A New Yorki Brain Scientific startup szerint agyhullámaink olvasásával egészségügyi rejtélyek oldhatók meg, de elménk videojátékokkal és a virtuális valósággal (VR) is közelebbi kapcsolatba kerülhet, irányíthatja azokat, és sok minden mást úgyszintén. Jelentősen bővülhet az agy-számítógép interfészek köre. De hogyan?

A cég a koponya alá implantálható úgynevezett e-tetoválást fejleszt. A beültetést végző eszköz klasszikus tetováló-szerkezet és 3D nyomtató keveréke, míg a tetkó a hajszálnál jóval kisebb elektródákból áll. Baruch Goldstein a startup társalapítója, ügyvezető elnöke szerint a beültetés nagyjából úgy működik, mint egy varrógép.

Az e-tetoválás, a döbbenetesen kompakt, fül mögötti bélyegméretű mikro elektroenkefalográf (EEG) processzor segítségével valósidőben olvashat idegi jeleket. A cég közeli terveiben még kompaktabb, grafénből álló változat is szerepel.

A valósidejű adatok orvosi értéke felbecsülhetetlen, személyek idegállapota tanulmányozható velük. Jelenleg epilepsziás rohamok bigdata-alapú vizsgálata tűnik a legkivitelezhetőbb alkalmazásnak, de egyelőre egyetlen eszközt sem ültettek még senkibe.

Az epilepsziát ugyanis figyelmeztető jelek előzhetik meg, bár ez az állítás nem bizonyított, viszont egyértelműen meg sem cáfolták. Egyszerűen nem nyílt lehetőség agyak valósidejű tanulmányozására, így általánosítható mintázatokat sem találtak.

Az e-tetoválással jelentős mértékben változhat a helyzet. Goldstein elmondta, hogy akarnak vele foglalkozni, mert ha az előjelek megismerhetők az agyhullámokból, akkor a rohamok is megakadályozhatók. Egyelőre azonban technológiájuk még nincs ezen a szinten. Ennek ellenére, hamarosan elkezdenék a teszteket.

A pántszerű grafénváltozat kevésbé invazív; valakinek a fejére nyomtatják, és úgy működik, mint egy ideiglenes tetoválás – idővel lemosható, eltüntethető. Emiatt nem annyira hatékony, mint az eredeti, az agy-gép kapcsolat is közvetettebb, az eszköz nem az agyhullámokból, hanem a bőrön keresztül olvassa a neurális jeleket. Az epilepszia folyamatos megfigyelésére így nem is alkalmas.

Mivel a kapcsolat közvetett, ellentétben az e-tetoválással, az információhoz való hozzáférést, annak kinyerését sok zaj hátráltatja.

Nevada kormányzója, Steve Sisolak különös javaslatot ismertetett múlt pénteken. Lényege, hogy technológiai vállalatok számára lehetővé teszik megyei önkormányzatokhoz hasonló jogkörök gyakorlását. A gazdaság Covid-19 hatásai miatt is szükséges diverzifikálásával érvelt, viszont visszautasította a javaslatban cégvárosokat látó kritikákat.

A szövetségi államban lehetővé válhat, hogy az úgynevezett „innovációs zónákat” három személyből álló testület irányítsa, közülük kettőt az adott cég nevezne ki. Az adózástól az övezetek megrajzolásáig, helyi megyei rendeleteket helyettesítő törvények megalkotásáig, a testület széleskörű jogokkal rendelkezne.

Magyarán, lehetővé válna, hogy az adott techvállalat saját maga írja a helyi törvényeket. De milyen feltételeket kell teljesítenie hozzá?

A jogosult cégnek mintegy 20 ezer hektár földterülettel kell rendelkeznie valamelyik nevadai megyében, és legalább 1,25 milliárd dolláros fejlesztésekre kell ígéretet tennie, annyit kell befektetnie.

Sisolak megérti a kételyeket, viszont bízik benne, hogy nyílt, őszinte és hasznos párbeszéd indulhat a zónák működéséről. A párbeszéd sokkal fontosabb, minthogy a nevadaiak zsigerből támadják a javaslatot.

A Szárnyas fejvadász disztópikus világát felidéző javaslat ugyan minden technológiai vállalkozásra érvényes, viszont megnevezés nélkül, de egyértelműen a Storey megyében (Renotól 20 kilométerre), 2018-ban 27 ezer hektárnyi területet felvásárolt Blockchains LLC kriprovaluta-cégre vonatkozik.

