Képzeljük el, hogy egy chatbottal közöljük: nem kaptuk meg a csomagot, amit az őt foglalkoztató cég küldött. Mire a chatbot „el vagyok ragadtatva, hogy segíthetek”, vagy „boldog vagyok, hogy megoldhatom a problémát.” Aztán jön egy üzenet az interakcióra vonatkozó kérdéssel: mennyire voltunk elégedettek vele, ötös, tízes skálán hányasra értékeljük?

2025-re a vállalatok 95 százaléka fog MI-alapú chatbotot alkalmazni, és ugyan a zömük nem lesz intelligens, viszont mindet lehet érzelemkifejezésre programozni. Kérdés, hogy ez mennyire lesz jó a cégeknek.

Régóta elfogadott tény, hogy az ügyfélszolgálaton dolgozó emberek javítják az interakciót, ha pozitív érzelmeket fejeznek ki. A Georgia Technológiai Intézet kutatói kíváncsiak voltak, hogy a beszélgető botok esetében is ugyanez a helyzet, vagy sem.

Kiderült, hogy csak akkor, ha elvárjuk tőlük a pozitív megnyilvánulásokat, ha azok természetesek, különben nem. Minden attól függ, hogy az ügyfél mire számít a vele kommunikáló mesterséges intelligenciától.

A kutatók három felmérést végeztek, felmérésenként változtak a résztvevők és a forgatókönyvek, a chatbot majdnem mindig pozitív érzelmekre utaló jelzőt használt: izgatott, elragadtatott, boldog, örömteli. A jelzőt követő felkiáltójelek nyomatékosították az érzéseit.

Az elsőben azt tanulmányozták, hogy az ügyfél pozitívabban áll-e hozzá a pozitív érzésekhez, ha tudja beszélgetőpartneréről: bot vagy személy. Velük (155-en voltak) játszották el négy forgatókönyv alapján az elveszett csomag történetet: emberi ügyfélszolgálatos semleges, illetve pozitív érzésekkel, chatbot semleges és pozitív érzésekkel. Utána a szolgáltatás minőségéről, megelégedettségükről kérdezték a résztvevőket. Kiderült, hogy humán ügyfélszolgálatosnál előnyös volt a pozitív hangulat kifejezése, botok esetében viszont nem osztott, nem szorzott.

A másodikban azt vizsgálták, hogy az ügyfél személyes elvárásai meghatározzák-e a bot felé mutatott reakcióit. A 88 résztvevő véletlenszerűen pozitív és negatív érzéseket kifejező botokkal csevegett, majd megkérdezték őket: közösség- vagy tranzakció orientáltak, amit pontozniuk kellett. Előző esetben inkább kedvelték az „érzelmes” botokat, utóbbiban viszont a kommunikáció a vártnál is rosszabbra sikerült.

A harmadikban résztvevő, „érzelmes” és „nem érzelmes” botokhoz random kiválasztott 177 személy esetében azt vizsgálták, hogy a bot pozitív érzelmei miért befolyásolják az ügyfelet, miért kisebb a hatásuk a vártnál. A válasz egyszerű: mivel az ügyfél semmiféle érzelmet nem vár el egy géptől, negatívan reagálhat, ha mégis ilyennel szembesül.

Az érzelemkifejező botokkal való beszélgetés azért is komoly kihívás a fejlesztőknek, mert a gép nem ismerheti előítéleteinket, és hogy mit várunk az interakciótól.

A virtuális valóság (Virtual Reality – VR) ugyan nem vált olyan mindennapos technológiává, mint lényegében folyamatosan prognosztizálják, viszont túl az elenyésző átlagfogyasztói felhasználáson (nem rohangászunk sisakban, headsettel az utcán), számos területen hasznosulásra kerül, oktatási és kutatótevékenységekben alkalmazzák.

Legújabban például olyan VR-szoftver fejlesztettek, amely a rákellenes küzdelem fontos eszközévé válhat.

