A fizikai valóság egyedi részletekben gazdag, minden egyes helyszín, személy, tárgy más, mint a többi. Ezzel szemben, az absztrakciókra épülő szoftverek világát viszonylag egyforma programozói környezetek és felhasználó élmények jellemzik.

A mai mesterségesintelligencia-kutatás egyik abszolút szaktekintélye, Andrew Ng érdekes szemléletváltásra hívja fel a figyelmet: a gépi tanulás lehet a két világ közötti híd.

A szoftverek homogének. Amikor például egy keresőmotor- vagy okostelefon-fejlesztő frissíti a termékét, a felhasználók mindenhol ugyanazt kapják. Ez anyagilag még a tervezés és a gyártás magas fixköltségei ellenére is, az alacsony járulékos költségek miatt pedig különösen kifizetődő.

A szoftverekkel ellentétben, a valóság heterogén – érvel Ng, majd példákat hoz fel: az egyik várost hegyek, a másikat síkság, a harmadikat tenger határolja. Az egyikben aszfaltutak, a másikban koszos földutak vannak. Az egyikben francia, a másikban japán a jelzőtáblák nyelve. Mivel nincsenek vagy nem is hozhatók létre platformok és szabványok, „egy méret nem felel meg mindenkinek”, sőt, gyakran csak nagyon keveseknek felel meg.

Többek között ezért nehéz önvezető autót tervezni. Ha minden város nagyjából ugyanazok a behatárolt specifikációk alapján épülne fel, könnyebb lenne, de nem ez a helyzet.

Az önvezető rendszereknek bármilyen szélességű utcát, konfigurációjú jelzőlámpákat és még egy csomó más változót kellene kezelniük, és ez még a legintelligensebb gépitanulás-rendszereknek is borzasztó nehéz feladat.

A szoftverfejlesztő cégek sikeresen elérték, hogy a felhasználók alkalmazkodjanak az „egy méret mindenkinek” jellegű termékekhez. Ng szerint pontosan a gépi tanulás segíthet a szoftvereknek, hogy képesek legyenek kezelni, interakciókat folytatni a sokszínű fizikai valósággal. Nem a városokat kell homogénné tenni, hanem a homogén világban történő navigálásban segítő tanulóalgoritmusokat kell fejleszteni.

Hosszú utat kell még bejárnunk – ismeri be Ng. Vállalata, a Landing AI ezen az úton jár, adatcentrikus mesterséges intelligenciájukkal a gépi tanulás különböző gyárak nagyon eltérő körülményei között is működik. Minden egyes gyárnak saját betanított modellel kell rendelkeznie, hogy az MI felismerje az ottani speciális körülményeket, és a gépi tanulás minden ilyen környezetben tényleg hasznos legyen.

„Használjuk arra, hogy a szoftvereket jobban adaptálja a valósághoz, s ne a valóságot korlátozzuk a szoftverhez való alkalmazkodásra” – összegez Ng.

A kanadai Brit Columbia Egyetem (UBC) kutatói egészen különleges – és ijesztő – mesterséges intelligenciát fejlesztettek. Az MI még a feltalálásukat megelőzően találja ki, hogy milyen designer drogok kerülnek az utcára. Tehát még nem is léteznek, de már tud róluk.

Munkájával elvileg a bűnüldözést segíti.

A szakemberek gépitanulás-algoritmust tápláltak egy „ismert pszichoaktív anyagokról” szóló adatbázisba. Rendeltetése, hogy az adatok alapján a vegyészek és a dealerek előtt kitalálja: mit fognak készíteni, majd mit fognak eladni. Mielőtt valósággá válna.

A Steven Spielberg kultikus Különvéleményét idéző technológia fejlesztői egyértelművé tették: a rendőröket akarják segíteni a drogháborúban, és míg a film intő jel volt e megoldások veszélyeire, addig a kutatók semmiféle veszélyt nem látnak az ideghálójukban.

Spielberg 2002-es filmjében a high-tech megoldások az emberi elmében olvastak, így bűnözőket még a bűn elkövetése előtt tartoztathattak le. Az UBC ideghálójával hasonló „eredmények” érhetők el.

David Wishart az egyik fejlesztő elismeri a Különvélemény-párhuzamot, viszont arra hivatkozik, hogy a megfigyelő és más technikák hatására a filmbeli jövőben csökkent a bűnözés.

