Amikor az Univerzum legnagyobb csillagjai kifogynak az energiából, szupernovaként felrobbannak, befelé omlanak szét, neutroncsillagot, fekete lyukat hagyva maguk után, vagy teljesen elpárolognak. A robbanás belsejében történteket nehéz, az úgynevezett egzotikus szupernovákat, a legritkább és legfényesebb csillagrobbanásokat még nehezebb megérteni.

Csillagászok masszív szuperszámítógépeket használnak ritka szupernovák dinamikájának jobb megértéséhez. A folyamatot szimulálják.

Hosszú évek kutatásai, többmillió szuperszámítógépes számítási idő után, tajvani, amerikai és japán kutatók elkészítették az első 3D hidrodinamikus szimulációt egzotikus szupernovákról. Az ötmillió óra ugyan közel hatszáz év, viszont mivel a számításokat sokezer párhuzamosan dolgozó gép végezte, nem tűnik olyan óriási időnek.

Ezek a ragyogó és erőteljes robbanások hatalmas csillagok életének végét jelentik, és a tudósok most már viszonylag átfogó ismeretekkel rendelkeznek a jelenségekről. A szupernovák többségénél belső fényességük jól ismert, és tudósok ezért számítógépes modelleket tudtak készíteni a robbanáskor történtekről.

Az utóbbi évek nagyléptékű szupernova-megfigyeléseiből újfajta kozmikus robbanásokra figyeltek fel. Egyikük tízszer-százszor fényesebb, mint az átlagosak, és nagyon sokáig tart. Ezek az egzotikus szupernovák, és a ritka jelenségek kikezdik a szupernova-fizika megértését.

A szabályos szupernovákat a náluk mintegy százszor fényesebb szuperfényes szupernovákkal összevetve, előbbiek tipikusan csak néhány hétig, hónapig tartják meg a fényességüket. A szinte végtelen fényűek viszont évekig vagy még tovább. Más egzotikus szupernovák fényereje szabálytalan, időszakonként változik.

Az egzotikus szupernovák „elkövetői” a Napnál kb. 80-140-szer nagyobb tömegű csillagok. A róluk összegyűjtött minél nagyobb ismeretek kulcsok lehetnek az Univerzum legóriásibb csillagjai evolúciójának megértéséhez.

A modellezés azonban komoly kihívás, ráadásul a jelenlegiek többsége erősen korlátozott, mert a szimulációk csak egydimenziósak.

Csúcstechnológiás szuperszámítógépes szimulációval, többmillió óra számítási idővel a kutatók viszont modellezték, hogy az egzotikus szupernova-robbanás belsejében lévő turbulens szerkezetek hogyan befolyásolják a teljes szupernova fényességét, robbanását. Kiderült, hogy a nem szabályos folyadékmozgásból teremtődött turbulencia kulcsfontosságú a komplex dinamikához vezető folyamatokban.

A turbulens szerkezetek összekeverik, eltorzítják az anyagot, befolyásolják az energiakibocsátást és -továbbítást, így pedig hatnak a szupernova fényességére és kinézetére.

A kvantumszámítások a számítástudomány egyik legígéretesebb és legdinamikusabban fejlődő területe, többek szerint – a mesterséges intelligenciával együtt – a jövő nagy reménysége.  A fejlődés tempójáról sokat elárul, hogy a világmédia szinte minden héten hírt ad valamilyen izgalmas fejlesztésről, most például Japánból.

A kvantumszámítógépek gyorsabban működnek ha kicsi kvantumhűtőket tartalmaznak – állapította meg Teruaki Yoshioka, a Tokiói Tudományegyetem kutatója.

A kvantumkomputer kvantumbiteket (qubiteket) használva dolgozza fel az információt, amelyeket a futó programok között speciális állapotba kell visszaállítani. A lassú visszaállítási idők Yoshioka szerint számítási szempontból szűk keresztmetszetekké válhatnak. Ez különösen akkor érvényes, ha lassabbak, mint a kvantumszámítógép működési sebessége.

A probléma kezelésére a kutató és munkatársai az alaphelyzetbe állítást lerövidítő módszert dolgoztak ki. A rövidítést nanoméretű kvantumáramkör-hűtővel (quantum circuit refrigerator, QCR) érték el.

