Internet, közösségi média, keresőmotorok, mobileszközök, bigdata-elemzés, MI, mind brutális diszrupciót jelentett, a marketingesek hozzá is szoktak a komoly változásokhoz. De mi történik, ha a terület alapfeltételezése, hogy közönségük emberekből áll, nem lesz már feltétlenül igaz?

Az MI-ágensek korában a gépek lassan helyettünk választanak vásárláskor. Az átalakulásra nem reagáló márkák előbb láthatatlanná, majd irrelevánssá válnak.

Másként vásárolnak, mint mi: nem böngészik influenszerek Instagramját, boldog emlékekre nem építenek márkahűséget, szöveges leírásokra hagyatkozva sem vásárolnak. Logika, szabályok és jelzések alapján elemeznek adatokat.

Ezekből a jelekből kiindulva, márkák nem támaszkodhatnak többé eddig időtállónak bizonyult társadalmi és pszichológiai eszközökre: életmódbeli törekvések teljesítésére, vásárlói értékekkel való összhangra, emberközpontú vizuális brandépítésre.

Marketingeseknek megint egy új valósághoz kell alkalmazkodniuk, amelyben a vásárlást érzelmi reakció helyett algoritmusok és robotikus logika vezérlik.

A marketing általában a bizalomépítésen és az ügyfelekkel való kapcsolaton alapult. Így alakult ki márkahűségünk is. Egy Salesforce-felmérés alapján viszont a fogyasztók 24 (Z-generációsok 32) százaléka elégedett, ha ágensek vásárolnak helyettük.

Az ágensek strukturált adatokként, ár-összehasonlításokként, funkciólistákként, értékelési pontszámokként és más, gépbarát információkként „látják” a termékeket és a szolgáltatásokat. Közösségimédia-infókat is felhasználhatnak, de ha következtetéseik nem követnek mintázatokat, nem tudhatjuk pontosan, mire jutnak az adatokkal. Az viszont biztos, hogy a mai modellek, mint az OpenAI Operátora strukturált adatokat tartalmazó hirdetésekhez vonzódnak.

A bennük rejlő potenciál kiaknázásához jobban meg kell értenünk, hogyan dolgozzák fel a fogyasztók vásárlásait, hogyan kommunikálják az olyan fogalmakat, mint a preferencia, érték és bizalom. Egyre gyakoribb lesz a csak gépek közötti interakció, marketingeseknek pedig meg kell érteniük, rendszereik hogyan tárgyalnak sikeresen, és meg is kell őket győzniük, hogy a felhasználónak pont rájuk van szüksége.

A Google keresője tizenhárom év alatt jutott el egymilliárd felhasználóig, a ChatGPT három éven belül érheti el ezt a számot. Szakembereknek az új marketingcsatornát is ki kell használniuk, a márkáknak pedig át kell gondolniuk reputációjuk és bizalmi jelzések üzeneteikbe építését úgy, hogy az ágensek figyelmét is felkeltsék: gépileg olvasható termékinformációk, valósidejű adatfolyamok, termék- és szolgáltatásadatokhoz történő kiterjesztett API (alkalmazásprogramozói felület) hozzáférés várhatók.

A kihívás túlmutat a marketingeseken. Az adat-, termék- és digitális csapatoknak biztosítaniuk kell, hogy amikor az ágensek megnézik a céget, összehangolt, lényegre törő képet kapjanak róla.

A két lábon járó, beszélgető humanoid robotok sokáig sci-fi fantáziának tűntek, filmek és regények népszerű karaktereiként ívódtak emlékezetünkbe. Azóta változott a világ, a Morgan Stanley friss előrejelzése alapján 2035-ben 13 millióan lesznek, 2050-re pedig számuk eléri a bűvös egymilliárdot.

Jelenállás szerint viszont az átlagembernek sem kell tíz évet várnia, míg lát legalább egyet, mert az emberszerű robotok első hulláma máris itt van. Ugyan mindegyik jócskán különbözik a többitől, az alapkoncepció viszont azonos: anatómiai felépítésünket utánozzák, hogy korábban csak ember által végzett cselekedeteket kivitelezzenek.