„Szoftverünk a bűnüldözőket és a közegészségügyi programokat segíti, hogy alapismereteik legyenek titkos vegyészekről, és hogy mi várható, minek kell utánanézniük” – magyarázza.

A gépi tanulásnak ez a típusa ugyan könnyen zsákutcának bizonyulhat, viszont egyes amerikai és európai rendőrségek – elsősorban a drogkereskedelem elleni harcban – használnak ha nem is ilyen, de hasonló technikákat.

Vegyük figyelembe, hogy a már Nixon által meghirdetett drogháború eddig totális kudarc, rengeteg mexikói, kolumbiai, amerikai stb. halottal. Az Egyesült Államokban soha nem fogyasztottak annyi drogot, Kolumbiában soha nem állítottak elő annyi kokaint, a mexikói kartellek soha nem tettek szert akkora bevételre, mint az elmúlt években. Ha ezekhez hozzáadjuk a még nemlétező drogok után kutató mesterséges intelligenciákat, nehezen képzelhető el, hogy az eredmények látványosan javulnának.      

Január tizenhetedikén, a németországi Jülichben, európai uniós és német hivatalos személyek jelenlétében beindították a világ egyik legegyedibb kvantumszámítógépét.

De mitől egyedi az új gép?

Attól, hogy a rendszert, technológiai lehetőségeinek növelése és ezáltal az élet változatos területeit érintő, hihetetlenül komplex problémák megoldása céljából, összekapcsolták egy szuperszámítógéppel.

A hivatalosan D-Wave Advantage annealer nevű gép a 2019-ben, német és más európai uniós kutatóknak kvantumkomputer-használatot biztosító Jülichi Egyesített Kvantumszámítási Infrastruktúra, a JUNIQ része.

Mivel többdimenziós terek létrehozásával, sokféle adatpontban is képesek mintázatokat találni, a kvantumszámítógépek klasszikus komputerekkel megoldhatatlan problémákat is tudnak abszolválni. Építésük viszont hihetetlenül nehéz és komoly befektetést igényel. Ahhoz, hogy valóban hasznosak legyenek, nagynak kell lenniük, amelyhez évekre van szükség. Ezért is annyira lassú a technológia fejlődése.

Az új rendszer komoly lépés ebbe az irányba. Az ötezer kvantumbitnek köszönhetően, egymillió változó kezelésére alkalmas, és ez hihetetlenül magas szám.

Az eseményen részt vett Mariya Gabriel, az EU innovációért, kutatásért, oktatásért és az ifjúságért felelő biztosa, és elmondta, hogy „a kvantumszámítógépek nélkülözhetetlenek az Unió technológiai és gazdasági fejlődéséhez, az európai tudomány és ipar versenyképességéhez.”

Az esemény a kvantumalkalmazások gyakorlati fejlesztésének a kezdetét is jelenti. Tudósok a technológiával próbálnak majd megoldást találni változatos területek komplex problémáira. Az eredményekből Észak-Rakna-Vesztfália, Németország és az Unió ipari, közszolgálati és tudományos szektora egyaránt profitálhat.

Az új gép arra is ékes bizonyíték, hogy a kvantumszámítógépek nemcsak elméletekben és az akadémiai közegben létező valamik, hanem a való világban is alkalmazhatók, többek között olyan szerteágazó területeken, mint a közlekedés-optimalizálás, pénzügyi szolgáltatások, egészségügy, logisztika, gyártás és a beszállítói lánc hatékonyabbá tétele.

A Facebookot évek óta, több fronton támadják. Sokak szerint monopóliumra törekszik, szét kellene darabolni, visszaél a közvagyonnal, a közösségi oldalnak valójában közműként kellene működnie. Mások egyes technológiák miatt, megint mások pedig összesen mindezekért kárhoztatják Mark Zuckerberg vállalatát.

Az arcfelismerés hosszú ideje – nemcsak a Facebook ellen – az egyik legkeményebb támadási felület, alkalmazása ugyanis megkérdőjelezhető tevékenységeknek ad teret, és nem egyszer megsérti személyiségi jogainkat (privacy), lehetőséget ad illetékteleneknek arra, hogy beosonjanak az intim szféránkba.

