Szokatlan módszerrel, csúcstechnológiát használva próbálnak több esőt fakasztani az égből a közismerten száraz éghajlatú, nyaranta szélsőségesen meleg, sivatagos Egyesült Arab Emírségekben. Ember nélküli légi járműveket, azaz drónokat repítenének az égbe, amelyek ott elektromos árammal gerjesztenének feszültséget és ennek következményeként, csapadékot a felhőkben.

A felhőkbe repülő, azokat elektromossággal vízcseppekké alakító drónokat az angol Reading Egyetemen fejlesztették. Az egyik kutató, Maarten Ambaum szerint úgy összetapadnának a felhőkkel, „mint fésű a száraz hajjal.”

Ha a technológia beválik, hozzájárulhat olyan városok szűkös vízellátásához, mint például Dubai, enyhíthet a sivatagosodás hatásain, lassíthatja a klímakatasztrófát, de új korszak kezdetét is jelentheti: az ember kontrollálja az időjárást.

Az Emírségekben már most is használnak a természetes vízképződést befolyásoló, páralecsapódást kiváltó, felhőket létrehozó technikákat, a közöttük zónázó drónok viszont még nagyobb kontrollt biztosítanának az országnak a víz körforgása felett.

„Az elektromos töltésű emissziós műszerekkel és az egyedire kialakított szenzorokkal felszerelt drónok alacsonyan fognak repülni, elektromos töltést juttatnak a levegőmolekulákba, amelyeknek ösztönző hatással kell lenniük a csapadék-képződésre” – nyilatkozta az Emírségek „esőfakasztó” tudományos kutatóprogramját vezető Alva Al-Mazroui.

Az időjárást megváltoztató rendszerek megítélése elég ellentmondásos. Évtizedek óta léteznek felhőket létrehozó megoldások, de szakértők figyelmeztetnek: ezekkel az eljárásokkal vissza is lehet élni. Aggódnak a geopolitikai következmények miatt, hogy például Kínában mire használják vagy használhatják őket.

Az Emírségek esetében mindenesetre nem kell tartaniuk visszaéléstől vagy geopolitikai következményektől. Egyértelmű, hogy a drónok milyen célt szolgálnak: segítik a sivatagi városok akadozó édesvíz-ellátását.

Az izraeli MyHeritage (örökségem) startup Deep Nostalgia szolgáltatása lehetővé teszi felmenőink arcképeinek animálását. Régi fotókon, tehát állóképeken megörökített személyek mozgóképeken elevenednek meg.

A magyarul is működő szolgáltatás igénybevételéhez fiókot kell nyitnunk. Az ingyenes opció öt kép animálását teszi lehetővé, a fizetős változat annyiét, amennyit csak akarunk, nincs korlátozás.

A Deep Nostalgia gépi tanulással működik. Feltöltjük a fényképet, és javít a minőségén, növeli a felbontást.

A fotót a D-ID Live Portrait technológiája módosítja: a pixeleket úgy alakítja át, hogy össze lehessen kapcsolni őket egy előre felvett videó mozgásaival.

A szolgáltatás több rövid klipet kínál, amelyeken az adott személy mosolyog, pislog, elfordítja a fejét. A felhasználó kiválaszthat közülük egyet, vagy egy szelektált videót a feltöltött képen látható arc beállításának megfelelően alakít át. Az automatizált átalakítást az algoritmus végzi.

A MyHeritage a mélytanulással (deep learning) működő DeOldify rendszerrel színezi ki, „fiatalítja meg” a régi fekete-fehér fotókat. Archív felvételek színessé varázslása nem újkeletű, például a Neural Love cég a mesterséges ideghálókkal foglalkozó Denis Shiryaev 1911-es New Yorkot ábrázoló színes videóját – és a mögötte álló technológiát – dobta piacra.    

A Deep Nostalgia a mesterséges intelligencia egyik legújabb alkalmazása, a múlt életre keltésével kihozza a felhasználóban rejlő amatőr levéltárost.

A szolgáltatás üzletileg jól jövedelmezhet, hiszen érzelmileg mindenkinek sokat jelent, ha esetleg csak hírből és képekről ismert felmenőit látja néhány pillanatra megelevenedni. Kicsit morbid is, de a mai kamukép és kamuvideó (deepfakes) világban lassan már semmin nem lepődünk meg.

