Autoriter kormányok, például Kína, India vagy Kazahsztán internetcenzúrája milliárdok számára ellehetetleníti az információhoz való szabad hozzáférést. A cenzúra kijátszása örökös versenyfutás az egyre fejlettebb technológiákkal dolgozó rezsimekkel. Mivel manuális módszerekkel kell megtalálni a megoldást, a tevékenység kifejezetten időigényes.

A Maryland Egyetem számítástudományi szakemberei különleges eszközt fejlesztettek, amellyel kiegyenlítettebbé teszik a versenyt. A Genetic Evasion (genetikus kitérés/kijátszás) kifejezést rövidítő Geneva ugyanis automatikusan tanulja meg a teendőket.

Kínában, Indiában és Kazahsztánban tesztelték, és több tucatnyi módszert (cenzorok logikai tévedéseinek kihasználása, rések észlelése stb.) talált az online cenzúra kijátszására. A módszerek manuális technikákkal nem működnének, sőt, senki nem venné őket észre.

„Genevának köszönhetően, ez az első alkalom, hogy mi vagyunk előnyben. Egy teljesen új fegyverkezési verseny első lépése, amelyben a cenzorok és ellenségeik egyaránt mesterségesintelligencia-rendszerekkel dolgoznak” – nyilatkozta Dave Levin, az egyik fejlesztő.

A technika azon a tényen alapul, hogy minden internetes információ a küldő számítógép által adatcsomagokra van tördelve, amelyek aztán a fogadó komputeren ismét összeállnak. Cenzorok általában az online keresés közben elküldött adatcsomagokat figyelik, majd blokkolják például a Tianamen tér kulcsszavakat tartalmazókat.

A biológiai minta, az evolúció inspirálta genetikus algoritmus, Geneva újdonsága, hogy megváltoztatja az adatok szétbontásának módját, és így a cenzor nem ismeri fel a tiltott tartalmakat, vagy egyszerűen képtelen a kapcsolat ellenőrzésére. Az MI genetikus építőkockákból formál utasítássorokat, DNS helyett kicsi kódrészeket használ az építőkockákhoz. A kódrészek egyenként szinte semmit nem tesznek, de utasítássorokká állva kifinomult kijátszási stratégiákat képesek kivitelezni.

Geneva több generáción keresztül futtatja genetikus kódját, megtartja, mutálja és egymással keresztezi, majd teszteli a leghatékonyabbakat. Gyorsan dolgozik, több sikeres stratégiát azonosít.

Megfordulnak a szerepek, más lesz a reaktív, más a proaktív: Geneva előtt a kutatók azonosították a cenzúrastratégiákat, majd próbáltak valamit kidolgozni ellenük. Most viszont az MI találja ki, hogyan vágja át a cenzort, a kutatók pedig látják, hogy a cenzorok milyen módszerekkel igyekeznek megint ellehetetleníteni a szabad információáramlást.

Laborban, álcenzorokkal, de a valóságban, valódi cenzorokkal szemben is tesztelték, és lényegében az összes csomagmódosító (és egy korábbi anyagban publikált) stratégiát azonosította.

Kínában változtatás nélküli Chrome böngészővel dolgozott, és a felhasználó eredményt ért el a tiltott kulcsszavakkal. Az MI Indiában és Kazahsztánban szintén sikeresnek bizonyult.

A kutatók hamarosan az adatokat és a kódot is közkinccsé teszik, szabad hozzáférést biztosítva autoriter rendszerek felhasználóinak cenzúrázott tartalmakhoz. Következő lépésben Genevát a kliensoldalról a biztonságosabb szerveroldalra tervezik költöztetni. Ez azért fontos, mert ha megtörténik, a felhasználónak semmit sem kell telepítenie a gépére.

A Champions Traveler honlap friss elemzése kimutatta, hogy az előrejelzések alapján (a sok amerikai milliárdos által támogatott és a közeli jövőben) iparággá alakuló űrturizmus kifejezetten negatív hatással lesz a környezetre, jelentős mértékben súlyosbítani fogja az éghajlatváltozást, felgyorsítja a következményeket.