Fejlődésükkel sci-fi és valóság közötti határok gyorsan eltűnnek. Gyárakban segédkeznek, összehajtogatják a mosott ruhát, fociznak és más tevékenységeket végeznek. Már nemcsak prototípusok, hanem munkatársak vagy egyszerűen csak társak, a mindennapokban is együttműködnek velünk. De mennyire készültünk fel rájuk? 

Bernard Marr jövőkutató összegyűjtötte a tíz leglátványosabb, időnként kicsit ijesztő mai humanoidot.

A Tesla 2023-ban bemutatott Optimus Generation 2-je 1,73 méter magas, 57 kilót nyom. Musk szerint a robot fontosabb cégének, mint az autók, bár ugyanazon az automatizációs alapokon nyugszik, értelemszerűen különböző részekkel. Az MI és a navigációs hálózat működése viszont olyan, mint a Tesla járműveké.

A Boston Dynamics 1,5 méteres, 80 kilós Új Atlasza alighanem a leghíresebb kortárs humanoid. Elődje 2013-ban debütált, a mostani változat hidraulika helyett teljesen elektromosan működik. Így lett könnyebb és kevésbé sérülékeny.

A karcsú (1,65 méter magas és mindössze 30 kiló) Neo Gamma háztartási munkákat végez: porszívóz, összehajtogatja a kimosott ruhát, megtölti a mosogatógépet stb. A norvég-amerikai 1X Technologies fejlesztői munkáját az OpenAI támogatja.

A Fourier Intelligence GR-2-jét a világ első tömegesen gyártott humanoidjaként reklámozzák. Tárgyak megfogásában, markolója valósidejű finomhangolásában különösen jól teljesít.

A nyílt forrású kínai H1 2024-ben óránkénti 7,38 mérföld teljesítménnyel, a világ leggyorsabb humanoid robotjaként került be a Guinness Rekordok Könyvébe. Nemcsak ügyesen mozog, hanem Coca Cola üveget is felnyit, kaját süt, kalapácsot működtet, és 1,78 méter magassága és 47 kiló tömege ellenére szállításra-készre képes összehajtogatni magát.

A BMW egyik amerikai gyártóüzemében már munkába állt Figure 02 a „humanoidok igáslova.” Elődjéhez, az F01-hez képest 400 százalékkal növelte sebességét, és a legfontosabb: emberek között is biztonságosan mozog. MI-modelljét az OpenAI fejlesztette, finanszírozásában az OpenAI mellett az Amazon, az Intel, a Microsoft és az Nvidia is részt vesz.

A Digit szintén gyári munkát végez, és az F 02-höz hasonlóan értékesítették és alkalmazzák is már. A Phoenix abban különbözik a többiektől, hogy jobb új feladatok megtanulásában. Hetek helyett akár egy nap leforgása alatt elsajátítja azokat.

Az Apollo szintén ipari szerkezet, folyosókon és rakodóterekben navigál, árukat pakol raklapokra. A Mercedes-Benzzel és a NASA-val is sikeresen abszolvált már pilotprojektet.

1,2 méter magasságával és 30 kilójával a további kutatásokra és robotfocira fejlesztett kínai Booster T1 a legkisebb. Csapatban is tud játszani, bár profi labdarúgóknak még nem kell tartaniuk attól, hogy elveszi a munkájukat.

A mesterségesintelligencia-modellek több területen teljesítenek egyre jobban, nem egyben bőven lehagyják már az embert. Lassan nincs olyan közeljövő-prognózis, amelyben nem az áll, hogy a kódolásban hamarosan messze a gépek mögött fogunk kullogni, és a terület holnapja egyértelműen az MI-ről szól: ő végzi ezeket a munkákat, sőt, ő irányít kódolásra specializált kisebb-nagyobb cégeket is.

