A genfi CERN, az Európai Nukleáris Kutatási Szervezet lemeztár-kapacitása meghaladja az egymillió terabájtnyi lemezterület küszöbét – derült ki a napokban.

Az intézmény adattára nemcsak a Nagy Hadronütköztetőt (LHC) szolgálja ki, hanem kísérletek és szolgáltatások online adatkezelést igénylő tömegét. Az adatkapacitást 111 ezer eszköz, főként merevlemezek és növekvő számú flash technikák szolgáltatják.

Ennyi eszköz egyértelművé teszi a gyakori hibákat, ezért a tárolásnak ellenállónak kell lennie, többféle adatvisszaállítási módszert kell használnia. A legtöbb lemezen fizikai adatokat tárolnak, és a CERN nyílt forrású szoftveres megoldása irányítja az egészet. Utóbbit azért hozták létre, hogy kiszolgálja az LHC extrém számításigényeit.

Miután az LHC közelgő nehézion-üzemmódjához bővítették a kapacitásokat, a tárolási infrastruktúrában újabb „minden idők” csúcsot döntöttek. Itt nemcsak az adatbőségről van szó, hanem nagyon komoly teljesítményről – hangsúlyozzák a kutatók.

A csúccsal az adatkezelő kapacitások markáns célját sikerült megvalósítani. A nagyteljesítményű tárolás új távlatai nyílnak meg.

A dél-koreai Alaptudományok Intézete és az IBM fizikusai adott felületen lévő egyedi atomokkal végeztek kvantumszámításokat. Most került sor először rá, tehát valóban úttörő megoldásról beszélhetünk.

A technika lényege, hogy pásztázó alagútmikroszkóp (STM) csúcsából érkező mikrohullámú jelek sugárzásával szabályozza a titánatomokat. A módszer aligha fog rivalizálni a Google és az IBM, valamint egy csomó startup által is alkalmazott, vezető kvantumszámítási lehetőséggel, ugyanakkor nagyon érdekes.

Kvantumtulajdonságok változatos vegyi elemekben, molekulákban történő tanulmányozására viszont mindenképpen jó. Bizonyos szinten, a természetben bármi „kvantum”, és elvileg kvantumműveleteket képes kivitelezni. A problémás rész a kvantumállapotok, a qubitek izolálása a környezeti zavaró tényezőktől, és a vezérlésük ahhoz, hogy képesek legyenek ilyen műveletek kivitelezésére.

A kutatók a természet eredeti qubitjével, az elektron spinjével dolgoztak. Az elektronok apró iránytűkként működnek, forgási irányuk csak – a klasszikus bit két értékének, a 0-nak és 1-nek megfelelő – fel-lel és le-vel írhatók le. De mielőtt mérnénk: az elektron spin lehetséges köztes állapotok folytonosságában, szuperpozícióban létezhet. Kvantumszámításokhoz ez a kulcs.

A kutatók titánatomokat szórtak egy teljesen lapos, magnéziumoxidból álló felületre. Ezt követően, az atomi felbontású STM segítségével feltérképezték az atomok helyzetét. A titánatomokat az STM hegyével mozgatták, hármat háromszögbe rendeztek közülük.

Az STM csúcsáról küldött mikrohullámú jelekkel az egyik titánatomban irányítani tudták az egyedi elektron spinjét. A mikrohullámok frekvenciájának megfelelő hangolásával annak spinje is kölcsönhatásba léphet a másik két titánatom spinjével. Valahogy úgy, ahogy több iránytű is hat egymásra mágneses terükön keresztül. Ezzel pedig egyszerű, két qubites kvantumműveletet végeztek el. Az egész nanomásodpercekig tartott, sokkal gyorsabb volt, mint minden más qubit-típussal.

A kutatók elmondták, hogy a technológia viszonylag simán bővíthető száz qubitig, afelett viszont már sokkal több nehézséggel szembesülnének.

Az Északnyugati Egyetem (Evanston, Illinois állam) kutatói kifejlesztették a világ első, szinte a semmiből, például szappan méretű téglatestből használható robotokat tervező mesterséges intelligenciáját.

A teszthez egyszerű promptot adtak meg neki: tervezzen lapos terepen járó robotot. Ennyi volt az ember előkészítő munkája, a humán input, az ötletet már az MI váltotta valóra.

Míg a természetnek évmilliárdokba telt, amíg megjelentek az első járó fajok, addig az új algoritmus néhány másodpercbe sűrítette, fénysebességre pörgette fel az evolúciót.

Az MI-algoritmus azonban nemcsak gyors, hanem szuperszámítógép, számítógép-klaszter helyett pehelykönnyű személyi számítógépen fut, és szinte a semmiből talál ki új szerkezeteket. Ezek a tények azért figyelemreméltók, mert éles ellentétben állnak a többi hasonló MI-rendszerrel.

Nekik általában energiaéhes szuperszámítógépekre és kolosszális méretű adatsorokra van szükségük. Ráadásul csak már meglévő munkákat képesek lemásolni, utánozni velük, és a kreativitás csúcsaként, maximum valami mixet készítenek belőlük, de nem teremtenek teljesen újat.

A kutatók instant evolúciónak nevezték el a folyamatot, majd az MI tervrajza alapján építették a robotot. A kutatást vezető Sam Kriegman 2020-ban fejlesztett xenobotjai voltak a világon az első teljes egészükben biológiai sejtekből alkotott élő robotok.

Kriegman és munkatársai a mesterséges élethez vezető út legújabb lépését látják mostani mesterséges intelligenciájukban. Maga a robot kicsi, kusza, torz, és nem is élő, hanem szervetlen anyagból készült. De ennek ellenére a mesterséges intelligencia által létrehozott eszközök új világát jelzi, és – az állatokhoz hasonlóan – önállóan tud mozogni környezetében.

„Amikor az emberek ránéznek a robotra, azt mondják, hogy használhatatlan kütyü. Én viszont egy teljesen új organizmus születését látom benne” – magyarázza Kriegman.

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.