Egy űrhajó fellövésével ugyanis 395 egyirányú transzatlanti repülőút, vagy 73 átlagos gépkocsi által egy év alatt kibocsátott széndioxiddal azonos mennyiségű mérgező gáz kerül a levegőbe.

Egyelőre kevés rakéta indul a sztratoszférába és távolabbra, viszont a legfrissebb sajtóértesülések szerint, például Elon Musk SpaceX vállalata jóvoltából a szám hamarosan emelkedni fog.

„Mihelyst a rakétakilövések megszokottá válnak, és az űrturizmus még a mi életünk során kialakul, aztán felgyorsul, az ezzel foglalkozó cégeknek tevékenységük környezeti következményeit is nagyon komolyan figyelembe kell venniük” – állítja a Champions Traveler.

Az elemzés szerzői megállapították, hogy a SpaceX Falcon 9B gépe 112,184 kiló (29,6 gallon) erősen finomított kerozint éget el, és elégetett kilónként 3 kiló széndioxid jut az atmoszférába, azaz, ha a 112,184-et 3-mal megszorozzuk, kiderül: a Falcon egyetlen kilövésével 336,552 kilogramm széndioxid generálódik.

Musk űrturizmus elképzelése szerves része az üzletember Mars gyarmatosítására vonatkozó tervének. A szükséges személyzet és felszerelések, élelmiszer stb. vörös bolygóra szállításához mintegy 1000 SpaceX Starship űrhajó kellene, majd – Musk szerint – nagyjából 20 év alatt épülne ki a Homo sapiens ottani jövőjét megalapozó infrastruktúra.

A Tesla-főnök nincs egyedül. Jeff Bezos (Amazon) Blue Origin projektje, a Virgin Galactic, a NASA, valamint Egyesült Államokon kívüli ügynökségek szintén az űrturizmus beindításán, felvirágoztatásán dolgoznak, óriási üzleti lehetőséget látnak benne.

Az érintett cégek száma évről évre nő, és minél több rakétát lőnek fel a világűrbe, mindaddig növekedni fog a mérgező gázok kibocsátása, amíg valamilyen környezetkímélő kerozin-alternatívát elő nem állítanak.     

Halála után több mint 60 évvel, két VFX (vizuális effekt) vállalatnak köszönhetően az amerikai mozi egyik legnagyobb legendája, James Dean (1931-1955) visszatér a filmvászonra.

A Finding Jack azon a tényen alapul, hogy a vietnami háború végén több mint 100 ezer elhagyott katonai kutya létezett az Egyesült Államokban. A Hollywood Reporter szerint Dean nem főszerepet, hanem „másodlagos főszerepet” játszik majd benne.

A gyártó Magic City Films a színész családjától megvásárolta a jogokat. A cél James Dean élethű digitális változatának megalkotása, kivitelezésében a kanadai Imagine Engine és a dél-afrikai MOI Worldwide VFX stúdiók vesznek részt. A színész testét teljes mértékben CGI (computer generated imagery, számítógépen létrehozott kép) technológiával „teremtik újra”, a hangot viszont másik színész adja hozzá.

Anton Ernst társrendező elmondása alapján sokáig keresgéltek az adott szerepre, egy nagyon összetett karakter megformálására alkalmas színészt, végül James Dean mellett döntöttek.

A nyilatkozat nem egyértelmű, hiszen valószínűleg sok élő színész képes lenne eljátszani a szerepet.

Színészek jogainak megvásárlása és CGI-vel történő újraalkotásuk nem új gyakorlat (Furious 7, Rogue One: A Star Wars Story), viszont Hollywood egyre komolyabban veszi, egy Ang Lee filmben például Will Smith digitálisan legyártott fiatalabb önmagával játszott együtt.

Bármely színész tökéletes „újraalkotása” óriási lehetőségekkel kecsegtet a jogait birtokló stúdió számára. Képzeljük el Keanu Reeves, Angelina Jolie vagy Will Smith hibátlan digitális másolatát a vásznon, miközben a stúdió megosztja a licencdíjakat a színésszel. Sokak szerint soha nem fog megvalósulni, Alisa Wilkinson amerikai filmkritikus viszont úgy véli, hogy már a következő évtizedben megtörténhet, hacsak a filmes, színész stb. szakszervezetek közbe nem lépnek.

