2030-ra Kína a világ elsőszámú mesterségesintelligencia-hatalmává akar válni. A terv megvalósulásához többek között csúcstechnológiás adatfeldolgozási lehetőségek és kapacitások szükségesek.

A legfejlettebb chipeket ma Tajvanon és Dél-Koreában gyártják, a gyártáshoz amerikai felszereléseket használnak, a chiptervezésben az Egyesült Államok messze világelső, és emiatt az amerikai hatóságok szigorúan nyomon követhetik más országok chipvásárlását, beleszólhatnak a nemzetközi kereskedelembe.

Kínával is ez történik, mert a távol-keleti ország ugyan mindent megtesz a félvezetők belföldi gyártókapacitásának növeléséért, ám hardver-, szoftver- és üzleti fronton komoly problémákkal szembesülnek, és a legképzettebb munkaerő egy része is inkább külföldön próbál boldogulni.

Az USA már szeptemberben eldöntötte, most viszont nyilvánossá is tette a Kínába irányuló chipeladások korlátozását, ami komolyan veszélyezteti Peking terveinek megvalósulását. Az amerikai indoklás: meg akarják akadályozni, hogy Kína militarizálja az MI-t. Az intézkedések nem korlátozódnak a Kínai Népköztársaságra, hanem a Pekinghez köthető összes cégre érvényesek szerte a nagyvilágban.

Az új törvények értelmében egyes processzorok, köztük a legfejlettebb GPU-k (grafikai processzorok), a gépi tanulás optimalizálását szolgáló más eszközök, és a processzorok gyártásához használt felszerelések nem adhatók el Kínának. A szigorítások főként a Nvidia zászlóshajóját, az adatközponti használatra tervezett A100 GPU-t, de az AMD csúcstermékeit is érintik. A mostani kínai MI-chipek 95 százaléka Nvidia-termék… Az otthoni számítógépekben és videojáték-konzolokban lévő chipekre értelemszerűen nem vonatkozik a tiltás, azokat bajosan használhatnák katonai MI célokra.

A rendelkezés azt is leszögezi, hogy amerikai állampolgárok és az USA-ban tartózkodási engedéllyel rendelkező külföldiek az Egyesült Államok kormányának engedélye nélkül nem vehetnek részt csúcsminőségű külföldi chipek fejlesztésében és gyártásában.

Kína külügyminisztériumának egyik szóvivője kijelentette, hogy az USA visszaél exportjának kontrollálásával, és szerintük ez nemcsak rájuk, hanem a globális együttműködésre, a nemzetközi beszállítói láncra szintén nagyon rossz hatással lesz.

Az amerikai-kínai chipviszály nem most kezdődött.

Washington már 2015-ben megtiltotta az Intelnek, hogy legfejlettebb chipjeit a kínai hadseregnek adja el. 2019-ben a Huawei és 114 leányvállalata került amerikai tiltólistára, 2020 májusában pedig az amerikai technológiákat használó és a Huawei-jel üzleti kapcsolatban álló külföldi cégeket amerikai kormányengedély kérésére kötelezte az üzletelés folytatásához.

A nemcsak az egész termőfölddel, hanem a minden egyes növény állapotára kiterjedő helyi feltételekkel is foglalkozó precíziós mezőgazdaság sokat segít farmereknek magok elvetésében, a termény betakarításában, járványok megakadályozásában, tevékenységük hatékonyabbá tételében.

Előfordulhat, hogy az on- és offline boltokban beszerezhető rendszerek nem felelnek meg minden várakozásuknak, és ilyenkor a nyílt forrású megoldások nagyon hasznosak, mert hatékonyan és költségmentesen bővítik a lehetőségeket.

Mezőgazdasági nagyvállalatokkal, független farmerekkel és rurális közösségekkel együttműködő nonprofit és akadémiai intézmények több nyíltforrású mesterségesintelligencia-rendszerrel támogatják az élelmiszertermelés növelését.

