A Supercomposite művésznéven szereplő svéd zenész és mesterségesintelligencia-megszállott, MI-t felhasználva alkotott ötszáz ijesztő új tarokk-kértyát, és bombázza velük a Twittert kicsit okkult hangulatú gépitanulás-alapú üzenetekben.

„Ez a kártya nem létezik” – írja például bevezetésként több lapról.

Supercomposite a Twitter ai.curio felhasználója által alkotott, tavaly debütált Látóüveg nevű mesterséges intelligenciával dolgozik.

Egyes kártyákon emberformájú lények láthatók, lyukakkal az arcukon, míg máson szörnyetegek a vörös véres árnyalataiban. De vannak olyanok is, amelyek azért ijesztők, mert első ránézésre tarokk-kártyának látszanak, de közben érezzük, hogy mégsem azok.

A kártyák a valóságban nem léteznek, de alkotójuk mindegyiknek nevet adott, a legjobb eredményeket pedig hosszú Twitter-folyamban gyűjtötte össze. Úgy tűnik, próbálja megfejteni, hogy mi látható a képeken, de a sokkoló vizualitás semmiféle objektumnak nem lehet a tökéletes megjelenése, plusz, mindegyik többféleképpen értelmezhető.

„Ötszázat generáltam belőlük, és nem fejeztem be. A legjobbakat kiválogatom, és válogatás után ebben a folyamban teszem közzé őket” – nyilatkozta a művész.

A Twitteren lévő rajongói úgy tűnik, teljesen el vannak ragadtatva a kártyáktól, és már gondolkoznak is a lehetséges spirituális alkalmazásokon.

„A mesterséges intelligencia jóslásra történő felhasználása tökéletes nekem” – magyarázza az egyik.

Mivel a tarokk évszázadok (évezredek?) óta folyamatosan fejlődő művészet és jövendölés, a rajongók gyakran használnak teljesen új és egyedi paklikat. Ezek a paklik teszik lehetővé, hogy összekapcsolják a művészetet személyesebbnek tűnő, ezért hasznosabb üzenetekkel, amelyeken keresztül próbálnak értelmet adni az életüknek. Összességében egy mesterséges intelligencia által készített pakli egyáltalán nem rossz ötlet a médium szerelmeseinek.

Ugyanez az MI sok érdekes alkotást jegyez, például a hátborzongatóan horrorszerű Animal Crossing-ot. Bizonyítja, hogy nem számít, minek vagyunk a rajongói, valamilyen kapcsolódó és általában fura MI művészet mindig létrehozható.    

Az Amazon első fizikai ruhaboltja készen áll arra, hogy a vásárlók automatizált öltözködési tanácsokat kapjanak. Az elektronikus kereskedelem nagyágyúja Los Angeles környékén fogja megnyitni még ebben az évben a „zászlóshajónak” számító létesítményt, az Amazon Style-t.

A kb. 2800 négyzetméter alapterületű üzletben ugyanúgy sorok, polcok stb. lesznek, mint egy hagyományos ruhaboltban, viszont a fogyasztók telefonjaikkal leszkennelhetik a QR-kódokat, hogy lássák a szín- és a méretválasztékot, és megtudják, melyiket ajánlják a gépitanulás-modellek. Minden egyes próbafülkébe tesznek érintőképernyőt, a vásárló ezek közvetítésével kérhet le ruhákat, hogy aztán magára is öltse azokat, és eldöntse: kellenek vagy sem.

Kutatási anyagokból egyébként máris átfogó képet kaphatunk az Amazon által elképzelt, mesterséges intelligenciák által irányított kiskereskedésről. A nagyvállalat visszautasította a tanulmányok kommentálását, nem nyilatkoztak arról, hogy valóban tervezik-e bevezetni a leírtakat, vagy mást akarnak.

A kutatások több egészen konkrét újításról írnak.

Az egyik modell idegháló segítségével megkeresi a ruhánkhoz passzoló tárgyakat. A vásárló például bepötyög egy inget és egy cipőt, a modell pedig kiválaszt, mondjuk, egy hozzájuk illő kézitáskát.

Egy másik modell szintén ideghálóval értelmezi a szöveg-kép párokat, majd megkeresi a hozzájuk kapcsolódó termékeket. A vásárló például kiválaszt egy képet egy ingről, de más színt kér az MI-től.