Az angliai Cambridge Egyetem videojáték-fejlesztői és rákkutatói ugyanis összeálltak, hogy ráksejtek táblázatok formájában tárolt adatait nagyon részletes virtuálisvalóság-képekké alakítsák át. A vizualizálással az a céljuk, hogy orvosok jobban megértsék a beteg állapotát, és átlássák, hogyan kezeljék a betegséget.

A felsőoktatási intézmény IMAXT Laboratóriumában az agyat igencsak megtornásztató számokat és adatokat alakítottak át 3D-s képekké tumorokról. A képek alapján kutatók jóval könnyebben megkülönböztetik egymástól a ráksejteket. Ez azért is lehetséges, mert mindegyik sejttípusnak más a színe és a formája.

Headsettel – sisakkal – a fején, a szakember a beteg tumorját belülről látja, „benne van”, és így egyszerűbb megítélnie, mennyire súlyos az illető állapota, mennyire előrehaladott a betegség. Az eszköznek pontosan ez a célja, hogy az orvos jobban lássa páciensét, és ennek megfelelően kezelje a rákot.

A fejlesztést az Egyesült Királyság és az Egyesült Államok nemzeti rákkutatási központjai által támogatott Cancer Grand Challenges globális platform finanszírozta. A platform ezirányú munkájában britek és amerikaiak mellett kanadai, ír és svájci tudósok is részt vettek.

„Sokkal egyszerűbb észrevenni a különbségeket, megfigyelni jellegzetességeket, sajátosságokat, ha valamit belülről, és nem táblázatokat vagy fénylépeket nézve vizsgálunk. Láthatjuk, hogy egy bizonyos típusú sejt hogyan lehet véredény vagy más sejt mellett, ami nagyon fontos lehet a beteg jövőjére vonatkozóan” – nyilatkozta Own Harris, az IMAXT Laboratórium vezető videojáték-tervezője.

Greg Hannon, a Cambridge Egyetem Rákkutató Intézetének igazgatója szerint a VR-eszközzel jobban előrejelezhető a betegség kimenetele, mint más technikákkal.

A Stanford Egyetem friss tanulmánya szerint a kódgeneráló mesterségesintelligencia-rendszereket használó szoftvermérnökök nagyobb valószínűséggel okoznak biztonsági problémákat az általuk fejlesztett alkalmazásokban, mintha MI nélkül dolgoznának. A potenciális buktatókra pont akkor hívták fel a figyelmet, amikor egyes gyártók, például a GitHub gőzerővel kezdte marketingelni ezeket a rendszereket.

Egyelőre nem helyettesíthetik a humán fejlesztőket – figyelmeztet a tanulmány. Az azokat szakterületükön kívüli dolgokra, illetve a munkájuk felgyorsítására használó mérnököknek mindig alaposan ellenőrizniük kellene az outputot, és hogy az MI kódgenerálót milyen környezetben használták.

A tanulmány külön figyelmet szentelt az OpenAI Codexének. Negyvenhét fejlesztőt kértek fel a használatára, Pythonban, JavaScriptben és C-ben kellett megoldaniuk biztonsági problémákat. Kiderült, hogy az MI-t nem használó kontrollcsoporttal összehasonlítva, a Codex-szel dolgozók gyakran írtak pontatlan vagy nem biztonságos megoldásokat, ráadásul biztosabbak voltak, hogy nem biztonságos javaslatuk biztonságosabb volt a kontrollcsoport egyébként biztonságos opciójánál.

Az eredményekkel a stanfordi kutatók nem akartak pálcát törni a Codex és a többi MI-s kódgeneráló felett, hanem a gyenge pontjaikra akartak figyelmeztetni. Ezek a technológiák egyébként biztonságosak a nagy kockázattal nem járó munkákhoz, plusz finomhangolhatók is – emelték ki.