Bár közeledünk ehhez a ponthoz, egyelőre még nem jutottunk el teljesen odáig, amit szépen példáz egy, július közepi kódoló verseny. A Tokióban tartott rendezvényen, az AtCoder World Tour fináléjában Przemysław Dębiak lengyel programozó diadalmaskodott. Vetélytársai között az OpenAI egyik fejlett mesterségesintelligencia-modelljét is megtaláltuk.

Korábban maga Dębiak is a terület élharcosának számító vállalatnál dolgozott. A verseny után elégedetten jelentette ki: „Az emberiség győzött (egyelőre)!” Igaz, a tíz órás maratont követően azt is hozzátette az X-en, hogy teljesen kimerültnek érzi magát, és alig él. 

Az MI-modell értelemszerűen semmi hasonlót nem mondott, nem örült és nem is panaszkodott. A verseny mégis történelminek bizonyult, mert ez volt az első, amelyen engedélyezték mesterséges intelligencia részvételét. A technológia fejlődését, a programozásban betöltött szerepét látva, a szervezők részéről teljesen logikus lépés volt.

Az OpenAI modellje az „Emberiség vs. MI” speciális bemutatómeccs részeként szerepelt. Az OpenAIAHC nevű mesterséges intelligencia tizenkét élmezőnybeli humán programozóval tízórás optimalizációs versenyen mérkőzött meg.

A lengyel kódoló kilenc százalékpontot vert rá a második helyezettre: az MI-re. A gép az összes többi embert megelőzte. Dębiak azt is megjegyezte, hogy pont a mesterséges intelligencia jelenléte ösztönözte: menjen tovább, ne adja fel. Végig látta, hogy ugyan kicsivel, de vezet, és meg akarta tartani az előnyt.

Hozzáfűzte még, hogy az MI nélkül rosszabbul végzett volna. A mesterséges intelligencia bámulatra méltó teljesítménye pedig egyértelműen jelzi, hogy már nyílt kimenetelű, kreatív problémamegoldó feladatokban is azonos szinten van a legjobb humán programozókkal.

Ne legyenek illúzióink: ha talán nem is jövőre, de a következő évek valamelyikében biztos ő fog nyerni.

A Nap tízmilliók számára vált a földkerekség legfontosabb energiaforrásává, az utóbbi években elképesztő a növekedés. 2024-ben a megújuló energiaforrások tették ki a világ új energia iránti keresletének 96 százalékát. Az Egyesült Államokban az új energiakapacitások 93 százaléka nap- és szélenergiából származott.

Az összes megújuló jól teljesít, a napenergia térnyerésének üteme viszont az összes többinél gyorsabb, felforgatóbb hatású. Becslések alapján a világon jelenleg tizenöt óránként egy gigawattnyi napenergia infrastruktúrát telepítenek. Összehasonlításként, ez a szám egy új széntüzelésű erőmű teljesítményének felel meg.

A fotovoltaikus napelemet 1954-ben találták fel, majd hatvannyolc évnek kellett eltelnie egyetlen terawattnyi napenergiáig. A második terawattig sokkal gyorsabban, 2024-ben jutott el a technológia, a harmadik néhány hónapon belül várható.

A robbanásszerű növekedést a napenergia-termelés szédületes hatékonyságnövekedése, gyártástechnológiai áttörések és a finomhangolt, leegyszerűsített telepítési folyamatok mozgatják. A panelek újrahasznosításában tapasztalható fejlődés arra enged következtetni, hogy a technológia árnyoldaláról, az ásványkincsek kitermeléséről és a panelek gyártásáról valamikor múlt időben beszélhetünk majd.

A gyártási előnyök és az eredményesebb újrahasznosítási módszerek együtt hosszú évekig megtérülnek. A 2010-ben egyetlen napelemhez felhasznált ezüstmennyiség ma öthöz elegendő.

A napelemes kapacitás világranglistáján az USA, Németország és Japán ugyan az élbolyban van, az első viszont Kína. A kelet-ázsiai szuperhatalom 2023-ban nagyobb napenergia infrastruktúrát telepített, mint az őt követő kilenc együtt.

