A mélytanulás (deep learning) egyre fontosabb szerephez jut a történelem megértésében.

Az Ithaca idegháló feliratokat ábrázoló képek minőségégének javításával, a helyszín azonosításával segíti az ógörög világot tanulmányozó történészek munkáját.

Az Észak-Arizona Egyetem kutatói által fejlesztett idegháló több évszázados kerámiadarabok osztályozásával járul hozzá az őslakos kultúrák megismeréséhez. A kerámiákat azokhoz a prekolumbiánus népekhez társítják, akikről a régészek kapcsolatot feltételeznek – az ő munkáik lehettek.

A Transkribus több eszközzel ismer fel és készít átiratot történelmi kézírásokról. A felhasználók 50-100 történelmi átírat segítségével akár a saját maguk által fejlesztett modellt is begyakoroltathatják.

Perui kutatók mesterséges intelligencia által irányított képelemzéssel vizsgálnak egy, az óceánparti sivatagos részen található, kb. kétezer éves képet. Légi felvételek alapján különleges mintázatot mutattak ki rajta: háromszarvú emberforma lény pálcát tart a kezében.

A legmegrázóbb egy friss projekt. 

A Google-szakemberek által létrehozott From Numbers to Names (Számoktól nevekig) oldalon nyilvánosan hozzáférhető Holokauszt-képgyűjteményben lévő arcokhoz társíthatók felhasználók által feltöltött képek. Az oldal célja, hogy családtagok, rokonok, barátok így ismerhetik fel elvesztett szeretteiket. (A képanyag az Egyesült Államok Holokauszt Emlékmúzeumának tulajdona.)

Az ingyenes fiókkal rendelkező felhasználó képet tölt fel az oldalra. Legjobban 1960 előtti, egyetlen arcot tartalmazó, szürkés, fekete-fehér fotókkal működik – figyelmeztetnek a fejlesztők.

A rendszert megtanították, hogy kiszámítsa a feltöltött kép és a múzeum mintegy 35 ezer fotóján látható 177 ezer arc valamelyike közötti hasonlóságot, majd a tíz legmagasabb pontszámú arc listájával áll elő.

A fejlesztők elmondták, hogy több fotót akarnak feltölteni a Holokauszt idejéből és az azt megelőző évekből. A rendszer a múzeum 1265 órás film- és videóarchívumát is elemzi.

Egy új gyógyszer fejlesztése, piacra kerülése akár évtizedekig is eltarthat, ráadásul milliárd dollárokat elkölthetnek addig rá. Mesterséges intelligencia használatával sokféleképpen csökkenthetők a költségek, redukálható az idő. Laboratóriumi kísérletek nélkül ismerhetők fel hasznos molekulák, azonosíthatók betegek, akikre jó hatással van ez és az a gyógyszer, előrejelezhetők páciensek reakciói – csak néhány példa az MI gyógyszeripari használatára. Ezekkel mind munka és idő takarítható meg.

A GlobalData friss anyaga alapján a globális gyógyszeripar 2025-ben 3 milliárd dollárnál többet fog költeni MI-re. Olyan cégek fektetnek a technológiacsaládba, mint például az Astra-Zeneca, a Pfizer, a Sanofi. MI-vel foglalkozó startupokba invesztálnak, együttműködnek velük, felvásárolják őket. 2018-ban csak 23 ilyen partneri kapcsolat volt, 2021-ben 67.

Gyógyszeripari cégek több országban egyre nagyobb számban alkalmaznak gépitanulás-szakértőket. A legtöbb állásajánlat az Egyesült Államokban jelenik meg, de egyes európai és ázsiai országokban szintén folyamatosan nő az MI-szakemberek iránti gyógyszeripari kereslet.

A GlobalData álláshirdetéseit elemezve, kiderült, hogy idén júniusban, az adatbázisban szereplő gyógyszeripari cégek 26,4 százaléka legalább egy gépitanulás-állást hirdetett meg. Ez 2,3 százalékos növekedés 2021 júniusához képest.

A három tavaszi hónapban meghirdetett gyógyszeripari gépitanulás-állások 61 százaléka az Egyesült Államokhoz kapcsolódik. Országon belül Boston/Massachusetts az első, San Francisco/Bay Area a második, a szintén kaliforniai San Diego a harmadik.

