Az utóbbi hetek például brit kereskedelmi láncok (Marks and Spencer, Co-Op csoport stb.) elleni súlyos hackertámadásai egyértelműen jelzik a cyberbűnözés növekvő jelentőségét. Ezek a vállalkozások könnyű célpontok: sok ügyfél érzékeny adatait tárolják, az ellátási lánc szakadásai keményen érintik őket, online kiskereskedelemre, mobilalkalmazásokra, eladási pontok termináljaira, hagyományos üzletek gépeire egyaránt kiterjedő infrastruktúrájuk több belépési kaput „kínál” bűnözőknek.

Politikusok hangot adtak azon félelmeiknek, hogy a támadások eszkalálódása súlyos veszélyt jelenthet az élelmiszer ellátási láncra, és sürgősen meg kellene érteni a növekedés mögötti tényezőket. Bizonyossá vált, hogy a vállalati IT-csoport folyamatos tűzfal és vírusirtó frissítései önmagukban nem elegendők. A támadások már nem pusztán a technológiáról, hanem emberekről szólnak.

Nem is olyan régen közepes technikai tudás elég volt hozzájuk, mára viszont kivirágzott a biztonsági szakértők által crime-as-a-serviceként (bűn, mint szolgáltatás) emlegetett földalatti gazdaság: fejlesztők hackereszközöket és appokat dolgoznak ki, előfizetéses modellen keresztül szednek össze pénzt belőlük.

Lényegében VPN mögül bárki anonim bűnözhet bárhol, azaz „demokratizálódott” a cyberbűnözés. Általában a pénz motiválja őket, nem véletlen a zsarolóvírusok (ransomware) népszerűsége. A támadások növekedését segíti a hozzájuk használt eszközök számának és minőségének növekedése.

Maga a stratégia is megváltozott. A bűnözők technológia helyett egyre inkább közvetlenül a leggyengébb láncszemet, embereket támadnak meg, manipulálnak pszichológiailag (social engineering) a digitális térben. Érthető okból: a mai felhőbiztonsági infrastruktúrák robusztusak, emberek viszont lehetnek lusták, fáradtak, elfelejthetnek dolgokat, és a kapzsiság is dolgozhat bennünk. Átverhetők, megtéveszthetők vagyunk, a hackernek pedig nem kell hatalmas számítási kapacitásokkal és erőforrásokkal rendszereket feltörnie.

Felmérések alapján a 2024-es zsarolóvírusos támadások több mint fele e-mailes és közösségi médiás adathalászat következménye volt. Az MI-vel súlyosbodik a helyzet.

Ha eredményesen célba vesznek a vállalati rendszerhez hozzáférő személyeket, mehetnek a kukába a cég IT-biztonsági költései. Hogyan előzzük meg ezt?

Első lépés emberközpontúbb biztonsági stratégia, minden szinten érvényesülő informatikai tudatosság megteremtése, alkalmazása, a generatív MI-vel gyártott mélyhamisítványok (deepfakes) okozta veszélyek megértése lenne. Ha látjuk, honnan jöhet a veszély, felértékelődnek az azt elhárító emberi készségek: a „cyberéberség” fontosságának hatékony kommunikációja, az együttműködés, és annak megértése, hogy mi tesz minket sebezhetővé például a megvesztegetéssel szemben. Ha túl vagyunk ezeken a változásokon, a betörési lehetőségek korlátozása fontosabb, mint az alkalmazott személyek bizalmat nem kifejezetten növelő folyamatos megfigyelése.

A mai mesterséges intelligenciát meghatározza, hogy a neurális hálók mennyire különböznek az emberi agytól. Egy kisgyerek napi ezer kalóriával és rendszeres beszélgetéssel tanulja meg a hatékony kommunikációt, míg technológiai cégek újranyitnak atomerőműveket, közösségeket szennyeznek és terabájtnyi könyvet használnak fel a szerzői jogokat figyelmen kívül hagyva nagy nyelvmodelljeik (LLM) gyakoroltatásához, működtetéséhez.

Mindezek ellenére a mesterséges neurális hálók mégiscsak neurálisak, az agy által inspiráltak. Különböző energia- és adatétvágyuk ellenére az LLM-ek és az emberi agy között sok a közös vonás. Mindkettő sokmilliónyi alegységből, biológiai és szimulált neuronokból áll, folyékonyan és rugalmasan használják a nyelvet, pedig alig értjük a működésüket.

