A mesterséges intelligencia (MI) nagyszerű könyvkritikákat tud írni, jó a humorérzéke, a minőségi újságírást viszont nem fogja helyettesíteni – nyilatkozta Claudio Cerasa, az MI-vel erőteljesen kísérletező olasz Il Foglio országos napilap szerkesztője.

Az újságot – világpremierként – egy hónapon keresztül teljes egészében MI-vel írt, négyoldalas anyaggal együtt árusították. Az április második felében véget ért teszt hatalmas sikernek bizonyult, jelentős mértékben emelkedtek az eladások. Cerasa és munkatársai el is döntötték, hogy a napilapot ezentúl heti egyszer mesterséges intelligenciával készült melléklettel együtt fogják megjelentetni.

A kis stábbal, mindössze huszonkét fős személyzettel dolgozó anarcho-konzervatív újság olyan területeken is számít alkalmanként az MI-re, amelyekben nem rendelkeznek szakértelemmel. Ilyen például a pénteki asztronómia-témájú cikk. Cerasa azonban azt is elmondta, hogy az algoritmusok és programok használatának következményeként senki nem fogja elveszíteni az állását.

„Sok kiadó kevesebb újságírót és több gépet lát az MI-ben. Ez nagyon rossz és önmagunknak is árt. A lényeg, hogy megértsük, miből tudunk többet, miből kevesebbet csinálni” – jelentette ki a szerkesztő külföldi újságíróknak.

Szerinte az MI állást teremt mindazoknak, akik tudják, hogyan lehet jól kérdezni, miként hozható ki a legtöbb a technológiából, és a minőségi újságírás színvonalát is növeli. Az újságírókat arra készteti, hogy ássanak mélyebbre, legyenek eredetibbek. Írók is kénytelenek lesznek új elemeket találni, hogy kreatívabbakká és felismerhetőbbekké váljanak – tette hozzá. 

Naponta folytat interakciót meg nem nevezett MI-programmal, és az eredmények folyamatosan meglepik. Legtitokzatosabbnak és leghihetetlenebbnek a valódi iróniát tartja, amire már az első használatkor felfigyelt. Bármilyen témában megkérhető, hogy írjon humoros cikket. Tudja, mit kell tennie – állítja Cerasa.

Könyvkritikában szintén jó az MI, például percek alatt elemzett hétszáz oldalas kötetet, és készített róla érdekes beszámolót. Ugyanakkor meg kellett mondani neki, hogy pozitív vagy negatív legyen, mert a kritikai gondolkodás hiánya komoly hátrányt jelent számára. Cerasa azt szereti, ha amikor útmutatást adna egy újságírónak, az nemet mond rá, mert a szakmában ez az alap. MI esetében azonban nincs így.

A szerkesztő negatívumként említette még meg, hogy alkalmi hibákra figyelt fel, és az MI ismeretbázisa sincs mindig frissítve.

Önvezető traktorok dolgoznak már nagy és nyílt, azaz könnyen áttekinthető – és navigálható – gazdaságokban, autonóm robotokat viszont különösen kisebb, több kihívást rejtő farmokon nehezebb alkalmazni.

Japán mezőgazdák hamarosan pont ilyen új segítőt kaphatnak, és még ebédszünetre sem lesz szüksége. A köztudottan agráriumi munkaerőhiánnyal küszködő szigetország mérnökei által fejlesztett rendszernek köszönhetően a földeken dolgozó gépek közelebb kerülnek ahhoz a célkitűzéshez, hogy tényleg hasznos robotfarmerekké váljanak. Önállóan közlekedhetnek sorok, ágyások között, például eperültetvényeken jól elboldogulnak.

Költséges infrastruktúrára (drága GPS-re, speciális markerekre) sincs szükség hozzájuk. A nagy farmoktól gyökeresen eltérő kisüzemi gazdaságokban optimális ez a technológia. Ezek a létesítmények általában nem engedhetnek meg maguknak nagyléptékű infrastruktúramódosításokat, és a dinamikus környezetekben a gyárakra optimalizált navigációs módszerek sem működnek kellő hatékonysággal.  

