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.

Az ezredforduló környékén jelent meg a szintetikus tévébemondók első generációja, bár virtuális karakterek, például az 1980-as évek legendás cyberpunk sztárja, Max Headroom és más nem húsvér sztárok korábban is szerepeltek médiumokban.

A második nagy hullám 2018 körül kezdődött, amikor a kínai Xinhua állami médiaügynökség és a Sogou keresőmotor 2D-s hírbotokat vezetett be. Külsejüket videókból állították össze, mozgásuk és hangjuk gépi tanuláson alapult.

Két évvel később 3D-vel renderelt avatárokra frissítették őket. Multimodális felismerést, arcfelismerést és transzfertanulást használtak hozzájuk. (A transzfertanulás gépitanulás-technika, adott feladatból tanult tudást újra felhasználják egy kapcsolódó feladat jobb teljesítése érdekében.)

A szintetikus bemondók elvileg megsokszorozzák a hírek erejét, hatását. Az ok: korlátlan mennyiségű beszélő fej generálható, a lakosság minden, például etnikum, nem, vallás, életstílus szerinti szegmense célozható meg velük. Mivel több nyelven beszélnek, nagyobb közönséget szólítanak meg.

Különösen többnyelvű ázsiai társadalmakban emelkedik a számuk.

Szövegeiket közvetlenül nagy nyelvmodellek generálják, és a csatornák elégedettek is velük, mert nem hisztiznek, nincs óriási egójuk. Egyetlen műsorsugárzó sem árulta el az alkalmazott technológiát.

Sana márciusban, a Delhi-székhelyű India Today képernyőjén tűnt fel. Időjárás-jelentéssel kezdte – angolul, hindiül és bengáliul.

Áprilisban az indonéz tvOne három MI-t vezetett be. Az egyik egy valódi bemondónőre hasonlít, a másik kettő kinézetre kínainak, illetve kelet-indonéznek tűnik. Ugyanebben a hónapban debütált a kuvaiti Fedha, a Közép-Kelet első MI-hírolvasója.

A maláj Astro AWANI hírcsatornán májusban két MI-műsorvezető állt munkába – Joon az esti híreket olvassa fel, Monica éjszaka talk show háziasszonya.

Júniusban a tajvani FTV News-on kezdett egy névtelen szintetikus bemondó. A sugárzó névadó versenyt jelentett be a karakter promótálására.

A kelet-indiai, orija nyelvű Odisha TV júliusban kezdte el alkalmazni Lisát. Ebben a hónapban a déli kannada nyelvet beszélő Soundarya is debütált a Power TV-n.

A szintetikus bemondók aligha véletlenül először azokban az országokban jelentek meg, ahol a lakosság pozitívabban reagál a mesterséges intelligenciára. Felmérések alapján az indiaiak, az indonézek és a malájok jobban bíznak az MI-ben, mint a nyugatiak.

Az amerikai Osmo mesterségesintelligencia-fejlesztő vállalat, a philadelphiai Drexel Egyetem és a Monell Vegyi Érzékközpont az emberi szaglást utánzó mesterséges ideghálót fejlesztett. Az MI pontosan előrejelezte, hogy a teszt önkéntesei milyen szagokat fognak érezni.

Teljesítményéről sokat elmond, hogy az érzékelést tanulmányozó biológusok évtizedek óta foglalkoznak hasonlóval, kevés eredménnyel. Emellett 500 ezer molekula szagát is pontosan megállapította – szaglás nélkül.

Neurobiológusok szerint az eredmények felgyorsíthatják kellemes illatú fogyasztói termékek kutatását, fejlesztését. Segíthetnek abban is, hogy a szagláskutatás a látás tudományos tanulmányozásához hasonló megbecsülésnek örvendjen.

Az emberi szagláshoz az agy kisebb részére, kevesebb receptor-sejtre van szükség, mint más emlősöknél. Sokáig neurobiológusok figyelmére méltatlan, primitív érzéknek tartották. Nem is tanulmányozták szisztematikusan.

Míg a látás és a hallás számszerűsíthető tulajdonságokat tükröz, mint például a hullámhossz és a frekvencia, a szag nem felel meg pontosan egy-egy molekula formájának. Hasonló szerkezetű molekuláknak más lehet a szaga, nagyon különbözőek viszont akár ugyanazt az illatot áraszthatják magukból.

Tíz éve egy közösségi ötletbörze (crowdsourcing) verseny a szagot szerkezete alapján előrejelző MI fejlesztésére ösztönzött kutatókat. A győztes algoritmust hatvankilenc vegyi anyag „szaglására” kérték fel, és tizenkilenc lehetséges szagból nyolcat azonosított. A mintákat viszont képtelen volt hasonlóság alapján csoportosítani.

