Egy új kutatás szerint a Hold közvetlenül a Föld hatalmas darabját leszakító és a világűrbe vető kataklizma-szerű becsapódás után, rövid idő lefotgása alatt keletkezhetett.

Az 1970-es évek közepe óta több tudós gondolja, hogy a Hold a Föld és a Mars-méretű protoplanéta, a Theia kolosszális összeütközéséből keletkezett – a rengeteg törmelékből többezer éven keresztül alakult ki az égitest.

A minden korábbinál nagyobb felbontású szuperszámítógépes szimuláción alapuló új elmélet alapján az égitest nem olyan lassan és fokozatosan formálódott, hanem mindössze pár óra alatt jött létre.

„Megtanultuk, hogy nagyon nehéz előrejelezni, mekkora felbontás kell az ilyen brutális összeütközések hiteles szimulálásához. Addig tesztelünk, amíg a megnövelt felbontás mellett is ugyanaz a válasz, mint előtte” – magyarázza Jacob Kegerreis, az angliai Durham Egyetem számítógépes kozmológusa.

Tudósok először az 1969-es holdraszállás után fértek hozzá ottani kőzetekhez, és állapították meg róluk, hogy kb. 4,5 milliárd évesek. A Hold 150 millió évvel a naprendszer keletkezése után jött létre – vonták le a következtetést.

A hipotetikus Theia bolygóval történt összeütközés utáni keletkezést a holdi kőzetek és a földiek közötti hasonlósággal indokolják. Az összeütközés módja és utóélete viszont vita tárgya. A hagyományos elmélet szerint a Hold főként a Theia maradványaiból jött létre, csakhogy az ottani és a földi kőzetek között túl nagy a hasonlóság, azaz talán főként leszakadt földdarabokból (és persze a Theia résziből is) született az égitest.

A Durham Egyetem COSMA (a „cosmology machine” rövidítése) rendszerével több forgatókönyvet, sokezer Föld-Theia összeütközést szimuláltak. Míg a gigantikus hatások szabvány-szimulációjának léptéke százezer és egymillió részecske között van, addig a COSMA akár százmillió részecskét is képes kezelni.

A nagyobb felbontás részletesebb képeket szolgáltat, másrészt kisebb a tévedés valószínűsége. Ilyen felbontás mellett jutottak a Durham Egyetem kutatói arra az álláspontra, hogy a Hold pár óra alatt alakult ki. A Föld és a Theia pontos szerepének megállapításához viszont újabb holdminták kellenek, amelyeket a NASA Artemisz missziói szállíthatnak majd.

Ezekből a kutatásokból jobban megismerhetjük a Föld keletkezését is, és hogy hogyan vált élhető bolygóvá.

A technológia folyamatos és gyors fejlődésével, a „mesterségesintelligencia-robbanással”, robotok és drónok a legváltozatosabb területeken alkalmazhatók. Ezek általában békések, egyes esetekben életeket menthetnek, viszont a gépek háborús célokra, gyilkos gépekké is alakíthatók.

Több ismert robotfejlesztő és gyártócég, köztük a hallatlanul ügyes szerkezetei miatt méltán világhírű Boston Dynamics a napokban nyílt levelet írt a terület háborús célokra történő használata ellen, hogy fejlesztéseiket ne használják fegyverként, és az iparág más szereplőit is pontosan ugyanerre a hozzáállásra buzdítják.

Az aláírók között olyanok szerepelnek még, mint az Agility Robotics, az ANYbotics, a Clearpath Robotics, az Open Robotics, a Unitree Robotics – a szakterületen mindegyik referenciának számít. Csúcskategóriás mobilrobotokat igyekeznek megközelíthető áron minél többek számára elérhetővé tenni. Ezek a gépek akár az iparban dolgozva, akár otthoni társként, valóban a közjót szolgálják. Mindaddig, amíg nem élnek vissza velük…

 A levélben kiemelik a robotok iránti bizalom csökkenését. Ez az egyik ok, amiért nem engedik meg gépeik fegyverré alakítását.

„Véleményünk szerint a nyilvánosság számára széles körben hozzáférhető, távirányított vagy autonóm, korábban megközelíthetetlen helyszíneken navigálni képes robotok fegyverrel való felszerelése, mivel ezeken a helyszíneken emberek élnek és dolgoznak, új kockázatokat és komoly erkölcsi kérdéseket vetnek fel” – írják.