A GitHubnak és más eladóknak azt tanácsolják, hogy találjanak ki a promptokat jobban pontosító megoldásokat, a titkosítási könyvtárakkal dolgozó mérnökök pedig bizonyosodjanak meg alapbeállításaik biztonságáról, ami azért fontos, mert a kódgeneráló rendszerek általában ragaszkodnak ezekhez a beállításokhoz.

A tanulmány szerzői elismerek, hogy az MI segítségével történő kódgenerálás valóban érdekes, hasznos, és sokakat hoz izgalomba, ugyanakkor nem árt, ha mindenki tisztában van a hiányosságokkal. Sok munkára van még szükség a problémák feltárásához, és az azokat megoldó technikák kidolgozásához.

Kezdő fejlesztők oktatásához viszont nem ajánlják ezeket az eszközöket, mert at MI egyelőre nem helyettesítheti a masszív kódolási gyakorlatot.

Robotporszívónk nemcsak figyel minket, hanem időnként képeket rögzít rólunk, és a személyes pillanatainkat megörökített fotók akár az online nyilvánosságba is eljuthatnak. Legalábbis az iRobot hihetetlenül népszerű, legendás Roomba gépének J7 (speciális) változatával ez történt.

2020-ban venezuelai alkalmi dolgozók online beszélgető fórumokon tettek közzé földközeli kameraszögből felvett, a rajtuk látható személyek intim pillanatait (az egyik hölgyet mellékhelyiségben) megörökítő fényképeket.

A képek felvétel után az audió és vizuális anyagokat világszerte felcímkéző személyeket alkalmazó Scale AI startuphoz kerültek. A címkéket és az anyagokat mesterséges intelligenciák gyakoroltatására használják. A szivárogtatók is ezt az alkalmi munkát végezték, és közben megszegték előzetesen aláírt titoktartási kötelezettségüket.

Ilyen anyagokat az internethez kapcsolódó berendezések, háztartási eszközök egyébként rendszeresen rögzítenek, majd a számítási felhőbe továbbítanak. Az adatrögzítés célja elvileg az, hogy a fejlesztők a továbbiakban javíthassanak a rendszereken. Az ottani tárolás és hozzáférés viszont nagyon szigorúan kontrollált.

Az Amazon által 1,7 milliárd dollárért pont most „felvásárlásban lévő” iRobot a világ elsőszámú robot-porszívó értékesítője elismerte, hogy a 2020-os képeket Roomba készítette.

Az iRobot elmondta, hogy a szóban forgó porszívók hardverét és szoftverét is módosították, a gépeket fizetett gyűjtőknek és alkalmazottaknak adták, nem kerültek kereskedelmi forgalomba. A porszívó jelezte, ha felvétel volt folyamatban, a tulajdonosok pedig Roomba további tökéletesítésére elküldték az anyagokat a gyártóhoz. Természetesen csak azokat, amelyeket el akartak küldeni.

Tehát a fejlesztő azt gondolja, hogy a nyilvánosságra került anyagok alanyai hozzájárultak Roomba általi megfigyelésükhöz. A beleegyezési nyilatkozatot, és a fizetett gyűjtők, alkalmazottak nevét viszont nem árulta el.

Sajnos elképzelhető, hogy a szóban forgó képek csak a jéghegy csúcsát jelentik, mert az internethez kapcsolódó háztartási berendezéseink rengeteg személyes adatot gyűjtenek rólunk.

A többszáz különböző feladatot általánosító, kezelő algoritmusoknak csak a kezdeti szakaszában vagyunk, gyerekcipőben járnak még, 2022 több fejlesztése viszont bizonyította: a mélytanulásban (deep learning) megvan a potenciál hozzájuk. Ha felgyorsulnak és eredményesek lesznek az ezirányú fejlesztések, közelebb kerülünk az általános mesterséges intelligenciához.