Rick Gerkin, a később alapított Osmo egyik idegtudósa is a nyertes mögött állt. Az MI „szaglásra” gyakoroltatásához használható, karakteres molekulák számának jelentős növekedésével, a lehetőségek jócskán bővültek azóta. Gerkin és kollégái ötezer molekula szagtani leírását használták bemenetként az ideghálóhoz. Rajtuk tanulta meg a kapcsolódó minták azonosítását, nekik köszönhetően teljesített emberi szinten.

Az agyunk által feldolgozott és tárolt, folyamatos információáramlás analóg világában élünk, eszközeink viszont ugyanabban az időben digitálisan végzik ugyanezt.

A svájci EPFL (École Polytechnique Fédérale de Lausanne) kutatói a folyamatos analóg feldolgozást és a digitális eszközök precizitását úttörő technológiában kombinálták össze. Munkájuk tanulsága: ultravékony kétdimenziós félvezetőket ferroelektromos anyagokkal integrálva, növelhető az energiatakarékosság, új funkciókkal bővíthető a számítástudomány.

Az új konfiguráció a digitális logika és az agyszerű analóg műveletek keveréke. Az agy által inspirált funkciókat és a fejlett elektronikus kapcsolókat anyagok egyedi kombinációjával érték el. A félvezetők nagyon hatékony digitális processzorokat eredményeznek, míg a ferroelektromos anyagok a szimultán feldolgozást és tárolást biztosítják.

Hagyományos tranzisztorok bekapcsolásához minimális feszültségre van szükség. Ezzel szemben az RPFL negatív kapacitású, alagúthatású tranzisztorának (tunnel fiel-effect transistor, TFET) szignifikáns mértékben kevesebb kell. Az optimalizált terv azt jelenti, hogy kapcsoláskor sokkal kevesebb az energiafogyasztás, így pedig az újítást integráló eszközök fogyasztása is jóval alacsonyabb lesz.

Az EPFL korábbi teljesítményszinteket megdöntő fejlesztése jelentős előrelépés az elektronikában, és jó példa a negatív kapacitású TFET kiemelkedő adottságaira, valamint a szinaptikus idegsejt-funkció ugyanazon technológián belüli működésére – a kapcsolók az agysejtek között hasonló tevékenységet végző szinapszisokra emlékeztetnek.

A kutatás a Neumann-féle logikai áramkörök és a neuromorfikus (agyat utánzó) funkcionalitás, e funkciók és a digitális információfeldolgozás kivételesen alacsony energiafogyasztás melletti, első szintézise.

Neuromorfikus rendszerek hagyományos komputereknek problémát okozó feladatokban, például mintafelismerésben, szenzorikus adatok feldolgozásában és a tanulás egyes típusaiban teljesíthetnek különlegesen jól. A két világ egyesítésének messzire ható következményei lehetnek.

A negyed kosárlabda-pályányi „okos pajta” (Smart Barn) a német Max Planck Állatviselkedés Intézet projektje, laboratóriummá átalakított istálló, ahol mozgásrögzítő kamerák teljes madár- és rovarrajok tevékenységét követik nyomon. Inkább emlékeztet egy hollywoodi stúdióra, mint egy pajtára, istállóra, bár etetőállomás is üzemel a helyszínen.

Harminc infravörös kamera az állatok testére rögzített akár ötszáz markert is képes figyelni. A hangokat harminc mikrofon veszi fel, és meg tudják határozni a madarak, rovarok pontos helyét. A környezet precíziós és kontrollálható, viszont a tér van akkora, hogy elegendő mennyiségű állat mozogjon, folytasson interakciókat, mint a természetben – nyilatkozta az ELTE-MTA Lendület Csoportos Viselkedés Kutatócsoport tudományos munkatára Nagy Máté, a Max Planck Intézet akkori kutatója.

A labor az állatok markerek nélküli nyomon követésére szintén alkalmas. Hat videokamerát és mesterségesintelligencia-alapú gépilátás-szoftvert használnak hozzá.

Házigalambokkal, seregélyekkel és a rovarok osztályába, azon belül a lepkék rendjébe tartozó afrikai halálfejű sólyommolyokkal (acherontia atriopos) végzett kísérletekben valamennyi állat valósidejű tartózkodási helyét és testtartását figyelték mozgáskövető markerekkel, vagy a követőket tartalmazó apró „hátizsákokat” tettek rájuk.