Idegtudósok között bevett agyszerű neurális hálók építése, és ez a megközelítés egyre elterjedtebb a pszichológiában. A hálózatokkal az ember és más állatok viselkedése előrejelezhető pszichológiai kísérletekben. Kellő mértékben begyakoroltatva segíthetnek az emberi elmeműködés megértésében. Csakhogy a viselkedés előrejelzése és magyarázata nagyon nem ugyanaz.

Amerikai kutatók egy LLM-et, a Meta nyílt forrású Llama 3.1-ét az „emberi kogníció alapmodelljévé” alakították át, és a Kentaur nevet adták neki. Az LLM-ek nem túl jók viselkedésünk modellezésében, viszont képesek akkor is logikusan cselekedni, amikor mi nem, például kaszinóban. Százhatvan pszichológiai kísérlet adatain finomhangolták. Többek között „nyerőgépek” adatkészletéből válogathattak a maximális nyereséghez vagy betűsorok megjegyzéséhez.

Egyszerű matematikai egyenleteket használó hagyományos pszichológiai modellekkel összehasonlítva, Kentaur jobban prognosztizálta a viselkedést. Emberek pszichológiai kísérletekben mutatott viselkedésének előrejelzése önmagában is értékes, de Kentaur hatékonyan utánozhatja is azt. Tanulmányozásával új elméletek dolgozhatók ki elménk belső működéséről, a benne lejátszódó folyamatokról.

Egyesek viszont szkeptikusak, hogy Kentaur képes-e egyáltalán mondani valamit az elméről. Valóban jobb a hagyományos modelleknél, csakhogy milliárdszor több paraméterrel működik. És ha külsőre úgy is viselkedik, mint az ember, egyáltalán nem biztos, hogy belül is ugyanúgy funkcionál. Matematikai műveleteket abszolváló számológéphez is hasonlítják, és az emberi elméről valóban nem azokat tanulmányozva tudunk meg újdonságokat. De ha mégis, akkor a sokmillió neuronból problémás lehet kivonatolni az infókat. Gondoljunk bele: MI-kutatók csak kapirgálják a „fekete dobozt”, hogy mi történik a modell belsejében, amíg az inputból output lesz. Az emberi idegháló megértése pedig sokkal bonyolultabb.

A kicsinyítés lehet az egyik alternatíva. A New York Egyetem kutatói apró neurális hálókra fókuszáltak, egyik-másik mindössze egyetlen idegsejtet tartalmazott, de ennek ellenére prognosztizálják egerek, patkányok, majmok, sőt, emberek viselkedését is. Mivel a hálózatok kicsik, minden egyes neuron aktivitása nyomon követhető, és az így szerzett adatokból kikövetkeztethető, hogyan generál viselkedés-előrejelzéseket a hálózat. Nincs garancia arra, hogy ezek a modellek úgy működnek, mint az utánzott agyak, viszont tesztelhető hipotéziseket generálnak a kognícióról, de ellentétben Kentaurral, mindig csak egy speciális feladattal kapcsolatban, például arról, hogyan döntünk a különböző nyerőgépek közül.

Az előrejelzés és a megértés közötti kompromisszum a neurális hálókon alapuló tudomány kulcsa. A New Yorki és hasonló kutatásokkal, hiába kicsik a hálók, a viselkedés pontosabban prognosztizálható, mint a hagyományos pszichológiai modellekkel. Komplex rendszerekre vonatkozó tudásunk viszont egyre jobban elmarad a velük kapcsolatos előrejelző képességünktől.

A Google Glass okosszemüveg bő tíz éve jött és bukott meg. Azóta a mesterséges intelligencia és a viselhető (wearable) technológiák rengeteget fejlődtek, és eljött az idő, hogy újra próbálkozzanak az okosszemüvegekben rejlő potenciál kiaknázásával.

Sok jelenlegi MI-modell időmérést nem tartalmazó adatkészletekből tanul, így pedig kevés rálátásuk van a pillanatról pillanatra történő emberi tapasztalatokra. A Meta 2020-ban indított Aria projektje ezt a hiányt igyekszik emberi nézőpontból valós időben rögzített gazdag multimodális adatokkal pótolni. A rajtuk gyakoroltatott modellek a kiterjesztett valóságban (augmented reality, AR), a robotikában és a mindenhol jelenlévő számítástechnikában (ubiquitous computing) egyaránt új utakat nyithatnak.