A több feladatra (multi-task) használható modellek lehetőségei – a feladatok száma – drámai mértékben bővültek. Kutatók a mesterséges ideghálók által elsajátítható adottságok kereteit feszegették, és a fejlesztések 2023-ban nyilván folytatódnak.

A nagy nyelvi modellek emergens módon kialakuló képességei jelentették az inspirációt. Másrészt, ezek, a szövegeken és képeken gyakoroltatott modellek ma már meg tudják találni a két különböző adattípus közötti kapcsolatokat. Harmadrészt, ahhoz, hogy ugyanaz a modell előbb verset, majd számítógépes programot írjon, nem kell áthangolni az architektúrát.

A Google PaLM modellje demonstrálta, hogy nyelvmegértéssel és szöveggenerálással kapcsolatos, többszáz feladatot néhány lépés alatt képes megoldani. Egyes esetekben az ezekre a célokra finomhangolt modelleket és az embert is felülmúlta.

A DeepMind (spanyolul macskát jelentő) Gato transzformere hatszáznál több változatos feladat kezelését tanulta meg: Atari játékok használatát, építőkockák egymásra rakását, robotkar alkalmazását, képaláírások generálását stb. Egyelőre nem annyira jó bennük, mint a külön-külön egyikre, másikra trenírozott modellek, viszont már maga a tény is figyelemre méltó.

A rendszert felügyelet melletti tanulással gyakoroltatták, szimultán használt hozzájuk sok és nagyon különböző adatsort. Ezeket a képi, szöveges, cselekvés stb. adatsorokat megerősítéses tanuláson alapuló ágensek generálták.

A Google kutatói a robotikára is próbálják alkalmazni az új megközelítést. Az RT-1 transzformer lehetővé teszi, hogy egy robot hétszáznál több feladattal boldoguljon. A cselekvésekből és a képekből tokeneket generáló rendszer másfél év alatt összegyűjtött adatsoron tanult. Az adatsorban robotflottákról szóló 130 ezer epizód található. Korábbi technológiákkal összevetve, feltűnően jól teljesített.

2022 a mesterségesintelligencia-történelem egyik szó szerint is leglátványosabb éve volt. Szinte emberi szintű szövegeket, képeket és kódokat generáló rendszereket ismertünk meg. Ezek a rendszerek komoly kérdéseket vetnek fel a kreativitás jövőjével kapcsolatban.

Vegyi és fizikai folyamatokat megfejtő modellek tudományos felfedezésekhez vezettek, míg a kormányok igyekeznek egyre inkább ellenőrzés alatt tartani az ezeket az újításokat lehetővé tevő mikroprocesszorokat.

A sok újdonság közül is kiemelkednek a 2022-es innováció legfőbb terepét jelentő képtechnológiák. Az MI által készített képek virálissá váltak, komoly vitákat kavartak, és még több befektetői pénzcsapot nyitottak meg.

A szövegből képet generáló (diffúziós) rendszerek új nemzedéke rengeteg kísérletre inspirált felhasználót és fejlesztőt, néhány szavas szöveges leírásokból (promptokból) döbbenetes művészi erejű, fotorealisztikus fantáziaképek, alkotások születtek. Vállalatok gyorsan le is csaptak a technológiára, az MI-s képgenerálást alkotó/editáló szoftvereikbe integrálták.

Könnyen kezelhető felhasználói felületük, szórakoztató outputjuk, nyílt „természetük” miatt 2022-ben ezek a képalkotó modellek váltak az MI nyilvános arcává.

A Microsoft által az exkluzív kereskedelmi jogok ellenében anyagilag támogatott OpenAI DALL.E 2-je áprilisban jött ki, másfél millióan bétatesztelték, szeptemberben tették széles körben hozzáférhetővé. A redmondi cég AI, mint szolgáltatást (AI-as-a-Service) integrálta Azure platformjába.