Ugyanabban a három hónapban a három európai ország, Belgium, Franciaország és az Egyesült Királyság mindegyikéhez a hirdetések kevesebb mint hat százaléka volt köthető.

Ebben a periódusban az Ázsia/Csendes-óceáni térségben 1,9 százalékkal csökkentek a számok. A csökkenés nem volt konzisztens – míg Kína az előző hónapokban a globális részesedés öt százalékát érte el, addig a vizsgált időszakban csak kettőt. Ezzel szemben Indiában ötről hat százalékra emelkedett a mutató.

A rovar-, gyom- és gombairtó szerek egyrészt veszélyesek lehetnek, másrészt viszont lehetővé teszik a mezőgazdaság számára a világ folyamatosan növekvő lakosságának élelmiszer-ellátását. Sokszor azonban túl nagy az ár, mert a károkozókkal együtt jótékony állatok, például a virágok beporzását végző méhek is elpusztulnak.

A gépi tanulás segíthet rovarirtó szereket tervező mérnököknek – ezek az új szerek a célállatok kivételével minden más teremtmény számára veszélytelenek lehetnek.

Méhek nélkül fontos növények, például a gyapot, az avokádó, a legtöbb gyümölcs termesztése gondot okozna. Sok tanulmány viszont egyértelműen bebizonyította, hogy a rovarirtó szerek ártanak a méheknek, egyaránt növelik a házi- és a vadméh-populáció mortalitását, csökken a méhfajok száma.

Az Oregoni Állami Egyetemen modelleket dolgoztak ki, amelyek megállapítják, hogy egy vegyszer halálos méreg egy méh számára, vagy sem. A kutatók szerint megközelítésüket alkalmazva, kidolgozhatók méhekre veszélytelen rovarirtók.

Két idegháló osztályozta, mérgező és nem mérgező kategóriákba csoportosította a molekulákat. Az adatsor 382 rovarirtó molekulát (grafikonokat) tartalmazott, mindegyikben minden egyes atom csomópont, az atomok közötti kapcsolat pedig él, toxicitás címkékkel.

A kutatók különféle módszerekkel trenírozták a modelleket.

Az egyikben az összes gráfot vektorrá fordították, a vektor az atomok elrendezését reprezentálta. Biokémikusok azok alapján hasonlítják össze a molekulákat. Például van olyan jegy, ami arra utal, hogy egy molekula tartalmaz foszfort. A modell inputként használja ezeket a vektorokat.

A másik módszernél a négy összekapcsolt atom összes lehetséges láncolatának előfordulását számoló vektor volt a modell inputja. Mérgező molekulák hasonló számokkal rendelkezhetnek.

A két modell hasonlóan teljesített. A molekulák 81-82 százalékát méhek számára mérgezőként vagy nem mérgezőként azonosították. A mérgezők közül 67-68 százalékos valóban veszélyesen mérgező.

Általában nagy infokom vállalatok fejlesztenek nagy nyelvi modelleket. Az ok világos: kisebb cégek nem tudják megengedni maguknak sem az egyre gigantikusabb adatsorokat, sem a szintén napról napra növekvő, szükséges számítási kapacitásokat.

Független kutatóknak ezért nyílik ritkán lehetőség a modellek teljesítményének értékelésére, az esetleges elfogult és káros kimenetek kimutatására.

Egyes szervezetek, például a BigScience és az EleutherAI részben erre a tendenciára reagálva, saját nagy nyelvi modelleket tettek közkinccsé. A modellek nyílt forrásúak, kutatók hozzájuk férhetnek.

A BigScience 2021 májusában egyéves workshop-sorozatot indított azzal a céllal, hogy átláthatóbb, hitelesíthetőbb és a lakosságot jobban reprezentáló nyílt forrású mesterségesintelligencia-modelleket dolgozzanak ki. Az együttműködés eredményeként mutatták be a csak angol, maximum 11 milliárd paramétert használó TO nyelvimodell-családot.