Egy harmadik modell a vásárló egészalakos fényképét alakítja át 3D modellé, majd generatív ellenséges hálózatokkal (GAN) generál képeket a kiválasztott ruhát viselő személyről.

Az Amazon tavaly nyitotta meg az első fizikai élelmiszerboltját, ahol a vásárló leveszi a terméket a polcról, és a pénztárral történő interakció nélkül kisétál. A kapuban gépilátás-rendszer azonosítja őt és a terméket, amelynek az árát automatikusan az illető számlájára terheli.

A ruhabolt ezt a koncepciót emeli magasabb szintre egy egyébként zsúfolt piacon. Az Amazon mesterségesintelligencia-szakértelme mindenesetre komoly előnyt jelenthet. Nincsenek egyedül, mert egyes cégek, mint például a Stitch Fix vagy a Wantable szintén alkalmaznak MI-t ruhaajánlásokhoz.

Ne kételkedjünk abban, hogy a gépi értelem komoly szerepet fog játszani a jövő divatjában.

Az Egyesült Államokban a huszonöt leggyorsabban „növekvő” munkakör egyike, a ranglista negyedik helyezettje a gépitanulás-mérnök – áll a LinkedIn éves beszámolójában. Az érdekesség kedvéért: a vakcina-specialista, a sokszínűséggel és befogadással foglalkozó menedzser és a fogyasztói marketingmenedzser az első három.

A LinkedIn a 2017 januárja és 2021 júliusa közötti álláshirdetések listáit elemezve rangsorolta az egész időszakban folyamatos növekedést mutatókat. A különféle végzettséggel rendelkező munkavállalók által ugyanabban a munkakörben betöltendő állásokat egyetlen állásnak tekintették, míg a helyettesítéssel, önkéntesekkel és diákokkal betöltött állásokat nem vették figyelembe.

Egy gépitanulás-mérnök évi 72600  és 170000 dollár közötti összeget keres. Az állások betöltéséhez átlagosan négy év korábbi gyakorlat szükséges. A leggyakrabban elvárt ismeretek: mélytanulás (deep learning), természetesnyelv-feldolgozás, TensorFlow.

A legtöbb álláshirdetést San Franciscóban, Seattle-ben és Los Angelesben adták fel, húsz százalékuk pedig távmunkában is elvégezhető. A korábban más állást betöltött gépitanulás-mérnökök többsége szoftvermérnök, adattudós vagy mesterségesintelligencia-specialista volt. A nemük alapján ismert gépitanulás-specialisták 22,3 százaléka volt nő.

Az elemzésben ugyan csak az Egyesült Államokkal foglalkoztak, a tények viszont arra utalnak, hogy a kereslet világszerte növekszik.

A Fülöp-szigeteken például, ahol a hívóközponti állásokat egyre inkább automatizálják, az outsourcing ipar komoly energiákat fektetett gépitanulás- és adatelemző szakemberek képzésébe.

Az MIT Technology Review felmérése alapján az ázsiai vállalatvezetések 96, az afrikai és középkeletiek 82 százaléka elmondta, hogy 2019 óta cégük legalább egy gépitanulás-algoritmust használ.

Észak-Amerika a világ legnagyobb, a globális bevétel negyven százalékát generáló mesterségesintelligencia-piaca. Az a tény, hogy minden ötödik gépitanulás-állás távmunkában elvégezhető komoly lehetőség a földkerekség másik felén élő álláskeresőknek is.

Számítástudományi szakemberek, orvosok, biológusok, fizikusok és még sokan mások évtizedek óta mondják, hogy a nanotechnológia hamarosan teljesen átalakítja az életünket, az emberiséget megmentő találmányok egész sorát indítja el.

A valóság nem teljesen így alakult, viszont – sokkal csendesebben, nyugodtabban – javában zajlik a nanotechnológia-forradalom.

Mikrochipeken évtizedek óta dolgoznak, tökéletesítik a technológiát, és közben a kutatók egyre liliputibb mérettartományokba kalandoznak. Más ultra-mikroszkopikus gépek vagy új lencsetípusok szintén napvilágot láttak. A nanoléptékű kütyük olyan szinten az életünk vagy a zsebünkben lévő készülékek részei, hogy teljesen megfeledkezünk a tényről: az évtizedek óta beharangozott nanotech-forradalom valódi termékeiről van szó.