Az elsőgenerációs (2020-as) Aria hardvert kutatók használták. 2021-ben a Meta partnerségre lépett a BMW-vel, az autós adatokba integrált vezetői nézőpontot biztonsági és más alkalmazásokban igyekeztek hasznosítani.

Az MI-modelleknek folyamatos, többszenzoros, emberi nézőpontot kínáló, 75 grammos, hat-nyolc óráig működő akkumulátoros második generációt (Aria Gen 2) idén februárban jelentették be. Az AR mellett a fizikai (megtestesített) és a kontextuális mesterséges intelligenciában egyaránt, előbbiben robotok gyakoroltatásához, utóbbiban személyes használatra szánják. Kutatók már idén használhatják. Szenzorai lehetővé teszik a felhasználói tevékenység, a környezet és a kompatibilis eszközökkel folytatott interakciók értelmezését. Privacy gombbal eltüntethetjük az adatgyűjteményt (a Google Glass többek között a személyiségi jogok megsértésének lehetősége miatt bukott meg).

Az input és az output feldolgozása az eszközön történik, 4GB RAM-os és 12 GB tárolási kapacitású Qualcomm SD835 chip gondoskodik róla. A videó, audió, 3D adatpont output helyi PC-re streamelhető vagy felhőalapú API-kra (alkalmazásfejlesztői felületekre) tölthető fel. Öt kamera, hét mikrofon és más szenzorok (mozgásérzékelés, barométer, magnetométer stb.) növelik a felhasználói élményt, míg a szenzorok által olvasott értékeket nanomásodperc felbontásban óra kalibrálja és időbélyegezi, illetve szinkronizálja külső eszközökkel, például közelben lévő Aria egységekkel.

A Meta alkalmazásokat is bemutatott: a környezetről mélységi térkép, a térképpel valósidejű 3D-s dinamikus jelenet rekonstruálható. A 3D képesség lehetővé teszi a felhasználói kézmozgás monitorozását, amelyet robotkezek gyakoroltatásakor hasznosíthatnak. A mikrofonok nagyon zajos környezetben is detektálják a felhasználó által suttogott szavakat, mondatokat.

A mesterségesintelligencia-fejlesztések élharcosai tízmilliárd dollárokat költenek számítási infrastruktúrájukra, hogy kiszolgálják gyorsan növekvő fogyasztóikat, és versenyelőnyt biztosító újításokkal álljanak elő. Az Alphabet várható 75 milliárdos kiadásainak nagy része adatközpontokra megy, a Microsoft csak idén 80 milliárdot szán rájuk, míg az OpenAI és partnerei Texasban húznak fel 60 milliárdért szupermodern komplexumot.

Eközben az Amazon további részleteket tett közzé „adatközpont-konstelláció” tervéről, ultraklaszterben tömörülő, összekapcsolt masszív központokról. Elsőszámú ügyfelük az Anthropic.

A Rainier Projekt néven futó kezdeményezés hét következőgenerációs adatközpontról szól (de az elképzelések alapján akár harminc is lehet). Helyszín az Indiana szövetségi állambeli New Carlisle környéke. Más központoknak Mississippi és valószínűleg Észak-Karolina és Pennsylvania adhat otthont. Csak ebben az évben százmilliárdot költenek rájuk.

A tervek egybecsengenek egy korábbi bejelentéssel: az Egyesült Királyságban 11 milliárd dollárt fektetnek 2028-ig megépülő adatközpontokba.

A Rainier Projektet tavaly jelentették be, több százezer csúcsteljesítményű számítógépet kapcsolnak össze, hogy az Amazon MI-partnere, az Anthropic használja őket. Az utóbbi két évben nyolcmilliárdot invesztáltak a többi óriással való versenyfutásban az Amazon-stratégia kulcselemének számító cégbe.

Az Anthropic akár egyetlen rendszer felépítésére is használhatja a New Carlisle-ban összpontosuló kapacitásokat – jelentette ki Tim Brown társalapító. Az adatközpontok (kikerülve az Nvidia és az AMD megoldásait) az Amazon által tervezett, nagy transzformerekre optimalizált Trainium 2 és a hamarosan megjelenő Trainium 3 processzorokon alapulnak. A 2 teljesítménye gyengébb, de energiafogyasztása gazdaságosabb, míg a 3 teljesítménye négyszer nagyobb, viszont hatvan százalékkal több energiát használ el.