Az elmúlt két évben, a GPT-3 indulásától, változni látszik a tendencia – a Google, a Meta és az OpenAI is nyílt hozzáférést biztosít modellekhez. Értékes kutatásokat és más kereskedelmi projekteket akarnak bátorítani vele.

A hetekben megjelent a BigScience – szintén a workshopokon alapuló – legújabb modellcsaládja, a BLOOM. A kollektívában a világ különböző pontjain található 250 intézet ezernél több kutatója dolgozik együtt, a BLOOM pedig az eddigi legnagyobb nyílt forrású nyelvi modell.

A BLOOM az OpenAI GPT-3-ját utánozza. Szabványos 1,6 milliárd terabájtos adatsoron gyakoroltatták, hogy 46 természetes nyelv és 13 programozói nyelv bármelyikén generáljon kimeneteket.

Az adatok nagy részét manuálisan vizsgálták át, hogy elkerüljék a részrehajlást. Szignifikáns mennyiségű pornótartalmat azért szűrtek ki, mert szerintük más adatsorokban túlreprezentált a téma.

A gyakorlást az adatok és a modell 384 GPU-n (grafikus feldolgozóegység) történő elosztásával gyorsították fel. Jelenleg hat méretben érhető el, a legkisebb 351 millió, a legnagyobb 176 milliárd paraméteres. A teljes változathoz bárki hozzáférhet, aki rendelkezik Hugging Face fiókkal.

Zhou Li, a Pekingi Nanoenergia és Nanorendszerek kutatója munkatársaival különleges ujjakat fejlesztett. Az ujjak szenzorokkal azonosítják, hogy egy tárgy milyen anyagból készült, és azt is felismerik, ha az adott tárgy túl érdes, és közben nem okoz kárt benne.

A felület érintése után igen nagy pontossággal azonosítanak. Az érintéssel változatos információkhoz jutnak: hőmérséklet, milyen erők hatnak rá stb. Ilyesmi létezett már eddig is, a felületek keménységéről, a keménység típusáról viszont ritkán gyűjtenek adatokat érzékelők.

A technológia robotikus gyártófeladatok automatizálásánál, például válogatásnál vagy minőségellenőrzésnél lehet hasznos.

A rendszert tizenkét anyagot, köztük fát, üveget, műanyagot és szilikont tartalmazó, többszáz mintán gyakoroltatták. A gyakorláshoz gépitanulás-alapú adatelemzést használva, átlagosan 96,8 százalékos pontossággal azonosított, és az összes anyag esetében legalább 90 százalékot elért.

Négy kicsi, négyzet alakú érzékelőből, mindegyik másféle polimerből áll. A műanyagok azért különböznek egymástól, mert különféle elektromos tulajdonságokkal rendelkeznek. Ha elég közel kerülnek egy tárgy felületéhez, a négyzetek elektronjai másfajta interakciókat folytatnak a felülettel. Ezek az interakciók mérhetők, számszerűsíthetők.

A szenzorokat ujjszerű dobozokba helyezték, majd processzorhoz és organikus LED-kijelzőhöz kapcsolták. A kijelző megjeleníti a detektált anyagtípust.

Ipari környezetben a processzor közvetlenül a gyártásvezérlő mechanizmushoz kapcsolható, és az „okos ujjak” közvetlenül ellenőrizhetik, hogy összetétele és felszíni szerkezete alapján, melyik termék felel meg a szabványoknak, és melyik nem. E tulajdonságuk miatt ipari anyagok válogatásánál szintén hasznosnak bizonyulhatnak.

Többezer teszttel bizonyították, hogy a szenzorok anyagokat megkülönböztető képessége miatt jól passzol olyan feladatokhoz, mint a minőség-ellenőrzés. Képzeljük el, hogy más, például éleket, súrlódásokat stb. felismerő érzékelőkkel kombinálva, milyen hatékony munkát végezhetnek a kínai kutatók okos ujjai.

Elvileg mesterséges beültetéseknél is használhatók, viszont nem biztos, hogy ilyen szintű kifinomultságra szükség van ezen a területen. Az ember által irányított technológiák esetében ugyanis bőven elég, ha élettapasztalataink alapján ép kezünkkel tudjuk azonosítani például a kávéskanalat – és nagyon valószínű, hogy tudjuk.