Hova vezethet a folyamat? Képzeljük el, hogy ükunokáink ma nehezen elképzelhető mobil mindeneseiken a rólunk készült videók hologramjaival kommunikálnak, de a kommunikáció több érzékszervükre, például a tapintásra és a szaglásra is kiterjed, mert az akkori mesterséges intelligencia nyilván képes lesz rá.

A Stanford Egyetem éves MI Index beszámolói a mesterséges intelligencia aktuális trendjeit dokumentálják, a legújabb például magánszektorbeli térhódítását és az USA dominanciájának eltűnését emeli ki. Az anyagok akadémiai kutatások, befektetői iratok és más források felhasználásával készülnek.

A mostani indexből többek között megtudjuk, hogy a koronavírus-járvány visszafogó hatása ellenére, magánbefektetők 2020-ban 9,3 százalékkal több támogatást adtak mesterséges intelligenciával kapcsolatos k+f tevékenységre, mint 2019-ben. A leglátványosabb növekedés, érthető okból, a gyógyszerfejlesztésben tevékenykedő MI-knél tapasztalható, a 2019-es 2,5 milliárd dollár 2020-ban közel meghatszorozódott (13,8 milliárd). A szakterületi rangsorban az önvezető autóké a második, az oktatási alkalmazásoké a harmadik hely.

A magánszektor növekvő érdeklődése azért is fontos, mert így több praktikus alkalmazás várható, a kutatások nagyobb eséllyel hasznosulnak mindennapi termékekben.

Ezt a trendet erősíti, hogy az észak-amerikai friss MI PhD-sek 65 százaléka akadémiai vagy kormányzati közeg helyett inkább magáncégeknél választott állást. Összehasonlításként: 2010-ben a 44 százalékuk döntött így.

2020-ban Kínában végezték a legtöbb MI-kutatást, leggyakrabban kínai tanulmányokra hivatkoztak. Ezzel szemben az Egyesült Államok indította a legtöbb egyetemi és mesterképzést, ugyanakkor az USA-ban PhD-ző diákok közel két harmada külföldi volt.

Amerikai kongresszusi és szabályozási beszámolókban, a 2019-20-as ülésszakban 486 alkalommal említették a mesterséges intelligenciát, ami az előző ülésszakhoz képest háromszoros növekedés volt. Ez azt is jelenti, hogy a technológia jövőjében nyilvánvalóan nagyobb szerep jut a törvényhozóknak.

Nem minden mutató pozitív, mert a világ számítástudományi egyetemein a hallgatóknak csak a 16 százaléka nő, például Észak-Amerikában az utóbbi tíz esztendő PhD-jeinek mindössze 18 százaléka nőké. Egy másik elgondolkoztató szám: 2019-ben az afroamerikaik és a hispanoamerikaik az új PhD-sek mindössze 2,3 és 3,2 százalékát adták.

A filmrendezőket hamarosan nem korlátozzák többé a kamera-beállítások, mert egy új technikával a színészek tetszés szerinti szögből megörökíthetők. Kínai és amerikai kutatók közös munkája, a Neural Body ugyanis személyekről mindössze néhány szögből készült felvétel alapján generál új beállításokat.

Egy korábbi módszerrel (NeRF) 16 állókamera képeiből kivonatoltak, majd új szögbe szintetizáltak egy 3D modellt. A mostani fejlesztés megközelítése hasonló, viszont ezúttal nemcsak a különféle beállításokkal, hanem az azokhoz társítható video-képkockákkal (frame) is dolgoznak. Így valósulhat meg, hogy négy kamera inputja alapján a rendszer bármilyen szögből elkészíti a színész képét, és a beállítás az egymást követő képkockákon sem csúszik el.

A Neural Body 3D modellt hoz létre, pozícionálja, és meghatározza a bármely szögből kidolgozandó színeket. A kutatók 21 beállításból felvett kilenc jelenetet gyűjtöttek össze adatsorrá. Egy adott jelenet friss szögének szintetizálásához tanították be a rendszert – véletlenszerűen kiválasztott négy beállításon gyakoroltatták, a többit pedig letesztelték.

A videokockákat előre feldolgozták, hogy Neural Body kivonatolja belőlük az embert, és eltávolítsa a hátteret. Ezt követően kockánként módosítható humán modellt rendeltek a képhez. A folyamattal hálómodell jött létre, és minden csúcsához gyakoroltatható vektort rendeltek.