A Project Rainier létesítményeit saját tervezésű hálózati interfész, az Elastic Fabric Adapter használatával is összekapcsolják. Ezzel a lépéssel a vetélytársak által használt összekapcsolási technikákat kerülik ki.

A múltból és a versenyből tanulva, az Amazon belső hardverfejlesztésre helyezve a hangsúlyt, jobban tudja kontrollálni a költségeket és a műveleteket.

A gyorsan növekvő cyberbűnözés becslések szerint 2024-ben mintegy tíz billió dollár kárt okozott a világgazdaságnak. Az esetek száma szaporodik, léptékük egyre nagyobb. Amikor óriásvállalatokat sikeresen megtámadnak, a hír bejárja a világmédiát, a hatás milliókat érint. A kis cégek és személyek azonban ugyanúgy vagy még inkább sebezhetők, a szenzációs attakok viszont mindannyiunk számára tanulságosak, bárki és bármilyen méretű vállalat okulhat belőlük.

Bernard Marr jövőkutató az öt legnagyobbat szedte össze, és levonta belőlük megszívlelendő következtetéseit.

2016-ban az egyik vezető bitcoin- és kriptovaluta-tőzsdét, a Bitfinexet támadták meg, ma egymilliárd dollárnyi, akkor 72 millió értékű bitcoint tulajdonítottak el. A biztonságosnak tartott rendszer sikeres kifosztása miatt a legismertebb kriptovaluta értéke húsz százalékkal esett. Nem mindegy, hol tároljuk kriptoértékeinket, legcélszerűbb offline „pénztárcákban”, és nem tőzsdén, mert az utóbbi esetben nincsenek birtokunkban.    

2017-ben hackerek az Apache Struts networking szoftver sebezhetőségét kihasználva, sokmillió amerikai és más személy érzékeny adataihoz (társadalombiztosítás-szám, születési év és hely stb.) fértek hozzá. Az elért infókkal beazonosíthatóvá váltak, mintegy 150 millióan lettek áldozattá. Az érintett cég, az Equifax többszáz-millió dollár kártérítést fizetett, egyes perek még mindig tartanak. Minden idők eddigi legnagyobb adatlopásának tanulsága a szoftverek kötelező érvényű folyamatos frissítése és a legújabb biztonsági frissítések telepítése (lenne, ha betartanánk).

Szintén 2017-ben a Windows régebbi, de még használatban lévő változatait támadva, a WannaCry zsarolóvírus százötven ország kétszázezer számítógépén söpört végig döbbenetes tempóban. Megtanultuk belőle, hogy az adathalászat felismerése, a rá adott reakció megértése a tudatos cyberbiztonság fontos elemei, a védelem első vonala.

Az ukrajnai, majd a világ más országainak vállalatain végigszáguldó 2017-es NotPetyát először zsarolóvírusnak hitték. A fájlmegsemmisítő mintegy tízmilliárd dollár kárt okozott, repterek és kikötők álltak le ideiglenesen, kormányzati adminisztrációk akadoztak. Biztonsági szakértők szerint államilag, Oroszország által szervezett akció volt. Tanulsága, hogy nem minden cybertámadás célja a pénz- és adatlopás. Ha állami aktorok állnak mögöttük, vállalatok mellett az infrastruktúrát is rongálják, valójában maximális káoszt akarnak okozni.  

2023-ban egy multi hongkongi irodájának alkalmazottját kollégáktól és vezetőktől érkező MI-vel generált deepfake videóhívással többmillió dollár kamu bankszámlára történő átutalására bírták rá. Ő volt a beszélgetés egyetlen valódi szereplője… A generált kamuképek és videók problémája közismert, a csalásokat ellenőrző és azonosító technológiákat folyamatosan fejlesztik, mechanizmusuk megértése azonban ugyanolyan fontos.

2024-ben kisebb-nagyobb mértékben a vállalkozások 87 százalékát támadták, és a trend folytatódik. Frissített szoftverek, érzékeny adatok és kriptovaluták biztonságos tárolása, adatbiztonsági tudatosság, kíméletlen hitelesítő rendszerek a megoldás kulcselemei.

Sci-fikben hozzászoktunk a velünk együtt cselekvő, beszélgető két lábon járó, emberszerű humanoid robotokhoz.