Egy alkalommal a galambok tekintetét tanulmányozták, hogy kiderüljön: figyelmük mikor vált a táplálékról az esetleges ragadozóveszélyre. Máskor seregélyek étkezési idejének összehangolását figyelték férgek keresése közben. Az állatok azonban túl kreatívnak bizonyultak, mert tönkretették a markereket…

Az ilyen beltéri laborok lehetővé teszik a ragadozó és a zsákmány interakcióinak, vezető irányította állatcsoportok viselkedésének, kooperációjuk és kommunikációjuk közeli megfigyelését. Nagy távolságra történő vándorlás, nagyléptékű mozgások tanulmányozásához viszont kicsi ez a tér.

A laboratóriumi kísérletek méretesebb létesítmény felépítésére inspirálták a kutatókat, ahol tízezer marker nélküli rajzó sáskát figyeltek. A viselkedésre vonatkozó adatokon MI-rendszert szabadban élő galambok marker nélküli követésére tanították be.

A 3D mozgásrögzítés tökéletes technológia rajok belülről, és nem a széleken lévő egyedeken keresztüli tanulmányozására. Az adatokból sokat megtudunk arról, hogy az egyedek hogyan járulnak hozzá csoportok alakulásához, összetartásukhoz.

A Meta, a Facebook anyacége nyílt forrású adatsort tett közzé, hogy tesztelhető legyen a fényképeken és videókon objektumokat észlelő és csoportosítható gépilátás-modellek elfogultsága.

A „Korrektség a gépi látás kiértékelésében” (FAirness in Computer Vision EvaluaTion), a FACET (aspektus) 32 ezer képén 50 ezer annotált személy látható. A képosztályok foglalkozásokat, tevékenységeket, demográfiai és fizikai jellemzőket fednek le.

Az annotációk készítői ezeket a címkéket az emberekre, hajukra, megjelenésükre és a ruházatukra vonatkozó, a Segment Anything 1 Billion adatsorból kinyert más címkékkel integrálták. Utóbbi adatsort gépilátás-modellek gyakoroltatására használják, hogy tárgyakat és állatokat „szedjenek ki” a képekből.

A Meta közölte, hogy a FACET kiadásával kutatók és fejlesztők munkáját szeretnék könnyebbé tenni, hogy ők is hasonló teljesítmény-értékelést végezzenek. Így jobban látják a saját modelljeikben lévő különbségeket, és a méltányossági aggályok megértése érdekében bevezetett változtatások hatását is nyomon tudják követni.

A gépilátás-algoritmusok elfogultságát bizonyító teljesítményértékelések nem újak, néhány éve a Meta is kiadott egyet, hogy kiderüljön a látó, illetve halló modellek kor, nem és bőrszín miatti előítéletessége. A témával sok kutatás is foglalkozik, és általában kiderül: az MI elfogult. Ráadásul a „felelős mesterséges intelligencia” témában a Meta lőtt már nagyon mellé, egyik MI-jének bétaváltozatát például azért kellett tavaly „kivonni a forgalomból”, mert rasszista és tudományosan pontatlan tartalmat generált.

Egyetlen teljesítményértékelés sem tökéletes.

A Meta elismeri, hogy a FACET talán nem ragadja meg kellőképpen a valóság fogalmait, demográfiai csoportjait, és a benne található szakmák jó része folyamatosan változik, például a Covid-19 alatt megörökített egészségügyi dolgozók a mainál több védőfelszerelést viseltek stb.

A FACET mellett, azt kiegészítve online adatsor-vizsgáló eszközt szintén közzétettek. Mindkettő használatához a fejlesztőknek bele kell egyezniük, hogy saját modelljeiket nem gyakoroltatják egyiken sem, a Meta anyagaival csak kiértékelnek.

Csillagászok lenyűgöző, társcsillagáról az anyagot évtizedek óta lebontó és a világűrbe „kozmikus ágyúgolyókként” kilövő pulzárt fedeztek fel. A pulzárok halott csillagok erősen mágneses, elektromos impulzusokat meglepően szabályos időközönként kibocsátó maradványai.

A mintegy 4500 fényévre lévő PSR J1023+0038 viszont a csillagászok figyelmét megragadó különleges tulajdonságokkal rendelkezik: változó fényerejű impulzusokat bocsát ki, mintha két módban lenne, és egyikről a másikra, aztán visszaváltana.

A nemzetközi kutatócsoport arra a következtetésre jutott, hogy a csillag a társcsillagtól „ellopott” anyagtömeget lövi ki. A tevékenységet ezred másodpercenkénti rádióhullámok formájában, tizenkét különböző teleszkópon és más műszereken észlelték.