A drónok repülése a legtöbb területen azért korlátozott, mert félő, hogy megzavarnak más repülő járműveket, rosszabbik esetben pedig összeütköznek velük.

A helyzet hamarosan változni fog.

Az Egyesült Királyság kormánya a napokban hagyta jóvá az egymáshoz kapcsolódó, csak drónútvonalak 165 mérföldes (kb. 265 kilométeres) rendszerére vonatkozó Skyway (légi útvonal) projektet. A nyitást 2024-re tervezik.

A mindössze 6 mérföld (kb. 9.6 kilométer) széles utak hat közepes méretű angol várost (Cambridge, Coventry, Milton Keyes, Oxford, Reading, Rugby) kötnek össze, elkerülik az ökológiai szempontból kockázatos, például erdős térségeket, és a más okok miatt rizikófaktor nagyvárosokat (London, Birmingham) is.

A földfelszínre a Skyway légiforgalmát a következő két évben figyelő érzékelőrendszert telepítenek. A szenzorok információkkal látják el a drónokat, segítik a navigációjukat. Ezzel párhuzamosan egy légiforgalom-irányító rendszerhez is eljuttatják az infókat. A rendszer az ütközések elkerülésében fog segíteni.

A kormány a drónsztráda tengerparti urbánus területek, például Southampton felé történő későbbi bővítését is mérlegeli.

A Skyway rendelkezik ütközéselkerülő rendszerrel, viszont nem arra tervezték, hogy megelőzze a fel- és leszállás közbeni baleseteket – pedig ezek a balesetek a leggyakoribbak. Egyelőre azt sem lehet tudni, hogy a tervekben szerepelnek-e kijelölt fel- és leszállóhelyek.

A Skyway ugyan a legnagyobb, viszont nem az egyetlen drónok számára kiépítendő repülési zóna.

Egy EU-s projekt keretében, Írországban légiforgalom-irányító rendszert fejlesztenek teher-, személyszállító, sürgősségi és mezőgazdasági ember nélküli légi járművek számára. 2021 márciusában a szenegáli hatóságok jóváhagyták, hogy a Volansi startup az irányító látótávolságán túl is működtessen drónokat.

A kaliforniai Ontarióban raktárak és logisztikai központok közötti légifolyosót alakítottak ki drónok számára. Jelenleg az illetékes hatóságok engedélyezésére várnak.

Úgy tűnik, korábban soha nem látott magasságokba emelkedtek a virtuális valóság (virtual reality, VR) játékok – egy forrás szerint júliusban négyszeresére nőtt a felhasználók száma. A szám valószínűleg túlzó, viszont tendenciaszerű, hogy egyre többen kapcsolódnak be VR-játékokba.

Azért nincs ebben semmi meglepő, mert évek óta beszerezhetők, megbízható és megfizethető árú rendszerekről van szó. A korai alkalmazók segítenek a hibák kijavításában, új játékosokkal ismertetik meg az élményt, és mindezek hatására a VR lassan fősodorrá válik.

A videojátékok digitális szolgáltatásában érintett Steam havonta vizsgálja a használatban lévő számítógépes hardvereket. A cég VR-rendszerével (SteamVR) használt headsetek alapján kiderült, hogy júliusban az átlagos 1,87 százalékról 6,67-re nőtt a VR sisakot használó játékosok száma.

Többen vitatják a számokat. Májusban szintén jelentős, 3,24 százalék felhasználót állapítottak meg, aztán júniusban kettőre esett vissza. Ez valószínűleg azért lehet ennyire hektikus, mert a felmérés készítői időben változó, random mintával dolgoznak. A havi négyszeres növekedés valószínűtlen, a növekedés viszont tény, ami arra enged következtetni, hogy a korábbi felmérésekben szereplő számoknál jóval többen rendelkeznek VR headsettel.

Jelenleg a Meta Quest 2-ja az első, a legolcsóbban beszerezhető sisak. A Valve Indexe a második, aztán jönnek az Other Oculus (Meta) ás a HTC Vive különféle hardverei. Mindegyiknél jelentős, a Quest 2-nél ötven, de a többinél is tíz százalék feletti a növekedés.