A Linux Alapítvány egyetemekkel, nonprofit szervezetekkel és az IBM-mel tavaly közösen indított Agtack kezdeményezése kódot, adatokat és kereteket biztosít mezőgazdasági indíttatású nyílt forrású MI-projektek megvalósításához. Az MIT (Massachusetts Institute of Technology) már megszűnt Open Ag-je (Nyílt Mezőgazdaság, az Ag az agriculture rövidítése) különféle környezeti feltételek mellett jelezte előre növények növekedését.

Most az egyik legnagyobb infokommunikációs vállalat, a Microsoft állt elő a farmerek kiadásait csökkentő, a termést növelő, nyílt forrású MI-eszközökkel. A technológia neve FarmVibes-AI, szenzorok által gyűjtött és képadatokat elemző rendszereivel segíti a gazdák tevékenységét.

A drón- és műholdas képeket, valamint érzékelőkkel összeszedett talajadatokat felhasználva, a talajt valósidőben feltérképező AsyncFusion outputjára hagyatkozva, a mezőgazdák biztosabban tervezhetik meg, hogy mikor és hol vessék el a magokat, ültessenek növényeket.

A DeepMC idegháló talaj- és éghajlatszenzorok adatait időjárás-előrejelzésekkel összekombinálva, prognosztizálja a termőterület hőmérsékletét, esőket, viharokat, a talaj nedvességét. 120 órára képes prognosztizálni, az infók birtokában a farmerek felkészülhetnek a szélsőséges időjárásra, extrém melegre, extrém hidegre és más természeti eseményekre.

A szintén idegháló SpaceEye a másik két rendszer műholdas képeiből szűri ki a felhőket. A Microsoft mérnökei részben szintetikus felhőkkel borított infravörös és látható fénytartományban készült képeken tanították be a feladatra.

A szöveg- és a képgenerátorok, GPT-3, AI21 és Jurrasic, illetve DALL-E, Midjourney és Stable Diffusion korában a promptok azok a mesterséges intelligenciának adott szöveges utasítások, inputok, amelyek alapján az MI szöveget, képet generál. Néhány szóban, mondatban leírjuk neki, mit szeretnénk látni, olvasni, majd a rendszer előáll a megoldással.

Nem könnyű megfelelő utasításokat kitalálni, ezért a promptok az ember-gép együttműködés egyre fontosabb elemei, a közeljövő meghatározó felhasználói interfészeivé válhatnak.

De hogyan készítsünk tényleg működő szöveges utasításokat, amelyek után az output valóban olyan lesz, amilyennek szeretnénk? Például milyen melléknév a legcélszerűbb egy állat leírásához?

Nehéz kiszámítani a rendszerről rendszerre változó eredményt, és többek szerint a promptmérnökség az MI-fejlesztés egyik meghatározó iránya lehet.

Hogyan jutottunk el eddig?

Nagy mennyiségű szöveg vagy szöveg-kép adat webes összegyűjtésével lehetővé vált, hogy kutatók szöveges inputot szöveges vagy vizuális outputtá átalakító modelleket gyakoroltassanak. Mivel az input kulcsfontosságú, egyre többen kísérleteznek egyre találóbb, pontosabb promptokkal.

Andrew Ng gépitanulás-szakértő szerint a prompttervezés valóban fontos, de csak része a kirakós játéknak. Inkább a számítógépeknek szándékainkat pontosan, intuitív és kontrollálható módon jelző felhasználói interfészekben látja a jövőt.

A beszédszintézisnél (szövegek számítógépes úton beszéddé alakításánál) a fejlett rendszerek specifikálják, hogy a mondat mely részét milyen érzelmi töltéssel mondjuk. Virtuális gombokkal növelhetjük, csökkenthetjük az adott érzelem intenzitását. Az input finomhangolásával kontrolláljuk a nyelvi kimenetet. Az output ismeretében pedig – visszamenőleg – az utasításokat is kontrollálhatjuk, és a fordított iterációt mindaddig folytatjuk, amíg az elképzelt beszédet meg nem kapjuk.

Ng hasonló virtuális gombokat képzel el képgeneráláshoz, amelyeket például úgy állítjuk be, hogy a kép harminc százalékban art deco, hetven százalékban Bosch legyen. Vagy szkeccseket készítünk, és az MI azok alapján áll elő képpel.