Az elhunyt Peter Cushing játszott már a Csillagok háborúja előzmény Rogue One-ban, és ha színészek újraalkothatók, akkor alkothatók is, nem kell szerepekre keresgélni a megfelelő embereket. A jelenség nem a sztárokat fogja érinteni, hanem a sok mellékszereplőt, akiknek a nevét úgysem jegyzi meg senki.

Vitatható, hogy a Finding Jack szóban forgó szerepét kizárólag James Dean tudja tökéletesen megformálni, marketingfogásnak viszont hibátlan, és nem is meglepő egy kamuhírektől (fake news) és kamuképektől/videóktól (deepfakes) egyre inkább hemzsegő (média)valóságban.

Az OpenAI 2018-ban kimutatta, hogy a legnagyobb mesterségesintelligencia-modellek gyakoroltatásához használt számítási kapacitás 2012 óta minden 3,4-ik hónapban megduplázódik.

A San Francisco székhelyű MI kutatólaboratórium nemrég kiegészítette a tavalyi adatokat. Kiderült belőlük, hogy a 2012 utáni duplázódás hogyan viszonyul a szakterület kezdete utáni történelmi folyamatokhoz, a számítási kapacitás megkétszereződésének korábbi időintervallumaihoz. Számszerűsítve: 1959-től 2012-ig, a Moore törvényt követve, a szükséges kapacitás kétévente kétszereződött meg. Azóta viszont nagyon megváltozott a helyzet…

Döbbenetes eredmény született: a mostani duplázódási idő az ezt megelőző hetede.

A nélkülözhetetlen kapacitások drámai növekedése egyben azt is jelzi, hogy mennyire költségesek a terület eredményei. Egy adat: 7 éve alatt 300 ezerszer nagyobb lett az ezirányú számítógép-használat.

Az utóbbi idők legmarkánsabb sikerei a Google BERT nyelvi modellje, az OpenAI szintén nyelvi modell GPT-2-je, vagy a DeepMind go (AlphaGo) után stratégiai játékban, a StarCraft II-ben is diadalmas AlphaStar-ja.

Már tavaly is, idén pedig még többen kongatták a vészharangokat – a mélytanulás (deep learning) költségei (és gyakran a közben elhasznált energia mennyisége is) az egekbe szöknek. A Massachusetts Egyetem (Amherst) tanulmányt közölt a növekvő számítási költségek közvetlen természeti hatásairól, a tevékenység széndioxid-lábnyomról, a kettő közötti szoros és közvetlen összefüggésekről.

A tanulmányban megjegyezték, hogy az MI-kutatások privatizálása sem egyértelműen pozitív, mert így a felsőoktatási intézmények laboratóriumai eleve hátrányból indulnak a gazdag magáncégekkel szemben, mivel sokkal kevesebbet engedhetnek meg maguknak.

A növekvő aggodalmak és félelmek eloszlatására több ipari csoport fogalmazott meg ajánlásokat. A seattle-i nonprofit Allen Institute for Artificial Intelligence javaslata, hogy például a teljesítménnyel, eredménnyel együtt, a kutatók mindig közöljék nyilvánosan a modellek begyakoroltatásának pénzügyi és gépkapacitásbeli költségeit. Az OpenAI az akadémiai kutatások nagyobb anyagi támogatását javasolja a döntéshozóknak. Szerintük csak így lehet felszámolni, de legalábbis csökkenteni az ipari és a felsőoktatási laborok költségvetése közötti drámai különbséget.

Ha három égitest, például a Föld, a Hold és a Nap keringési pályája érinti egymást, gravitációs vonzásaik sajátos és látszólag kiszámíthatatlan rendszert eredményeznek. Isaac Newton óta rengeteg csillagász próbálta kitalálni, hogyan jelezhető előre, hogy egy adott téridő-pillanatban hol fognak térben és időben tartózkodni.

Hagyományos komputerek borzalmasan sok időt, heteket, gyakran hónapokat töltenek el ilyen számításokkal, míg eredményre jutnak. Úgy tűnik, az élet és tudomány sok más területéhez hasonlóan, a mesterséges intelligencia a csillagászatban is fontos változásokat hoz.

Például jelentősen felgyorsíthatja ezeket a számításokat.