A Blockchains LLC „intelligens várost” (smart city) tervez építeni az állam mezőgazdasági részén lévő területen, a blokklánc-technológia pedig értelemszerűen az infrastruktúra szerves része lesz. A kriptovalutát az államban más szektorokban, például a kannabisz-értékesítésben, az úgynevezett gig (hakni) gazdaságban (Uber, Postmates stb.) szintén tervezik használni.

A cég által megrendelt tanulmány szerint az intelligens város évi 2,2 milliárd dollárral járulna hozzá Nevada állam bevételeihez (az éves bevétel 1,3 százalékát adná), azaz gazdasági növekedést generálna.

Jeffrey Berns, a Blockchains LLC vezérigazgatója szerint a cége által fejlesztett technológia jó célokat szolgál, és „vállalatok helyett a lakosok kezében lesz a hatalom.” Kérdés, hogy ez tényleg így is lesz, vagy sem.

Sisolak kormányzó úgy véli, hogy a projekt tiszta nyereség állama számára: „a koncepció annyira izgalmas és előzmények nélküli, hogy Nevadát a fejlett technológiák és innováció világközpontjába pozícionálja, miközben a gazdasági hatása azonnal pozitív lesz, és a jövő gazdaságát is formálja.”

Egy egyelőre kérdéses technológiára épülő jövőbeni gazdasági hatás előrejelzése viszont bizonytalan, ráadásul sok alkalmazás még ki sem fejlesztettek a kriptovalutához. A prognózis kriptovalutás tranzakciók mellett minden egyéb blokklánchoz fűződő, nevadai és más helyeken megfigyelt mozgásokon alapult.

A dróntechnológiának köszönhetően hamarosan könnyebben lehet majd tanulmányozni Új-Zéland legkisebb és legveszélyeztetettebb delfinfajának (Cephalorhynchus hectori maui, röviden Maui) az életét. Ember nélküli légi járművek fogják figyelni a lakókörnyezetüket, szokásaikat, számukat.

A Hector delfinek egyik alfaja, a Maui nagyon ritka, „nemzetileg kritikus” állat. Folyamatosan tartaniuk kell a halászoktól, betegségektől, olaj- és gázfúrásról, hajóktól, turizmustól, légszennyezéstől. Számítások szerint jelenleg mindössze 63 példány él, és a szigetország hatóságai mindent megtesznek a kihalás elkerüléséért.

Egy 2019-es közvéleménykutatás alapján, a lakosság 81 százaléka azonnali cselekvést várt a kormánytól. A döntéshozók meg is ígérték, hogy megvédik a „kincseket.”

A MAUI63 nonprofit szervezet az állatokat monitorozó drónt fejleszt. A gép az eddigi megfigyelési költségek töredékéért szolgáltat pontosabb információt. Az első tesztekből kiderült, hogy a drón mesterséges intelligenciája 90 százalékos bizonyossággal azonosítja, a Maui delfineket, képes megkülönböztetni őket a hasonló állatoktól.

Az 50x optikai zoommal működő kamera akár hat óra hosszat filmezi, és mivel, ha kell, száz méter magasból örökíti meg őket, tevékenysége nem zavarja a delfineket.

A technológiával egyébként más delfinek, fókák, bálnák és egyéb vízi állatok szintén megfigyelhetők, felmérhető a populáció nagysága és eloszlása, viselkedésformáik stb. Az egyéves projekt félmillió dollárba kerül, az új-zélandi kormány és a Természetvédelmi Világalap Új-Zéland a MAUI63 partnerei.

Az összegyűjtött adatokat nyilvánossá teszik, hogy az érintett szervezetek, például halászközösségek jobban tudjanak majd vigyázni a nemzeti kincsnek számító delfinfajra.

A szigetországban a technológiát más, kevésbé kedvelt állatok megfigyelésére is alkalmazzák: nehezen megközelíthető térségekben drónok követik patkányok, menyétek és oposszumok tevékenységét.

Most tesztelnek egy, helikopterre emlékeztető, 7 méter hosszú szerkezetet – meredek sziklákon, mély szakadékokban és áthatolhatatlan növényvilágban ezek a gépek szórnák az állatokra a mérget. Becslések szerint a kártevők közel 1 millió hektárnyi területet veszélyeztetnek.

