoz és adattudományhoz viszont nem frissítették.

A gyógyszerengedélyezéssel ellentétben ezekhez a műszerekhez csak akkor van szükség klinikai tesztekre, ha veszélyt jelenthetnek az emberi életre. A gyártónak bizonyítaniuk kell, hogy termékük ugyanolyan hatékony és biztonságos, mint a korábban jóváhagyottak. Több orvos szerint ez a gyakorlat rossz, mert például a nagy nyelvmodellek (LLM), mint a Google Med-PaLM 2-je közvetlenül egyáltalán nem hasonlítható össze korábbi egészségügyi referenciatermékekkel.

Az FDA nem várja el, hogy a gyártók fontos információkat csatoljanak az MI-ről, például, hogy hogyan hozták létre, hány személyen tesztelték stb. Így az egészségügyi szakemberek sem tudják, hogy adott esetben egy termék megfelelő, vagy sem.

Ha tényleg egyensúlyra törekednek, meg kell találni a helyes arányokat, amelyhez át kell írni a vonatkozó törvényeket, mert a jelenlegi keretek majdnem ötvenévesek.

Újabb és újabb mesterségesintelligencia-eszközök jelennek meg a már elérhető és méltán népszerű, szöveget, képet és mást generáló technológiák funkcióinak bővítésére. A legfrissebb, a Runway MI kutatócég terméke, a Motion Brush (Mozgásecset) második generációja MI, például a Midjourney által létrehozott képek egyes aspektusait segít animálni.

A képeket feljavító egyszerű ecset hatása mágikus, és ez nagyjából mindig elmondható, amikor a mesterséges intelligencia hatékony munkát végez. Sokan már most jól elszórakoznak vele – életet visz az állóképekbe: teherautók megindulnak a poros úton, természetfelvételeket pásztázunk, embereket és állatokat mozgatunk meg, levelek tekergőznek a szélben, felhők vonulnak át az égbolton, de vízesések, égő cigaretták és akváriumi halak is élethűen animálhatók.

A Motion Brush úgy működik, hogy feltöltünk egy képet, majd kiválasztjuk a Start with Image-et, utána pedig a Motion Brush eszközt. Kiemeljük a kép animálni óhajtott területét.

A Motion Brush használata előtt szöveges prompt megadásával képet is generálhatunk a Runway-jel. Pontosítjuk a vízszintes, függőleges, közelség-beállításokat, lementjük a képet. Ha ezzel végeztünk, az Extend 4s gombot megnyomva, jöhet az akár tizenhat másodpercesre is elnyújtható videó.

Egyes funkciókat, például a kamerakontrollt a Motion Brush-sal együtt használva, kijelölhetjük az animációt, miközben a kamerával zoomolunk vagy panorámikus mozgásokat végezhetünk.

A tartalomhoz promptokkal stílust is rendelhetünk, a Rendezői Mód frissítéseivel pedig másodpercek töredéke alatt módosíthatunk a kameramozgásokon.

Az interfész olyan, mint a legtöbb kép- vagy videószerkesztő. Különféle funkciókhoz férünk hozzá, korlátozhatjuk a szolgáltatást. Szabvány, profi, korlátlan és vállalati változat létezik, pénztárcánktól függően dönthetünk, melyiket kívánjuk használni. A Motion Brush egyelőre béta, és csak Runway-tagok számára érhető el, a feliratkozás viszont ingyenes.

A Motion Brush frissítéssel egyidőben, a Runway további újításokat is bejelentett: módosították a kamerakontrollt, új Gen-2 Style Presets-et vezettek be.

Az Olasz Űrügynökség (ASI) összeállt a francia Thales Alenia Space űr startuppal, hogy többrendeltetésű épületfélét tervezzenek a Holdra. Munkájuk lehet az első, embereknek folyamatos lakhatást biztosító környezet az égitest felszínén.

A projekt is jelzi, hogy az űripar egyre fontosabb, másrészt a tervek szerint a NASA 2025-ben, az Artemis program keretében küld asztronautákat a Holdra, és valamikor a 2030-as években őket követheti a permanens lakóépület – ha minden az elképzelések szerint megy.

Tervekben persze eddig sem volt hiány, mert egy csomó makettet, videót láthattunk már arról, hogy hogyan is képzeljük el az ottani lakhatást. A mostani projekt viszont komolyabbnak tűnik a gyakran tudományos-fantasztikumba hajló elődöknél.

A Thales Alenia Space november második felében jelentette be, hogy az első állandó „előretolt állásra” vonatkozó szerződést írt alá az ASI-val.

Van min dolgozniuk, mert a holdfelszíni lakhelynek nemcsak a nyomást elviselő környezetet kell biztosítania az űrhajósok számára, hanem meg kell védenie őket a káros sugárzásoktól és a lehetséges mikrometeor-záporoktól is.