A Cambridge Egyetem ideghálója a kutatók szerint a három égitestes problémát jóval hamarabb megoldja, amellyel komoly segítséget nyújt csillagászoknak olyan jelenségek megértésében, mint a csillagcsoportok viselkedése, vagy a fekete lyukak keletkezése.

A Brutus nevű program a brute force-ra (nyers erő) utaló szójáték, és mint a neve sugallja masszív számítási kapacitásokat használva old meg problémákat. Jelen esetben a kutatók kb. 9900 leegyszerűsített három égitestes forgatókönyvet generáltak, amelyeket az ideghálóba tápláltak. Megtanították neki, hogyan oldja meg a szcenáriókat, majd Brutusszal együtt 5 ezer teljesen újat kellett kezelnie.

Döbbenetes eredmény született, az MI nem egész egy másodperc alatt oldott meg egy-egy problémát. Brutus tovább, problémánként majdnem két percig dolgozott.

Az ok: az MI lépésről lépésre történő számítások helyett mintázatokra következtetett.

„Ha az idegháló jó munkát végez, korábban soha nem látott tempóban válaszolhat meg kérdéseket, és így sokkal mélyebb témák, például a gravitációs hullámok keletkezésének megválaszolásában is előrébb léphetünk” – nyilatkozta Chris Foley biostatisztikus, a kutatást ismertető tanulmány egyik társszerzője.

A megközelítésnek értelemszerűen vannak korlátai is, például a méretezhetőség komoly fejtörést okoz a kutatóknak.

„Egyértelmű összjáték figyelhető meg a fantasztikusan teljesítő idegháló begyakoroltatása és a gyakorláshoz használt adatok összegyűjtése között. Ez egy szűk keresztmetszet” – folytatja Foley.

Mindezek ellenére bizakodnak, hogy jól működő hibrid rendszert hoznak létre. A Brutus-féle szoftverek elvégzik a kemény munkát, az ideghálók pedig a szoftver tevékenységét akadályozó komplex számításokat abszolválják.

A General Data Protection Regulation kezdőbetűiből képzett GDPR mozaikszó, azaz az Európai Unió 28 tagállamában 2018 májusában életbe lépett általános adatvédelmi rendelet alapjaiban megváltoztatta az adatvédelmi gyakorlatot. Az egyik legszigorúbb rendelet, a szabályok megszegőire akár 20 millió eurós büntetés is kiszabható.

A svéd Karlstad Egyetem és a frankfurti Goethe Egyetem kutatói 2017 novemberében, a GDPR bevezetése előtt 50 népszerű appról végeztek felmérést, amit tavaly december és az idei tavasz között megismételtek. A második felmérésnél kifejezetten arra voltak kíváncsiak, hogy a GDPR mennyire változtatta meg az alkalmazásokat.

A kutatók az adatokhoz való hozzáférés engedélyezését vizsgálták; ezt a funkciót eleve az appokba kódolják. Ezt követően telepítették és lefuttatták az alkalmazásokat, miközben folyamatosan figyelték, hogy azok milyen adatokat használnak.

Végül összehasonlították a két tanulmányt, és kiderült, hogy az appok a GDPR bevezetése óta kevesebb személyes adattal dolgoznak, kevésbé férnek hozzájuk. Ennek ellenére sok alkalmazás még így is az adatvédelmi irányelvekben leírtaknál több funkciót használ okos készülékeinken.

„Az appok viselkedése megváltozott, sokat a fejlesztők és a beszállítók igyekeztek a GDPR szellemében kidolgozni, hogy kompatibilis legyen az új adatvédelmi irányelvekkel. Ezek a tények a rendelet pozitív hatását jelzik” – magyarázza Lothar Fritsch, az egyik kutató (Karlstad Egyetem).

A tanulmány azonban biztonsági problémákra is figyelmeztet. Sok app hozzáfér a kamerához, mikrofonhoz, címlistákhoz, holott feladata elvégzéséhez nincs rájuk szüksége. Fritsch szerint nem látható át eléggé, hogy pontosan milyen adatokhoz és miért férnek hozzá, mire használják azokat.