Andrew Ng, a gépi tanulás egyik legnagyobb szaktekintélye szerint a mesterséges intelligenciával kivitelezett automatizációt gyakran bináris jelenségként írják le: a folyamat vagy MI-vel történik, vagy nem. A valóságban szélesebb a spektrum, a résztvevők több lehetőség közül választhatnak.

Nagyon fontos az automatizáció társadalmi és a munkára gyakorolt hatásának súlyozása, javítása. Mindezek mellett a legjobb választást mindig az adott alkalmazás és az határozza meg, hogy mi kivitelezhető MI-vel, és mi nem valósítható meg vele.

Ng példája páciensek röntgensugaras diagnosztizálása. A kivitelezésnél öt opció közül választhatunk.

Az első, a „csak ember” értelemszerűen MI nélkül történik.

A második, „árnyék módban” az orvos elolvas egy röntgeneredményt és eldönti a diagnózist. Az MI szintén próbálkozik, de a rendszer eredményei közvetlenül nem befolyásolják az orvost és betegét, viszont lementik, hogy a gépitanulás-csoport használhassa az MI teljesítményének kiértékeléséhez, és csak ezt követően foglalkoznak az automatizáció következő szintjével.

A harmadik, „MI asszisztens” módban az orvos felelős a diagnózisért, a rendszer viszont javaslatokkal állhat elő, amelyeket az ember vagy elfogad, vagy nem. Például kiemelhet részeket, hogy az orvos jobban összpontosíthasson rájuk.

A negyedik, a „részleges automatizáció”, amikor az MI átnézi a röntgenképet, és nagyon biztos magában, ő hoz döntést. Viszont ha bizonytalan, megkéri rá a vele lévő orvost.

Az ötödik, „teljes automatizáció” módban mindent az MI csinál, ő diagnosztizál.

Ezek az opciók természetesen nemcsak orvosi diagnózisokra, hanem más területekre, például termékek vizuális felülvizsgálatára, médiatartalmak moderálására stb. is alkalmazhatók. A legmegfelelőbb mód kiválasztása nagyon sok esetben kritikus tényező, a siker titka. Komoly negatív következményei lehetnek annak, ha túl sok, vagy túl kevés az automatizáció. Mielőtt valamelyik megoldásra szavazunk, gondoljuk át az MI pontosságát, az őt segítő személyek számát, rendelkezésre állását, valamint hogy mennyire akarjuk a döntéshozásban való részvételüket.

A mai algoritmusok sokszor csak a spektrum egyik pontján működnek jól. Ha megfelelő mennyiségű adatot gyűjtünk össze, mindaddig, amíg nem lépjük át a jogi és az etikai határokat, fokozatosan próbálkozhatunk az automatizáció magasabb szintjeivel.

Mesterséges intelligencia (artificial intelligence, AI) helyett sokan inkább az intelligencia kiterjesztésére (intelligence augmentation, IA) összpontosítanak, azaz szerintük az MI-nek inkább segítenie, és nem helyettesíteni kell az embert folyamatok kivitelezésekor. (Az AI egyébként az augmented intelligence, a kiterjesztett intelligencia rövidítése is.)

Ng következtetése: az automatizációval össztársadalmi értéket, például állásokat kell teremteni, viszont meg is szüntethet azokat. A mérlegelésnél, az opciók közüli választásnál ezt a tényezőt is figyelembe kell venni.

Számban és méretben egyaránt elképesztő mértékű növekedés tapasztalható az arcfelismerő modellek begyakoroltatásához használt adatsorok, adatbázisok területén. A növekedés negatív hatásaként romlik a minőség, és a gyűjtemények összeállítói, tulajdonosai egyre kevésbé törődnek a személyiségi jogokkal (privacy).

A Mozillánál dolgozó Deborah Raji és az algoritmusok elszámoltathatóságával foglalkozó, az amerikai kongresszus tagjainak mesterségesintelligencia-kérdésekben tanácsokat adó Genevieve Fried négy évtized 130 adatsorát tanulmányozva állapította meg, hogy a növekedéssel párhuzamosan a kutatók lazábban kezelik a mércéket, szabványokat. Így fordulhat elő, hogy az adatsorokban egyre több a gyenge minőségű, homályos fénykép, az elfogult címke, a kiskorúakat ábrázoló, engedély nélkül használt kép.

A tanulmány négy szakaszra osztja az arcképeket tartalmazó adatsorok történetét.