Az új navigációs technológiával viszont a farmon dolgozó robotok GPS-re hagyatkozás vagy költséges helyszíni módosítások nélkül pontosan képesek mozogni vetéssorok között. A LIDAR-ral és valósidejű visszajelzéssel működő rendszer a robotot a célpályától mindig öt centiméter távolságon belül tartja, és egyenetlen terepen is megmarad a megfelelő (mindig maximum öt fok eltérésen belüli) tájolás. 

Végig közel is marad a rá bízott zöldségekhez, gyümölcsökhöz, ugyanakkor nem annyira közel, hogy esetleg kárt tegyen bennük.

Fejlesztési idejét virtuális tesztekkel rövidítették le. A mérnökök a teszteknek köszönhetően finomhangolhatták még mielőtt a valóságban, üvegházakban elkezdték volna gyakoroltatni. Miután eleget finomítottak a rendszeren, sor kerülhetett valóvilágbeli tesztekre is. Háromszor gyorsabbnak bizonyult a régebbi navigációs módszereknél, és össze sem zavarodott, nem kellett megállnia, forgolódnia, vagy hátrálnia, hogy rájöjjenek, mi is ment félre.  

Amikor a robotnak egy általános területről egy másikra kell mennie, útpont-navigációt használ. Vetéssorok közelébe érve, lézerszkenner segítségével „vetés-/ágyás-navigációra” vált, tartva a meghatározott távolságot és tájolást. Ez a hibrid megközelítés segíti az önlokalizálás nélküli precíziós mozgást még olyan közegekben, például szamócasorok között is, ahol sem GPS, sem más helymeghatározó eszköz nem működik megfelelően.

A technológia nemcsak Japánban, hanem az egész világon komoly szolgálatokat tehet kistermelőknek. Egyre több termőföldön jelenhetnek meg az autonóm segítők – a robotfarmerek.

A Meta, a Washingtoni és a Chicagói Egyetem kutatói Byte Latent Transformer (BLT) nevű, frissen fejlesztett rendszere közvetlenül, bájtok formájában dolgozza fel szövegkarakterek csoportjait. 

A modell jobban kezeli az olyan zajos inputokat, mint a helyesírási hibák vagy az elütések, intelligensebben viszonyul a karakterszintű információkhoz, például, hogy hány r betű van az angol strawberry (eper) szóban. Potenciálisan jobban érti az ismerős nyelvekkel elvileg betűcsoportokat megosztó, kevésbé ismert, ritkábban használt nyelveket. 

Megközelítésük lényege tokenesítés helyett az input karakterek csoportosítását megtanuló rendszer használata.

A tokenizáló a bájtokat (karaktereket) megtanult szabályok alapján tokenekké – szóvá vagy szórésszé – alakítja; adott sorozatok adott tokenekhez vannak leképezve. Egy nagy nyelvmodell (LLM) hatékonyabb, ha a tokenizálója figyelembe veszi, mennyire könnyű vagy nehéz előrejelezni a következő tokent. Ha képes erre, akkor memóriát és feldolgozási energiát megspórolva, csoportosíthatja a gyakran előforduló tokeneket. Például az „Egyesült Államok fővárosa” kifejezéshez előbb a Washingtont, majd a D-t, a C-t és a pontokat generálja. A „D.C.” utáni token már bonyolultabb, mert sok a működő opció. Kisebb LLM-ek a nehezen megjósolható szöveget kisebb, a könnyebben megjósolhatót nagyobb csoportokba teszik.

Az új modell első szintjén a transzformer inputbájtok szekvenciájából generálja a következő bájtot. A kutatók mérték a bizonytalanságot a bájtcsoportosításhoz, kisebb vagy nagyobb entrópiát állapítottak meg, és a modell bizonytalansága ennek megfelelően változik. A kódoló transzformer megtanulta a csoportokat vektoronként megjeleníteni, míg egy másik transzformer az előző csoportok alapján generálja a következő vektorcsoportot. A vektorok szekvenciájából dekódoló transzformer rekonstruálja a bájtszekvenciát.