„Személyek ma nem vagy alig tudják ellenőrizni az általuk összegyűjtött adatokat. Látjuk, hogy az appokat nagyon érdekli a térképkészítés, hogy kikkel és hol találkozunk. De tényleg azt akarjuk, hogy a fitneszalkalmazás elkísérjen az orvoshoz, a pszichológushoz, vagy egy intim randevúra? Miért áll jogában csak azért adatokat gyűjteni, mert megteheti? A fogyasztóknak és a felügyelő hatóságoknak is szigorúbb szabályokat kellene érvényesíteni az appok beszállítóival szemben. Csak így tudjuk kontrollálni a rólunk szóló adatok terjesztését” – összegez Fritsch.

Az amerikai Elektromos Személyiségi Jogi Információs Központ (EPIC) felkérte a Szövetségi Kereskedelmi Bizottságot (FTC), hogy vizsgálja ki a vállalatok munkaerő-toborzásában, a kiválasztásban segédkező HireVue mesterséges intelligenciát.

A HireVue egyike az állásokra jelentkezők értékelésében részt vevő MI-knek. Egyre több hasonló programot fejlesztenek, már ma is fontosak, de a jövőben egyértelműen nagy jelentőségre tehetnek szert.

A videointerjúkat elemző algoritmus a szóválasztástól az arckifejezésekig szinte az összes látható és hallható jegyet tanulmányozza, és mindezek alapján pontoz. Ezt követően az MI által adott „alkalmazhatósági pontszámot” összehasonlítják a többi jelentkezőével.

A programot eddig száznál több cég használta, egymilliónál több jelentkező teljesítményét elemezte.

Az MI-vel kapcsolatban több probléma felmerül. Elég egyértelmű, hogy például arckifejezés alapján nehéz megmondani, ki lesz sikeres, ki nem. Még nyugtalanítóbb, hogy kritikusai szerint az algoritmus korlátozott mennyiségű (nem elegendő) adaton gyakorolt, és így valószínűsíthető, hogy a „hagyományos” (fehér, férfi) jelentkezőket alkalmasabbnak tartja.

Aki viszont nem fér be a „hagyományos” gyűjtőkategóriába, valamiben különbözik attól, például nem angol anyanyelvű, vagy mozgáskorlátozott stb. –, alighanem alacsonyabb pontszámot kap.

Szakértők potenciális visszaélésekre is figyelmeztetnek. Ha a jelentkező tudja, hogy az MI „mit szeret”, interjúját annak megfelelően alakíthatja, játszhat a rendszerrel.

A problémát növeli, hogy a terület szabályozása nincs megoldva, ráadásul az erre hivatott törvényhozóknak összetett témakört kell alaposan megismerniük, tanulmányozniuk.

A legtöbb vállalat nem adja ki az adatokat, nem magyarázza el az algoritmus működését. Ezek nélkül pedig nem vagy nehezen állapítható meg, hogy az MI – és a cég – elfogult. Nem véletlen, hogy a területen még nem jegyeztek fel nagyobb pereskedéseket.

Az EPIC szerint a HireVue megsért egyes törvényeket, gyakorlata „igazságtalan és félrevezető”, amit azonban bizonyítani is kellene. Az FTC egyelőre nem nyilatkozott, hogy jogi útra tereli a kérdést, vagy sem.

Illinoisi törvényhozók idén kötelezték a cégeket, hogy az álláskeresőkkel közöljék: algoritmus fogja tanulmányozni őket, amihez szükséges az engedélyük. Általában beleegyeznek, mert munkát akarnak találni.

Az MI álláspiaci alkalmazása növelheti, mélyítheti a társadalmi előítéleteket. A törvényhozóknak a vállalatok ezirányú felelősségéről is dönteniük kell.

A robotkarok már elég gyorsan mozognak ahhoz, hogy elkapjanak levegőbe dobott tárgyakat. De szükségük van-e egyáltalán rá, és nemcsak interakciós humán partnerüket bizonytalanítják el vele?

A Disney Research friss kutatása azt sugallja, hogy nincs szükség ilyen bűvésztrükkökre, sőt, a robotok reakcióidejének csökkentése, például ha nem kapják el a feldobott tárgyat, pozitív hatással van az emberre, mert a lassabb gépeket természetesebbnek érezzük, és hamarabb elfogadjuk őket.