Az 1990 körül lezárult elsőt manuálisan intenzív, lassú számítási módszerek jellemezték. Egy, 1964-ben összegyűjtött adatsorhoz például fizetett modelleket, kontrollált fényeket használtak. Ezeket a sorokat drágán állították elő, és rengeteget dolgoztak rajtuk. A legnagyobb 7900 képet tartalmazott.

A második korszakot lényegében az Egyesült Államok FERET projektje indította el, 1996-ban. 6,5 millió dollárt költöttel el az 1200 személy 14126 képéből álló rendszerre, amelyet fotózásokkal, és az alanyok beleegyezésével hozták létre. A FERET-en és a hasonló adatsorokon gyakorló modellek rengeteget tévedtek a valóságban. A tévedések a képek viszonylag homogén fényviszonyaival és a rajtuk látható személyek hasonló arctartásával magyarázhatók.

Az első webről gyűjtött arckép-adatsor 2007-ben készült el, 13 ezer felcímkézett fotóval, majd egyre több hasonló jött; leggyakrabban a Google-ről, a Flickről, a Yahooról, megfigyelő kamerák felvételeiből válogattak.

A negyedik korszak 2014-ben kezdődött, amikor a Facebook bevezette a DeepFace-t, az első mélytanulást használó, személyeket korábban soha nem látott pontossággal azonosító modellt. Az adatintenzív megközelítéshez kutatók képek tízmillióit gyűjtik össze. Ekkora adatmennyiséggel, a képeken látható összes személy beleegyezése, a címkék elfogulatlanságának garantálása kvázi lehetetlenné vált.

A kutatás tanulsága, hogy az érintettek hozzájárulása nélkül összegyűjtött adatsorok és a bizonytalan algoritmusok rombolják a gépi tanulásba vetett közbizalmat. A szabályozás általában elég homályos, szinte mindenhol vannak jogi korlátozások, amelyeket viszont könnyű kijátszani.

A Covid-19 miatt hajlamosak vagyunk megfeledkezni más betegségekről, járványokról, holott sajnos nem tűntek el, és a tudomány ugyanúgy küzd ellenük, mint eddig.

Egészségügyi szakembereket régóta foglalkoztatja a sokszor nehezen megválaszolható kérdés, hogy a fontos információ hogyan jusson el azokhoz a személyekhez, akiknek a legnagyobb szükségük van rá. A Harvard, a Dél-kaliforniai és a Pennsylvaniai Állami Egyetem kutatói ebből a célból fejlesztettek mesterségesintelligencia-rendszert, amellyel a HIV-fertőzés terjedését vizsgálták az egyik legkockázatosabb csoporton belül, a fiatal hajléktalanok körében.

A vizsgálat azért volt fontos, mert a hajléktalan fiatalok tízszer nagyobb valószínűséggel fertőződnek meg, mint a stabil lakhatási körülmények között élők.

Szociális munkások és közegészségügyi szakemberek a megelőzéshez, viselkedésformák népszerűsítéséhez sokszor dolgoznak együtt a közösségen belüli legnagyobb hatást kiváltó vezetőkkel. De miként választhatók ki az illető személyek?

Ezen a ponton kapcsolódik be az MI. Hálózatkutatók évtizedek óta vizsgálják, hogy korlátozott számú csomóponttal hogyan lehet a legeredményesebben terjeszteni az információt (mint ahogy a fentebbi ábra is igyekszik illusztrálni, ha nem is sikerül neki teljesen). A projekt részeként fejlesztett mesterséges intelligencia a csomópontok, tehát a vezetők azonosításával oldotta meg a problémát.

Terepen, szociális munkásokkal és több mint 700 hajléktalan személlyel együtt dolgozva, az algoritmus jelentősen csökkentette a HIV-fertőzés kockázatát. Mivel nem mindig a közösség legnépszerűbb személyei rendelkeznek a legtöbb hálózati kapcsolattal, a kiválasztás nem a népszerűség, hanem a kapcsolatok száma alapján történt, azaz kiknek van a legtöbb kontaktja a közösségen belüli különböző csoportokban.

Feltérképezték az érintett hajléktalan fiatalok hálózatait, majd az algoritmus a hálózatklaszterek legváltozatosabb kapcsolatrendszereit átfésülve találta meg a keresett személyeket, akik HIV-felvilágosító tréningen vettek részt, utána pedig a közösségen belül népszerűsítették a szükséges óvintézkedéseket.