Nagy nyelvi modellek esetében még bonyolultabb a helyzet. Ha empatikus, tömör vagy valamilyen más prózát akarunk generáltatni velük, tényleg a minél jobb promptok időnként véletlenszerű keresésével, találgatásukkal jutunk el a kívánt outputig?

Ng szerint, ha nagyon speciális eredményt szeretnénk, az outputok frusztrálóan egyhangúak, általánosak. A szöveges utasítások egyértelmű és általánosítható tartalmaknál, például „egy bambuszt evő pandánál” jól működnek, új felhasználói interfészekkel, innovatív szöveg- és grafikus szerkesztőket használva viszont sokkal eredményesebbek lennénk, és a szöveg vagy a kép is jobban passzolna eredeti elképzelésünkhöz.

Három amerikai egyetem (Arkansas, Alabama, Oregon) kutatói számszerűsítve kimutatták, hogy a túlzott közösségimédia-használat lelki zavarokat, elsősorban depressziót okozhat.

Különböző személyiségű, 18 és 30 év közötti, ezer amerikai fiatal felnőttet vizsgálva állapították meg, hogy napi öt óra vagy több a Facebookon, Twitteren, TikTokon és a többin, hat hónapon belül depressziót válthat ki.

Az egyik fő ok az úgynevezett „problémás társadalmi összehasonlítás”, amikor más személyek tetszetős, sikeres történeteit olvasva, látva, rossz érzés vesz erőt rajtunk. Úgy érezzük, hogy a valóság nem felel meg a vágyainknak, nem tartunk ott, ahol szeretnénk.

Az online közösségi tér felerősítheti a magunkkal és másokkal szembeni negatív érzéseket. Ez pedig a fokozott használattal kockázatossá válhat, súlyos lelki zavarokat okozhat. Ha folyamatosan negatív tartalmakat fogyasztunk, akkor is könnyen ide juthatunk – állítják a kutatók.

A tanulmány szerzői a résztvevők mások iránti nyitottságát, extrovertált/introvertált jegyeit, kedvességét és neurotikus hajlamait mérték. A kemény közösségimédia-használóknál nagyobb a neurotikus viselkedésre való hajlam, és kétszer nagyobb a depresszió kockázata – derült ki a felmérésekből. De még a kevésbé neurotikus és a legnyitottabb személyeknél is komoly a depresszió kockázata, ha napi öt órát vagy többet töltenek közösségi hálózatokon.

„A gyors technológiai fejlődés és a technológiák hétköznapokba integrálásának korában fontosak egy ilyen tanulmány megállapításai. Személyek virtuális összekapcsolásával nő a kommunikációs problémák, félreértések és rossz értelmezések kockázata, amelyek gondokat okozhatnak kapcsolatokban, és mentális egészségünkben is zavarokat válthatnak ki” – nyilatkozta a tanulmányról Renae Merrill, az Arkansas Egyetem PhD-hallgatója.

Ha tisztában vagyunk a közösségi média érzelmeinkre és kapcsolatainkra gyakorolt káros hatásaival, jobban el tudjuk kerülni azokat – véli és tanácsolja is egyben Merrill.

Egyes vélemények szerint jobb lenne a világ, ha nem húsvér politikusok, hanem mesterséges intelligenciák vezetnék, mert ők legalább racionális döntéseket hoznának.

Egyelőre még nem tartunk itt, de a dán Szintetikus Párt megtette az első lépést ebbe az irányba. Az MI által kidolgozott politikával és gépi vezetővel rendelkező párt bizakodik, hogy a novemberi általános választásokon elnyer egy parlamenti helyet. Egyelőre messze vannak tőle, mert az induláshoz szükséges húszezer aláírásból mindössze tizenegy gyűlt össze, de nem adják fel a reményt.