A BLT kifejezetten jó eredményt ért el a teszteken. Józanész-kérdésekben és válaszokban megelőzte a Llama 3-at, zajos bemeneteket, különösen karakterek felcserélését és más elírásokat hatékonyabban kezelt, és angol szöveget huszonhat nyelvre (köztük ritka nyelvekre) is jobban fordított.

Mivel közvetlenül bájtokon dolgozik, a BLT természeténél fogva érzékenyebb a nyelvi variációkra.

Szinte közhely már, hogy a kvantumszámítások át fogják alakítani az infokommunikációt és a mindennapokat, és a szakterület a mesterséges intelligencia mellett a közeljövő „legforróbb” technológiai topikja lesz. Csakhogy, az MI-vel összehasonlítva, áttörés helyett egyelőre csupán annak ígéretéről beszélhetünk.

A tendenciák viszont tényleg abba az irányba mutatnak. Kvantumszolgáltatók és startupok egyre több befektetésben részesülnek, az ipar megértette a terület jelentőségét. A felhasználási esetek növekvő száma szintén a laboratóriumokon túli valóságot vetíti előre.

Az IBM, a Quantinuum, a Banca D’Italia és több egyetem magasszintű optimalizációs feladatokat elvégző, például számos komplex változó legjobb kombinációját megtaláló kvantumszámítási rendszert fejlesztett közösen. A technológia használatával – fizetéskésések csökkentésével – pénzügyi intézetek többmillió dollárt spórolhatnak meg a tőzsdei kereskedésben bejáratott TARGET2-Securities platformon. Az optimalizálás ebben az esetben a leghatékonyabb tranzakció-feldolgozási módszerek leggyorsabb megtalálását jelenti. A Világgazdasági Fórum (WEF) szerint a technológiának ez az alkalmazása 2035-ig kétbillió dollár gazdasági értéket generálhat.

A kvantumfizika szabályai szerint működő való világ, mondjuk, a természet szimulálásában a kvantumszámítógépek kifejezetten jól teljesítenek. Ebből kiindulva, a terület egyik úttörője, a Qubit Pharmaceuticals pontosabban modellezi és jelzi előre gyógyszerek és célpontjaik emberi testben lejátszódó interakcióit. Ezeknek az interakcióknak minimum hetven százaléka túl bonyolult klasszikus komputerekkel történő modellezéshez, tehát a kvantumszámítógépek sokkal pontosabban azonosítanak új gyógyszereket, gyógymódokat. A Google és az IBM már dolgozik is kifejezetten ezekre a feladatokra optimalizált kvantumtechnológián.

Kvantumtechnikákkal fejlesztett hálózatbiztonsági protokollokat nagykockázatú környezetekben, például telekommunikációs és kormányzati infrastruktúrákban alkalmaznak. A Samsung Galaxy Quantum okostelefonjaiba beépítette a kvantumkulcs-elosztást, a Hyundai és a Toshiba pedig kvantumbiztonságos hálózatok létrehozására használta. A China Telekom 2027-ig igyekszik elindítani az első kvantumbiztonságos globális távközlési hálózatot.

Az elektromos járművek legdrágább alkatrészei az akkumulátorok. A minimum méretű, tömegű és gyártási költségű eszközből komoly mennyiségű energia generálása masszív mérnöki kihívás. A Hyundai és az IonQ partnersége viszont az akkumulátorkatódokban használt lítium-vegyületek tulajdonságait a korábbiaknál sokkal jobban modellező technológiát eredményezett. Kutatók így gyorsabban tesztelik az adott anyagokat, felgyorsítják a felfedező folyamatot. Azaz, a kvantumszámításoktól energiahatékonyabb, hamarabb töltődő és többféle anyagból készülő akkumulátorok várhatók.