A tendencia követi a technológia-, különösen játékhardver-történelmi mintázatokat. A játéktermek sikere olcsóbb otthoni konzolok használatát tette lehetővé. A hozzájuk kapcsolódó játékok minősége szép lassan javult, idővel teljesen bevett szórakozási formává váltak.

A korai PC-s játékok is nehezen indultak be. Nem volt még internet, pocsék volt a grafika minősége, esélyük sem volt az addigra bejáratott konzolalapú játékokkal szemben.

A virtuális valósággal folytatódik a fejlődéstörténet. Az új hardver megbolygatta a status quo-t, beérési fázisa viszont drasztikusan sokáig – évtizedekig – tartott, de most fősodorrá válik.

Brit, francia és svájci felsőoktatási intézmények, kutatási szervezetek közös csapata a kvantumkriptográfia való világban működő eszközök biztonságos kommunikációját garantáló, eddigi legfejlettebb módszerét dolgozták ki.

A titkosításkulcsokat a két kommunikáló fél közötti kvantumkulcs-elosztáson (quantum key distribution, QKD) alapuló módszerrel az üzenetek titkosíthatók és visszafejthetők. Hagyományos kriptográfiával ez nem érhető el.

A titkosítás komplex matematikai problémák megoldásával jár, amelyeket a modern számítógépek nem tudnak megoldani. A jövő kvantumkomputerei viszont igen, azaz megkerülik a mostani titkosítási protokollokat.

 A QKD jelenlegi formái két „megbízható” számítási eszköz közötti kommunikáción alapulnak. A két eszköz ismerete kell hozzájuk, az új eljárással viszont nem kell sokat tudni a gépekről, és így lehetővé válik a valóságban használt eszközök biztonságos titkosítása.

„Az igazi áttörés nem az, hogy bebizonyítottuk: kvantumhálózatunk elméletileg elég jó teljesítményt nyújtott az új QKD-vel, hanem az, hogy ezt a gyakorlatban is megmutattuk” – nyilatkozta David Lucas oxfordi kutató.

A demonstrációhoz a két eszköz közötti kvantum-összefonódást használták: két részecske ugyan távol van egymástól, mégis összekapcsolódnak, és tandemben működnek együtt. Két egyedi ionnal végezték a kísérletet, az egyik a feladóhoz, a másik a vevőhöz kapcsolódott. Különböző ioncsapdákban voltak, amelyeket optikai szál kapcsolt össze/egybe. A két eszközt ugyan egyazon szobában használták, de akár sok-sok kilométerre is lehettek volna egymástól.

A feladó és a vevő az összefonódott kvantumrendszeren keresztül tudott külső beavatkozó nélkül üzeneteket megosztani egymással. Ezzel a módszerrel kizárható az ellenséges kontroll, az eredményes hackertámadás, garantált az üzenetváltás magánjellege, nem sérül a privacy. Mindez a kommunikáló gépek alapvető ismerete nélkül valósítható meg, amivel a kutatók lerakták az „eszköz-független QKD” alapjait.

Renato Renner, az ETH Zürich kutatója szerint a kriptográfia története a titkosítók és az új módszereket támadó titkosítás-elemzők közötti versengés. Az eszköz-független megoldással viszont vége a versenynek – véli Renner.

Az Egyesült Államok Szabványok és Technológia Nemzeti Intézete még júliusban négy titkosító algoritmusról állította, hogy biztonságosak kvantumszámítógépekről indított támadásokkal szemben. Ezek az algoritmusok – és nyilván az európai kutatók eljárása is – részei lesznek az új kvantum-rezisztens kriptográfiai szabványnak.

A gépi tanulást egyre több sportágban használják a teljesítmény növelésére.

A Mustard videók alapján elemzi baseball-játékosok formáját, a Zone7 az atléták által viselt szenzorokkal gyűjt adatokat egészségügyi állapotukról. A rendszer ismeri a kórlapjukat, így a szenzorikus infók és az előzmények alapján előrejelzi jövőbeli sérülések kockázatát.