A cég sokáig ignorálta az arcfelismerés káros hatásairól szóló bizonyítékokat, de végül beadta a derekát, és leállította a technológia feltöltött videókon, fotókon és a múltbeli vizuális anyagokkal foglalkozó Memories platformon történő használatát. Állítólag az egymilliárdnál több egyedi arcfelismerő sablonnak szintén véget vet. Egyébként a technológia több Facebook-funkciót működtet, és a napi 1,8 milliárd felhasználó fele használja is.

A Facebook lépése nem egyedi, a nagyvállalat követte más óriások, mint például az Amazon, az IBM és a Microsoft hasonló intézkedéseit. A trend nem sok jóval kecsegtet a technológia tömegszintű marketinges felhasználásának jövőjét illetően.

Az arcfelismerő funkciók kikapcsolása egyébként nem feltétlenül jelenti azt, hogy a cég teljes egészében felhagy a technika alkalmazásával. A mesterséges intelligencia és a gépi tanulás fejlődése szempontjából nagyon fontos DeepFace-t például megtartja, sőt, természetesen továbbfejleszti. Az eszköz személyazonosság-hitelesítésnél, csalások megelőzésénél tesz komoly szolgálatokat, és ezért nagyon meggondolatlan, felelőtlen húzás lenne felhagyni vele.

Miközben a techóriásokat sok oldalról támadják, és megoldásaik mérsékeltebb használatát követelik, addig új szereplők, kisebb cégek próbálkoznak és nyomulnak az arcfelismerésben. Az így sokkal töredezettebbé váló piacon nehezebb követni a technológia használatát, a valós és a potenciális visszaéléseket.

A legcélszerűbb az átgondolt szabályozás, az összes érintett vállalat által elfogadott általános szabályok és szabványok betartása lenne.

Ha egy robot interakciókat akar folytatni a világgal, tudnia kell, hogy mit fogjon meg, milyen tárgyakat kerüljön el, milyen részeit mozgassa meg közben. Két Berkeley- és egy CMU (Carnegie Mellon Egyetem) kutató új módszert kínál arra, hogy gépek miként határozzák meg a számukra érdekes térbeli pontokat. Eddig is foglalkoztak a témakörrel, az újítással viszont jelentősen javítható ez az adottság.

A felügyelet nélküli Keypoint3D gyakorlás-módszerrel a modell képes térbeli koordináták, a környezet hasznos helyeivel megegyező kulcspontok, köztük saját teste egyes részeinek azonosítására.

A kutatók korábbi munkájukban virtuális közegben gyakoroltattak egy ágenst, hogy egyszerű kétdimenziós kameraképen alapuló kulcspontokat találjon meg, de amikor a kameraképen tárgyak egymásba mosódtak, vagy az egyik eltakarta a másikat, pocsékul teljesített.

Hasonló megközelítéssel viszont kihasználható, ha több a kameranézet, hogy az objektumok lokalizálhatók legyenek a háromdimenziós térben. Az eredeti kameranézőpont kikövetkeztetett 3D-s kulcspontokkal történő újbóli előállítása sokat segíthet az ágensnek meghatározott objektumok pontos tér- és időbeli követésében.

A Keypoint3D-vel egy rendszer megtanulta az adott feladat elvégzéséhez szükséges harminckét kulcspont kiválasztását. Elhelyezkedésüket három kamera nézőpontja alapján kellett azonosítania.

Virtuális környezetben trenírozták és tesztelték. Az ágensnek egyszerű robotfeladatokat kellett abszolválnia: ajtót nyitni, becsukni egy dobozt stb.

Ezek mellett sálat kellett tennie egy modell nyaka köré, hogy megmutassa, mennyire tud kezelni rugalmas tárgyakat, illetve, testrészei mozgatásának képességeit bizonyítandó, négy lábon kellett mászkálnia.

Egy megerősítéses tanulás-modellt a kulcspont-detektáló modellel együtt gyakoroltatták, hogy ne legyen kétség a kulcspontok és a feladat összefüggéséről, magyarán, hogy a térbeli koordináták relevánsak ebben az esetben.

Eddig statikus objektumokat próbáltak 3D kulcspontok létrehozásával lokalizálni, a tér- és időbeli változásokat figyelemmel követő új modell – és az azzal működő robotok – viszont már dinamikus környezettel is tudnak interakciókat folytatni.

A világhírű GPT-3 mesterséges intelligencia, a fejlesztő OpenAI-val közösen dolgozó Microsoft jóvoltából immár könnyebben elérhető, mint volt korábban. Ez azonban több problémát is felvet.