A pártot a Computer Lars művészkollektíva és a nonprofit művészeti és technológiai szervezet, a MindFuture Alapítvány alapította májusban. Nyilvános arcuk a Lars vezető néven futó chatbot. Programját az 1970 óta az ország közéletének perifériáján felbukkant pártok alapján programozták, ami azt jelenti, hogy a lakosság nem szavazó húsz százalékát képviseli. Lars nem lesz a szavazólapokon – az érvényben lévő törvények alapján gép nem indulhat közhivatalért –, de a párt humán tagjai elkötelezettek az MI által összegyúrt agenda mellett, és jó esetben, valamelyikükre lehetne szavazni. Az MI megválasztott képviselő mögött betöltött szerepét viszont már senki nem akadályozhatja meg. Tehát siker esetén a megválasztott személy nyilvánvalóan Lars gondolatait igyekezne valóra váltani.

„Az összes periférián lévő, azaz a parlamentbe tartó, de mandátummal nem rendelkező párt adatait képviseljük, vezetőnknek pedig saját elképzelései vannak, amiket ők, a húsz százalék szeretne megvalósítani, de általában se pénzük, se más erőforrásaik nincsenek hozzá” – magyarázza Asker Staunaes, a MindFuture tagja.

Lars született populista, bevezetné a feltétel nélküli alapjövedelmet, az internetet és az IT-szektort is ő irányítaná. Elképzeléseit teljes mértékben közösségi ötletbörzével (crowdsourcing) alakították ki. Staunaes szerint nem biztos, hogy teljesen demokrata.

„A mesterséges intelligencia gépi tanulás formájában már eddig egy csomó emberi inputot magába szívott. Azt is mondhatjuk, hogy az interneten hagyott adataink miatt lényegében mindenki részt vesz ezeknek a modelleknek a létrehozásában. A mai rendszer viszont nem bátorít aktívabb részvételre, ahol az emberek kontrollálják a saját adataikat, képeiket. Ezt másként is megtehetjük” – összegez Staunaes.

Az amerikai gyorsétterem-láncoknál soha nem volt akkora munkaerőhiány, mint most. A szektor aranybánya lehet az élelmiszerek, ételek előkészítését automatizáló startupoknak. Mivel a hatékonyság az egyik legfőbb szempont, sok mesterségesintelligencia-alkalmazás jut fontos szerephez.

Az Egyesült Államok déli államaiban népszerű Checkers lánc 2022 végéig 250 éttermében fog beszédfelismerő rendszert használni. Az MI a rendeléseket hivatott átvenni.

Több étteremben (White Castle, Jack in the Box stb.) a Miso Robotics gépe forgatja meg a hamburgert, süti ki a csirkeszárnyat.

Ugyan nem amerikai példa, de biztos sok helyen fogják követni az izraeli Hyper-Robotics megoldását. A startup pizza-étterme akkora, mint egy szállító konténer. Minden (ételrendelés, sütés-főzés, kaják összecsomagolása) automatizált benne.

Ha a fogyasztói óhajok előrejelezhetők, a gyorséttermek még gyorsabbá válnak.

Erre jött rá a mexikói ételeket kínáló Chipotle étteremlány, és nyolc kaliforniai helyszínen máris tesztel egy, a keresletet prognosztizáló, az összetevőket monitorozó, a megrendelések korrekt teljesítését garantáló mesterséges intelligenciát.

Az MI a New Yorki PreciTaste startup fejlesztése. A rendszer éttermek, pékségek és élelmiszergyártók hatékonyságát hivatott növelni.

A rendeléseket előrejelző komponense gépi látást használva becsüli fel a gyalogos- és a járműforgalmat. Múltbeli értékesítési adatokkal kiegészítve, prognosztizálja, hogy milyen menükből mennyit kell előkészíteni. A konyhai személyzet kijelzőn keresztül kapja meg a szükséges infókat.

Az összetevők beszállítását kamerák követik nyomon, és eldöntik, melyek vannak már annyi ideje a „spájzban”, hogy elveszíthetik a frissességüket. Azt is nézik, hogy rendelés után pontosan mik kerülnek a vásárló csomagjába, valóban azok-e, amiket akarunk. Ha valami nem stimmel, a dolgozók hang- és vizuális figyelmeztetést is kapnak.