A Morgan Stanley egyik friss beszámolója alapján tíz éven belül mellettünk fognak dolgozni, közösen játszunk, megvédenek minket és, ha kell, gondoskodnak rólunk. 2035-ben tizenhárommillióan, 2050-re egymilliárdan lehetnek. Egy évtized múlva éves birtoklásuk tízezer dollár körüli összeget tehet ki, nagyjából annyit, mint egy autóé.

Mennyire készül fel a társadalom a komoly változásra, milyen lesz ez a jövő, milyen morális problémák merülnek fel?

Az elfogadható ár fordulópontot jelent, vállalkozások kritikus tömege alkalmazhatja őket. A kereslet megsokszorozódik, a humanoid robotok száma így érheti el 2050-re az egymilliárdot.

Az előrejelzés ugyan sci-finek tűnhet, egyes előjelei viszont már ma is észlelhetők. Az Agility Robotics Digit nevű szerkezete amerikai gyárakban dolgozik, korábban csak ember által kivitelezett tevékenységeket végez. A BMW Figure 02 humanoidja a nagyvállalat összeszerelő műhelyében tevékeny: ajtót nyit, lépcsőn jár, emberi eszközöket használ. A Foxconn houstoni gyárában Nvidia szerverek kiépítésében vesz majd részt. Dél-koreai projektek humanoidjai társként működnek, mások az idősgondozásban segédkeznek.

A humanoid robotok előrelépése a mesterséges intelligencia fejlődésének és a két terület friss egymásra találásának köszönhető: a mostani csúcskategóriás fizikai rendszerek elődeiknél jobb képfelismeréssel, nyelvfeldolgozással és motorikus vezérléssel rendelkeznek. Jobban értik környezetüket, minket, alkalmazkodnak, emberszerűen mozognak, képességeik folyamatosan javulnak. Ez még nyilván nem a sci-fik „haladó” MI-je, nem „mechanikus emberek”, tevékenységi körük korlátozott, ők inkább a fizikai gépi intelligencia ChatGPT-i. Az első lépésekről beszélünk, olyan sürgősen megoldandó kihívásokkal, mint az akkumulátor/elemek élettartama, az anyagtudomány korlátai. A technológiaiak mellett társadalmi és pszichológiai problémák is fennállhatnak: hogyan vezessük be őket humán munkakörnyezetekbe, mit kezdjünk a globális lakosság mintegy húsz százalékát érintő robofóbiával?

Mostani becslések alapján 2050-ben kb. 9.8 milliárdan leszünk, azaz durván minden tíz személyre jut egy humanoid, megszokott látványt jelentenek például gyárakban, egészségügyi, kereskedői és oktatási környezetekben. Az otthonokban szintén: a Morgan Stanley szerint az amerikai háztartások tíz százalékában fordulnak majd elő, igaz, az USA-ban lesz a legnagyobb koncentráció, míg az olcsóbb kínai robotok az ázsiai piacokat lephetik el.

Kormányok engedélyezik-e a rendőrségnek a robotmunkát, mennyire vehetnek részt a megfigyelésben? Használhatók-e biztonsági korlátozásokra, például megtagadhatják-e személyek belépését épületekbe? Milyen jogokkal fognak rendelkezni, fizetés nélküli szolgaként vagy rabszolgaként tekintünk rájuk?

Minél gyorsabban fejlődik a technológia, annál aktuálisabbak lesznek ezek a kérdések.   

Extraszoláris bolygóknak, vagy röviden exobolygóknak a Naprendszerünkön kívül, vagyis idegen csillagok körül keringő bolygókat nevezzük.

A NASA James Webb Űrtávcsövét használó tudósok elkészítették egy exobolygó első közvetlen képét. A munka egyben az égitest felfedezését is jelenti, azaz a hatalmas teleszkóp újabb fontos eredménye.

Nemzetközi csillagászcsoport a Nature-ben publikált tanulmányt a történelmi jelentőségű felfedezésről.

Bebizonyosodott, hogy ez az első közvetlen képalapú bolygófelfedezés. Másrészt a Naprendszerünkön kívül ezzel a technológiával valaha is észlelt legfényesebb bolygóról van szó – írják.

A száztíz fényévre lévő égitestnek a TWA 7b nevet adták. A gázóriás fiatal csillag körül kering, méretre és tömegre nagyjából akkora, mint a Szaturnusz. Bár a James Webb korábban készített már képeket más exobolygókról, létezésükről azonban előtte is tudtak, jelen esetben viszont a kép elkészítése a távoli világ létezését is bizonyította.