A kozmikus ágyúgolyókra emlékeztető, elképesztő anyagmennyiség rövid, tíz másodperces időintervallumokban hihetetlenül nagy sebességgel forgó, kicsi és sűrű objektumról kerül az űrbe.

A szokatlan pulzár mintha a „magas” és az „alacsony” üzemmód között váltogatna. Először fényes röntgen-, UV-sugarak és látható fény távozik belőle, majd a „teljesítmény” szignifikáns csökkenésével rádióhullámok. Mindkét mód több másodpercig, percekig, míg az átkapcsolás csak pár másodpercig tart.

Két éjszaka azt figyelték meg, hogy a rendszer 280 alkalommal váltott működési módot. Az elképesztő jelenséget az összegyűjtött anyag kilövésével magyarázzák. A kutatók szerint a pulzárszél, a nagyenergiájú részecskék a pulzárról történő áramlása és a pulzár felé áramló anyag összjátéka lehet a váltás oka.

Sok kérdésre viszont még nem találtak választ. Például nem tudják, hogy a PSR J1023+0038 pulzár egyedüli-e az univerzumban, vagy mások is hasonlóan viselkednek. Hamarosan a chilei Atacama-sivatagban lévő óriásteleszkópokról fogják figyelni, és igyekeznek minél többet megtudni róla.

Évről évre egyre inkább érezzük a klímaváltozás negatív hatásait, és egyértelmű: innovatív megoldások kellenek a probléma kezelésére, a következmények csökkentésére. Ezek egyike a mesterséges intelligencia.

Bernard Marr világhírű jövőkutató áttekintette, hogy mit tehetünk az MI-vel, hogyan előzhetjük meg vele a katasztrófát. Hét pontban foglalta össze: éghajlat-modellezés, energiahatékonyság, megújuló energiák, széndioxid-leválasztás, katasztrófa-előrejelzés, ökoszisztémák monitorozása, klímaváltozás-politika.

A klímamodellek a Föld rendszerei közötti komplex interakciók megértésében segítenek, rájuk támaszkodva könnyebb előrejelezni a klímaváltozás hatásait. Óriási adatmennyiség gyors feldolgozásával, humán kutatók által nehezen észrevehető mintázatok azonosításával, az MI pontosabbá, használhatóbbá teszi a modelleket, hozzájárul a döntéshozáshoz.

A fenntartható fejlődéshez az energiafogyasztás optimalizálására és a felesleges használat csökkentésére van szükség. Az MI-val irányított, valósidejű intelligens hálózatkezelés, fejlett érzékelő-technológiájával, az elosztást és a fogyasztást szabályozó megoldásaival mindkettőben segít.

A megújuló energiaforrások, mint a szél- vagy a napenergia kritikus szerepet játszanak az üvegházhatású gázkibocsátás csökkentésében. Az MI az ezeken az energiaforrásokon alapuló rendszerek telepítését, működtetését időjárási mintázatok elemzésével, az energiatermelés előrejelzésével, a stabil ellátást biztosító output maximalizálásával optimalizálja.

A széndioxid-leválasztás és -tárolás szintén a klímaváltozás elleni stratégia kulcseleme. Az ipari és energetikai források által termelt széndioxidot még a légkörbe kerülés előtt kell leválasztani, minimalizálni a kibocsátást. Az MI a leválasztó technológiák tervezésében, hatékony és olcsóbb használatában, az optimalizálásban közreműködhet.

Meteorológusok és klímakutatók az éghajlatváltozás miatti természeti katasztrófák előrejelzésére, a hatások (hurrikánok, árvizek, erdőtüzek) csökkentésére használják az MI-t. Nagymennyiségű adatot pontosabban elemez, bekövetkezési valószínűségekre utaló tendenciákat azonosít. Mi-alapúak lesznek a közeljövő károk minimalizálásában oroszlánrészt vállaló „korai figyelmeztetőrendszerei” is.

A biológiai sokszínűség és a természetes erőforrások változásának folyamatos megfigyeléséből a klímaváltozás hatásaira következtethetünk. Ha az ökoszisztémákat MI-alapú rendszerek monitorozzák, a műholdképes, drónok által rögzített és más adatok, összességében óriási adatmennyiség eredményes és gyors feldolgozása is gépi tanulással lehetséges.

A szabályozók MI-vel generált modellekkel azonosíthatják a leghatékonyabb klímaváltozás elleni stratégiákat. Alkalmazásukkor szintén MI figyelheti a működőképességüket, a legeredményesebb erőforrás-felhasználásban segítve a kormányokat.