A tízéves tervet követő Kína elvileg 2030-ig megháromszorozza napenergia kapacitásait, a gyakorlatban viszont, a mostani tempót tartva, már 2026-ban elérheti ezt a célt. A technológia többszörösen is hasznos Pekingnek: az állampolgárok egészségét és környezetét óvja, geopolitikailag pedig csökken az amerikai energiaforrásoktól való függőség.

Washington mostani intézkedéseivel, a napelemek és akkumulátorok új vásárlóinak nyújtott adókedvezmények eltörlésével, a fosszilis és a bioüzemanyag iparnak nyújtott masszív kedvezményekkel ideiglenesen bizonytalanabbá vált a megújuló energiaforrások amerikai jövője. Az intézkedések magyarázata, a nap- és a szélenergia infrastruktúra miatti drasztikus energiaár-növekedés vitatható – mutatnak rá a háttérben más okokat, például az olajlobbit is látó szakemberek.

Július nyolcadikán az OpenAI, a Microsoft és az Anthropic 23 millió dolláros partnerséget jelentett be az USA egyik legnagyobb tanár-szakszervezetével, az 1,8 milliós tagságú Amerikai Tanárok Szövetségével. Az MI Oktatás Nemzeti Akadémiája együttműködés keretében még több MI-t visznek be a K-12-es (középiskolás szintű) oktatásba. A tanárokat New Yorkban ismertetik meg az MI iskolai használatával (ahol a szövetség 200 ezer tagja él).

Egyes tanárok ellenállnak az MI-használatnak, többszázan nyílt levelet írtak alá július második hetében.

A vállalatoknak nem lesz könnyű dolguk, mert a közvélemény negatív az MI oktatásban betöltött szerepével kapcsolatban. Egyénre szabottabb tanulást, gyorsabb és kreatívabb óratervezést, hatékonyabb osztályozást ígérnek. A kezdeményezés kritikusai viszont csak a profitgyarapító szándékot látják bennük.

Egy friss harvardi kutatás alapján gyerekek agyalásra, együtt gondolkodásra és az osztályteremben félelemből fel nem tett kérdések megválaszolására használják a technológiát. Nigériától a Harvardig végzett felmérések szerint MI tutorok segíthetnek diákok jobb elköteleződésében.

Ugyanabból a harvardi kutatásból azonban kiderült az is, hogy gyerekek gyakran csalásra és tanulnivalóik lerövidítésére szintén használják az MI-t. Egy Microsoft anyagban a kritikus gondolkodás gyengítéséről írtak, és az elkerülhetetlen hallucinációkat még meg sem említették.

Egyelőre sem az egyértelmű pozitívumokra, sem a negatívumokra nincs megdönthetetlen bizonyíték, mint ahogy az is nyilvánvaló, hogy az érintett cégek nem csak jótékonyságból finanszírozzák a kezdeményezést.

A tanárok természetesen nem most ismerkednek a mesterséges intelligenciával, sokan (nagyvárosi környezettől távol is) intenzíven használják, és az MI-írásbeliség terjesztésén dolgoznak. Az Akadémia célja az is, hogy önbizalmat adjon nekik, teljesen megértsék, hogyan működik, hogyan használható az MI, és magáról a technológiáról is taníthassák a diákokat.

Mindez viszont csak akkor működhet, ha az iskolák az MI-kor követelményeihez igazítják értékelési módszereiket. Alapvető megközelítéseken, gyakorlatokon kell változtatniuk, máskülönben nehezen kerülik el az MI adta csalási lehetőségeket.  

A méhkaptárok összeomlása, az állatkolóniák pusztulása az 1980-as években kezdődött. Az okok nem teljesen ismertek, de a klímaváltozás, a betegségeket terjesztő atkák és a növényvédő szerek mindenképpen köztük vannak.