Júliusban a viszonylag egyszerűbb Craiyon képei árasztották el a közösségi tereket, majd jött a Stability AI nyílt forrású Stable Diffusion modellje, novemberben pedig már a több mint százmillió dollár friss befektetői tőkével jutalmazott 2.0 változat. Az Adobe, a Getty Images és a Shutterstock saját termékeikbe és szolgáltatásaikba integráltak képgeneráló modelleket.

Mivel ezek a rendszerek a megadott promptok miatt drasztikusan különböző outputokat hoznak létre, többen rájöttek a szöveg alapú utasítások kidolgozásában rejlő üzleti potenciálra. A PromptBase online piacteret is nyitott erre a célra.

A sikernek megvannak a hátulütői is. Mivel a gyakorlóképeket a világhálóról gyűjtik össze a fejlesztők, bőven akadnak közöttük elfogultak, sőt, sértők is. A művészi avatárokat készítő (egyébként sikeres) Lensa AI fotószerkesztő app több felhasználója, elsősorban nők a túlzottan „szexualizáló” képekre panaszkodtak. Az ArtStation online művészi közösség – a szellemi tulajdon elsajátítását megakadályozandó – saját szöveg-text rendszert dolgozott ki, amelyet viszont sok művész, a nehezen kidolgozott stílusokat pillanatokon belül lemásoló program miatt bojkottál.

2023-ban a trend folytatása várható, állóképek után a mozgóképeken és tárgyakon lesz a sor, ezt vetítik előre a Google és a Meta szövegből videót generáló modelljei, illetve az OpenAI szövegből 3D objektumokat varázsoló rendszere.

Hosszú utat tett meg, rengeteg változáson ment keresztül az internet azóta, hogy a web feltalálója, Tim Berners-Lee 1989-ben elkezdte ezirányú kutatásait. Manapság egyre nagyobb a személyes szféra, a privacy védelme iránti igény, és egyre gyakrabban sértik meg azt. A feltaláló szerint itt az ideje, hogy visszaköveteljük a csak minket megillető adatokat.

Berners-Lee és John Bruce vezérigazgató Szilárd Tok, más néven Személyes Online Adattár startupja lehetővé teszi adataink egyetlen központi helyen történő tárolását, és onnan ellenőrizhetjük, hogy kik és milyen alkalmazások férhetnek hozzájuk. Most ugyanezek az adatok szanaszét a világhálón, változatos appokon és honlapokon találhatók.

A felhasználó néhány szolgáltatótól kaphat Tokot. Ezeket webszolgáltatások, mint például az Amazon hosztolja, de ha rendelkezünk a szükséges technológiai ismeretekkel, akár mi is megtehetjük. Az „ön-hosztolás” azért nagyon vonzó, mert személyes adataink feletti kontrollunk így a legteljesebb.

A tokok nemcsak az állammal és a nagyvállalatokkal, hanem a hackerekkel szemben is védelmet nyújtanak.

„Mindannyian rájövünk, hogy a web értékét a rajta elérhető adatok jelentik. Az új világban, amikor a sajátjainkra vigyázunk, a „nagy silókban” nem maradnak meg, mert azok jövedelmező támadások célpontjai” – jelentette ki Berners-Lee.

Platformjukat, Berners-Lee 2017-ben indult Inrupt technológiáját az Egyesült Királyság Nemzeti Egészségügyi Szolgálata és Belgium Flandria régiójának kormánya egyaránt teszteli, az utóbbi a tokokat arra próbálja alkalmazni, hogy a lakosság döntse el, miként kívánja használni személyes adatait.

A BBC októberben vezette be a tokokon alapuló kísérleti szolgáltatását, amelyben sok barát egyidőben streamel programot. Amikor a „parti” véget ér, a felhasználó láthatja, milyen adatok generálódtak, például ki milyen programot nézett, ki csatlakozott hozzá, ki törölte, ki szerkesztett rajta. De úgy is dönthet, hogy a BBC használja fel az egészet.

A BBC szerint az adatkezelés radikálisan új megközelítéséről van szó, Berners-Lee pedig a web új iterációjának, a Web 3-nak a születését látja benne.         