A kivitelezéshez előbb létrehoztak egy „qubitet egy chipen” (qubit on a chip), majd kicsi rezonátort és alumínium-réz kvantumáramkör-hűtőt adtak hozzá. A rezonátor rezonanciát vagy rezonáns viselkedést mutató eszköz vagy rendszer. Bizonyos frekvenciákon (rezonanciafrekvenciákon) nagyobb amplitúdóval oszcillál, mint másokon. Rezgései egyaránt lehetnek elektromágnesesek és mechanikusak.

Amikor a qubit állapota túl „energetikus” volt egy számítás elvégzéséhez, a kutatók az energia egy részét „átadhatták” a rezonátornak, amely fényrészecskévé alakította azt. A kvantumáramkör-hűtőben egy elektron elfogta a részecskét, a qubitet lehűtötte, és körülbelül – a csúcsteljesítménynek számító – száz nanoszekundumra csökkentette a visszaállítási időt. (A nanoszekundum a másodper egymilliárdod része.)

Képzeljük el, hogy egy robot sűrű erdőben, túl nagyra nőtt növények között keresi a kiutat. Nincsenek használható fogódzói, mert a táj vagy változik, vagy mert miden teljesen egyformának tűnik. Hogyan lehet ilyenkor segíteni neki, hogy emlékezzen: hol van, hol volt, és felismerjen helyeket, ahol már járt korábban?

Az Edinburghi Egyetem kutatói a hangyák agyszerkezetét utánzó új mesterséges idegháló fejlesztésével igyekeznek segíteni robotoknak komplex természeti környezetek, például kukoricatáblák útvesztőinek, járatainak felismerésében, memorizálásában.

Ezzel a megközelítéssel sokat javulhat a növényekkel teli, sűrű tájakon keresztül mozgó mezőgazdasági robotok teljesítménye.

Viszonylag kicsi érzékelő- és idegrendszerük ellenére, a hangyák közismerten jól tájékozódnak. Vizuálisan ismétlődő környezetekben, például erdőkben vagy füves térségekben agyuk gombaszerű idegszerkezeteivel megtanulják, aztán követik az utakat. Ezek a szerkezetek segítik őket képi mintázatok detektálásában, tér-időbeli emlékek tárolásában.

A hangyák biológiai mechanizmusai által inspirált edinburghi kutatók külső, természetes környezetben vizuális szekvenciák gyűjtéséhez fejlesztettek eseménykamerát egy robothoz, a tér-időbeli memóriához pedig a hangyák gombaszerű agyi „áramköréhez” hasonló neurális algoritmust alkalmaztak.

A biológiai idegsejtek funkcióját és szerkezetét emulálták a memória kódolásához, míg a tüzelő idegháló alacsony fogyasztású neuromorfikus számítógépen futott.

A modellt különböző utakon és beállításokkal tesztelték, és kiderült: az eseménykamera felvételei alapján valósidőben képes kiértékelni a vizuális hasonlóságokat, működik az útfelismerés és a képalapú navigáció, ráadásul robusztusabbnak is bizonyult egy másik – hagyományos – úttanuló módszernél.

A kutatók szerint a hangyák ihlette neurális modell olyan mezőgazdasági robotoknál lehet hasznos alkalmazás, amelyeknek a sűrű vegetáció komoly kihívást jelent. Más szenzorikus megoldások, például a szaglás és a hallás integrálásán is gondolkoznak, hogy a robot még jobban érzékelje környezetét.

A gépi tanulás egyik abszolút szaktekintélye, Andrew Ng vállalata, az AI Fund már a ChatGPT tavaly novemberi berobbanása előtt foglalkozott a GPT-3 nagy nyelvmodellel (large language model, LLM), és kereste a lehetőséget, hogy mit lehetne ráépíteni.

Ng meggyőződése, hogy működő kapcsolatot nem találunk, hanem kialakítunk, tehát partnerkereső alkalmazások helyett, a mesterséges intelligencia inkább a kapcsolatok kialakításában, működtetésükben segítsen.

Megismerkedett Renate Nyborggal, a Tinder korábbi vezérigazgatójával, és még a ChatGPT indulása előtt elkezdtek dolgozni az ötleten, az OpenAI chatbotja viszont új lendületet adott az először Amorai, most pedig Meeno néven futó projektnek. Az AI Fund LLM-ismeretének és Nyborg emberi kapcsolatokra vonatkozó tudásának közös nevezőre hozása eredményezte a társas viszonyok kezelésében segítő kapcsolat-mentort.

