A kvantumtechnológiák, különösen a kvantumszámítógép a jövőben megváltoztathatják a fejlődést, az infokom világot. Ezekkel a komputerekkel elvileg mai szuperszámítógépekkel is megoldhatatlan problémákra kapunk majd választ.

Globális mamutvállalatok, az Egyesült Államok és Kína óriási összegeket fektetnek a technológiába. De mivel a kvantumrendszerek másfajta fizikai törvényeken alapulnak, mint a hagyományos számítógépek vagy az okostelefonok, könnyebben meghibásodnak. A Freie Universität Berlin és más európai egyetemek interdiszciplináris kutatócsoportja minőségük tesztelésére talált ki megoldást. A tesztben fizikai, számítástudományi és matematikai módszerek szerepelnek.

A kutatást Jens Eisert nemzetközileg elismert kvantumfizikus vezette.

Az egyedi atomok vagy ionok számítási egységként irányítanak kicsi fizikai rendszereket. Ezeken az elveken alapulnak a kvantumszámítógépek is, amelyek sajnos hiperérzékenyek az interferenciára. Ha nem óvjuk őket eléggé a környezettől, elillan a „kvantumelőny.” Magyarán nem működnek – magyarázza Eisert.

De hogyan tudjuk meg egyáltalán, ha egy kvantumáramkör nem rendeltetésszerűen működik?

Nyilvánvalóan teszteléssel, mert a gép hiába végez számításokat, teszt nélkül nem tudjuk, mennyire pontosak azok. A kutatócsoport erre talált meglepően egyszerű megoldást.

Random áramköröket kell implementálni, majd kvantumbitekben (qubitekben) megadni a mérési eredményeket. Az adatokban csomó diagnosztikai információt találunk, amelyekből megtudjuk, hogy például mennyire működnek a kvantumkapuk, tapasztalhatók-e interferenciára utaló jelek, bizonyos részek nem lépnek-e véletlenül kapcsolatba egymással.

Az összes folyamat ugyanabba mérésbe kerül be, és így a teljes diagnosztika elvégezhető.

Várhatóan ez a kutatás szolgál majd egy új ellenőrzési módszer alapjául ahhoz, hogy a jövő kvantumszámítógépei gazdasági és tudományos szempontból is hasznosak legyenek.

A mesterséges intelligencia (MI) történetében mérföldkőnek számított, amikor az IBM Deep Blue számítógépe 1997-ben legyőzte a sakkvilágbajnok Gari Kaszparovot, majd a DeepMind (Google) AlphaGo rendszere 2016-ban az akkori go világranglista negyedik helyezett Lee Szedol felett diadalmaskodott.

Most a Zürichi Egyetem és az Intel kutatói értek el hasonló eredményt: Swift (gyors, sebes, fürge, de fecske is magyarul) nevű autonóm rendszerük fizikai sportban, drónversenyen vert meg humán bajnokokat.

Fizikai sportokat nehezebb előrejelezni, mint a táblás és a videojátékokat, ezért nagyobb kihívást jelentenek egy MI-nek. Sem a drón-, sem a környezetmodellekről nincsenek pontos ismereteik, az MI-nek meg kell tanulnia, hogyan folytasson interakciókat a környező világgal, kerüljön el akadályokat stb.  

Az MI több versenyt nyert meg „elsőszemélyű nézet” kategóriában három világklasszissal szemben. A kvadkoptereket a fedélzeti kamerával összeköttetésben álló, a gépekkel 100 km/h sebességeit is meghaladó pilóták távirányították.

Autonóm drónok eddig általában kétszer annyi idő alatt tettek meg versenyeket, mint a pilóták által távirányítottak. Útvonalukat külső pozíciókövető rendszer kontrollálta. Swift viszont a fedélzeti kamerával gyűjtött adatokra reagál valós időben – ugyanúgy, mint a humán pilóták gépei. Integrált mérőegysége a sebességet és a gyorsulást méri, lokalizálása és a kapuk detektálása mesterséges idegháló feladata.

Az információkat mély ideghálón alapuló vezérlőegység dolgozza fel, és választja ki mindig a lehető legjobb megoldást.

A drónt szimulált környezetben gyakoroltatták, ami sokat segített, mert fizikai közegben gyakorló drónok gyakran tönkremennek, összetörnek. Swift viszont veszély nélkül gyűjthetett tapasztalatot.

Ő teljesítette legjobban a köröket, fél perccel vert rá emberek irányította társaira. Ha viszont a fizikai versenypálya nagyon különbözött a szimulált közegtől, például sokkal több volt a fény, akkor az ember vezérelte drónok teljesítettek jobban.

Az USA Védelmi Minisztériuma, a Pentagon nem azonosított repülő objektumokkal, azaz ufókkal foglalkozó hivatala honlapot indított az amerikai kormány által „nem azonosított légi jelenségek” (unidentified aerial phenomena, UAP) néven szereplő, ebbe a gyűjtőkategóriába tartozó korábban titkosított videóknak.

Nyolc ilyen videóról van szó, de a weboldalon a kormány és katonai alkalmazottak is beszámolhatnak általuk megtapasztalt, furcsa esetekről, égi tárgyakról. A honlapon a Pentagon elmondása szerint a megoldott, közkinccsé tehető UAP-esetek szerepelnek, videókkal és képekkel.

Az oldalon közölt információk sajnos nem annyira bőségesek, mint elvárható lenne. Az egyik különösen nyugtalanító, egy haditengerészeti pilóta által rögzített 2021-es videón – 2022-ben oldották fel a titkosítását – szokatlan gömbalakú objektum lehetetlennek tűnő sebességgel húz el a kamera mellett. A kísérő szövegben viszont csak annyi olvasható, hogy az anyag „a tipikus sebességet mutatja be, ahogy katonai repülőgépek megközelítenek egy ismeretlen objektumot.”

A honlap egyrészt videó- és információs központként működik, másrészt kormányalkalmazottak itt nyújthatják be saját megfigyelési anyagaikat a Pentagonnak. Ezzel leegyszerűsödik az UAP bejelentési folyamata.

Korábban sokkal komplikáltabb volt, mert a parancsnoki lánc valamennyi szintjén hivatalos dokumentációra volt szükség.

Az oldalnak azonban van egy komoly hiányossága. A Pentagon összes azonosítatlan légi jelenség anyaga, az információk és a dokumentációk mind katonai vagy kormányzati alkalmazottaktól származnak, tehát ha a hadseregen és a kormányon kívüli személyek hiába láttak esetleg érdekes jelenségeket, anyagaik akkor sem kerülnek fel a honlapra.

Ma is ugyanazokat az UAP-ket látjuk, még mindig nem tudjuk, hogy mik, a kormánynak pedig fogalma sincs a probléma nagyságáról. Közben katonai és kereskedelmi pilóták is találkoznak UAP-kkel, aztán az esetek zöméről semmilyen beszámoló nem készül – állítja az ex-pilóta és az UFO visszaéléseket bejelentő, feltáró kongresszusi személy, Ryan Graves.

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.