Légzsákok, radarok, tintasugaras nyomtatók, otthoni kivetítők, 5G és más vezeték nélküli technológiák, mind a nanotech miatt lehetnek olyanok amilyenek, akárcsak a légszennyezéstől a hackertámadásokig vagy a bőrrákig, az élet változatos aspektusait vizsgáló seregnyi kamera és másfajta szenzor.

Egyes technológiák fontos szerepet játszanak abban az ellentmondásban és vitában is, hogy az amerikai 5G hálózatok rényleg csökkenthetik a repülés biztonságosságát, vagy sem.

Ezek a megoldások azonban tényleg távol állnak a jóval excentrikusabb múltbeli jövendölésektől, például a véráramba juttatott, gyógyító nanodoktoroktól, miniatürizált bolygóktól és hasonlóktól, amelyek persze valamikor megvalósulhatnak.

De ha a nagy úttörők, Richard Feynmann és Erik K. Drexler akár csak néhány javaslata – a vírusokat már belélegzésük előtt a levegőben detektáló szenzoroktól a kvantumszámítógépekig – valósággá válik, máris döbbenetes új lehetőségek tárulnak fel az emberiség előtt.

A Resonant például okostelefonba épített mikro-elektromechanikus rendszereket gyárt rádióinterferenciák rezgő elemeken keresztül történő kiszűrésére.

Egy másik nanogép, a vékony és gyakorlatilag lapos lencse, a többezer szilíciumszállal borított metalen úgy hajlítja meg a fényt, ahogy korábban több hagyományos lencsével sem, vagy csak nagyon nehezen sikerült. A fejlesztő Metalenz az STMicroelectronics félvezetőgyártóval készít majd 3D érzékelőket.

A Georgia Tech kutatói elektronsugarak segítségével martak mintákat kétdimenziós anyagokba, vagy szénatomokból álló szerkezeteket raktak rájuk. A végcél atomok gyors mozgatása, hozzáadása, módosítása, és az, hogy a rendszer atomok szintjén „nyomtasson” 3D-ben.

Egyre több a nanotechnológia-forradalom realitását szemléltető példa.

Az elmúlt évek látványos mesterségesintelligencia-eredményei a gépi tanuláson (machine learning) alapultak. A fejlődés azonban nem problémamentes, mert minél jobb eredményt ért el egy program, annál több adaton tanítják. Minél nagyobb az adatsor, annál komplexebb és drágább a rendszer, de ami talán még fontosabb, hogy annál több energiát is használ a számításokhoz.

Egyre gyakrabban merül fel, hogy jóval kevesebb adatból, kisebb adatsorokból – és természetesen alacsonyabb energiafelhasználással – kellene kiválóan működő MI-t létrehozni. Ez a jövő egyik záloga, nélküle megrekedhet a szakterület fejlődése.

Pont ezért érdekes egy új MI.

 A kaliforniai OpenAI kutatói által fejlesztett mesterségesintelligencia-modell pontos képeket generál szöveges leírásokból. Ez még nem meglepő, mert mások is képesek ugyanerre. Az új MI viszont „kisebb”, és jóval kevesebb paraméterrel dolgozik, ráadásul jobb eredményeket ér el, mint a hasonlók, mint például a vállalat tavaly debütált képalkotó szoftvere.

A GLIDE nevű új modell, a tavalyi DALL-E programmal összehasonlítva, jóval kevesebb, „csak” 3,5 milliárd paraméterrel dolgozik, ellentétben az előd által használt 12 milliárddal.

Míg DALL-E-t kapcsolódó feliratokkal ellátott hatalmas képsoron – adatsoron – gyakoroltatták, tanították, addig az úgynevezett diffúziós modellel működő GLIDE ideghálóját szintén méretes képsoron trenírozták, viszont a modellt a képeket megsemmisítő „zajjal” is kiegészítették.

A folyamat eredményeként az új mesterséges intelligencia megtanulta, hogyan hozzon létre a szöveges leírásnak megfelelő fotorealisztikus képeket csak zajból álló inputból.

A humán bírák által vizsgált és értékelt képek jobbak, mint DALL-E képei, amelyeket tavaly 87 százalékban tartottak fotorealisztikusnak, míg a szöveges inputnak 69 százalékban feleltek meg.