A kutatók stratégiája, a CHANGE (magyarul változás, egyébként az „átfogó adaptív hálózati mintavétel a közösségi befolyásért”, CompreHensive Adaptive Network samplinG for social influencE rövidítése) működött: a kiválasztott személyek felvilágosító kampányának hatására a közösség tagjai kevesebb kockázatot vállaltak, az egyhónapos megfigyelés alatt megváltozott az attitűdjük. Fontos tényező, hogy ezek a csoportok („populációk”) mindig ideiglenesek – sok tagjuk az adott időtartam vége, jelen esetben összesen három hónap letelte előtt távozott, viszont újak is érkeztek.

A projekt nagy újdonsága, hogy közösségek fizikai hálózatába történő egészségügyi célú beavatkozást most optimalizáltak először mesterséges intelligenciával. Az MI-használatból sokan levonhatják az általános következtetéseket, és hasonló megoldásokat alkalmazhatnak például táplálkozási, drogfogyasztási és a legvédetlenebb rétegeket súlyosan érintő más közegészségügyi problémák kezeléséhez is.

Az Egyesült Államok Igazságügyi Minisztériuma bejelentette, hogy államilag támogatott három észak-koreai hacker több mint 1,3 milliárd dollár értékű kriptovalutát próbált egymással összehangolva ellopni.

Mindhárman az ország Általános Felderítési Iroda néven ismert katonai hírszerző csoportjának tagjai. Komoly kriptográfiai „bevetésen” vettek részt, hogy így próbáljanak pénzt szerezni a nemzetközi szankciók által sújtott Észak-Koreának. Tevékenységük szélesebb körű művelet része.

„A kriptovaluták teljesen megváltoztatják a szankciók kiszabásának módját, hatékonyságukat” – állítja Stephanie T. Kleine-Ahlbrandt, a Henry L. Srimson Központ agytröszt kutatója.

Amerikai kormányzati szervek szerint a trió sikeresen ellopott 112 millió dollárt, amelyből 11,8 millióval egy meg nem nevezett New Yorki pénzügyi vállalatot károsítottak meg. Az Igazságügyi Minisztérium közleménye alapján a szórakoztatóipart, például a 2014-es Az interjú című film bevételeit is célba vették. Mindezek mellett pénzkiadó automatákat fosztogattak a biztos távolból, adathalász tevékenységet folytattak, kriptovalutás átveréseket végeztek.

Az észak-koreai hírszerzők fegyver helyett inkább egérrel és billentyűzettel dolgoznak, pénzeszsákok helyett kriptovalutával teli digitális pénztárcákat lopnak. A hackelések zöme anyagtalan digitális pénzeszközökkel történik, ami egyértelműen jelzi a bűn természetének megváltozását. Mivel tevékenységük a cyberbűnözés és a cyberhadviselés határterületére tehető, nehéz alkalmazkodni hozzá.

„Az eset különösen figyelemreméltó, mert tökéletesen szemlélteti egyes nemzeti kormányok és a kifinomult módszerekkel dolgozó cyberbűnözők közötti egyre markánsabb szövetséget. A három személy méretükben előzmények nélküli online bűnöket követett el: zsarolóvírusos támadásoktól adathalász kampányokig, digitális bank-trükköktől kvázi lekövethetetlen pénzmosásig, szinte mindent csináltak” – nyilatkozta Michael R. D’Ambrosio amerikai biztonsági szakember.

Nem először gyűlt meg a bajuk észak-koreai elithackerekkel. Az ATP 38 néven ismert csoport 2018-ban például közel egymilliárd dollárt rabolt el online bankoktól és kriptovaluta-kereskedőktől. Ők többek között hamis kriptovalutával támadtak be digitális váltókat. A befolyt összegeket amerikai források szerint az ország katonai arzenáljának növelésére, például nukleáris fegyverek fejlesztésére fordítják.

A neurodegeneratív betegségek elsősorban az emberi agy idegsejtjeit érintik, fokozatos leépülésükhöz vagy elhalásukhoz vezetnek. Az idegsejtek általában nem szaporodnak, nem képződnek újra, így sérüléskor, elhaláskor a test nem pótolja őket. Az amiotrófiás laterálszklerózis (ALS) esetében a központi idegrendszer mozgató idegsejtjeinek a pusztulása miatt az akaratlagos izmok elgyengülnek, végül teljesen elsorvadnak. Az ALS gyógyíthatatlan, oka ismeretlen.