Egy 3D adatpontokra specializált idegháló megtanulta, hogyan térképezze fel a vektorokat, míg adott beállítások minden egyes pixelének színét úgy döntötték el, hogy követték a kamerából a pixelre irányuló fénysugarat, és a rendszer ez alapján végezte a színeket előrejelző paramétereket definiáló számításokat, amelyeket pixelenként megismételt.

Az ideghálót és a hálómodelleket együtt gyakoroltatták, hogy minimalizálják az előrejelzett és a tényleges kép közötti eltéréseket. Az eredménnyel elégedettek, Neural Body elődjénél sokkal jobban teljesített.

A rendszer egyelőre csak két karakter képét készítette el, a gyakorlatban (filmben) viszont jelenetbe kellene rendezni őket. A csak beállításokat integráló megközelítést használó képkocka-alapú módszer azonban mindenképpen előnyösebb az eddigieknél, mert a rendelkezésre álló összes információ feldolgozható vele. Kérdés persze, hogy hova fejlődik a technológia.

A technológiai fejlődéssel egyre kritikusabb kérdéssé válik, hogy mesterséges intelligencia milyen kereteken belül, meddig használható katonai célokra. A fejlesztőkre nagy nyomás nehezedik, és mindaddig amíg nem szabályozzák drasztikusan, akár tiltással is az ezirányú munkákat, folyamatosan merülnek fel problémák. A „gyilkos MI-t” tervező, kidolgozó cégeknek nagyon észnél kell lenniük.

Az Egyesült Államok hadserege és technológiai ipara régóta együttműködik, számtalan közös projekten vannak túl. Az utóbbi években viszont nagy infokom cégek, például a Google, a Microsoft és a Salesforce a hadügyminisztériummal és a nemzetbiztonsággal való munkák miatt alkalmazottaktól, feltalálóktól és a nyilvánosságtól is komoly bírálatot kaptak. A felháborodás miatt a Google több védelmi szerződést törölt.

Egyes kockázati tőkebefektető csoportok eleve elutasítják a fegyverrel felszerelhető, fegyverként használható mesterséges intelligenciák fejlesztésének finanszírozását. Mások, például az Andreesen Horowitz, a Founders Fund vagy a General Catalyst viszont támogatják a honvédelemre összpontosító tech startupokat, mint az Anduril.

Helyi és nemzetközi kezdeményezések, például a Kampány a gyilkos robotok megállításáért elég hatékonyak, elsődleges céljukat, az autonóm fegyverek globális betiltását viszont még nem sikerült elérniük.

Eközben egyre több drónfejlesztő startup gondolkozik hadiipari ügyfelekben, és meg is találják őket. Az Anduril mellett például a Shield AI és a Teal kifejezetten hadászati műveletekre fejleszt autonóm légi járműveket. Egyelőre egyiket sem fegyverezték fel, de egyes vállalatok már jelezték: szerepel a terveikben.

A mesterséges intelligenciával működő „újhullámos” drónokat elsősorban olyan műveletekre dolgozzák ki, mint a felderítés és kereső-mentőakciók.

Az Anduril Ghost (Szellem) fedélzeti számítógépe szenzorikus adatokat olvasó, objektumokat felismerő és navigáció-vezérlést végző mesterséges intelligenciával működik. A gép számos eszközzel, például rádió adóvevővel, megfigyelő rendszerrel szerelhető fel. A cég drónjait a brit haditengerészet már használta, és az amerikai hadsereg is teszteli őket. (Maga az Anduril név is árulkodó: Aragorn kardját hívták így A gyűrűk urában.)

A Shield (Pajzs) AI többek között épületbelsőket feltérképező, kémveszélyre figyelő Nova nevű drónját, egy kvadrokoptert most fejlesztik. A vállalat megerősítéses tanuláson alapuló rendszert dolgozott ki drónok gyakoroltatására.

A Golden Eagle (Arany Sas) Tear kvadrokoptere szintén megfigyelési feladatokat végez. A célpontokat a drón infravörös és látható fényű kamerákkal azonosítja és követi.

A nyugat-afrikai Ghána a világ első országa, ahol nemzeti program keretében, drónok szállítják a koronavírus elleni oltóanyagot a nehezen megközelíthető, távoli területekre.