Ha Miamiban élünk, és legközelebb az Uber ételszolgáltatásától, az Uber Eats-től rendelünk valamit, mondjuk, a karácsonyi ebédet, elképzelhető, hogy a kaját nem húsvér ételfutár, hanem robot szállítja ki.

A szolgáltatás december tizenötödikén indult, és a géppel történő házhozszállítás a fuvarozócég és a Cartken robotikai vállalat friss partnersége miatt vált lehetővé. A megrendelőt ugyanúgy értesítik, hogy az étel úton van, mint eddig, aztán viszont másra is felhívják a figyelmét.

Az üzenetből megtudja, hogy távolból irányított robot közeledik felé az utcán, az appban képeket is lát róla. Ha megérkezik, a megrendelő okostelefonjával „felnyithatja” a gépet, és egy biztonságos rekeszből kiveheti az ételt. (Persze, ha semmiféle robotot nem akar, a humán ételfutárral történő szállítás mellett is dönthet.)

A Cartken hatlábú robotját többféle szenzorral és kamerákkal szerelték fel, ezek biztosítják az ütközések elkerülését, és hogy megtalálja a legkevesebb kockázattal járó utat. Külső és belső terekben egyaránt működőképes.

A robotikus házhozszállítás bejelentése újabb példa az Uber külsős cégekkel való, futurisztikus high-tech megoldásokat kínáló együttműködésére. Nemrég például a humán vezető nélküli technológiákon dolgozó Motionel-lel léptek partnerségre, hogy önvezető járműveket kínáljanak Las Vegasi használatra.

Az Uber két éve, pénzügyi és jogi nyomásra értékesítette önvezető autó kezdeményezését, és ezek a partnerségek egyértelműen jelzik, hogy házon belüli megoldások helyett inkább „külsősökre” fektetik a technológiai hangsúlyt.

Noah Zych, a vállalat autonóm mobilitás és kiszállítás részlegének globális vezetője szerint a Cartkennel való együttműködés az automatizált és autonóm technológiák területén tett erőfeszítéseik újabb mérföldköve.

Ezekkel a partnerségekkel kísérletet tesznek, hogy kisebb mértékben függjenek az utasokat és az ételt szállító független beszállítókból álló hatalmas járműparkjuktól. Azért is dönthettek új megoldások mellett, mert a korábbi üzleti modell számos jogi problémát vetett fel.

A Cartken szerint a partnerségből a helyi kereskedők és közösségek egyaránt profitálhatnak: növekszik a szállítási kapacitás, a robotok környezetbarátok, és a forgalmi dugók elkerülésében is segítenek.

Júniustól a Grubhubbal szintén együttműködnek, robotjaik az USA egyes egyetemi és főiskolai kampuszaira szállítják a megrendelt dolgokat. Az Uberrel kötött együttműködés az első alkalom, hogy kampuszokon kívüli szállító appal közösen dolgoznak.

Szintet lépnek a robotkutyák.

A KAIST (Korea Advanced Institute of Science and Technology) kutatói különleges négylábú robotot fejlesztettek. A tetszetős külleműnek nem nevezhető gép felfelé mászik vas-, acélfalakon, és a mennyezeteken is elboldogul. Mindet úgy megmássza, mint az óriásrovarok.

MARVEL a neve, de ezúttal se képregényekre, se filmekre ne gondoljunk, mert a szó a „mágnesesen tapadó robot a sokoldalú és gyors mozgáshoz” (Magnetically Adhesive Robot for Versatile and Expeditious Locomotion) rövidítése, a szavak első betűiből áll össze.

Alig több nyolc kilónál, és harminchárom centiméter hosszú, és nem magasabb egy játékbabánál.

Nem ő az első faljáró robot, korábban is fejlesztettek hasonló rendeltetésű gépeket, de a többivel ellentétben, kerekek, fogantyúk, tapadókorongok és propellerek helyett mágneses lábakkal viszi, hajtja magát felfelé.