Meeno nem szintetikus romantikus partner, mint a Her (A nő) láthatatlan mesterségesintelligencia-főszereplője. Jobb kapcsolatok építésében támogat személyeket. Ha valaki megkérdezi, hogyan kezelje a szakítást, őszinte és empatikus, de tárgyilagos válaszokat ad rá, nem hitegeti. Ng szerint bizonyos ideig tartó használat után remélhetőleg már nem lesz szükségünk az útmutatásaira.

A szakember több szempontból is reménykedve várja Meeno tevékenységét.

Egyrészt azért, mert egy ideje aggodalommal tölti el a „szintetikus barát/barátnő” ipar: a chatbotok egyre inkább úgy viselkednek, mint a felhasználó romantikus partnere, mintha valódi érzelmek lennének közöttük. Időnként aztán vissza is élnek az érzelmekkel, és profitot próbálnak termelni belőlük, például anyagiak ellenében ajánlanak fel képeket és hasonlók.

A televízió, majd napjainkban a közösségi média rengeteg időt vesz el tőlünk, és ezt az időt többek között kapcsolatépítésre használnánk. Ng ezért is tart attól, hogy mi lesz akkor, ha a szintetikus romantikus partnerek még inkább helyettesítik majd a húsvér embereket.

Az elmagányosodás, az egyedüllét mind inkább meghatározzák a mai társadalmat, súlyos fizikai és mentális következményekkel járhatnak. Meeno pozitív hatással lehet ezeknek a problémáknak a kezelésére.

A Hamasz Izrael elleni terrortámadását követően, a válság elmélyülésével, a háborúval párhuzamosan a szabályozók elképedt szemekkel nézik, mi történik a ma X névre hallgató, sokkal szebb – Elon Musk előtti – napokat is megélt Twitterrel.

A platform tele van manipulált és hamis képekkel, videókkal. Mivel a tavalyi tulajdonosváltáskor Musk kizsigerelte a munkaerőt, a tartalommoderáló szekció zömét pedig a „szólásszabadság jegyében” szélnek eresztette, az X moderálási lehetőségei korlátozottak.

Thierry Breton, a belső piacért felelős európai uniós biztos illegális tartalom és dezinformáció EU-n belüli terjesztésével vádolja a platformot, és Muskot huszonnégy órán belüli válaszra utasította. Felszólította, hogy rendszerei legyenek hatékonyak, és pontosan számoljon be a megtett válságintézkedésekről.

Musk gyorsan reagált, és nem meglepő módon a szokásos „nálunk minden átlátható, minden nyílt forrású, megközelítésünket az EU is támogatja” szöveggel, magára a kérdésre pedig annyit reagált, hogy Breton sorolja fel az X-en található erőszakos, manipulatív anyagokat, hogy a nyilvánosság is láthassa azokat.

„Az Ön dolga, hogy bizonyítsa, amit beszél” – reagált rá Breton, aki nyilván tisztában van azzal, hogy egy, közben már törölt bejegyzésben Musk a múltban közismerten veszélyes hazugságokat terjesztő, antiszemita kommenteket író fiók követésére buzdította az X felhasználóit. Egyébként is „laissez faire” stratégia ide, „laissez faire” stratégia oda, Musk nem a megoldás, hanem a probléma egyre súlyosabb része.

Egyelőre nem egyértelmű, hogy együttműködés hiányában az Európai Bizottság lép-e valamit, és ha igen, akkor mit az X ellen. A DSA (Digital Services Act) alapján a havi minimum 45 millió aktív felhasználó által látogatott közösségi platformnak figyelnie kell és el kell tüntetnie az illegális tartalmakat. Ha nem tartják be, globális forgalmuk maximum hat százalékával büntethetők, ami súlyos csapás lenne az anyagi gondokkal küszködő X-re.

Végül az X mégiscsak reagált, és gőzerővel tünteti el a Hamasz-propagandának minősülő anyagokat.

A generatív művészek kódban dolgoznak. Processing-típusú programozási nyelveket vagy szövegből képet készítő MI-eszközöket használva, az expresszív szemantikát színes mintázatokra vagy szürrealisztikus tájakat alkotó kódsorokká fordítják le.