A TWA 7b egyben a legkisebb, az eddigieknél tízszer kisebb tömegű közvetlenül vizsgált exobolygó.  

2021-es indulása óta a James Webb sok izgalmas űrbeli felfedezést eredményezett: hozzájárult a korai univerzum mélységének feltárásához, Naprendszerünk kialakulásának vizsgálatához. Azért képes mindezekre, mert minden idők legnagyobb, még a Hubble Űrteleszkópnál is nagyobb ilyen rendszere.

A TWA 7b-t a körülötte lévő csillag vakító fénye miatt nehezen észlelték. A fényt ellensúlyozandó, a kutatók napfogyatkozást utánzó, a világosságban megbúvó égitesteket kiszűrő intelligens mechanizmust dolgoztak ki.

Az exobolygó a viszonylag fiatal, 6,4 millió éves, izzó porral körülvett és jelentős sziklás törmelékmezővel rendelkező vörös törpe TWA 7 csillag körül kering. Vizsgálatával betekintést nyerhetünk egy kezdeti állapotban lévő, fiatal bolygórendszerbe.

Andy Jassy, az Amazon vezérigazgatója emlékeztette az alkalmazottakat, hogy a következő öt évben a generatív MI-vel és az MI-ágensekkel csökkenthető a vállalat dolgozóinak száma. A Bank of America, az IBM, a Shopify és a Williams-Sonoma vezetői szintén elmondták: az MI-re támaszkodva, kevesebb új alkalmazottat fognak felvenni.

Hozzáállásuk változást jelent, mert az MI lehetőségeit méltató CEO-k általában kerülik ezt a témát.

A kb. 1,5 millió alkalmazottal dolgozó Amazon masszívan befektet a technológiába, és ma ember által végzett munkák gépesíthetők lesznek, míg a humán alkalmazottakra másfajta feladatok várhatnak. Jassy egyelőre nem látja pontosan, hogy hol.

Az MI pénzügyekben történő széleskörű alkalmazásával a teljes bankszektorban csökken a humán erőforrás iránti igény.

Az IBM emberi erőforrás részlegén ágensek már többszáz dolgozót helyettesítettek, de ennek ellenére a vállalat által foglalkoztatott személyek száma nőtt.

A Shopify vezetősége áprilisban utasította alkalmazottait, hogy új munkaerő-felvételek előtt magyarázzák el, az MI miért nem alkalmas (ha nem alkalmas) segíteni feladataik végrehajtásában. A stratégiával nem lesz automatikusan kevesebb munkahely, viszont komoly nyomást helyez a felvételről döntő vezetőkre.

A Williams-Sonoma közölte befektetőivel, hogy új munkaerő helyett MI-t akarnak alkalmazni. A létszám-növekedést ellensúlyozandó, idén az azt kiváltó mesterséges intelligencia használatára összpontosítanak.

Az utóbbi években több tanulmányban olvashattuk, hogy az MI inkább növelheti, semmint csökkentheti az állások számát. A technológiai fejlődés eddig mindig több munkahelyet teremtett, mint amennyit megszüntetett. Például a 2018-as amerikai állások hatvan százaléka nem létezett 1940-ben. Rövidtávon viszont az MI valóban sok állást szüntethet meg, köztük korábban védettnek gondoltakat (kreatívok stb.) is. A vezetőség felelőssége cégük felkészítése az MI-alkalmazások következő hullámaira.

Egy biztos: a mesterséges intelligenciát ismerő, használó álláskeresők, dolgozók reményei sokkal nagyobbak, mint a technológiától idegenkedőké.

Betegségek diagnosztizálásától a gyógyulás folyamatos megfigyeléséig, új gyógyszerek fejlesztéséig, az egészségügy a mesterséges intelligencia egyik leglátványosabb alkalmazási területe. Eközben az iparág továbbra is globális kihívásokkal küzd: kevesebb a személyzet, öregszik a lakosság, és a preventívebb ellátási modellre történő átállás költségeit is kellene kezelni.

Itt jönnek képbe a mesterséges intelligencia következő hullámát jelentő, a nyelvalapú chatbotoknál komplexebb feladatokat minimális, emberrel folytatott interakcióval elvégző ágensek.

Nem ágensszerű gépilátás-alapú MI-algoritmus orvosi képek átvizsgálására, például a rák korai jeleinek megállapítására használható. Ágensek viszont emberi beavatkozás nélkül a képeket más betegek adataival összehasonlítva, részletes jelentést készítenek az orvosnak, és időpontot egyeztetnek kontrollvizsgálatra.