A JPMorgan Chase hosszú ideje a terület egyik legnagyobb befektetője, kutatási részlegük felsőoktatási intézményekkel közösen dolgozott ki tényleg kiszámíthatatlan számokat generáló módszereket. A klasszikus komputerek determinisztikus módszerével előállított „véletlen” számok valójában nem is véletlenszerűek, tehát megfelelő technikai apparátussal felvértezve feltörhetők, visszafejthetők. A kvantummódszeres véletlen számok képezhetik a jövő mainál jóval biztonságosabb kriptográfiájának alapjait.

Ezek a példák valóvilágbeli, megtörtént fejlesztések és alkalmazások, nem spekulációk. Jövőprognózisok valódi alapjai. Minél több ilyen lesz, annál hamarabb válik mainstreammé a kvantumszámítógép.

A pamplonai Navarra Egyetem kutatói megújítják a holografikus technológiát. Rugalmas szalagokon és gyorsan vetített képeken alapuló rendszerük a felhasználó által fizikailag átalakítható háromdimenziós virtuális objektumokat generál. Lehetővé válik, hogy vezérlő nélkül, közvetlenül piszkáljunk beléjük, bökjünk rájuk.

Az eszköz legtöbbünk számára a kijelzők használatából ismert kézmozdulatokkal működik: nagyításhoz és kicsinyítéshez, zoomoláshoz szükséges mozgásokkal, érintéssel, csúsztatással. Két ujjunk megfelelő mozgatásával járást előidézve, kicsi pálcikaemberként akár digitális tájon is átmehetünk.

Amikor telefonunkon megérintünk egy gombot, vagy ujjunkkal közvetlenül áthúzunk egy dokumentumot a képernyőn, interakciót folytatunk a készülékkel. Hozzászoktunk ezekhez az interakciókhoz, és a projekt pontosan ezeket a természetes interakciókat teszi lehetővé 3D grafikákkal. Így aknázzuk ki velünk született 3D-s látás és manipulációs készségeinket.

A prototípus a volumetrikus kijelző-technológia legújabb darabja. Technikailag nem azonos a hologrammal, ugyanakkor a sci-fikben látott „hologramok” mindig volumetrikus kijelzőkként írhatók le. Levegőben megjelenő, lebegő, több szögből 3D-snek tűnő képeket látunk ilyenkor. Ezzel szemben a hologramok korlátozott látószöggel rendelkeznek, fenntartva a 3D illúzióját.

A volumetrikus kijelzők hagyományosan hógömb-szerű merev szóróeszközzel (diffúzor) jelenítenek meg képeket. A hatás egyrészt meggyőző, másrészt a képekkel nem valósíthatók meg gyakori interakciók. A pamplonai kutatók kihagyták a kemény anyagot, és miután hat rugalmas (elasztikus) anyaggal kísérleteztek, rugalmas szóróeszköz mellett döntöttek. Viszont úgy kellett megvalósítaniuk, hogy ne deformálódjon megváltoztathatatlanul. Az optikai tulajdonságok ugyanilyen fontosak voltak: szilikonszalagok túl sok fényt visszaverve, „kipukkasztották” a képet, ezért inkább mást választottak. A végső rugalmas gumiszalagokat egymás melletti csíkokba rendezték, és a szalagok a másodpercenként 2880-szor, különböző magasságokban kivetített képeknek megfelelő sebességgel, gyorsan oszcillálnak.

A csíkok közti hézagok természetes pontokat biztosítanak ahhoz, hogy a kéz megragadja őket, vagy átnyúljon rajtuk. A kutatók szerint technológiájukkal megnyílik az út a természetesebben megosztott virtuálisvalóság-élményekhez. Egy ilyen eszközzel több felhasználó folytathat headset nélkül interakciót virtuális objektumokkal.

Az alkalmazásokat illetően, a technológia például múzeumokban lehet különösen hasznos. A látogatók közelítenek az adott objektumhoz, majd interakcióba lépnek tartalmakkal. 