A cégek más vállalatokat is kérnek, hogy robotjaikat ne kombinálják össze fegyvertechnológiákkal, és további fejlesztőket is erre ösztönözzenek.

Amikor lehetséges és szükséges, át fogják alaposan nézni megrendelőik terveit, hogy elkerüljék mindazokat, akik fegyverré alakítanák a robotokat. Emellett alaposan kivizsgálják az ilyen átalakításokat meghiúsító technikákat.

„Nyugtalanok vagyunk amiatt, hogy az utóbbi időben nő a hozzáférhető robotokat fegyverré alakító személyek száma. Ha a technológia széleskörű társadalmi elfogadását szeretnénk, a nyilvánosságnak tudnia kell: megbízhat a robotokban. Ehhez pedig a rossz szándékú szereplőket kitiltó politikát kell folytatnunk” – írta egy e-mailben Robert Playter, a Boston Dynamics vezérigazgatója.

A mostani gazdasági bizonytalanságban, a növekvő inflációval és kamatokkal, amerikai kockázati tőkések kevesebbet invesztálnak mesterségesintelligencia-startupokba – állapította meg 2022 első félévéről a PitchBook piackutató cég.

Tanulmányukban részletezik a rossz híreket, és kiemelik a befektetők érdeklődésére még mindig számot tartó területeket, illetve azokat is, amelyekbe kevesebb pénz áramlik.

Az MI startupok támogatása 20, 9 százalékkal csökkent 2021 azonos periódusához képest. Negyedéves bontásban, 2021-gyel összevetve, 27,9 százalék a visszaesés. Az információtechnológia egészében ez 21,6 százalék volt. Ugyanakkor, a 2022-es első félévi befektetés összege (48,2 milliárd dollár) arra enged következtetni, hogy az idei végső szám meghaladja a 2020-as 65,3 milliárdot.

A tőzsdére történő kilépések összesen 27 milliárd dollárt generáltak. 2021 első félévében 144,2-t, egész évben 200 milliárdot.

Az idei második negyedév Mi-be történő kockázati befektetéseinek több mint a fele, 20,2 milliárd dollárból 11 olyan alkalmazásokba áramlott, mint a gyógyszerkutatás, a biztonság, a sales és a marketing.

A legrosszabbul érintettek a felhőszámítás-alapú MI-vel foglalkozó startupok. Az idei első hat hónapban 87,7 százalékkal kevesebbet fektettek beléjük, mint 2021 azonos periódusában.

A számok ellenére a tanulmány szerzői szerint szó sincs új „MI-tél” kezdetéről. Előrejelzéseik alapján visszatérnek a befektetők, 2022-re összesen 175, 2025-re 350 milliárd dollárt prognosztizálnak. Ezek elsősorban a multimodális MI, az általános célú modellek és a szintetikus adatok gyors fejlődésének lesznek betudhatók.

Egy korábbi elemzésben, a CB Insight 2022 mindegyik negyedévére az MI-befektetések 21 százalékos csökkenését prognosztizálta. Ők is hangsúlyozták, hogy a veszteségek nem egységesek – míg a komoly múlttal rendelkező területeken (egészségügy, pénzügyi technológiák, kereskedelem) tevékeny MI-startupok irányába nem csökken a befektetői kedv, addig az „absztraktabb” témák kevésbé vonzók. A bizonyított alkalmazásokra és piacaikra fókuszáló cégek valószínűleg továbbra is prosperálni fognak, de esetükben is keményebb verseny várható.

Számítógépes algoritmusok segíthetik az embert vizuális információk pontosabb megítélésében – derül ki a Cornell Egyetem és néhány partnerintézmény közös kutatásából.

Több mint 16 millió emberi véleményt értékeltek ki abban a témában, hogy mely környékek szavazhattak Bidenre, illetve Trumpra a 2020-as elnökválasztáson. A döntést minden esetben egyetlen Google Street View fénykép alapján kellett meghozniuk. Kiderült, hogy az emberek, ha csoportban döntöttek, jól teljesítettek, viszont egy algoritmus náluk is jobb eredményt ért el.