Tervezői elmondása alapján nagyon ügyes, meggyőzően navigál íves felületeken, például rozsdás fémtartályokon. Ez részben az elektromágneses lábaknak, illetve egy különleges elasztomernek (elasztikus polimernek) – okos anyagnak – köszönhető. Részben abból alakították ki.

Lábügyessége miatt valószínűleg sokan meg fogják vásárolni. A fejlesztők egyrészt ipari környezeteket, másrészt magasságuk miatt ember számára nehezen megmászható és veszélyes közegeket emelnek ki a potenciális alkalmazási területek közül: hidakat, hajókat, toronyházakat.

MARVEL gyors is, nehezebb terepen 0,3 méter per másodperc a maximális sebessége. Elkerüli a kitüremkedéseket, átlépi az akadályokat, például kisebb-nagyobb réseket. Könnyű felületeken, mint a sima falak és a plafon másodpercenkénti 0,5-0,6 méteres sebességre is képes. Ő az eddigi leggyorsabb vertikális és fordított mozgású falmászó robot.

A fejlesztők szerint bőven akad finomítanivaló rajta, mert el kell még sajátítania a nagyon szabálytalan és meredeken ívelt felületeken történő felfelé mozgást is.

Nyílt utakon egyelőre csak néhány teljesen önvezető autó közlekedik: kínai és amerikai robottaxik.

Az utóbbi pát évben az iparágnak komoly problémákkal kellett szembenéznie. A Ford leállította a Volkswagennel közös Argo projektet, a Tesla állítólagos teljes egészében önvezető járgányába pedig, mint kiderült, mégiscsak kell ember. A további fejlesztésekhez folyamatosan figyelembe kell venni, hogy ezeknek az autóknak, legyen havazás, vagy útépítés, mindig és minden körülmények között biztonságosan kell közlekedniük.

Az Apple 2025-re tervezte a Titan kódnevű önvezető jármű bevezetését, idén viszont rájöttek, hogy kicsúsztak a határidőből, és az autonóm funkciókat is át kell értékelniük.

Az új ütemezés alapján a prototípus 2024-re készül el, a tesztekre 2025-ben kerül sor, míg a nagy bemutató 2026-ban lesz. A megcélzott százezer dolláros bevezető ár húszezerrel kevesebb, mint az eredetileg tervezett.

A nagyvállalat jelenleg több amerikai szövetségi államban, Lexus SUV-okon teszteli a Titan félautomata rendszerét.

Azaz, az Apple újratervezi a közel egy évtizede fejlesztésben lévő autonóm autót. Eredetileg úgy képzelték el, hogy minden körülmény között teljesen automata lesz, a mostani tervek szerint viszont – valamilyen szinten – humán vezető is működtetheti.

Az első tervekben az utastér összes ülése a középpont felé nézett, a járműben nem lett volna kormánykerék, gázpedál. A mostaniakban viszont már az emberi irányítás is megvalósítható.

A jármű autópályákon autonóm módban fog közlekedni, miközben a vezető például filmet nézhet, videojátékkal szórakozhat. A rendszer figyelmezteti, ha manuális irányításra van szükség, mert mondjuk, pocsék az útminőség, vagy rossz idő van.

Az önműködő rendszer lidar-, radar- és kameraadatokat használva navigál. A Denali nevű fedélzeti processzor hajt végre egyes feladatokat, míg a többit az Amazon Webszolgáltatások kezeli a számítási felhőben. Sürgősségi esetekben távoli operátorok vehetik át az önvezető autó irányítását.

A teljesen önvezető autók kereskedelmi forgalmazása látványos, de az időben egyre tolódó cél. Az Apple a biztonság kedvéért meghozott döntése arra enged következtetni, hogy a belátható jövőben (majdnem) mindig lesz humán vezető a járműben.