A cég eléggé elnagyoltan beszél a végső kialakításról, viszont a grafika alapján az épület hengerformájú lesz, és napelemekkel szerelik majd fel. Csuklós lábak akadályozzák meg, hogy felboruljon.

Kérdés persze, hogy elkészül-e valaha, laknak-e majd benne. A NASA első tesztjén mindenesetre átment, tehát a javasolt élőhely megfelel az űrügynökség bizonyos elvárásainak. Az ASI ugyanis 2020-ban közös szándéknyilatkozatot írt alá a NASA Artemis programjának vezetőségével: kölcsönösen dolgoznak a Hold felderítésén, kiemelt figyelmet szentelve az égitestre visszatérő emberekre.

Mielőtt a lakóhely hivatalosan is az Artemis részévé válik, a NASA 2024 eleji, következő tesztjén is zöld fényt kell kapnia. Ez lesz a kulcs, amellyel a kritikus technológiai terv és a modulfejlesztés újabb szakasza kezdődik, aztán majd meglátjuk, hogy a Holdon hosszabb ideig tartózkodó űrhajósok ilyesmire számítanak, vagy sem.

Nemzetközi kutatócsoport három mesterségesintelligencia-alapú chatbotot, az OpenAI ChatGPT-jét és GPT4-ét, valamint a GPT-3-ra épült Copy Ai-t felkért, hogy harminc másodpercen belül a lehető legtöbb példával álljanak elő a kötél, a doboz, a ceruza és a gyertya kapcsán. 256 embernek is ugyanezeket a feladatokat osztották ki.

A modelleknek a tárgyak eredeti és kreatív használatára ösztönző promptokat adtak meg, elmagyarázva, hogy a minőség fontosabb a mennyiségnél. Tárgyanként mindegyiket tizenegyszer tesztelték.

Az MI és az emberek válaszait két módszerrel értékelték ki. Az elsőnél algoritmus pontozta a tárgy javasolt használata és eredeti rendeltetése közötti kapcsolatot. A másodiknál hat embernek kellett egytől ötig terjedő skálán pontoznia, majd átlagolnia. Egyikük sem tudta, hogy egyes válaszok MI-től érkeztek.

Érdekes eredmények születtek: a chatbotok az embereknél magasabb átlagpontszámot értek, a legjobb humán válaszok viszont magasabb pontot kaptak.

A kutatással nem azt akarták bizonyítani, hogy az MI kreatív feladatokban képes helyettesíteni az embert, ugyanakkor filozófiai kérdéseket is felvetett: melyek a csak ránk jellemző tulajdonságok? Az utóbbi években a technológia egyre jobban utánozza a humán viselkedést, és a jövőben még markánsabb lesz ez a trend.

Az a tény, hogy a gépek jól teljesítenek kreativitás-feladatokban még nem jelent eredeti gondolatokat. Fekete dobozok: nem tudjuk, milyen adatokon gyakoroltatták őket, hogyan generálják válaszaikat. Valószínűleg egyik sem állt elő új, kreatív ötlettel, hanem a gyakorlóadatokban látottakat adták vissza. Azt is figyelembe kell vennünk, hogy egyes speciális feladatoknál kiválóan teljesítenek, viszont ha csak kicsit változtatunk a prompton, rögtön összezavarodhatnak. Meg kellene vizsgálnunk a feladat és a hozzá használt, mérni próbált kognitív képesség közötti kapcsolatot.

A kutatás egy másik „forró” kérdést is felvet: mit jelent egy számítógépnek, ha átmegy embereknek kitalált teszteken? Mert a siker sem bizonyítja kizárólag ránk jellemző tulajdonságok kifejlődését. Az ilyen vizsgálódásokkal viszont jobban megértjük, hogy az ember és a gépek hogyan közelítik meg a kreatív feladatokat.

A mesterséges intelligencia (MI) volt 2023 csúcstechnológiája, és jó az esély, hogy 2024-ben is az lesz. De milyen trendek fogják meghatározni jövőre az MI fejlődését?

Bernard Marr jövőkutató fontossági sorrendben haladva, ötöt emelt ki: a kvantum MI-t, az MI-szabályozást, az etikus MI-t, a kiterjesztett munkavégzést és a generatív MI következő generációját.

A kvantumszámítások egyre jelentősebb szerepet játszanak az MI-kutatásban, az adatfeldolgozásban pedig forradalmi szerepet tölthetnek be. Nemcsak elméleti lehetőségről van szó, mert feltörekvő startupok és techóriások egyaránt komoly összegeket csoportosítanak át kvantum-megoldásokra. 2024-ben – Marr szerint – hatalmas mértékben nőnek az MI lehetőségei olyan területeken, mint a kvantumszámítások fejlődésével jobban kivitelezhető komplex problémamegoldás.