A tanulmány osztályozta az általános emberi tévedéseket is, majd azonosította a félrevezető tárgyakat. Például, ha a képen kisteherautó és amerikai zászló volt, általában trumpistának gondolták a környéket.

A kutatók próbálták megérteni, hogy az algoritmus mikor eredményesebb, használható-e ez az emberi döntéshozás támogatásában, vagy egy ember-gép rendszer a legeredményesebb.

Mostanában sokan foglalkoznak algoritmusok részrehajlásával, amikor hibáikkal szisztematikusan nőket, színesbőrűeket és marginalizált kisebbségeket hoznak hátrányos helyzetbe. Sokféleképpen tévedhetnek, viszont az ember is lehet előítéletes és hajlamos hibázni. Az algoritmusok a mi tévedéseinkről szolgáltathatnak hasznos diagnózist.

A kutatók a New York Times anonimizált kvízét használták, amelyben a résztvevőknek tízezer helyszínről mutattak egy-egy képet, és meg kellett állapítaniuk, 2020-ban kire szavaztak az adott helyszínen. Egy gépitanulás-algoritmussal megtanították, hogy ugyanazok a képek alapján válaszolja meg ő is ugyanazt a kérdést.

Az algoritmus 74 százalékos teljesítményt ért el. Ha az emberek csapatban szavaztak, akkor 71-et, az egyéni szavazatok átlaga viszont csak 63 százalék volt.

A kutatók három csoportba (torzítás, szórás, zaj) sorolták az emberi hibákat. Ezeket a kategóriákat gépitanulás-algoritmusok hibáinak értékelésekor is sokszor használják. A torzítás a „tömeg bölcsességének” hibái, például a kisteherautó Trumphoz társítása. A szórás a téves egyéni ítéletekre vonatkozik: a tömeg általában jól lát valamit, egyes személyek viszont tévesen. A zaj arra vonatkozik, ha a kép nem szolgáltat hasznos infót, például egy Bidennel szimpatizáló környéken valamilyen Trumpra utaló jel látható.

Az emberi hibák csoportosítása segíthet döntéshozásunk javításában, és az emberi és a gépi döntéshozás összekombinálásával például képeket is pontosabban értelmezhetünk. Az ember valamilyen inputtal járul hozzá az egyébként automatizált folyamathoz.

Az Oregoni Állami Egyetem Agility Robotics cége által fejlesztett Cassie nevű kétlábú robot történelmet írt: kétlábú robotok közül eddig ő futotta le leggyorsabban a száz métert, ami hivatalos Guinness Világcsúcs.

Összehasonlításként, a férfi száz méteren Usain Bolt a csúcstartó 9,58 másodperccel, azaz Cassie 24,73 másodperce valóban figyelemre méltó eredmény. De más szempontból is az, mert ő az első, mozdulatait gépi tanulás segítségével külső térben irányító robot.

Az eseménynek a felsőoktatási intézmény atlétikai központja adott otthont. Cassie álló helyzetben kezdte, majd sprintre váltott. Lábait úgy hajlította, mozgatta, mint egy strucc. Nincs kamerája, és külső szenzorokat sem használ, azaz vakon futott.

Korábban egyszer már lefutott öt kilométert. A távot 53 perc alatt tette meg, egyetlen elemtöltés elégnek bizonyult hozzá.

A fejlesztést vezető Jonathan Hurst elárulta, hogy a gépen hét évig dolgoztak, és futás mellett lépcsőkön is fel- és lefelé közlekedik.

„A gépi tanulást régóta használják mintafelismerésre, például képfelismerésre, robotok viselkedésének irányítására viszont még nem. Ez teljesen új és más” – magyarázza Devin Crowley. a fejlesztésben részt vett PhD-hallgató.

Cassie a helyváltoztatást célzó robottanulás úttörő kutatásának platformja. Míg az öt kilométer teljesítése a megbízhatóságról és a kitartásról szólt, addig a száz méter a robot gyorsaságáról.

A kutatók az öt kilométer megtétele után váltottak, és a sebességre kezdtek összpontosítani.

Sprintben Cassie világelső, viszont nem ő az egyetlen kétlábú robotsprinter. A Boston Dynamics és a Mabel korábban fejlesztett már sprintergépet, őt tartják a világ leggyorsabb, térddel rendelkező robotjának.