2024 nagy részében az amerikai hadsereg 15. Tengerészgyalogos Expedíciós Egysége a Csendes-óceánon hajózva, dél-koreai, Fülöp-szigeteki és indonéz vizeken gyakorlatozott. A hajók fedélzetén kísérletet végeztek: a külföldi hírszerzésből történő válogatásért és a lehetséges helyi fenyegetések felderítéséért felelős katonák először használtak munkájukhoz generatív MI-t, egy, a Pentagon által finanszírozott eszközt.

Az új rendszerrel többezer nyílt forrású hírszerzési adatot, nem minősített írásokat, beszámolókat, videókat gyűjtöttek össze különböző országokból. Gyorsabban tették, mint korábban manuális eszközökkel: a külföldi forrásokat nagy nyelvmodellekkel (LLM) fordították le és készítettek összefoglalót róluk, míg a napi és heti hírszerzői jelentésekben a vezetők szintén használtak MI-t.

A rendszert a 2019-ben a CIA és az amerikai hírszerző közösség veteránjai által alapított Vannevar Labs fejlesztette. A startup a névadásban Tolkien által ihletett Palantir és Anduril, valamint a Seal AI mellett komoly érdemeket szerez az MI drónokon és autonóm járműveken túlmutató katonai alkalmazásában. Szoftveres forradalmat visznek véghez: teljesen átalakítják a Pentagon hadviselés és megfigyelés közbeni adatgyűjtését, kezelését és értelmezését.

A hadsereg gépilátás-modellt és hasonló mesterségesintelligencia-eszközöket legalább 2017 óta fejleszt, az emberi beszélgetésre képes megoldások viszont új határokat feszegetnek. A nevével „a huszadik század legfontosabb mérnöke”, az úttörő Vannevar Bush (1890-1974) előtt tisztelgő Vannevar Labs meglévő LLM-eket (OpenAI, Microsoft stb.) és néhány saját egyedi modellt használ a 2021 óta napi 180 országban, nyolcvannál több nyelven gyűjtött adatokhoz.

A startup technológiája képes közösségimédia-profilokat elemezni, Kínában is áttörni tűzfalakat, hogy hozzáférjen nehezen beszerezhető vagy online szinte megtalálhatatlan infókhoz. Munkáját az illegális árukereskedelmet azonosító rádióhullámokat monitorozó fizikai szenzorok segítik.

A Vannevar Labs MI-modelljei ezeket az infókat fordítják le, detektálják a veszélyt, politikai hangulatot – érzelmeket – elemeznek, az eredményt pedig a ChatGPT-hez hasonló chat interfész közvetítésével juttatják el az érintettekhez. A nemzetközi fentanil-kereskedelem ellátási láncaitól kezdve a Fülöp-szigeteki ritkaföldfémekig, változatos témákban szednek össze kritikus infókat, hogy az amerikai hadsereg azokra alapozva hozzon jó döntéseket.

A tapasztalatok pozitívak voltak, a rendszer nem hibázott fontos témákban. Hibák persze vannak, de azok inkább általánosak, például az időnként gyenge internetkapcsolat miatt lassabban szintetizálja az adatokat, pláne, ha fényképeket és videókat kell feldolgoznia.

Az első teszt, a „jéghegy csúcsa” után, idén februárban amerikai katonai vezetők a generatív MI masszív használatát vetítették előre. Kritikus hangok főként a kifejezetten szubjektív érzelemelemzés miatt aggódnak. Az MI ezen a területen a legkevésbé pontos, a Vannevar Labs rendszere viszont lényegében csak arra koncentrál egyelőre, hogy az adott anyag USA-barát vagy -ellenes. Propaganda azonosításában szintén bőven akad fejlesztenivaló rajta.

2022 végi debütálása óta a ChatGPT sokak életét megváltoztatta, friss statisztikák alapján világszerte több mint százmillióan napi szinten használják. Többen viszont „privacy feketelyukként” írnak róla, mert a chatbot személyiségjogi aggályokat is felvet.