Az MI eddig passzív információszolgáltatást végzett, mostantól aktív, kezdeményező szereplőként kapcsolódik be a medicinába. Szakértők szerint ez ugyanolyan fontos változás, mint a csúcsminőségű gépi látás, a chatbotok megjelenése és más közelmúltbeli mesterségesintelligencia-innovációk voltak.

A felhasználási esetek egyelőre inkább elméletiek, csak most kezdik az ágenseket használni, a potenciál viszont óriási.

Az automatizált ütemező-rendszerek tehermentesítik az adminisztratív személyzetet, kevesebb rutin- és papírmunkát kell végezniük. Mivel jobban értik az MRI- és a CT-adatokat, az ágensek a döntéshozásban is részt vehetnek. Betegek távoli megfigyelésében, klinikai teszteken úgyszintén. Csökkentik az emberi hibák számát és a rutinmunkára fordított időt. Komoly kutatási feladat, hogy megoldjuk biztonságos használatukat és megértsük az iparágra gyakorolt hatásukat.

A nagyobb autonómiával új kockázatok is jönnek, ezért növelni kell az adatbiztonságot, jobban oda kell figyelni az MI tévedéseire, hallucinációira, és meg kell győződnünk arról is, hogy a gépi döntéshozás valóban működik – ki kell találnunk, hogyan ellenőrizzük.

Elterjedésük és a gyökeres változások az évtized végéig megtörténhetnek. A viselhető technológiák, az otthoni szenzorok és az ágensek valóban preventívvé, proaktívvá alakíthatják át a ma még reaktív gyógyászatot.

Mezőgazdasági robotok nehéz és a klímaváltozás miatt egyre nehezebb környezeti körülmények között is változatlanul segédkezni fognak a termés betakarításában. A terület egyik régi kihívása viszont még mindig érvényes: bonyolult a növények ágainak, törzsének kacifántos hálózatában ügyesen és pontosan navigáló karokat építeni.

A Carnegie Mellon Egyetem (CMU) kutatói különleges érzékelőrendszert fejlesztettek a feladathoz. SonicBoom nevű technológiájuk lehetővé teszi, hogy autonóm robotok hangot használva érzékeljék a megérintett objektumokat. Így centiméter-pontossággal észlelik azokat.

Sok mai autonóm robot kameraalapú pici szenzoroktól függ. A gép felületét védő gélréteg alatti minikamerákkal az érzékelők vizuálisan megbecsülik a gél deformációját, és tapintási (taktilis) infókhoz jutnak. A megközelítés hátulütője, hogy mezőgazdasági környezetben nem ideális, mert az ágak zavarhatják a képi szenzorokat. A kameraérzékelők magas ára és sérülékenysége szintén problémát okoz.

A nyomásszenzorok egy másik opció, viszont a robot felületének nagy részét le kellene fedniük – tehát nagyon költségesek –, hogy hatékonyan érzékeljék, ha ágakkal érintkeznek.

A nehézségekből kiindulva, a kutatók teljesen más megközelítést, hangot javasolnak. A rendszerhez egy sor, a fizikai érintést a szilárd anyagokon terjedő detektáló hangjeleként érzékelő kontaktmikrofon tartozik.

Ha a robotkar megérint egy ágat, az így keletkező hanghullámok mindaddig lefelé haladnak rajta, amíg nem jutnak el a mikrofonokig. A mikrofonsoron belüli kicsi hanghullám-különbségekkel (jelintenzitás, fázis stb.) lokalizálható a hang eredete, az érintkezési pont.

A karon elszórt mikrofonok mélyebben beágyazhatók, azaz kevésbé sérülékenyek, könnyebben megóvhatók.

Az érintkezési pontok jobb azonosításához nagymennyiségű gyakorlóadaton, fával való több mint 18 ezer érintésen betanított mesterségesintelligencia-modellt használtak. SonicBoom hibarátája a trenírozáshoz használt objektumok esetében mindössze 0,43 centiméter volt. Új anyagokat, például műanyagot vagy alumíniumot szintén felismer, hibarátája viszont 2,22 centi.

További adatokkal a rendszer az objektumtípust (levelet, ágat, törzset stb.) szintén azonosítja. Valóvilágbeli megmérettetése viszont várat még magára.