A Disney évtizedek óta érdeklődik a robotok iránt, témaparkjainak automatái a világ leghíresebb gépei közé tartoznak. Ők azonban ritkán folytatnak közvetlen interakciókat emberekkel. A céget viszont egyre jobban foglalkoztatja a közeljövő, több kutatási projektjük ezért vizsgálja Homo sapiens és robotok biztonságos, „normális” (bizarrnak egyáltalán nem nevezhető) egymás mellett élését.

Ebben az esetben a feldobott tárgyak elkapásának kérdését úgy fogalmazzák meg, hogy hogyan adhatunk át valamilyen tárgyat úgy egy robotnak, hogy természetesnek tűnjön, és semmiféle aggodalmat, félelmet ne érezzünk közben? Mert amikor gyorsan megragad egy papírt vagy egy üres poharat, annyira szélsebesen teszi, hogy akár veszélyes is lehet, de legalábbis felidegesítheti a humán partnert.

A Disney egyik kísérletében a macskatorzóhoz kapcsolt kar megnyugtatóan átlagos tempóban mozog. Egyből felmerül az újabb kérdés: mikor kell megérintenie, megfognia az adott tárgyat?

Az embernek egy másodperc elég, hogy felfogja: valaki átad valamit. Utána azonnal kinyújtjuk a karunkat, és megfogjuk a tárgyat. Egy számítógépes rendszer gyorsabban követhet tárgyakat, és a kart is hamarabb mozgásba hozhatja, de ez a tempó nem lenne természetes.

A robot ugyanabban a kísérletben kinyújtotta a kezét, hogy megfogjon egy gyűrűt. Háromféleképpen – három tempóban – tette.

Amikor a kar gyorsan mozgott, az emberi fogadtatást a kényelmetlenség érzete határozta meg. A humán résztvevők semmiféle melegséget nem kommunikáltak a robottal. A második próbálkozásnál később reagált, lassabban cselekedett, és elég magas pontszámot kapott rá. Legjobbját akkor nyújtotta, amikor normál tempóban, késés nélkül lépett, a körülötte lévők pedig megint feszélyezve érezték magukat. Ugyanez jellemző akkor is, ha túl hosszú a reakcióidő.

Összességében a lassabb mozdulatok – egy bizonyos pontig – jobbak; a logikus, de nem elnyújtott késés is normális, így az egész mozdulatsort emberibbnek érezzük.

Egyes képekre sokkal tovább emlékszünk, mint másokra. De vajon miért? Ha megkérdezünk egy művészt, általánosan elfogadott elvekkel fogja megmagyarázni. Manapság azonban nemcsak húsvér művészektől, hanem mesterséges intelligenciáktól is érdeklődhetünk a miértek után.

Az MIT (Massachusetts Institute of Technology) kutatói MI-modellt dolgoztak ki a képeket emlékezetessé tevő elemek vizualizálásához.

„Módszerünk képileg jeleníti meg az emlékezetességet. Vizuálisan definiál valamit, amit nehéz szavakkal megragadni” – magyarázza Philip Isola, az egyik kutató.

Munkájuk a képek emlékezetességét osztályozó, a döntést befolyásoló vizuális jegyeket kiemelő MemNet modellre épül, amelynek előrejelzései 60 ezer képen végzett online tanulmány eredményeire támaszkodnak.

Az MIT tanulmányhoz kapcsolódik még a generatív ellenséges hálózati technikával működő, három modulból álló GANalyze modell. Az egyik modul alapja a MemNet, kiszámolja, milyen effektusokkal tehető emlékezetessé egy kép. Utasításait átalakító modul valósítja meg, a végső változatot pedig a generátor modul kivitelezi.

A fejlődés olyan, mint egy time-lapse kép. Például egy sajtburger fotója az emlékezetességi skála hátsó részéből egyre előkelőbb helyre került, és egyre ínycsiklandozóbb látvánnyá vált, miközben egy katicabogár fényesebb lett, míg egy másik ételen látható bors színe kaméleonként változott a zöld és a vörös között.

A kutatók az emlékezetességet leginkább befolyásoló tényezőket vizsgálták. Online felmérésből kiderült, hogy a világos színek, az egyszerű háttér, a négyszög- és a körformák, valamint a személyek/tárgyak központi elhelyezése a legfontosabb szempontok.