Nem véletlen, hogy a redmondi nagyvállalat közölte: tervei szerint a nyelvi mesterségesintelligencia-modellre vonatkozó – a felhasználói jelzéseken alapuló – visszaélések elleni óvintézkedéseket tesz majd.

Szükség is lesz rájuk, mert az összes szövegen trenírozott MI-hez hasonlóan, a GPT-3 is képes elfogult, morálisan megkérdőjelezhető, a felhasználót teljesen összezavaró outputokat generálni. Kérdés, hogy a Microsoft a jövőben mennyire fog ragaszkodni mostani elveihez, betartja és betartatja-e a szigort, vagy lazít rajta.

Ne feledkezzünk el arról a tényről, hogy az OpenAI egy korábbi verziót, a GPT-2-t pont azért vonta ki a forgalomból, hogy rosszindulatú felhasználók ne élhessenek vissza vele.

A GPT-3 is ad okot aggodalomra.

Egy friss tanulmány alapján például sztereotípiákon alapuló szöveget generált az iszlám és az erőszak kapcsolatáról. Egy francia cégnél pedig orvosi chatbotként is tesztelték, és nem teljesített jól, például egy, öngyilkosságra készülő kamupáciensnek azt mondta, hogy szerinte a fatális lépés megtétele lenne a leghelyesebb döntés, úgy kellene tennie. Képzeljük el, ha „élesben” reagált volna így…

A technológia jövője továbbá azért is érdekes, mert a Microsoft és az OpenAI értelemszerűen nem monopolizálhatja a területet, és nagyon valószínű, hogy nem is fogják sokáig. Gyűlnek a riválisok.

Több kínai egyetem ugyanis összeállt, és közösen dolgoznak a hírek alapján a GPT-3-nál tízszer nagyobb Wu Dao modellen, de a Microsoft Szilícium-völgyi vetélytársai szintén hasonló babérokra törnek, és talán még a kínaiaknál is masszívabb rendszereket építenek.

Egyelőre annyi történt, hogy az EleutherAI egy sokkal kisebb nyílt forrású kísérlettel próbálja lemásolni és méretezhetővé tenni a GPT-3-at. Az AI21 Labs pedig szabad hozzáférést kínál a 178 milliárd paraméteres Jurassic-1 bétaváltozatához.

A verseny nyilván éleződni fog, amellyel az MI-fejlesztőközösség csak jól járhat. Nyilvánvalóan mi, felhasználók is.

A jéghoki Kanada nemzeti sportja, így semmi meglepő nincs abban, hogy pont kanadai kutatók tettek döntő lépést a meccsekről készült videók automatikus elemzése felé. Mesterségesintelligencia-alapú technológiát fejlesztettek hozzá.

A Waterloo Egyetem szakemberei két – már meglévő – mélytanulás (deep learning) technika összekombinálásával létrehozott rendszere a mezükön lévő szám alapján kilencven százalékos pontossággal azonosít játékosokat.

„Ez azért fontos, mert egy játékos azonosításához a mezszám az egyetlen komoly fogódzó, különben az adott csapat játékosai sisakjaik és egyenmezeik miatt nagyon hasonlónak tűnnek” – magyarázza a projektet vezető Kanav Vats.

A játékosok azonosítása a bonyolult feladat egyik eleme – a Waterloo Egyetem Látás és Képfeldolgozás Laboratóriuma és ipari partnere, a Stathletes Inc. az ő teljesítményüket elemző és más adatvezérelt tényeket elemző mesterségesintelligencia-szoftveren dolgoznak.

A Nemzeti Jégkorong Liga játékain alapuló, 54 ezer képes adatsort, kategóriájában a legnagyobbat alakították ki, majd MI-algoritmusokat gyakoroltattak rajta, hogy aztán új képeken is felimerjék a mezszámokat.

A pontosságot úgy növelték, hogy például kétjegyű mezszámot, mondjuk a 12-t, egyrészt kétjegyű, másrészt két egyjegyű számként ismerjék fel. A mesterségesintelligencia-kutatásban ez a megközelítés az úgynevezett többfeladatos tanulás (multi-task learning).

„Ha különféle megjelenítésekkel tanítjuk ugyanazt, javul a teljesítmény, jobbak az eredmények” – mondta Vats.

