Az önvezető járműveknek a sarokban parkoló kamiontól a kereszteződés felé száguldó kerékpárosig, gyorsan és pontosan fel kell ismernie a környezetében lévő objektumokat. Masszív gépilátás-modellt kell használnia hozzá, hogy a jelenet nagyfelbontású képének összes pixelét tudja kategorizálni, mert csak így nem veszíti szem elől a – gyengébb minőségű képeken homályos, takart – tárgyakat.

Az MIT (Massachusetts Institute of Technology) és az MIT-IBM Watson AI Lab kutatói a feladat számítási komplexitását jelentősen csökkentő, az eddigieknél hatékonyabb gépilátás-modellt fejlesztettek.

A modell korlátozott hardveres erőforrással rendelkező eszközön is képes pontos szemantikai szegmentációt valósidőben végezni. Ilyen eszköz lehet például a pillanat törtrésze alatti döntéshozás lehetőségét megadó fedélzeti számítógép.

A legfejlettebb szemantikus szegmentáló modellek közvetlenül tanulják meg a kép minden egyes pixele közötti interakciókat. Nagyobb képfelbontással a számítások is jócskán növekednek, így a modellek ugyan pontosak, viszont „edge” eszközökön, például szenzorokon vagy mobiltelefonon túl lassúak nagyfelbontású képek valósidejű feldolgozásához.

A kutatók a legfejlettebb modellekkel azonos képességekkel rendelkező, viszont csak a lineáris számításokkal azonos komplexitású, tehát „hardverhatékony” műveletekre kész, új „építőelemet” terveztek szemantikus szegmentálókhoz. A nagyfelbontású gépi látáshoz fejlesztett modell, mobileszközre telepítve, kilencszer gyorsabb a korábbiaknál, viszont ugyanolyan pontos.

A modellből biztos, ami biztos alapon, teljes sorozatot készítettek.

A technológiával nemcsak önvezető járművek valósidejű döntéshozása, hanem más nagyfelbontású gépilátás-feladatok, például orvosi képek szegmentálása is javítható.

Képzeljük el, hogy nehéz tárgyat, például csőkulcsot fogunk meg egy kézzel. Valószínűleg nemcsak az ujjvégekkel, hanem teljes ujjainkkal fogjuk. A bőrünkben lévő, mindegyik ujjunk teljes egésze mellett futó szenzorikus receptorok a megfogott tárgyról küldenek információt az agyban.

Egy robotkézben tapintási szenzorok kamerákkal szereznek infókat a megfogott tárgyakról. Kicsik és laposak, gyakran az ujjbegyekben helyezkednek el. Ezek a robotok – ellentétben az emberrel – csak az ujjbegyet használják tárgyak megragadására, jellemzően csípőmozdulattal. Így viszont korlátozottak a gép által végrehajtható feladatok.

Az MIT (Massachusetts Institute of Technology) kutatói kamera-alapú érintőszenzort fejlesztettek. Az érzékelő hosszú, ívelt, alakja olyan, mint az emberi ujjé. Nagyobb területen is képes nagyfelbontású érintőérzékelésre. A GelSight Svelte nevű szerkezet két tükörrel veri vissza és töri meg a fényt. Az érzékelő alján lévő egyik kamera mindent lát a teljes ujj mentén.

A rendszert rugalmas gerinccel alakították ki. Mérik, hogy a gerinc mennyire hajlik meg, amikor az ujj hozzáér egy tárgyhoz. Ebből számítják ki a szenzorra kifejtett erőt.

Az érzékelők, az emberhez hasonlóan nehéz tárgyakat megmarkoló robotkar építéséhez használhatók. Ilyenkor mindhárom ujja teljes érzékelőterületét használja. A kéz természetesen a hagyományos robotmarkolóknál megszokott szorítófogásokra is képes.

Mivel az új szenzor alakja olyan, mint az emberi ujjé, különböző feladatok különféle markolásmódszereihez használható, azaz nem egyetlen technikát alkalmaz mindenre.

A szenzor új lehetőségeket nyit meg tárgyakat módosító, robotokkal végzett feladatokban.

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.