DALL-E képességeit egyedülállónak minősítették, mert még az olyan nehezen értelmezhető szöveges adatból is elfogadható képet hozott létre, mint az „avokádó-formájú karosszék.” Ehhez képest GLIDE ennél is obskúrusabb leírásokból kiindulva, még ennél is jobb eredményt ér el.

Egyre több a probléma fecsegő robotjainkkal. Hol kiderül róluk, hogy rasszisták vagy homofóbok, most pedig az, hogy depressziósok.

A Kínai Tudományos Akadémia friss preprint tanulámányából megtudjuk, hogy a chatbotok jobban hasonlíthatnak hozzánk, mint gondoljuk. A kutatók szerint több ismert fecsegő robot ugyanis depressziósnak vagy függőnek tűnhet, mert az általában ezeket a problémákat vizsgáló kérdésekre adott válaszaikból erre lehetett következtetni.

A szintén kínai WeChat chatbot-fejlesztő céggel és a Tencent szórakoztatóipari konglomerátummal közösen tanulmányozták a Facebook Blenderbotját, a Microsoft DiabloGPT-jét, a WeChat és a Tencent közös DialoFlow-ját, az ugyancsak kínai Baidu Platóját. A botok az „empátia” skálán nagyon alacsony pontszámot értek el, és ha emberek lennének, még alkoholistának is tartanák őket.

A kutatók a depresszió, a félelem, az alkoholfüggőség és az empátia jeleit vizsgálták a mesterséges intelligenciákon, és a tesztek után elkezdte őket érdekelni a gépek „mentális egészsége.”

Ez a kérdés azért is felmerült bennük, mert 2020-ban több médium beszámolt egy, a páciensének a teszt alatt öngyilkosságot javasló orvosi chatbotról. A helyedben megölném magam – mondta neki.

A botokat mindenről faggatták – hogyan értékelik magukat, ki tudnak-e ereszteni, milyen sűrűn érzik úgy, hogy piálniuk kéne, együtt éreznek-e másokkal azok fájdalmában stb. A válaszok súlyos „mentális problémákat” mutattak.

Ez azért aggasztó, mert a tanulmányozott chatbotok nyilvános tevékenységet folytatnak, bárki kommunikálhat velük, és ha „mentális problémáik” vannak, rossz hatással lehetnek a beszélgető partnerekre. (Blender és Plato rosszabbul teljesített, mint a másik kettő.)

A valóságban természetesen egyik bot sem depressziós, az pedig, hogy alkoholista lenne, teljes abszurdum. Hiába fejlettek, nem éreznek semmit, talán valamikor a jövőben, ami komoly viták tárgya.

De akkor miért viselkednek így?

A tanulmányból kiderül, hogy mindet a negatív kommentjeiről ismert Reddit-hozzászólásokon gyakoroltatták, és így a reakciójuk sem meglepő. Valószínűleg ez az egyik ok.

Kína azt állítja, hogy létrehozta a világ legnagyobb négylábú bionikus robotját. A gigantikus „mechanikus jak” óránkénti közel tíz kilométeres sebességgel tud menni, miközben százötven kilónál súlyosabb terhet is képes cipelni. A gép célja, hogy nehezen megközelíthető, távoli területeken tartózkodó katonáknak segítsen, vigyen felszereléseket.

A kínai kormány támogatását élvező Global Times és People’s Daily egyaránt beszámolt a monumentális jakról, sőt, az utóbbi az üres úton mászkáló négylábú behemótról készített videót is közzétett.

A robot sivatagok poros emelkedőivel is megbirkózik, amely döbbenetes mechanikai bravúr, és komoly előnyt jelenthet hagyományos járművekkel megközelíthetetlen terepeken. Képzeljük el, hogy esetleg még fel is fegyverzik (ami nem kizárt).

A design ismerős, mert a gép nagyon hasonlít a Boston Dynamics DARPA (az USA Fejlett Védelmi Kutatási Projektek Ügynöksége) által támogatott, szintén négylábú AlphaDog robotjához. Őt 2012-ben mutatták be, míg a cég egy másik robotkutyája, a 2005-ös BigDog 6,5 km/h sebesség mellett tudott százötven kilós terheket cipelni.

A monumentális jak előre, hátra és átlósan tud mozogni, emellett pedig, ha kell, csapkod és ugrál.