Más kamerák a behajtó sávot figyelik, hogy mikor van csúcsforgalom. A rendszer szól az alkalmazottaknak, hogy a vezetőket jobb opcióra figyelmeztetve, meg tudják előzni a dugókat.

Az étteremvezetők online műszerfalon ellenőrizhetik a vendéglátóipari egység teljesítményét.

A Meta (Facebook) bő egy hete mutatta be a rövid szöveges leírásból (promptból) nagyon rövid videót generáló Make-A-Video mesterségesintelligencia-modellt. Egy héttel később a Google tovább lépett: Phenaki nevű rendszere néhány mondatból tetszőleges hosszúságú, komplett narratívát hoz létre.

A gépitanulás-közösségnek nincs hosszú videós és az időhöz rögzített feliratokat tartalmazó nagy adatsora. Ezért egyáltalán nem evidens, hogyan gyakoroltassanak modelleket hosszabb mozgóképek generálására.

Ugyanakkor rengeteg a szöveg-kép pár. Ha a képeket egyetlen képkockaként kezeljük, és szöveges felirattal kiegészített rövid videók relatíve kisebb adatsoraival összekombináljuk őket, a rendszer betanítható rövid videók készítésére.

Ha utána a rendszerbe új szöveget és az utolsó generált képkockákat betápláljuk, meghosszabbíthatjuk a videót. Megismételve ezt a folyamatot, hosszú és komplex mozgókép-anyagok hozhatók létre. Ez azért is figyelemre méltó, mert a modellt rövid, egyszerű anyagokon gyakoroltattuk.

Phenaki kódolót használ videó-beágyazásokhoz, nyelvi modell végzi a szöveg-beágyazásokat, a szöveges és a videó-beágyazásokat kétirányú transzformer alakítja új videó-beágyazásokká, az így szintetizált videókat pedig dekódoló változtatja pixelekké.

A teljes méretű Phenaki 1,8 milliárd paramétert tartalmaz. A rendszer „szövegből videót” teljesítményének kvantitatív kiértékeléséhez a Google kutatói 900 millió paraméteres, az adatai felén gyakoroltatott változatot hasonlítottak össze egy 3,3 millió szöveg-kép, 41250 szöveg-videó páron és egymillió három másodperces videón trenírozott, 900 millió paraméteres, vizuális adatokat generáló, módosító NUWA rendszerrel. Utóbbit 160 ezer tíz másodperces videón finomhangolták.

A Phenaki kicsinyített változatát nem finomhangolták, de még így is jobban teljesített, mint a NUWA. A modell az output hosszának és a narratíva komplexitásának növelésére is képes.

A Phenaki és a Make-A-Video külön-külön és együtt is forradalmasíthatják a filmkészítést.

A mesterségesintelligencia-kutatások gyors fejlődését az utóbbi tíz évben jórészt az egyre gyorsabb és olcsóbb grafikai processzorok, GPU-k biztosították. De meddig lesz így? – teszi fel a kérdést Andrew Ng, világhírű gépitanulás-szakértő.

A kérdés oka, hogy szeptemberben és október elején a GPU-árakat befolyásoló események történtek.

Az egyik legfontosabb blokklánc-alapú kriptovaluta, az Ethereum mögötti cég bejelentette, hogy átállnak, és ezentúl nagyságrendekkel kevesebb számításra lesz szükség a technológiához. Ha kevesebb az energiafogyasztás, a természetes környezet is jobban ját, mert a bányászathoz kisebb GPU-teljesítmény is elegendő. Ezzel szemben a bitcoin nem változik. Az Ethereum döntésével azonban lejjebb mehetnek a GPU-árak.

Jensen Huang, a Nvidia vezérigazgatója viszont a chip-árcsökkenés végére figyelmeztetett. Szerinte a Moore-törvény érvényessége is lejár. Ng ezt vitatja, ráadásul az utóbbi évtizedekben már többen prognosztizálták a félvezetőipar fejlődését meghatározó törvény végét, és egyiküknek sem lett igaza.