Az OpenAI nem árul zsákbamacskát: elmondták, hogy egyetlen bevitt adat sem lehet biztonságban. Újabb modellek gyakorló adatkészletébe kerül, más emberek is láthatják. A számítási felhőbe küldött infók pedig annyira biztonságosak, amekkora védelmet nyújt a szolgáltató.

Magyarán minden bevitt adatot tekintsünk nyugodtan nyilvános infónak. Ha ezzel tisztában vagyunk, gondoljuk át jól, milyen infót ne bocsássunk semmilyen körülmények között a ChatGPT rendelkezésére.

A legtöbb MI-chatbot tervezésekor ügyeltek arra, hogy ne használhassák őket illegális vagy etikátlan célokra. Ha kéréseink és kérdéseink ilyen tevékenységekre, például bűnelkövetési módokra, emberek manipulálására stb. vonatkoznak, kellemetlenségeink származhatnak belőlük. A felhasználói szabályzatban egyértelműen megfogalmazták, hogy hatóságok előtti feljelentés járhat értük.

Az MI-ágensek térnyerésével egyre gyakrabban használhatjuk a modellt harmadik féllel történő kapcsolatfelvételre. Elképzelhető, hogy ilyen esetekben felhasználónév plusz jelszó kombót is kérnek tőlünk. Megadásukkal hozzáférést biztosítunk fiókunkhoz, ami minden, csak nem biztonságos. Ha személyes adat nyilvános chatbot birtokába kerül, bármi megtörténhet vele.

Hasonló okok miatt, pénzügyi infókat (hitelkártyaszámot és hasonlókat) sem szabad chatbotoknak megadni. Gondoljunk bele, online fizetéseket is (elvileg) mindig biztonságos rendszereken bonyolítunk. Ezek a platformok nem azok.

Bizalmas infókat, például üzleti dokumentumokat, főnökünktől kapott pénzügyi adatokat, tranzakciós bizonylatokat stb. szintén nem tanácsos megosztani a ChatGPT-vel. Az óvatosság még akkor is tanácsos, ha bizonytalanok vagyunk, hogy tényleg bizalmas adatról van szó, vagy sem.

Bármikor kísértést érezhetünk, hogy a ChatGPT-t orvosunkként képzeljük el, és egészségügyi problémáinkat próbáljuk diagnosztizáltatni vele. Ha így teszünk, megint nagyon alaposan gondoljuk át, mennyit árulunk el magunkról, és ha folyamatosan erről a témáról beszélgetünk vele, vegyük figyelembe, mi mindent tudhat meg rólunk a dialógusfüzérből.

Összességében, lényegében ugyanaz a szabály vonatkozik a chatbotokra, mint az internetre: csak azt osszuk meg velük, amit nem félünk nyilvánossá tenni. Saját felelősségünk az adataink feletti kontroll.

Az internet, a blokklánc vagy a számítási felhő mintájára, sokan hajlamosak „csak egy másik új technológiaként” látni a kvantumszámításokat, pedig nagyjából olyan paradigmaváltásról van szó, mint a modern tranzisztorok és a mikroprocesszorok megjelenése volt. Nem új technológia tűnt fel, hanem a komputerek számítási módjában köszönt be komoly változás.

A hagyományosakkal összehasonlítva, ezek a gépek teljesen új módon, a kvantummechanika elvein alapulva dolgozzák fel az adatokat. De még fontosabb, hogy összehasonlíthatatlanul, sok nagyságrenddel gyorsabban teszik. Ha elterjednek, ezért fogják újradefiniálni a számítások és a számítógép fogalmát.

Jelenleg viszont inkább titokzatos szerkezetek, a jövő ígéretei, semmint a hétköznapokat befolyásoló valóság. Legtöbbünknek csak ködös képzetei vannak róluk, vagy még azok sem, és persze tudjuk a médiából, hogy óriási lehetőségek rejlenek bennük.