Méhészek világszerte keresik a módját, hogyan fordítsák vissza a folyamatot. Jellemzően többhetes ütemterv alapján ellenőrzik kaptáraik állapotát, a kolóniák viszont jóval hamarabb összeomolhatnak. Egészségi állapotukba történő betekintéshez mesterségesintelligencia-megoldások és robotok segíthetnek, és ha a problémákat időben észlelik, például az atkák hővel elpusztíthatók, nagyobb az esély az állatközösségek megmentésére.

Mivel a virágzó növények kb. hetvenöt százaléka nem képes beporzás nélkül termést hozni hivatásos amerikai méhészek 2,5 millió kaptárt mozgatnak Amerika-szerte. A gazdaságok így maradnak termékenyek. 

A fából készült Langstroth kaptár 1852-es szabadalmaztatása óta alig változott. Az erre a területre specializálódott Beewise 2018-ban építette meg első automatizált kaptár-prototípusát, GoPro kamerával. 2020-ban értékesítették az első terméket. A 2023-ban indult BeeHome 4 targoncával szállítható.

A 3,3 méter hosszú, napelemekkel borított, síneken mozgó kamerákkal és markolókkal, robotikus szkennerrel felszerelt BeeHome 4 kameráinak kimenetét Nvidia Jetson és Raspberry Pi számítógépek gépilátás-technikákkal elemzik, az érzékelők pedig nyomon követik a hely állapotát. Ha nem tartózkodnak ott, a méhészek e-mailben vagy szöveges üzenet formájában kapnak értesítést a fontos változásokról.

Egy-egy egység akár tíz kaptárt is magába foglalhat. Mindegyik tizenöt kivehető „fialtatási” keretből áll, ahol a méhek lépeket építenek a lárvák kineveléséhez, méz és pollen tárolásához.  

A csúcstechnológiás kaptár paraziták, éhség és más kedvezőtlen körülmények nyomait kutatva vizsgálja át a kolóniát, baj esetén figyelmezteti a méhészeket, egyes problémákat automatikusan megold. Eddig több mint 300 ezer egységet telepítettek az Egyesült Államokban, lehetővé vált a kaptárak távolról történő megfigyelését, segítve a mezőgazdákat mandula, avokádó, repce, kávé, gyapot és beporzást igénylő más növények termesztésében.

Míg a környezeti stressz évi negyven (az USA-ban tavaly hatvankét) százalékkal pusztítja a méhkolóniákat, a Beewise állítása alapján mesterséges intelligenciával működő technológiája nyolc százalékra csökkenti az arányt.

Donald Trump július elején megszavazott „nagy és gyönyörű” törvénye, azaz költségvetési csomagja nem tartalmaz szövetségi állami szintű mesterségesintelligencia-szabályozási moratóriumot – panaszkodik Andrew Ng, gépitanulás-szakértő. Van szerepe a szabályozásnak, csakhogy új és nem jól értett technológiák esetében versenyellenes törvényeket szorgalmazó lobbisták profitálhatnak leginkább belőle – magyarázza. Ha ők nyernek, korlátozódnak a nyílt forrású és más innovatív MI-kezdeményezések.

Moratóriummal a szabályozóknak több idejük lenne az MI előnyeinek és kockázatainak tanulmányozására, így értelemszerűen a rossz szabályozás megakadályozására is.

A joghatóságok többsége általában a következő utat járja.

Ha az új MI-t alig értjük, vállalatok grandiózus bejelentéseket tesznek haszonról és kárról, a hagyományos és a közösségi média tényellenőrzése nem működik velük szemben, hajlamosak papagájként ismételgetni a Big Tech szövegét. Ebben a kezdő szakaszban lényegében bármit mondhatnak.

Közvetlen hatásként nő a túlzó kijelentéseken alapuló hype és a félelemkeltés is. Egyes cégek ki is használják versenyellenes javaslataik elfogadtatására. Megfontolt törvényhozók viszont a tényleges haszonról és kárról informálódnak, döntéseikkel a valódi innovációt támogatják, egyben eloszlatják a megalapozatlan világvége-félelmeket.