Az Egészségügyi Világszervezet (WHO) vakcinák méltányos elosztását, szegényebb országokba történő eljuttatását célzó COVAX programjának keretében, a San Franciscói Zipline startup március 2-án kezdte a szállítást. (Ezekben az országokban a COVAX gondoskodik a lakosság 20 százalékának a beoltásáról. Ghánába eddig 600 ezer adag AstraZenecát juttattak el február végén.)

A Zipline 2016 óta végzi egészségügyi szolgáltatását; orvosi segédeszközöket, védőfelszereléseket, oltóanyagokat, vért stb. visz autonóm drónokkal a helyszínre. Orvosok a cég appján adhatnak le rendeléseket, és követhetik nyomon a szállítást. Ghána mellett egy másik afrikai országban, Ruandában is aktívak, az Egyesült Államokban pedig a Walmart és a Novant Health a partnereik. Távolsági logisztikai drónreplésük az amerikai Szövetségi Légügyi Hatóság (FAA) által engedélyezett első ilyen szolgáltatás.

Március 2-án 36 repüléssel 4500 adag vakcinát juttattak el az ország déli részén fekvő Ashanti régióba. A Zipline összesen 2,5 millió dózis drónos helyszínre szállítását vállalta.

„Ghána nemcsak a nemzeti szinten oltóanyag-szállításra elsőként drónokat használó ország, hanem egészségügyi infrastruktúráját kihasználva, a szolgáltatással az ahhoz való egyenlő hozzáférést is biztosítja” – jelentette ki Keller Rinaudo, a Zipline vezérigazgatója, majd hangsúlyozta: saját fejlesztésű drónjaik az összes oltóanyag szállítására alkalmasak.

Ghánának nincs könnyű dolga, mert a vakcina szétosztása globálisan is komoly nehézségekbe ütközik, sok a logisztikai kérdés, ráadásul szegényebb országokban az infrastruktúra hiányosságai további problémákat okoznak. A Zipline nem idegen a terepen: tavaly májusban Covid-19 teszteket szállítottak Ghánába és Ruandába.

Mindegyik repülés teljesen automatizált, központból figyelik a gépek pályáját. Egyetlen elemtöltéssel általában 160 kilométert képesek megtenni, maximum 130 km/h sebességgel repülnek. A hagyományos drónokkal ellentétben, inkább kicsi repülőgépekre hasonlítanak. 1,8 méter hosszúak, a szárnyak fesztávolsága 3,3 méter, és landolás helyett, a dobozokat ejtőernyővel juttatják a földfelszínre.

Szombat éjjel Violet Blue kaliforniai író-újságíró, a Hogyan legyünk digitális forradalmárok könyv szerzője arra a kérdésre keresett választ a Google-n, hogy „emberek miért dobnak autó akkumulátorokat az óceánba?” Az algoritmus találati listával állt elő, és a lista mellett feleletet is adott.

Violet Blue ledöbbent.

„Mivel feltöltik az elektromos angolnákat és árammal táplálják a Golf-áramlatot, a környezetnek jó, ha autó akkumulátorokat dobunk az óceánba” – állította az algoritmus.

Válasza meghökkentő és bizarr volt, szomorú mosolyt csalt az arcokra, majd természetesen több mém is készült róla. Az is kiderül belőle, hogy a minden nap folyamatosan használt algoritmusok hibázhatnak, bármikor tévedhetnek, és dezinformációt terjeszthetnek. Ráadásul a dezinformáció általában nem annyira egyértelmű, mint az akkumulátorok „környezetbarát” szerepe, és végső soron meg sem mosolyogtatnak, mert nem tudjuk, hogy igazak, vagy sem, vagy egyszerűen csak elhisszük.

Google-algoritmus nem először tévedett. A The Outline 2017-es cikke alapján például olyanokat válaszolt egy-egy keresésre, hogy Obama elnök szükségállapot bevezetését tervezi, korábbi amerikai elnökök pedig a Ku-Klux-Klan tagjai voltak. Egészségügyi kérdésekre időnként szintén hamis infókat adott meg, de még Monty Python viccel is kedveskedett az érdeklődőknek.

A példákból kiderül, hogy a felügyelet nélkül tanuló (unsupervised learning) algoritmus azt a választ prezentálja a felhasználóknak, amit pontos és hiteles információnak tart. Ezeket a válaszokat az internetről szedi össze. Úgy „gondolja”, hogy kapcsolódnak a begépelt kérdéshez.