A kódolás művészete azonban időigényes, bonyolult folyamat. A javítás iteratív, próba-hiba jellegű, gyakran dühítően átláthatatlan interfészekkel. Digitális művészekkel kreatív frusztrációikról készített interjúk után, a Stanford Egyetem kutatói az ötletelési és az editálási folyamatot javító eszközzel álltak elő.

A művészi fantázia számítógépes kódra fordítása időigényes és nehéz folyamat. Egy nagy nyelvmodell jó kiindulási pont lehet (ezúttal a GPT-4 volt az alap), viszont ha a művész különböző textúrákat, színeket vagy mintázatokat akar felfedezni, még jobban megismerni, kifinomultabb kontrollra vágyik, a modellek azonban nem rendelkeznek ilyennel, nem tudnak segíteni. Az új eszköz neve nem véletlenül Spellburst, azaz varázslat, mert tényleg segít az alkotónak a szemantikus tér és a kód közötti zökkenőmentes váltásban.

Inputként megadjuk a kezdő promptot, például: „gyönyörű fényes rózsacsokor üvegképe.” A modell erre legenerálja a kódot, hogy megjelenítse a szöveget. De mi van, ha a virágok túl rózsaszínűek, vagy az üveg nem stimmel?

A művész ilyenkor megnyithat egy, az előző promptot használva létrehozott, dinamikus elemeket tartalmazó panelt. Ezekkel változtathat a képen, vagy módosít a szövegen, például sötétkék rózsákat ad meg. Különféle változatokat, például a negyedik csokorját a kilencedik vázájával keverheti össze, promptalapú felfedezésről programszerkesztésre válthat. A képre kattintva, látja a kódot, ami részletesebb finomhangolást tesz lehetővé.

A Spellburst fejlesztése előtt tíz kreatív kódolót kérdeztek meg ötleteik kidolgozásáról, munkafolyamatokról, legnagyobb kihívásokról, a tesztelést pedig generatív művészekkel végeztették el. A visszajelzések egyértelműen pozitívok voltak.

Az eszköz persze nem hibátlan. Egyes promptoknál meghökkentő az output, a változatok időnként furcsán keverednek össze, de a Spellburst mindezek ellenére ígéretes, hamarosan nyílt forráskódúvá fogják is tenni.

A Toyota Kutatóintézet (TRI) generatív mesterségesintelligencia-módszerével új és javított ügyesség-készségeket gyorsan, hatékonyan lehet robotoknak megtanítani. Az intézet szerint megközelítésük sokat segít a robot-ember együttműködésben, robot-ember közös munkavégzésében.

Elmondták, hogy a gépekkel nem helyettesíteni, hanem erősíteni akarják az embert. Bizonyos feladatok elvégzésében, különféle környezetekhez történő alkalmazkodásban segítő adatokat, készségeket adnak át nekik.

A megközelítés programozástól, mélytanulásig, MI-ig számos technikát magában foglaló multidiszciplináris terület.

A legfrissebb robottanítási módszerek rengeteg időt kívánnak, általában nem hatékonyak, speciálisan leírt tevékenységekre korlátozódnak. A robot tevékenységét specifikáló kódírás rugalmasságot nem igénylő, pontosan definiált feladatok elvégzéséhez jó, a gépek viszont korlátozottak maradtak, mindennapos forgatókönyvekben egyáltalán nem működtek.

Az új viselkedésmodell „tapintás-tanár” bemutatóin, objektumok szóbeli leírásain tanul. A megközelítés nemcsak megbízható, újból létrehozható és eredményes kimeneteket generál, hanem nagyon gyors is.

A kutatók szerint egyszerűen döbbenetes, hogy mire képesek a robotok. Nemhogy öt-hat, hanem egy éve sem volt fogalmuk arról, hogy idáig eljuthatnak. Most viszont majdnem elsajátították a legváltozatosabb ügyesség-készségeket is.

Új szkillek korábbiakhoz való hozzáadásának a tempója és megbízhatósága meglepetést okozott a fejlesztőknek. A robotok végül még deformálódott tárgyakkal, ruhákkal és folyadékokkal is elboldogultak. Hagyományos technikákkal az összes ilyen feladatot képtelenek voltak elvégezni.

Eddig hatvannál több, kifinomult és ügyességet igénylő készséget sajátítottak el. A TRI azt szeretné, ha 2024 végén már ezernél tartanának.

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.