Ng szerint az EU ezen az úton halad. Az AI Act bevezetése óta sok szabályozó rájött, hogy számos „védelem” inkább káros, mint hasznos, és kezdenek enyhíteni a szigoron.

Egyes szabályozások valóban korlátozzák a káros alkalmazásokat, például a nem-konszenzuális deepfake pornót és a félrevezető marketinget. Az amerikai kormánynál az MI megértéséhez jóval kevesebb anyagi forrással rendelkező több szövetségi államban viszont a további fejlődést gátló, egy-egy alkalmazás helyett a technológiát megregulázó törvényeket javasoltak, vezettek be a döntéshozók. Ng kaliforniai, texasi és New Yorki, elsősorban a nyílt forrású kezdeményezéseket hátráltató példákkal szemléltet, de összességében is negatívan látja az eddigi ezirányú kezdeményezéseket. 

Ezért van szükség moratóriumra. Tíz év túl sok lenne, kezdetnek kettő is megfelelne, és csak a legproblémásabb javaslatokra vonatkozna.

Az utóbbi hetek például brit kereskedelmi láncok (Marks and Spencer, Co-Op csoport stb.) elleni súlyos hackertámadásai egyértelműen jelzik a cyberbűnözés növekvő jelentőségét. Ezek a vállalkozások könnyű célpontok: sok ügyfél érzékeny adatait tárolják, az ellátási lánc szakadásai keményen érintik őket, online kiskereskedelemre, mobilalkalmazásokra, eladási pontok termináljaira, hagyományos üzletek gépeire egyaránt kiterjedő infrastruktúrájuk több belépési kaput „kínál” bűnözőknek.

Politikusok hangot adtak azon félelmeiknek, hogy a támadások eszkalálódása súlyos veszélyt jelenthet az élelmiszer ellátási láncra, és sürgősen meg kellene érteni a növekedés mögötti tényezőket. Bizonyossá vált, hogy a vállalati IT-csoport folyamatos tűzfal és vírusirtó frissítései önmagukban nem elegendők. A támadások már nem pusztán a technológiáról, hanem emberekről szólnak.

Nem is olyan régen közepes technikai tudás elég volt hozzájuk, mára viszont kivirágzott a biztonsági szakértők által crime-as-a-serviceként (bűn, mint szolgáltatás) emlegetett földalatti gazdaság: fejlesztők hackereszközöket és appokat dolgoznak ki, előfizetéses modellen keresztül szednek össze pénzt belőlük.

Lényegében VPN mögül bárki anonim bűnözhet bárhol, azaz „demokratizálódott” a cyberbűnözés. Általában a pénz motiválja őket, nem véletlen a zsarolóvírusok (ransomware) népszerűsége. A támadások növekedését segíti a hozzájuk használt eszközök számának és minőségének növekedése.

Maga a stratégia is megváltozott. A bűnözők technológia helyett egyre inkább közvetlenül a leggyengébb láncszemet, embereket támadnak meg, manipulálnak pszichológiailag (social engineering) a digitális térben. Érthető okból: a mai felhőbiztonsági infrastruktúrák robusztusak, emberek viszont lehetnek lusták, fáradtak, elfelejthetnek dolgokat, és a kapzsiság is dolgozhat bennünk. Átverhetők, megtéveszthetők vagyunk, a hackernek pedig nem kell hatalmas számítási kapacitásokkal és erőforrásokkal rendszereket feltörnie.

Felmérések alapján a 2024-es zsarolóvírusos támadások több mint fele e-mailes és közösségi médiás adathalászat következménye volt. Az MI-vel súlyosbodik a helyzet.

Ha eredményesen célba vesznek a vállalati rendszerhez hozzáférő személyeket, mehetnek a kukába a cég IT-biztonsági költései. Hogyan előzzük meg ezt?