A Sportlogiq jéghoki-, foci és amerikaifoci-meccsek közvetítéseit elemezve, tehetséges sportolók azonosításával segít csapatokat, ligákat. A SwingVision a teniszt figyeli: szervatípusokat, a labda sebességét, a játékos testtartását, elhelyezkedését nézi a videókon, lehetővé téve versenyzőknek, hogy teljesítményüket másokéval vessék össze.

A tehetségkutatás a sportokban régóta összekapcsolódik az adatokkal. Már a toll és a papír korában így volt, most pedig, a gépi tanulás térhódításával drasztikusan bővültek a lehetőségek.

Az új technológiák értelemszerűen elérték a sportok királyát, a labdarúgást is.

A beszédes nevű AiSCOUT (scout játékosmegfigyelőt jelent) gépi látást használva osztályoz amatőr focistákat, és ajánlja profi csapatoknak a legmagasabb pontszámot elérőket.

A játékos nyolc képességet (passzolás, lövés, kúpok közötti cselezés stb.) bemutató videót tölt fel magáról. A rendszer 0-tól 2-ig terjedő skálán értékel, összehasonlítva az illetőt a korábban már megméretett focistákkal. Aki eléri az 1,7-et, próbajátékra mehet profi csapatokhoz.

Mindezek mellett a képességeket egyenként is osztályozza tízes skálán: gyorsaság, cselező-készség, profiknál edzősködő fiatalokhoz hasonlított ügyesség stb.

Játékos-megfigyelők és edzők az adatokat egyrészt tehetségkutatásra, másrészt tehetségek fejlődésének nyomon követésére használhatják.

Néhány jónevű csapat máris érdeklődik az applikáció iránt. A Chelsea, a Nottingham Forest és a görög Olimpiakosz a legismertebbek.

Az appra viszont nem vet jó fényt, hogy a fejlesztésben a korábban az angol Premier League-ben játszó Burnley is részt vett – a csapat a legutóbbi idény végén ugyanis kiesett az első osztályból.

A General Motors lehetőséget ad márkakereskedéseinek a tel-avivi UVeye vizuális ellenőrzőrendszerének installálására. A Volvo idén márciusban kötött hasonló szerződést az izraeli céggel.

De mit jelent ez a gyakorlatban?

Az UVeye-jal egy jármű ellenőrzési ideje percekről, esetleg órákról másodpercekre csökkenthető. A cég összességében három rendszert kínál telepítésre. Ez egy szolgáltató-központ telephelyén – általában benzinkúton – történik, az előfizetési díj nem nyilvános.

Az Atlas egy nagy ív, a horpadásokat, karcolásokat, rozsdát és más esztétikai jellegű sérülést azonosít. Létezik miniatűr változata is, az Atlas Lite.

A Helios talajra szerelt kamerasor – öt kamerából áll –, áthajtás közben készít képet a jármű futóművéről. Jelzi, ha sérülést, hiányzó részt, folyadékszivárgást, fék- és a kipufogórendszerrel kapcsolatos problémát észlel.

Az Artemis talajon elhelyezett két kamerája a gumiabroncsokat vizsgálja. Azonosítja a gyártót, a nyomást, a károsodásokat, és hogy milyen mélyen áll a gumi. Mindezek mellett természetesen azt is jelzi, ha a gumi állapota nem megfelelő.

A General Motors és a Volvo, a régebb óta felhasználó Hondához, a Toyotához és a Skodához hasonlóan nem tette nyilvánossá, hogy mekkora összeget fektetett az UVeye rendszerbe. Több amerikai kereskedésében járművek ellenőrzésére egy ideje már használják a technológiát. Az új szerződéssel viszont az összesben, azaz mind a négyezerben telepíteni fogják.

A Volvo a szerelősorain alkalmazza, és márkakereskedéseit is ösztönzi az UVeye használatára.

Az automatizált gépilátás-rendszer hibák detektálása mellett azért is nagyon hasznos, mert a szerelőket felesleges munkáktól szabadítja meg, és jobban tudnak összpontosítani kritikusabb problémák megoldására. Az értékesítőknek támpontokat ad esetleges cserékhez, a felhasználó pedig örül, hogy a benzinkutak, a tankolás mellett, tényleges gondjait is megoldják.