Márpedig, ha így dönt, nem számít neki a pontosság, a hitelesség és a szövegkörnyezet, nem alkalmazza a mesterségesintelligencia-kutatásban és fejlesztésben a kezdetek óta fontosnak tartott józanész-bölcsességet (common sense knowledge), hogy például kék az ég, zöld a fű stb. Rendszerek is épültek már ezekre az egyértelmű igazságokra, működésük viszont máig sokszor akadozik.

Az akkumulátoros példa tényleg egyértelmű, mert nem valószínű, hogy sokan környezetvédelmi célból dobnak lestrapált akkumulátorokat az óceánba. Jó hír, hogy a Google pár napon belül korrigálta algoritmusa tévedését.

A nagyvállalatoktól a kisebb cégekig, gyorsan terjed a gépi tanulás, és egyre több alkalmazott vagy új, vagy kevés szakterületi tapasztalattal rendelkezik. A szakmai versenyeket szervező Kaggle friss elemzéséből kiderül, hogy ötből legalább egy adattudós kevesebb mint egy éve dolgozik a területen. Az újak sok eredeti ötletet hoznak magukkal, komoly vérfrissítést jelentenek.

A dolgozók demográfiai helyzetét, népszerű platformokat, technikákat és alkalmazásokat is elemző anyaghoz 200 ezer személyt szólaltattak meg, és a magát adattudósi munkakörben dolgozó alkalmazottként azonosító 2675 Kaggle felhasználóra összpontosítottak.

Többségük három, 18 százalékuk egy évnél kevesebb ideje tölt be gépi tanulással kapcsolatos munkakört. 37 százalékuk ötvennél kevesebb személyt alkalmazó cégnél dolgozik, ami 7 százalékos emelkedést jelent az egy évvel korábbi elemzéshez képest.

A válaszolók 81,9 százaléka férfi, tehát még mindig kevés az adattudósként tevékenykedő nő. Legtöbbjük, 21,8 százalékuk indiai, 14,5 százalékuk az Egyesült Államokban, 4,6 százalékuk Brazíliában dolgozik.

Anyagi szempontból messze az USA-ban éri meg leginkább ezen a területen dolgozni. Az ottani megkérdezettek 73 százaléka évi 100 ezer dollárt vagy többet keres. Ezzel szemben Indiában 7500-10 ezer dollár között mozog a gépitanulás-szakemberek éves átlagkeresete.

A Glassdoor foglalkoztatási honlap az adattudományt folyamatosan az Egyesült Államok egyik legjobb állásaként írja le, magas fizetéssel és remek munkaviszonyokkal. Viszont azért, mert az alkalmazottak jól érzik magukat, még nem jelenti azt, hogy ne akarnának változtatni.

A terület 2020-as helyzetét felmérő Anaconda-tanulmány mérnök interjúalanyainak harmada tervezi, hogy hamarosan új állás után néz. A váltás az infokommunikációs szektorban masszívabb lesz, mint más területeken. Az adattudósok 44 százaléka vagy már keres új munkát, vagy a közeljövőben fog így tenni.

A Kaggle anyagból egyértelműen kiderül, hogy az adattudomány nemcsak vállalati, de országos szinten is elterjedt, egyre több állam érzi fontosnak.

Mark Zuckerberg 2017-ben jelentette be, hogy okos-szemüveget fejleszt a Facebook. A Ray-Ban végzi a gyártást, a magunkon viselhető (wearable) eszköz idén kerülhet kereskedelmi forgalomba, és olyan technológiákkal versenghet, mint a Snapchat Spectacles és a rosszul sikerült első, fogyasztói változat után vállalati alkalmazásokra használt Google Glass.

A szemüveg a későbbiekben több funkcióval, például arcfelismeréssel egészülhet ki – nyilatkozta Andrew Bosworth alelnök a Bloomberg Newsnak.

A közösségimédia-óriás okos szemüvege lényegében kiterjesztett valóság (Augmented Reality, AR) headset, és az arcfelismeréssel az adott személy nevét jelenítené meg az illető arcán.