Első lépés emberközpontúbb biztonsági stratégia, minden szinten érvényesülő informatikai tudatosság megteremtése, alkalmazása, a generatív MI-vel gyártott mélyhamisítványok (deepfakes) okozta veszélyek megértése lenne. Ha látjuk, honnan jöhet a veszély, felértékelődnek az azt elhárító emberi készségek: a „cyberéberség” fontosságának hatékony kommunikációja, az együttműködés, és annak megértése, hogy mi tesz minket sebezhetővé például a megvesztegetéssel szemben. Ha túl vagyunk ezeken a változásokon, a betörési lehetőségek korlátozása fontosabb, mint az alkalmazott személyek bizalmat nem kifejezetten növelő folyamatos megfigyelése.

A mai mesterséges intelligenciát meghatározza, hogy a neurális hálók mennyire különböznek az emberi agytól. Egy kisgyerek napi ezer kalóriával és rendszeres beszélgetéssel tanulja meg a hatékony kommunikációt, míg technológiai cégek újranyitnak atomerőműveket, közösségeket szennyeznek és terabájtnyi könyvet használnak fel a szerzői jogokat figyelmen kívül hagyva nagy nyelvmodelljeik (LLM) gyakoroltatásához, működtetéséhez.

Mindezek ellenére a mesterséges neurális hálók mégiscsak neurálisak, az agy által inspiráltak. Különböző energia- és adatétvágyuk ellenére az LLM-ek és az emberi agy között sok a közös vonás. Mindkettő sokmilliónyi alegységből, biológiai és szimulált neuronokból áll, folyékonyan és rugalmasan használják a nyelvet, pedig alig értjük a működésüket.

Idegtudósok között bevett agyszerű neurális hálók építése, és ez a megközelítés egyre elterjedtebb a pszichológiában. A hálózatokkal az ember és más állatok viselkedése előrejelezhető pszichológiai kísérletekben. Kellő mértékben begyakoroltatva segíthetnek az emberi elmeműködés megértésében. Csakhogy a viselkedés előrejelzése és magyarázata nagyon nem ugyanaz.

Amerikai kutatók egy LLM-et, a Meta nyílt forrású Llama 3.1-ét az „emberi kogníció alapmodelljévé” alakították át, és a Kentaur nevet adták neki. Az LLM-ek nem túl jók viselkedésünk modellezésében, viszont képesek akkor is logikusan cselekedni, amikor mi nem, például kaszinóban. Százhatvan pszichológiai kísérlet adatain finomhangolták. Többek között „nyerőgépek” adatkészletéből válogathattak a maximális nyereséghez vagy betűsorok megjegyzéséhez.

Egyszerű matematikai egyenleteket használó hagyományos pszichológiai modellekkel összehasonlítva, Kentaur jobban prognosztizálta a viselkedést. Emberek pszichológiai kísérletekben mutatott viselkedésének előrejelzése önmagában is értékes, de Kentaur hatékonyan utánozhatja is azt. Tanulmányozásával új elméletek dolgozhatók ki elménk belső működéséről, a benne lejátszódó folyamatokról.

Egyesek viszont szkeptikusak, hogy Kentaur képes-e egyáltalán mondani valamit az elméről. Valóban jobb a hagyományos modelleknél, csakhogy milliárdszor több paraméterrel működik. És ha külsőre úgy is viselkedik, mint az ember, egyáltalán nem biztos, hogy belül is ugyanúgy funkcionál. Matematikai műveleteket abszolváló számológéphez is hasonlítják, és az emberi elméről valóban nem azokat tanulmányozva tudunk meg újdonságokat. De ha mégis, akkor a sokmillió neuronból problémás lehet kivonatolni az infókat. Gondoljunk bele: MI-kutatók csak kapirgálják a „fekete dobozt”, hogy mi történik a modell belsejében, amíg az inputból output lesz. Az emberi idegháló megértése pedig sokkal bonyolultabb.