Cassie viszont az első, de nem az utolsó, amely tényleg megtanult futni. Az Oregoni Állami Egyetem kutatói szerint irányítás-megközelítésük fontos szerephez jut a jövő robotikájában. Száz méteren ez a módszer tűnik a leghatékonyabbnak, és nyilvánvalóan Cassie világcsúcsa sem tart örökké.

A nyílt forrású digitális fizetőeszköz bitcoint, az első kriptovalutát a titokzatos – ismeretlen – Satoshi Nakamoto bocsátotta ki a 2008-as amerikai bankválság kirobbanása után, 2009. január 3-án.

A központi kibocsátótól és hatóságoktól, semmiféle harmadik féltől nem függő, peer-to-peer hálózat csomópontjain tárolt, elosztott adatbázisra alapuló fizetőeszköz forradalmasította a pénzügyi technológiákat. Mivel biztonságos és anonim, és a rendszer decentralizált, hamar népszerűvé vált. Árfolyama változó, 2021. november elején közel 65 ezer dollárt ért, az utóbbi hónapokban viszont folyamatosan csökkent az értéke, most majdnem 20 ezer dollár.

Sokak szerint a jövő pénze, mások piramisjátéknak tartják, egy viszont biztos: „bányászata” rendkívül energiaigényes. 2018-ban magasabb volt a közel 50 milliós Kolumbia éves energiafogyasztásánál, 2020-ban pedig meghaladta Ausztriáét, Belgiumét és a 200 milliós Pakisztánét is. A kriptovalutára fordított irdatlan számítási kapacitások a jövőben csak nőni fognak, ami teljesen szembemegy a jelen környezetvédő és a klímakatasztrófát elhárítani hivatott törekvéseivel.

Az angol Cambridge Egyetem kutatóinak számítása alapján, a digitális pénz kibocsátása óta, azaz tizenhárom év alatt a bitcoin-bányászok miatt közel 200 millió tonna széndioxid került az atmoszférába.

A Cambridge Bitcoin Kriptovaluta Index (CBECI) minden egyes országra kiszámítja a bányászat mértékét. Az adatok alapján készült modell a bányászó hardverek energiafogyasztását és teljesítményét, a bitcoin aktuális árfolyamát, valamint azt a pontot jeleníti meg, amikor változatos szituációkban különböző eszközök működtetése profitot kezd generálni.

A pontos szám (szeptember végéig) 199,65 millió tonna széndioxid, és külön aggodalomra ad okot, hogy a kibocsátás 92 százaléka az elmúlt négy esztendőben történt.

Szerencsére sok kriptovaluta lényegesen környezetbarátabb, vagy szinte teljesen zöld. Az iparág célkitűzése, hogy 2030-ra száz százalékkal csökkentsék az általuk generált széndioxid-kibocsátást.

A Meta (azaz a Facebook) bemutatta Make-A-Video („Csinálj videót”) nevű, rövid szöveges utasítások (promptok) alapján rövid videókat generáló mesterségesintelligencia-rendszerét. Begépeljük például, hogy „szuperhős- ruhába, vörös köpenybe öltözött kutya átrepül az égen” mondatot, mire az MI öt másodperces, a szöveget élethűen visszaadó, pszichedelikus home movie-kat idéző videóval áll elő.

A videók egyelőre elég nyersek, viszont látható belőlük, mi az idei évet meghatározó, szövegből képet létrehozó fejlesztések következő lépése – állóképek után itt vannak már a mozgóképek is.

A Meta rendszeréhez egyelőre nem férhetünk hozzá, viszont egyértelmű jel a többi fejlesztőnek, így várhatóan hamarosan mások is előállnak hasonló rendszerekkel, alkalmazásokkal.

Ezekhez a modellekhez masszív számítási kapacitások kellenek, sokkal nagyobbak, mint a „szövegből állókép” megoldásokhoz. Rövid videókhoz többszáz kép szükséges, tehát a fejlesztésüket egyelőre csak nagy techvállalatok engedhetik meg maguknak. Mivel nincsenek csúcsminőségű videókat szövegekkel összekapcsoló nagy adatsorok, begyakoroltatásuk komoly nehézségekbe ütközik.

A Meta három nyílt forrású kép- és videó-adatsorból kombinálta össze a modell gyakorlásához az adatokat. A felcímkézett állóképekből álló szabványos szöveg-kép adatsorokból az MI megtanulta az objektumok nevét, és hogy hogyan néznek ki.