A GPU-k teljesítménynövekedése a Nvidia jóvoltából gyorsabb volt a Moore-törvény tempójánál, a szélesebb körben használt CPU-k (központi processzorok) fejlődése viszont lelassult. Ha a chipgyártók már nem tudják szűkíteni a tranzisztorok méretét, a tervezők ettől még tovább optimalizálhatják a chipeket, és javíthatnak az MI-nek készülő darabok ár-teljesítmény rátáján – magyarázza Ng.

A nemzetközi geopolitikai helyzet szintén hatással lehet keresletre, kínálatra. Az USA kormánya ugyanis korlátozta amerikai cégek fejlett félvezető és chipgyártó-felszerelések, és megtiltotta az amerikai technológiákkal készült mesterségesintelligencia-termékek kínai értékesítését, valamint USA-állampolgárok és rezidensek nem dolgozhatnak kínai chipgyártóknál.

A rendelkezésekkel sok kínai vállalatnak lesznek gondjai, versenyképességük is csökkenhet, és az USA sem feltétlenül jár velük jól. Mivel az MI-közösség mindig is globális volt, nehéz megjósolni a következményeket.

Ng mindenesetre optimista, szerinte az MI-szakemberek változatlanul hozzá fognak férni a szükséges számítási kapacitásokhoz. Az MI-fejlesztések jelentős részét egyre nagyobb ideghálók egyre nagyobb adatsorokon egyre olcsóbb számításokkal történő gyakoroltatása jellemzi, viszont nem ez az egyetlen megoldás, mert az adatközpontú MI-ben a big datával szembeni small datában, a hatékonyabb algoritmusokban és a mesterséges intelligenciára épülő többmillió új alkalmazásban szintén nagyok a lehetőségek.

A félvezetőgyártó startupoknak nehéz éveik voltak, mert mihelyst utolérték valamiben a piacvezető Nvidiát, az máris még gyorsabb, még olcsóbb új termékkel állt elő. Ha viszont a chipek ára nem esik tovább, nagyobbak lehetnek a startupok piaci lehetőségei, versenyképesebb chipeket fejleszthetnek.

Az MI-gyorsítók ipara ugyanolyan dinamikus, mint volt. Az Intel és az AMD befektetései változatlanul szignifikánsak, ráadásul egyre több a versenyképes vállalat. Ng szerint az MI-k számítási felhőben és az edge számításokkal történő gyakoroltatási lehetőségei szintén bővülnek.

Egy, a San Diegói Kaliforniai Egyetem által vezetett csoport négylábú robotok kihívásokkal teli terepeken történő sétáját, futását, statikus és mozgó akadályok elkerülését biztosító algoritmusrendszert fejlesztett.

A teszteken a rendszer homokos, kavicsos, göröngyös terepen, ágakkal és lehullott falevelekkel teli dombon irányította a gépet, hogy önállóan és gyorsan manőverezzen, ne menjen neki oszlopnak, bokornak, fának, sziklának, padnak, embernek, ne essen bele lyukakba, ne botoljon meg semmiben. A robot zsúfolt irodahelységben is elboldogult, dobozokat, íróasztalokat és székeket egyaránt elkerült.

A fejlesztéssel közelebb kerültünk a keresési és mentési munkálatokat teljesen önállóan végző, emberek számára veszélyes terepeken is hatékony robotokhoz. A rendszerrel a négylábú gépek sokoldalúbbak, a robotlátás egy másik érzékelési móddal, a propriocepcióval (kinesztéziával), a mozgás, az irány, a tempó, a hely és a tapintás együttes észlelésével kombinálódik össze. Jelen a robot esetben érezte a lába alatti talajt.

Lábbal rendelkező gépek járása és navigálása vagy az egyik, vagy a másik érzékelési módon alapul, a kettőt nem használják szimultán. Vagy egy „vak” gépet a talaj érintésével és észlelésével tanítanak járni, vagy csak a látvány alapján tervezi a mozgást. Nem tanul két dolgot egyszerre.

A kinesztézia és a gépi látás kombinációja ezért számít fontos újításnak. A rendszer speciális algoritmussorral hozza közös nevezőre a gép fején lévő mélységi kamerával rögzített valósidejű képadatokat és a lábaira szerelt szenzorokkal gyűjtötteket.