Bosworth elmondta, hogy a technológiával a szemüveg viselője emlékezni fog mindazoknak a nevére, akikkel korábban találkozott. Másrészt, az arcvakságban szenvedőknek is segít. A speciális neurológiai probléma lényege, hogy még a hozzánk közelállók arcának felismerése is gondot okoz.

Mivel az arcfelismerő funkció, több amerikai szövetségi államban és sok más országban nem törvényes, a Facebook vizsgálja az esetleges jogi következményeket. Illinois államban például tilos a biometrikus adatok gyűjtése, azaz könnyen lehet, hogy a terméket nem engedélyezik.

Ahol a szemüveg használata nem ütközik a törvényekbe, ott a Facebook az esetleges károkat is figyelembe véve, maga dolgozhatja ki a viselésével kapcsolatos szabályokat.

Ne feledkezzünk meg arról a tényről, hogy a Google Glass eredeti változatának bukását, a koncepció teljes átgondolását személyiségi jogi (privacy) problémák okozták. Az arcfelismeréssel felszerelt, magunkon viselhető hardverrel még súlyosabb a probléma, a Facebooknak nagyon át kell gondolnia, hogy megéri-e kockáztatnia. Egy friss felmérés szerint a kilenc meghatározó közösségimédia-platform közül a felhasználók a terepet uraló hálózatban bíznak meg legkevésbé.

A közhangulat sem az USA-ban, sem a világon nem kedvez a Facebooknak. Az infokom nagyágyúk megregulázását szorgalmazó erőknek kapóra jönne az arcfelismerő okos szemüveg, ismét fellángolnának a technológiák használatára vonatkozó szabályozási viták.

A koronavírus-járvány miatt a kórházak a világ több pontján kapacitásaik határán dolgoznak. Amerikai kutatók az orvosokat segítő gépitanulás-rendszert fejlesztettek: mesterséges intelligenciájuk közreműködésével gondoskodhatnak a legsúlyosabb betegek időben történő, megfelelő ellátásáról.

A pandémia az MI egészségügyi alkalmazásainak egyik legfontosabb eddigi tesztje. Az eredmények vegyesek, több projekt viszont kifejezetten ígéretes, és nemcsak a járvány, hanem az egész medicina szempontjából hasznosak lehetnek.

Az új rendszer megnézi a röntgenképeket, azok alapján jelzi előre, hogy melyik beteg állapota romolhat drasztikusan, azaz, ki a legkockázatosabb páciens egy kórteremben.

A korábbi Covid-19 kockázatfelmérések egyetlen mellkasi röntgen alapján készültek. A kiértékelésnél az orvosok viszont gyakran a felvételek közötti viszonylagos változásokat keresik, hogy megállapítsák belőlük: a beteg állapota romlik, vagy javul. A mostani fejlesztéshez a kutatók időben egymást követő röntgenképeket használtak.

A rendszert úgy gyakoroltatták, hogy előrejelezze: a beteg a következő 24, 48, 72 vagy 96 órában, meghal, intenzív kezelésre, több oxigénre vagy lélegeztetőgépre van szüksége.

Koronavírusos betegek röntgenképeit tartalmazó két adatsorral dolgoztak, azok minőségén javítottak vágással, elforgatással, véletlenszerű zajok hozzáadásával. A bővített adatokkal, két DenseNet-121 kódolót gyakoroltattak egy speciális függvényen. A függvény segítségével a modellek, amennyiben a két kép alapja ugyanaz a röntgen volt, hasonló megjelenítésekkel álltak elő. Ha nem ugyanaz volt, a megjelenítések eltértek egymástól.

Ezt követően a rendszert a NYU Covid adatsoron finomhangolták. Az adatsor röntgenképeit eleve a betegség kimenetével – a beteg meggyógyult, vagy sem – címkézték fel. (A NYU a New York University-t rövidíti, a fejlesztés nagy részét ott végezték.)

Előzetes gyakorlás után a kódoló minden egyes röntgenfelvételről sorozatban generált képeket, amelyeket átalakító idegháló dolgozott fel. Az eredményt – a kimenetet – a kutatók egyetlen vektorban összegezték. A végső előrejelzést lineáris osztályozó végezte, a vektor felhasználásával.

A rendszer pontosabb eredményeket ért el ugyanazokkal az adatokkal, mint két szakorvos, és bíztató, hogy hamis pozitívból is kevesebbet generált. Sikere fontos alkalmazásokat vetít előre.