A videó-adatbázis a tanulás más aspektusában segítette – megismerte, hogy ezek az objektumok hogyan mozognak a világban. (Legalábbis azt, hogy feltételezések alapján, miként hivatottak mozogni…)

A Make-A-Video a két megközelítés kombinációja. Szakértők szerint ígéretes, a modell érzékeli a mélységet és a világítást, a „kamera” 3D-s objektumokat is tud rögzíteni. A részletek és a mozgások is korrektek, de mindezekkel együtt bőven akad finomítani való az MI-n, például objektumok közötti komplex interakciók megjelenítése nyilván nem máról holnapra fog hibátlanra sikerülni.

A Meta elmondta, hogy a technológiával bővülnek a művészek és a kreatív szakmákban dolgozók lehetőségei. Nyilvánvalóan a dezinformáció terjesztésében, kamu videók (deepfakes) generálásában szintén komoly szerepet játszhat egy ilyen MI.

Egy-két éve, a nagy nyelvi modellekhez csak a trenírozásukhoz és alkalmazásukhoz szükséges, komoly számítási kapacitással rendelkező szervezetek férhettek hozzá. A felhőalapú szolgáltatásokkal ezek a modellek startupok és kutatók szélesebb körében is elérhetők, így pedig nyilvánvalóan több új fejlesztés és felfedezés várható.

A Nvidia bejelentette, hogy két felhőalapú mesterségesintelligencia-rendszeréhez (NeMo LLM, BioNeMo) megkönnyíti a hozzáférést. Fejlesztők szövegeket és biológiai szekvenciákat generálhatnak, inputokat hangoló módszereket dolgozhatnak ki velük. Finomhangolás nélkül teszik lehetővé, hogy webes adatokon gyakoroltatott modellek egyedi felhasználói adatokkal is jól működjenek.

A felhasználók vagy a „helyszínen”, vagy alkalmazásprogramozói felületen (API) keresztül, sokféle modellt telepíthetnek a felhőben.

A NeMo eszköztárat beszédfelismerésre, szöveg beszéddé alakítására és természetesnyelv-feldolgozásra fejlesztette a Nvidia.

A NemoLLM több nagy nyelvi modellhez biztosít hozzáférést, a felhasználók az úgynevezett prompt learning két módszerével javíthatnak a modellek teljesítményén. (A hagyományosabb módszereknél gyorsabb, promptokkal – természetes nyelvi fogódzókkal, például szavakkal, egyszerű mondatokkal stb. – történő tanulás során a fejlesztők az előre gyakoroltatott modellekkel, proaktívan jelölik ki feladatok kontextusát.)

A BioNeMo segítségével a felhasználók nagy nyelvi modelleket alkalmazhatnak a gyógyszerkutatásban.

A Nvidia nem az egyetlen infokommunikációs vállalat, amely szolgáltatásként kínálja a mesterséges intelligenciát (AI-as-a-Service, AIaaS), két szempontból viszont különbözik a többi nagy nyelvimodell-szolgáltatótól: az egyik az új – prompt – tanulásra fókuszálás, a másik a biológiai alkalmazások.

Egyre nagyobb a verseny a robotok miniatürizálásában, hogy a különböző egyetemi és vállalati laborokban minél kisebb, de minél jobb gépecskéket fejlesszenek.

A Cornell Egyetem legújabb darabja annyira pici, hogy emberi hajszálon is képes elücsörögni. Saját magától mozog, mozgásának erőforrása a fény.

Pár hónapja hasonló kicsi gépet mutattak be. Pénzérme szélén üldögél, hővel működik, melegítésre kinyújtja, hűtésre összehúzza a lábait.

A mostani fejlesztéseket vezető Michael Reynolds Hangyabotoknak (Antbots) nevezi az új gépeket. Az ok elég egyszerű: akkorák, mint egy hangya, azaz még kisebbek, mint a pénzérmén zsonglőrködő elődjük. A mozgó elektronikus gépecskék abban is különböznek a hasonló korábbi fejlesztésektől, hogy nem feltétlenül kellenek hozzájuk vezetékek, huzalok.