A kicsinyítés lehet az egyik alternatíva. A New York Egyetem kutatói apró neurális hálókra fókuszáltak, egyik-másik mindössze egyetlen idegsejtet tartalmazott, de ennek ellenére prognosztizálják egerek, patkányok, majmok, sőt, emberek viselkedését is. Mivel a hálózatok kicsik, minden egyes neuron aktivitása nyomon követhető, és az így szerzett adatokból kikövetkeztethető, hogyan generál viselkedés-előrejelzéseket a hálózat. Nincs garancia arra, hogy ezek a modellek úgy működnek, mint az utánzott agyak, viszont tesztelhető hipotéziseket generálnak a kognícióról, de ellentétben Kentaurral, mindig csak egy speciális feladattal kapcsolatban, például arról, hogyan döntünk a különböző nyerőgépek közül.

Az előrejelzés és a megértés közötti kompromisszum a neurális hálókon alapuló tudomány kulcsa. A New Yorki és hasonló kutatásokkal, hiába kicsik a hálók, a viselkedés pontosabban prognosztizálható, mint a hagyományos pszichológiai modellekkel. Komplex rendszerekre vonatkozó tudásunk viszont egyre jobban elmarad a velük kapcsolatos előrejelző képességünktől.

A Google Glass okosszemüveg bő tíz éve jött és bukott meg. Azóta a mesterséges intelligencia és a viselhető (wearable) technológiák rengeteget fejlődtek, és eljött az idő, hogy újra próbálkozzanak az okosszemüvegekben rejlő potenciál kiaknázásával.

Sok jelenlegi MI-modell időmérést nem tartalmazó adatkészletekből tanul, így pedig kevés rálátásuk van a pillanatról pillanatra történő emberi tapasztalatokra. A Meta 2020-ban indított Aria projektje ezt a hiányt igyekszik emberi nézőpontból valós időben rögzített gazdag multimodális adatokkal pótolni. A rajtuk gyakoroltatott modellek a kiterjesztett valóságban (augmented reality, AR), a robotikában és a mindenhol jelenlévő számítástechnikában (ubiquitous computing) egyaránt új utakat nyithatnak.

Az elsőgenerációs (2020-as) Aria hardvert kutatók használták. 2021-ben a Meta partnerségre lépett a BMW-vel, az autós adatokba integrált vezetői nézőpontot biztonsági és más alkalmazásokban igyekeztek hasznosítani.

Az MI-modelleknek folyamatos, többszenzoros, emberi nézőpontot kínáló, 75 grammos, hat-nyolc óráig működő akkumulátoros második generációt (Aria Gen 2) idén februárban jelentették be. Az AR mellett a fizikai (megtestesített) és a kontextuális mesterséges intelligenciában egyaránt, előbbiben robotok gyakoroltatásához, utóbbiban személyes használatra szánják. Kutatók már idén használhatják. Szenzorai lehetővé teszik a felhasználói tevékenység, a környezet és a kompatibilis eszközökkel folytatott interakciók értelmezését. Privacy gombbal eltüntethetjük az adatgyűjteményt (a Google Glass többek között a személyiségi jogok megsértésének lehetősége miatt bukott meg).

Az input és az output feldolgozása az eszközön történik, 4GB RAM-os és 12 GB tárolási kapacitású Qualcomm SD835 chip gondoskodik róla. A videó, audió, 3D adatpont output helyi PC-re streamelhető vagy felhőalapú API-kra (alkalmazásfejlesztői felületekre) tölthető fel. Öt kamera, hét mikrofon és más szenzorok (mozgásérzékelés, barométer, magnetométer stb.) növelik a felhasználói élményt, míg a szenzorok által olvasott értékeket nanomásodperc felbontásban óra kalibrálja és időbélyegezi, illetve szinkronizálja külső eszközökkel, például közelben lévő Aria egységekkel.

A Meta alkalmazásokat is bemutatott: a környezetről mélységi térkép, a térképpel valósidejű 3D-s dinamikus jelenet rekonstruálható. A 3D képesség lehetővé teszi a felhasználói kézmozgás monitorozását, amelyet robotkezek gyakoroltatásakor hasznosíthatnak. A mikrofonok nagyon zajos környezetben is detektálják a felhasználó által suttogott szavakat, mondatokat.