A videókon a játékosokat követő, lokalizáló, tevékenységüket felismerő MI-t is fejlesztenek, amelyet a rendszerbe integrálnak. Egyetlen rendszer, és nem egymástól különböző megoldások összessége a cél.

Az utóbbi évek részletes elemzései a jéghoki mellett más sportokban szintén komoly előrelépést jelentenek, bár az elemzések zömét még mindig a közvetítéseket néző és közben jegyzetelő húsvér személyek végzik, ami komoly és időigényes munka. Ezzel szemben, a gépitanuló technikákkal párperces feladat csupán.

A kutatók eddig a jéghokira összpontosítottak, de fejlesztéseiket más csapatsportokra, például a focira is tervezik aktualizálni.         

A Google-hoz tartozó és az általános mesterséges intelligencia fejlesztésében komoly eredményeket elért, világhírű londoni DeepMind biomedikális startupot alapított. Az új cég, az Isomorphic rendeltetése, hogy az előd AlphaFold 2 kutatásaira, ideghálók együttesére alapozva megállapítsa fehérjemolekulák biológiai funkcióikat meghatározó formáit.

A DeepMind vezérigazgatója, Demis Hassabis által vezetett új cég MI-, biofizikai, orvosi vegyész és tervező szakembereket alkalmaz.

A cégnél a fehérjék gyógyászati potenciálját, egymás közötti interakcióikat és a receptorokhoz történő kapcsolódásokat elemző, előrejelző modelleket dolgoznak ki. A tervek szerint gyógyszerfejlesztés helyett a szolgáltatásaikat kínálják fel gyógyszeripari vállalatoknak.

A 2018-ban indult AlphaFold 2 az emberi test fehérjéinek 98 százalékát elemezte, elemzésiket azonban laboratóriumi kísérletekkel kell még hitelesíteni. 2018-ban és 2020-ban is megnyertek egy-egy fehérjeformákat prognosztizáló versenyt. A DeepMind a rendszert és a többszázezer fehérje szerkezetét részletesen bemutató adatbázist tavaly júliusban tette nyilvánossá.

Az új startup tevékenysége azért is érdekes lehet, mert a potenciális gyógyszereknek csak 6,2 százaléka megy át a klinikai teszteken, és kerül piacra. Egy sikeres gyógyszer fejlesztése átlagban 1,3 milliárd dollárba kerül. Az Isomorphic leegyszerűsítheti a fejlesztéseket.

A próba-hiba módszerrel komoly eredményeket érhetnek el, növelik a sikerrátát, csökkentik az előállítási költségeket. Összességében a gyártók és az ügyfelek is jól járnak.

Az AlphaFold 2 komoly előrelépés a biomedicinában, mélytanulással (deep learning) pedig jelentősen felgyorsulhat a proteinek közötti interakció kutatása. Olyan kérdésekre kaphatunk választ, hogy egy potenciális kezelés milyen hatást vált ki a megcélzott fehérjéből?

Mivel egy fehérje formája nem statikus, és a mozgása befolyásolja a tulajdonságait, dinamikájuk tanulmányozásában szintén komoly lehetőségek rejlenek.

A laboratóriumi eredmények sikeres klinikai tesztté konvertálásában nagyon fontos szerep vár az Isomorphicra és a hasonló biomedikális vállalkozásokra.

Az amerikai kongresszus felszólította az autógyártókat, hogy találjanak high-tech megoldást, amellyel megakadályozzák az ittas vezetést. A biztonságos közlekedést célzó intézkedésekkel 2026 elejéig érnék el, hogy részeg sofőrök ne üljenek a volán mögé. Ennyi időre mindenképpen szükség van, hogy autók millióiba integrálják az új technológiákat.

17 milliárd dolláros, monumentális kezdeményezésről van szó. A biztonságos közlekedést célzó programok keretében évtizedek óta nem költöttek el ennyi pénzt. Ha megvalósul, a kerékpárutak védelme is erősödik, és a forgalmas utakon több lesz a zöld terület.

Alex Otte, az Anyák az ittas vezetés ellen elnöke szerint a szervezet története során kormányzatok soha nem hoztak még ennyire fontos szabályozást, tényleg ez lehet az ittas vezetés végének kezdete.