Három fontos alrendszerből állnak össze: fényenergiával működő elemből, az ezt az energiát kontrolláló és irányító kicsi integrált áramkörből, csuklós lábakból, amelyekkel „körbefutja” magát.

A fejlesztők több tervet készítettek a különféle járásmódok illusztrálására. Egy kicsit nagyobb és valamivel többre képes Kutyabotot (Dogbot) is építettek. Mindkét esetben egyetlen egyszerű utasítás, alapvetően a gyorsról lassúra, lassúról gyorsra váltás működik.

A robotok intelligenciája, méretüknek megfelelően, szándékosan korlátozott, ezért nem alkalmasak bonyolultabb logikai műveletek kivitelezésére. A szilícium chip viszont kategóriájában meglepően nagynak számít, 180 nanométer, míg a mai chipek általában 10 nanométer alattiak. Az áramkör méretének egy nagyságrenddel történő csökkentéséhez vagy a robotot is csökkenteni kellene, vagy több intelligenciát kellene beletenni.

A robotok miniatűr méretük ellenére meglepően sok területen, a környezet tisztításától a gyógyszer-ellátás és sejtek folyamatos megfigyeléséig, sejtek stimulálásáig, mikroszkopikus méretű sebészeti beavatkozásokig, több területen alkalmazhatók. Ezeket a munkákat végezve, fedélzeti irányítórendszerük segíti majd őket az érzékelésben, a környezetre való reagálásban.

Az „ipari robot” kifejezés sok és sokféle gépre érvényes, viszont programozhatónak, több célra használhatónak és automatizált indusztriális alkalmazásokban működőképesnek kell lenniük, különben nem kerülnek be a nemzetközi robotszervezetek statisztikáiba.

A kínai gyárakban tavaly majdnem annyi ipari robotot telepítettek, mint a világ többi részén összesen. Mivel évről évre kevesebb az aktív munkaerő, érthető az automatizálás felgyorsítása, máskülönben a hatalmas ország képtelen megőrizni világelsőségét a gyártásban. A pandémia a lezárásokkal szintén segíti az automatizációt.

2021-ben 45 százalékkal több ipari robotot szállítottak ki az országban, mint 2020-ban – áll az International Federation of Robotics (IFR) elemzésében. A nehéz munkát végzők felét szintén Kínában telepítették. Összehasonlításként: közel kétszer annyit, mint az Amerikákon és Európában együtt.

Az automatizációt részben (de csak részben) az indokolja, hogy utolérjék a gazdagabb országokat. Jelenleg Kína a világ második legnagyobb gazdasága, de robotikában a gyors fejlődés ellenére nemcsak az USA, hanem Japán, Németország és Dél-Korea egyaránt megelőzi. Másrészt a dráguló munkaerő szintén indokolja a robotokat.

Ezekhez a folyamatokhoz kapcsolódik, hogy demográfiailag, India lakossága akár már 2023-ban meghaladhatja Kínáét, ráadásul Kínában a 20 és 64 év közöttiek száma csökken és a születések száma is változatlanul relatíve alacsony, elöregedik a lakosság, plusz a fiatalok is egyre kevésbé érdeklődnek a gyári munkák iránt. Mivel a munkaerő bővítésére már nem alapozhatnak, és a termelékenység szintén csökken, csak az előre, az automatizáció felé való „menekülés” maradt, csak így tudnak feljebb jutni a közepes átlagjövedelmű országok közül.

A kínai gyárakban telepített robotok nagy része import, legtöbbjük Japánból érkezik. A kínaiak ugyanakkor nagyon befogadók az új robottechnológiákkal, szeretnek kísérletezni velük, használat előtt alaposan letesztelik mindet. 2030-ra 3,2-4,2 millió kínai használatú ipari robotot prognosztizálnak. Ma egymillióan vannak.  

Az automatizáció felpörgetése a magasabb szintű, nagyobb pontosságot igénylő gyártást is segíti, ezekben a robotok jobbak az embernél, olcsóbbak is és könnyebben alkalmazkodnak. Elemzők egybehangzó véleménye, hogy robotok és automatizáció nélkül Kína nem tudja megőrizni világgazdasági szerepét.   

Az USA és a nyugati országok ugyan meg szeretnék szüntetni a Kínától való függést, de a globális gyártás 29 százalékát adó távol-keleti ország még mindig a világ futószalagja.