Egyelőre ott tartunk, hogy kezdegetnek kilépni a laborokból, korlátozott feladatokat el-elvégeznek, a D-Wave, a Google és a Kínai Tudomány és Technológia Egyetem verseng a kvantum-szupremáciáért, az Amazon, a Google és a Microsoft kvantumszámítás-szolgáltatásokat nyújt. Tényleges gyakorlati alkalmazások viszont még nem futnak kvantumszámítógépen. Az lesz majd a legnagyobb áttörés. De mikor?

Jensen Huang, az Nvidia CEO-ja szerint tizenöt-harminc, a Google Kvantum MI részlege alapján akár öt év múlva. Kvantumszámítógépek általános feladatokat akkor oldhatnak majd meg sokkal eredményesebben, gyorsabban, mint a hagyományos komputerek.

A fejlődés következő fontos – és nem kifejezetten szívmelengető – állomásaként kvantumgépek képesek lesznek feltörni a digitális titkosítást. Szakemberek évek óta készülnek a 2026 és 2031 között ötven százalékos valószínűséggel bekövetkező változásra. Joe Biden elnöksége alatt nemzetbiztonsági prioritásnak nyilvánították.

A harmadik mérföldkő a hibatoleráló kvantumszámítások elterjedése lesz, amikor a kvantumbiteket nem kell már feltétlenül abszolút zéró fok közelére hűteni, illetve például ioncsapdával megakadályozható a qubitek gyors szétesése (dekoherenciája). A valóban hibatűrő kvantumszámítógépek 2030-ra válhatnak valósággá.

Kvantumkomputerek és mesterséges intelligencia szintézise az egyik legizgalmasabb opció. Képzeljük el, hogy MI-algoritmusok segédkeznek olyan problémák megoldásában, melyekben ezek a gépek eleve kiválóan teljesítenek. Pontosabb lesz a fizikai valóság modellezése, szimulációja, javul az adatminőség. A területen öt-tíz éven belül várható jelentős előrelépés.

Ha két évtizednél messzebbre tekintünk a jövőbe, új anyagok fejlesztését, ma még nehezen elképzelhető gyógyszereket, a klímaváltozás és az óceánok megtisztításának hajszálpontos modellezését látjuk. Kérdés, hogy mennyire lesz korlátozott vagy az elit privilégiuma a hozzáférés, mekkora lesz az energiafogyasztás. Kétségeink viszont ne legyenek, a kvantumszámítások óriási hatással lesznek a jövőre.

Ahogy a mesterségesintelligencia-alapú chatbotok viselkedése egyre emberszerűbbé válik, emberek a nagy nyelvmodellekre (LLM) támaszkodhatnak érzelmi szükségleteik kielégítése, például a magány vagy a gyász enyhítése érdekében. Egyelőre viszont keveset tudunk a hatásokról.

Az OpenAI és az MIT (Massachusetts Institute of Technology) Media Lab kutatói erről a témáról, a ChatGPT magányra, társadalmi interakciókra, érzelmi függésre gyakorolt hatásáról, valamint a potenciálisan problémás felhasználásról publikáltak későbbi kutatások kiindulási pontjának tekinthető tanulmányt.

Két kutatást végeztek: az egyikben való világbeli beszélgetéseket elemeztek nagy léptékben, míg a másikban véletlenszerű kontrollvizsgálatot folytattak kiválasztott csoporttal. Mindegyiket LLM-eken alapuló osztályozósorok segítségével értékelték ki, öt központi érzelemre és húsz érzelmi indikátor alosztályra összpontosítva.

Az elsőhöz mintegy hatezer masszív ChatGFPT-user hárommillió angol nyelvű hanganyagát (beszélgetését) használták, és három hónapon keresztül 4076 személy reakcióit figyelték. A beszélgetéseket emocionális fogódzók és a követett felhasználók érzelmi üzeneteinek százaléka szerint elemezték.