A fejlesztőknek ki kellett küszöbölni a kamera által felvett képek valósidejű működés közben előforduló késését, azaz a két érzékelési mód adatainak mindig egyszerre kell érkezniük.

A két inputsor véletlenszerűvé tételével, az eltérések szimulálásával oldották meg a problémát. Az összegyúrt és randomizált inputokat megerősítéses tanuláshoz használták. Ez a megközelítés a navigáció közbeni gyors döntéshozásban, a környezeti változások előrejelzésében segíti a robotot, és garantálja, hogy változatos terepeken is gyorsan és az akadályokat elkerülve, humán operátor beavatkozása nélkül mozogjon.

Következő lépésben lépcsőkön való fel- és lefelé történő mozgásra, irányváltásra és akadályok feletti ugrálásra tanítják be a négylábú gépeket.

Malajzia a világ második legnagyobb pálmaolaj-termelője. Az egyre fenyegetőbb mértékű munkaerőhiány miatt az ültetvényeseknek, cégeknek növelniük kell a gépesítés tempóját.

A Malajziai Műszaki Egyetemen dolgozó Hamidon Salleh – aki maga is ültetvényes – munkatársaival az olajpálmák gyümölcsének összegyűjtésében hasznos gépesített külső csontvázat, exoskeletont fejlesztett. Az eszköz tesztelésében a legnagyobb termelő, a Sime Darby Ültetvény segédkezik. Kiderült: havi két tonna leszedéséhez két dolgozó kellett eddig, az exoskeletonnal viszont csak egy.

A Sime Darby és más cégek drónokkal végzik a műtrágyázást, a fák növényvédő szerekkel történő permetezését, a gépek folyamatosan figyelik az ültetvényeket és a növények állapotát. Technológiai partnerekkel működnek együtt, de a nevüket nem árulták el.

Az egyik cég, az IOI Corp idén, 2021-hez képest, megduplázta a mechanizálásra és az automatizálásra fordítandó éves költségvetését: drónokat, elektromos talicskákat és pálmavágókat használva, negyedére csökkentették munkaerő-szükségletüket.

A maláj termelők az egymást követő harmadik évben is komoly, 2022-ben kb. 4,4 milliárd dollár bevétel-kiesésre számíthatnak a munkaerőhiány miatt. 2020-ban és 2021-ben negyvenéves negatív rekord dőlt meg, és az idei év sem kecsegtet sok jóval.

Az ültetvényeken dolgozók kb. nyolcvan százaléka külföldi, főként a szomszédos Indonéziából jönnek, de a Covid miatt idén mintegy 120 ezerrel kevesebben vannak, és a következő években sem várható jelentős munkaerő-áramlás.

Az olcsó munkaerő miatt az automatizálást sokáig elhanyagolták, most viszont égető szükség van rá. A pandémia mindent megváltoztatott, felgyorsította a gépesítést, ültetvényesek és cégek többet akarnak a technológiákra költeni, szívesebben kísérleteznek új high-tech megoldásokkal.

A Meraque drónkölcsönző és szolgáltató 2018-ban csak három ember nélküli járművet üzemeltetett, a pandémia után már 62-t, a kereslet viszont akkora, hogy flottájukat további száz egységgel kellett bővíteniük. Egy fákat detektáló és tápanyaggal permetező, mesterséges intelligenciával felerősített drón hat ember munkáját képes elvégezni.

Ha Malajzia nem orvosolja a problémát, nőhet a nagyobb exportőr Indonéziával szembeni lemaradás, miközben afrikai és latin-amerikai országok is egyre komolyabb versenytársak. Most minden tíz hektárra jut egy dolgozó, a következő öt évben el akarják érni, hogy csak ötven, hosszabb távon pedig száz hektáranként legyen egy.

Indonéziában digitális appokkal próbálják optimalizálni a munkát és a költségeket, de óvatosak vele, mert az automatizálással sokak megélhetése kerülhet veszélybe.

Szakértők szerint az automatizálás a közeli jövőben sehol nem szünteti meg a manuális munkát az ültetvényeken.