„Az emberi agy úgy fejlődött, hogy ezekre fókuszáljon, és a GAN is ezeket emeli ki” – nyilatkozta Lore Goetschalckx, a Leuveni Katolikus Egyetem kutatója.

Az MIT-s csoport újrakonfigurálta a GANalyze-t, és a rendszer változatos esztétikai minőségű, eltérő érzelmi hatást kiváltó képeket generált. Kiderült, hogy az esztétikai és emocionális szempontból többre értékelt képek világosabbak, színesebbek, mélységekkel az elmosódó háttérben. A legesztétikusabb képek viszont nem mindig bizonyultak emlékezetesnek.

A GANalyze különféle alkalmazásokban hasznosítható: kiterjesztett valóság (AR) rendszerben tárgyakat felnagyítva/feljavítva hozzájárulhat a memóriavesztés kezeléséhez, felejthetetlen grafikákat generálva segítheti az olvasót az információ megjegyzésében, amellyel forradalmasíthatja az oktatást. Szintetikus, de realisztikus képek létrehozásával automatizált rendszerek tárgyfelismeréséhez adhat fogódzókat.

Összességében jelentős mértékben javíthat az ember-gép interakció minőségén.

Gyakran tesszük fel magunknak a kérdést, hogy milyen lesz a jövő. Egy bostoni (egész pontosan Cambridge, Massachusetts) parkba látogatók egy borongós őszi délelőtt választ kaptak rá, legalábbis az MIT (Massachusetts Institute of Technology) diákjai felvillantottak valamit a holnapból, a járókelők legalábbis láthatták a holnap egyik olvasatát.

Sokkal békésebb, derűsebb és szórakoztatóbb jövőt, mint a hollywoodi filmekben vagy az új Terminátorban.

A felsőoktatási intézmény Biomimetika Laboratóriuma videóra vette amint a geekek kört formáltak, mindegyik távirányítóval irányított egy-egy bukfencező, szaltózó, ugráló, focizni próbáló mini robotot, összesen kilencet az őszi levelek között.

A gépek az egyetem évek óta fejlesztett Mini Gepárd szerkezetei, könnyű és moduláris négylábúak. A Boston Dynamics keretében indult projekt idei legfőbb eredménye, hogy megtanultak bukfencezni, és a videóból kiderül: a laborban komolyan gondolhatják a gyártást, talán el is kezdődött, mindenesetre kilenc példány van már.

Tömegük 9 kiló, 12 elektromos motor hajtja őket, másodpercenkénti 2,5 méter, óránként 9 kilométer sebességgel futnak. Példányonként akkorák, mint egy közepes méretű kutya. Mindegyiket manuálisan, RC kontrollerszerű szerkezettel vezérlik.

Sangbae Kim, a labor igazgatója elmondta, hogy a botokat különféle kutatási célokra használják, rugalmasságot és egy kis keménységet megkívánó problémák megoldását tesztelik velük. A moduláris kivitelezés lehetővé teszi a meghibásodott részek cseréjét, masszív vázuk pedig biztosítja, hogy a gépek túléljék az összeütközéseket, hanyatt vágódásokat stb.

„A Mini Gepárd mérete kb. tökéletes. A 9 kiló tömeg nem túl kicsi, de nem is elég nagy ahhoz, hogy veszélyes vagy törékeny legyen. Úgy terveztük, hogy feldolgozza az ugrások, talpra érkezések stb. hatását” – nyilatkozta Kim.

A technológia több részterületének beérésével, egyre többen fejlesztenek négylábú robotokat. Legismertebb példányuk a Boston Dynamics, szeptemberben ipari és kutatómunkára kölcsönzött Spot nevű gépe.

Egyelőre főként munkák figyelésére használják, és ezekben a feladatkörökben, például olajfúró toronynál olcsóbb és biztonságosabb is ember helyett robotot alkalmazni. A közeljövőben viszont új munkaköröket találhatnak, például csomagokat szállíthatnak házhoz, járőrözhetnek stb.

Mini Gepárdék viszont még csak bukfencezni és ugrándozni tudnak.