„Virtuálisan megszünteti az amerikai utak elsőszámú gyilkosát” – magyarázza, és a statisztikák őt igazolják: 2006 óta nem haltak meg annyian az utakon, mint 2021 első félévében (20160). Az áldozatok közül évente kb. tízezren alkohollal kapcsolatos karambolban vesztik életüket.

Nagyon magas szám, a közutakon történő halálesetek közel harminc százalékáról van szó.

Az új szabályozás értelmében ittas vezetés miatt elítélt sofőröknek gyújtásra kapcsolt alkoholszondát kell használni – az illető belefúj egy csőbe, és ha túl magas a véralkoholszint, a jármű nem indul el. A szabályozás nem specifikálja a technológiát, csak annyit ír róla, hogy passzívan monitorozza a sofőr teljesítményét, hogy azonosítsa az esetleges problémákat.

A legvalószínűbb megoldás az erre a célra is hasznos infravörös kamerák bevezetése. A General Motors, a BMW és a Nissan már használ ilyen, részben automatizált vezetéstámogató rendszereket. Szükség esetén figyelmeztetik a sofőrt, a jármű automatikusan lelassít stb.

A szonda többek szerint egyáltalán nem praktikus, mert sokan eleve nem hajlandók rá, ezért nem ártana valamit kitalálni helyette. Az új szabályozás elég tág, mert csak a vezetőt passzívan megfigyelő technológiáról van szó benne.

A világháló berobbanását és az virtuális valóság első hullámát követően, a kései 1990-es és a korai 2000-es évek a technológiai optimizmus jegyében teltek el. Virágzott a cyberkultúra, a transzhumanizmus akkoriban vált ismert filozófiai áramlattá, az ezredfordulót megelőző időkben sokan valamilyen titokzatos high-tech csodával kötötték össze a dátumváltást.

A csodavárást kiábrándulás váltotta, kipukkadt a dotkom lufi, a változások sokkal lassabban és másként jöttek el, mint ahogy prognosztizálták. Az MI-k nem lettek szuperintelligenciák, a nagyobb űrutazások (beteljesületlen) álmok maradtak, a befektetők visszafogták magukat.

A techno-optimizmus napjainkban tért vissza. Az appok és a közösségi média társadalomra gyakorolt negatív hatása kétségtelenül sokáig érződött, most viszont (legalábbis a csúcstechnológiai és a kockázatitőke-befektető elit szerint) megint reménykedhetünk. Az új tech-eszközök megoldják a problémáinkat – hirdetik.

Ebben a közegben él és tevékenykedik az 1972-ben született, ma Londonban élő Azeem Azhar, az Exponenciális kor szerzője, high-tech befektető és író. Könyve a világot megváltoztató számítógépes technológiákról szól, amelyek, mint például a mesterséges intelligencia és a közösségi hálózatok,  biotechnológia, a 3D nyomtatás, az újrahasznosítható energia tényleg teljesen felforgatják, átalakítják a korábban megismert valóságot.

A szerző a hosszú évek óta, évről évre pedig  gyorsan és folyamatosan javuló, az ár-érték arányt javító megoldásokat hívja exponenciális technológiáknak. „Az új technológiák feltalálása és méretezésük egyre gyorsabb ütemben történik, miközben az árak is hamar leesnek” – írja.

Az átalakulás tempója azonban problémákhoz is vezet, amelyek törvényszerűen nem vonatkoztathatók el ezektől a technológiáktól. A befektető-író esetükben exponenciális résekről beszél.

A nagy tech korporációk, mint az Amazon vagy a Google óriási gazdagságra és hatalomra tettek szert, más cégek, sok intézmény és közösség viszont nem tud szélvészgyorsan alkalmazni, és így – gyorsan – lemaradnak.    

A jó hír, hogy a társadalmunk legégetőbb problémáira – a bejáratott cégek és a gyorsan növekvő digitális platformok közötti különbségek, a nemzetállamok tehetetlensége a cyber-hadviselés új formáival szemben, a liberális demokráciák ideges reakciója a szociális problémákra stb. – is magyarázatot adó exponenciális rések elkerülhetők.

Elkerülésükben segítenek az infokommunikációs technológiák, és meg kell ragadnunk az általuk kínált új lehetőségeket – újfajta cégszervezést és felépítést, a politika és a nemzetvédelem innovatív formáit. A mai világ csak holisztikusan, az életünket átalakító exponenciális techvalóság megértésével és hasznunkra fordításával magyarázható, élhető.