Az MI gyors térhódítása nemcsak a technológia iránti érdeklődőket nyűgözte le, hanem világszerte felkeltette a döntéshozók figyelmét is. A vezető nagyhatalmak (USA, Kína, EU, India stb.) átfogó szabályozáson dolgoznak, amellyel nőnek a globális befektetések, de a lakosságnak is védelmet nyújtanak. A megbeszélések nemzetközi szinergiák, az MI-mérföldköveken történő globális együttműködés és a normák megszilárdulása felé mutatnak.

Az MI életünkre gyakorolt hatása rengeteg etikai dilemmát vet fel. Mivel sok területen segít a döntéshozásban, létfontosságú, hogy átláthatóan és méltányosan működjön. A kihívás túlmutat az elfogulatlan algoritmusokon, és szigorú szabványok kellenek, hogy a rendszereket és tervezőiket felelősségre lehessen vonni. 2024-ben nőni fog az etikus MI oktatása iránti igény, az etika a fejlesztésekben is kulcsszerepet játszik majd.

Az MI több mint eszköz, felbecsülhetetlen értékű munkatárs is. A kiterjesztett munkában az utóbbit használjuk ki: sebészek okos algoritmusok által végzett diagnosztikai eredményekre támaszkodnak, ügyvédeket referenciaanyagokkal segíti a távmunkában és az online oktatásban is jól használható MI. 2024 az emberi rátermettség és a mesterséges intelligencia képességeinek termelékenységet és kiválóságot növelő szimbiózisa lehet.

A generatív MI következő generációja túlmutat az egyszerű chatbotokon és a kiszámíthatatlan mémgenerátorokon. Az új rendszerek komplex narratívákat dolgoznak ki, zenei szimfóniákat koreografálnak és bestsellerek írásában is közreműködhetnek. A multimodalitás a kulcs, az MI leírás alapján ugyanarról a témáról illusztrációs képanyagot, átfogó szöveg vázlatát, zenei hátteret készíthet; több nyelven, akcentusokkal is dolgozhat. 2024-ben csökkennek az emberi és az MI-alkotások közti különbségek.

Az ausztrál Monash Egyetem és az ország tudományos ügynöksége, a CSIRO kriptográfiai szakemberei közösen fejlesztették LaV-ot, az eddigi leghatékonyabb kvantumbiztos titkosító algoritmust. A végponttól végpontig (end-to-end) történő titkosítás biztonságát hivatott növelni, olyan lehetséges alkalmazási területekkel, mint az azonnali üzenetküldő szolgáltatások, az adatvédelem, a kriptovaluták és a blokklánc-rendszerek.

A végponttól végpontig titkosítás a feladó és a fogadó közötti biztonságos digitális kommunikációt teszi lehetőv. Például a WhatsApp és a Signal használja, és az információhoz senkinek, rendszer- és internetszolgáltatónak, telekomcégnek, hackereknek stb. sincs hozzáférése.

Átlagos számítógépnek, de még egy szuperkomputernek is többmillió évbe telne a végponttól végpontig titkosítás meghackelése és az adatok elérése. Masszív kvantumszámítógép viszont percek alatt feltörné a mai titkosítást, és könnyedén hozzáférne az információkhoz.

LaV sokkal biztonságosabbá teszi a titkosítást, így az online szolgáltatások ellen tudnak állni a jövő leghatékonyabb kvantumrendszereitől induló hackeléseknek és interferenciáknak is.

Hiába jók és biztosítják az adatvédelmet az end-to-end titkosítási protokollok, kifinomult kvantumszámítógépes támadásokkal szemben sebezhetők. Az új kriptográfiai eszköz viszont széleskörű mobilalkalmazásokban, online tranzakcióknál is működik, védelmet nyújt. A mai technológiák szoftvereit azonban nem a jövő sokkal hatékonyabb rendszereit bekalkulálva fejlesztették, ezért lehetnek sebezhetők.

A kutatók elmondták, hogy az utóbbi években csak Ausztráliában sok fontos cybertámadást, adatkiszivárgást tapasztaltak. Egyértelműen többet kell foglalkozni a biztonsággal, és még akkor kell csökkenteni a rendszerek sebezhetőségét, mielőtt a támadók kiaknáznák azokat.

Kormányok és szabványügyi szervezetek a világon mindenhol készülnek az elvileg az ő biztonságukat is veszélyeztető nagyméretű kvantumszámítógépekre. Szerintük kb. egy évtizeden belül válnak valósággá. A kutatók tapasztalata, hogy a mai online rendszerekben használt titkosító algoritmusok teljes frissítése is eltarthat tíz évig. A megoldás csak az lehet, ha a kvantumbiztonság még a kvantumkomputerek elterjedése előtt megvalósul.

Következő lépésként titkosítási alkalmazásokban használható teljes kvantumbiztonsági kulcs átláthatósági protokollját dolgozzák ki.