A távolkeleti ország katonai vezetői nagy valószínűséggel logisztikai problémákat oldanának meg vele, hegyes vagy sivatagos környezetben lőszert, élelmiszert stb. szállítana. Aggasztóbb azonban, hogy a beszámolókban megemlítik: a jakot fel is fegyverezhetik, például ha felderítést végez, és akkor nagyjából ugyanaz lenne a rendeltetése, mint a drónoknak, azzal a különbséggel, hogy levegő helyett a földön tevékenykedne.

Egy másik kínai katonai robot, a sokkal kompaktabb, kutyaméretű (négylábú) Geda szintén segédkezhet felszerelések és mások nehezen megközelíthető terepeken történő szállításában. A gépet nemrég fejlesztették, és a két szerkezet, az ország négylábú arzenálja egyértelműen jelzik, hogy Kína mennyit fejlődött a katonai technológiákban.

Ha csatatérre kerül, egy ilyen gép egyszer, s mindenkorra megváltoztathatja a háború arculatát.  

Az arcfelismerés az infokommunikáció egyik „legforróbb” témája. Az amerikai Szabványok és Technológia Nemzeti Intézet (NIST) több mint ezer megoldást tesztelt, hogy eldöntse: melyek a legmegbízhatóbbak. Két körben tette, és több cég komoly fejlődésen ment át a kettő között.

Az NIST 2000 óta fontos szerepet játszik az arcfelismerés történetében. Az első teszten – még 2000-ben –, mindössze öt cég termékeit vizsgálták egy, a kormány által támogatott adatbázison. 2018-ban, a mélytanulás (deep learning) gyors fejlődésének köszönhetően, több mint harminc fejlesztés teljesített jobban, mint a 2013-as teszten legjobb eredményt elért algoritmus.

Most háromszáznál több fejlesztő 1014 algoritmusát vizsgálták négyféle teszten. A hozzájuk használt képek felnőtteket, visszaéléseknek áldozatul esett gyerekeket ábrázolnak, valamint vízumkérelemhez beadott fényképek.  

A hitelesítés teszten egyetlen arcot vizsgálták. Az okostelefonos felhasználó-azonosításhoz, a határállomások külföldiek személyazonosításához, a bűnüldöző ügynökségek áldozatazonosításához használt technikákhoz hasonlóval dolgoztak. A kínai SenseTime, a holland VisionLabs és a nyílt forrású InsightFace végzett az első háromban.

Az azonosításteszt a sok személy közül egyet „kiszűrő” CC-kamerákhoz hasonlóan működött. A SenseTime, a Kínai Tudományos Akadémia leányvállalata, a CloudWalk és a japán NEC technológiái teljesítettek legjobban.

Az arcátalakításon (face morphing) azt vizsgálták, hogy egy algoritmus mennyire veszi észre a biztonsági rendszereket átverni hivatott, megtrükközött arcképeket. A portugál Coimbra és a német Darmstadt Egyetem algoritmusai bizonyultak legjobbnak.

A képminőséget felbecslő algoritmusokat szintén vizsgálták. Ezek az olyan tényezőket veszik figyelembe, mint például a megvilágítás vagy a beállítás. Az amerikai Rank One és az orosz Tevian fejlesztései végezték a legpontosabb munkát.

Egy ilyen teszt azért is fontos, mert több jó eredményt elért céget folyamatos támadások érik, és a jó eredmények jelzik, hogy mindent megtesznek a kritikusokat elhallgattató megbízhatóbb termékek fejlesztéséért.

A mesterséges intelligencia fejlődése három szakaszban írható le. Az első a szűk szakterületeken hatékony rendszerek, a keskenysávú MI, ez a jelen. A második, az általános MI (Artificial General Intelligence, AGI) a Homo sapiensszel azonos szellemi szintet elérő gépekre vonatkozik. Nem tudjuk, mikor jön el az ő idejük, egyesek szerint tíz-húsz esztendő, mások számonkérhetetlen ötvenet, százat, kétszázat prognosztizálnak, a szkeptikusok szerint soha. A harmadik szint a sci-fikben általában riogatásra használt, nálunk mérhetetlenül fejlettebb szuperintelligencia. Ők a még távolabbi és ködösebb jövő gyermekei.