A másodikban közel ezer önkéntest kértek meg, hogy huszonnyolc napon keresztül vegyenek részt egyedi (nyílt, személyes/nem-személyes) beszélgetéstípusokban és módokban (szöveg, interakció a ChatGPT semleges vagy nem-semleges hangjával). Mindegyik résztvevő legalább napi öt percet töltött a ChatGPT-vel. Összesen 300 ezer üzenetet osztályoztak, és a beszélgetéstípus és mód függvényében azonosítottak olyan érzelmi kategóriákat, mint a magányosság vagy a függőség.

Mindkét kutatásból kiderült, hogy a ChatGPT használata a magányosság csökkenéséhez és az érzelmi beszélgetések növekedéséhez társítható. Ezzel szemben azt is kimutatták, hogy a személyek közötti szociális interakciók csökkenéséhez és a chatbottól való függés növekedéséhez szintén kapcsolható az MI fokozott használata.

Mivel ChatGPT nélküli kontrollcsoporttal nem dolgoztak együtt, nehezebb különbséget tenni az MI által kiváltott és például évszakváltás miatti érzelmi változások között. Ahogy a közösségi médiánál, úgy a chatbotok fejlődésével is könnyebb lesz majd megállapítani egyértelmű pozitív és negatív emocionális hatásokat. Jelen tanulmány alapként szolgálhat hozzá.

A kvantumszámítások megoldást kínálnak a feldolgozó-kapacitások bonyolult feladatoknál, például gyógyszerhatások pontos modellezésénél vagy szélsőséges időjárási jelenségek előrejelzésénél különösen szükséges gyors növelésére. Persze nem minden területen jobbak a hagyományos megoldásoknál. A jövő szempontjából fontos, hogy tisztában legyünk azzal, miben jobbak a kvantum-, és miben a klasszikus számítógépek.

Előbbiek mindenképpen eredményesebbek komplex, valódi (fizikai) rendszerek, a természet, a világegyetem vagy az emberi test modellezésében, amikor nagyszámú változót tartalmazó dolgokat, például optimalizációs vagy kriptográfiai és cyberbiztonsági problémákat kell megoldani.

A kvantumszámítógépek pénzügyek befektetési portfoliójának szerkesztésénél, biztosítási kockázatok felbecsülésénél, leghatékonyabb szállítási útvonalak meghatározásánál, az anyagtudományban, például új ötvözetek fejlesztésénél szintén eredményesebbek. Mivel a siker a molekulamodellezés pontosságán múlik, a gyógyszerkutatásban úgyszintén.

Lényegében bármilyen területen, amely nem a zérók és egyek bináris logikáján alapul. 

A mesterséges intelligencia adatelemzése, mintafelismerése és maga a gépi tanulás is jobban működhet kvantumszámítógépekkel. Mindez viszont távolról sem jelenti azt, hogy a jövőben ne lenne szükségünk hagyományos komputerekre.

E-mail szerverek hosztolásához és kezeléséhez, munkahelyi és termelékenységi szoftverek futtatásához, adatbázisok és hálózatok adminisztrálásához sokáig ezek a gépek jelenthetik az alapot. A kvantumkomputereknek egyszerűen nem lennének gyakorlati előnyeik a felsorolt területeken.

A strukturált adatbázisokon, felhőtároláson alapuló rendszerek, nagy adatkészletek tárolása és kezelése, járműveink beágyazott processzorai, háztartási berendezések, ipari gépek esetében is célszerűbb a klasszikus számítástechnika. Sokáig mindenhez praktikusabb, ami desktop gépekkel, okos készülékekkel megoldható.

A hagyományos gépek napi rutinmunkánk, üzleti tevékenységünk motorjai maradnak, míg nagyon speciális feladatok, különlegesen komplex feladatok megoldásánál jöhetnek a kvantumkomputerek. Nem fogják helyettesíteni a hagyományosokat, egymás mellett dolgoznak, míg a kettő közötti interfész az MI fejlődésének és az automatizációnak köszönhetően láthatatlan marad, az ágensek feladatfüggően válthatnak egyik platformról a másikra.

A kvantumszámításokra „fogékony” területeken a gyors átalakulással viszont drámai lehet a diszrupció.