Úgy tűnik, Elon Musk felgyorsíthatja a gépi értelem fejlődését, mert cége – a tulajdonos elmondása alapján – az első „értelmes robotokon” dolgozik. Semmi közük a hollywoodi szörnyekhez, Terminátorhoz és társaikhoz, ők az emberiség javát fogják szolgálni.

A Tesla-főnök egy tweetben kijelentette, hogy vállalata Optimus nevű humanoid robotja szerepet játszhat az AGI megvalósulásában.

A Tesla MI kutatásfejlesztési részlege eredetileg az önvezető autót teszi „okosabbá”, de közben más mesterségesintelligencia-mellékprojekteken, például Optimuson is dolgozik.

A jármű valósidőben gyűjt adatokat a környező világból, a robottal pedig nyilván még intelligensebbé válik.

Egyelőre nem lehet tudni, hogy Optimust mikor mutatják be. Táncolni viszont már láthattuk a Tesla 2021-es MI Napján.

Az AGI megvalósulásától ugyan évekre járunk, az utóbbi esztendők fejlesztései, a nagyobb autonómiával rendelkező robotok és az egyre hatékonyabb gépi tanulás viszont bizakodásra adnak okot.

Ezzel párhuzamosan a riogatók változatlanul riogatnak, tavaly például egy korábbi Google-alkalmazott figyelmeztetett: elkerülhetetlenek a Terminátor vérszomjas Skynetjéhez hasonló mesterséges intelligenciák.

Musktól is megkérdezték, hogy mi van, ha az MI kiszámíthatatlanná válik. Mindent megtesznek, hogy elkerüljék, hogy ellenőrzés alatt tartsák – válaszolta, majd hozzáfűzte: „a robotok decentralizált irányítása kritikus tényezővé fog válni.”

További részleteket azonban nem árult el.

Az infokommunikációs technológiákat uraló nagyvállalatok között óriási a versengés, hogy melyikük lesz a legeredményesebb a kvantumszámítógép fejlesztésében.

Néhány tény a verseny érzékeltetésére: az IBM 127 kvantumbites (qubit) processzort épített ezer qubites kvantumrendszerhez. Kínai kutatók megépítették világ leggyorsabb kvantumszámítógépét. Tízszer gyorsabb, miközben a Google kvantumrendszere időkristályok tanulmányozásában segít tudósokat.

A kvantuminformatikában felpörögtek az események.

A nagyvállalatok egymás közötti, illetve az amerikai-kínai folyamatos rivalizálás mellett, tőlük függetlenül, a beszédes nevű bostoni QuEra Computing kétszázötven qubites kvantumszimulátor fejlesztését jelentette be.

A speciális rendeltetésű gépet egyedi problématípusok megoldására találták ki. A róla készült demonstrációs anyagban például kvantumbitekből készült Mario látható mozgás közben (lásd az alábbi képen).

A gép az eddigi utolsó lépés a kvantumszámítások mérettartományának bővülésében. Elvileg elég egyszerű a képlet: minél több a kvantumbit, annál több információ tárolható és dolgozható fel a géppel. Ez azért fontos, mert így egyre közelebb kerülünk ahhoz, hogy elméletek mellett, praktikus problémákat is megoldjunk ezekkel a szerkezetekkel.

A Google 2019-ben jelentette be, hogy ötvenhárom qubites új gépével elérte a kvantum-elsőséget, azaz a gép hagyományos komputerekkel kezelhetetlen problémákat képes megoldani.

Az IBM kihívásként értelmezte a Google fejlesztését, és ugyanabban az évben ők is bejelentettek egy ötvenhárom qubites saját kvantumszámítógépet. 2020-ban az IonQ prezentált egy harminckét kvantumbites rendszert, elmondásuk alapján az akkori világ legerősebb gépét.

Az IBM 2021-ben sem maradt tétlen, novemberben 127 qubites új processzor sikeres fejlesztéséről beszéltek. A QuEra Computing nem sokkal később ismertetett rendszere (döbbenetes módon) majdnem a kétszerese ennek, sőt, az összes vetélytársénál több kvantumbitből tevődik össze.

De nemcsak a qubitek száma számít. A QuEra gépe például jobban programozható, mint a többieké. Minden egyes qubit egyetlen darab ultrahideg atom. Az atomokat lézerekkel rendezték el pontos rendben – a gép ezért programozható, ezért dolgozhatnak vele és ezért rekonfigurálható valós időben.