Miután Matt McKeown, 39 éves michigani mérnököt ALS-szel diagnosztizálták, gyorsan vásárolt és épített egy csomó szerszámot, hasznos szerkezetet, hogy gyengülő izmait amennyire lehet, pótolja velük.

Amikor az ujjbegyei lebénultak, például fogóval kezdett szorítani dolgokat. Végül személyi asszisztens robotot épített magának, hogy a gép etesse, amikor már nem tud megfogni fémtárgyakat. A robot összeszedi neki az ételt, megitatja, ha kell.

A fejlesztés célja az volt, hogy McKeown a lehető leghosszabb ideig megőrizze önállóságát, és amennyire csak módjában áll, független és önfenntartó maradhasson, de a robot kereskedelmi forgalomban beszerezhető változatáért se kelljen dollárezreket kiadnia.

A gépet egy barátjával közösen építette, nagyjából 300 dollárból jött ki az egész. Egy hasonló robotért akár hússzor ennyit ki kellett volna fizetnie. Ezek a segítő szerkezetek sajnos nagyon sok ALS-ben szenvedő beteg számára abszolút megfizethetetlenek.

„Rossznak tartom, hogy egy ennyire hasznos szerkezet ilyen sokba kerül. Ezért döntöttem úgy, hogy egy nagyon tehetséges barátom segítségével, magam fogom megépíteni” – nyilatkozta McKeown.

Robotépítés mellett klinikai kutatásban is részt vett, valamint lajstromba vette a függetlensége fenntartásában segítő, változatos eszközöket. Bízik benne, hogy listája amiotrófiás laterálszklerózisban szenvedő más betegek számára is hasznos lesz.

„Jelenleg nincs remény a felépülésre vagy jobb gyógyszerre, viszont mindenki próbálja a jövőt jobbá tenni a jelennél” – magyarázza McKeown.

Amikor egy képre nézünk, a kereten túlmutató jelentéseket érzékelünk. Emberi lényegünkből fakad, hogy így viszonyulunk az alkotásokhoz.

Ha valami hasonló képességet elsajátítanak, akkor a jövőben fontos szerephez juthatnak a Homo sapienst a világ értelmezésében segítő gépi rendszerek. Legyen szó művészi munkák kiértékeléséről, termékajánlásról, egészségügyi képek értelmezéséről vagy éppen gyártott tömegtermékek hibáinak kiszűréséről, ezirányú tevékenységük rendkívül szerteágazó lehet.

Kutatók évek óta kísérleteznek mesterségesintelligencia-algoritmusokkal, programokkal, hogy ismerjék fel képek, különösen emberi arcok és érzelmek kapcsolatát, társítsák össze őket. Néhány rendszert betanítottak alapérzelmeket kifejező szintetikus arcok generálására, míg egyes szoftverfejlesztők úgy próbálják eladni terméküket, hogy az, arckifejezések felismerésével például munkaerő-toborzásban segít vállalatoknak.

A Stanford Egyetem és más felsőoktatási intézmények közös kutatásának eredményeként, most egy művészetkritikus mesterséges intelligencia igyekszik megítélni alkotások emocionális hatásait. A mélytanuló rendszert hosszasan trenírozták, hogy szubjektív értelmezéseket generáljon.

A fejlesztők képeket szubjektív kommentárokkal kiegészítő ArtEmis adatsorán gyakorolt az MI. Tetemes mennyiséget, fényképeket, festményeket, a WikiArt online enciklopédiából gyűjtött képeket, összesen 81500 alkotást ismerhetett meg.

A képeket emocionális jellemzőikkel (vidámság, félelem, szomorúság stb.) címkézték fel, és mindegyikhez az adott érzelem és a kép kapcsolatát magyarázó leírást készítettek. Az MI megtanulta utánozni az annotációkat, majd tovább finomítottak rajta. Tesztképekhez kellett az érzelmileg legközelebb állókat megtalálnia, aztán a képekhez társított megjegyzések következtek, neki is kellett szövegeket generálnia.

Önkénteseknek ki kellett találniuk, hogy a megjegyzések embertől vagy az MI-től származnak. A modell által létrehozottak feléről mondták, hogy ember írta. A kutatók viszont megállapították, hogy a gép annotációi nagy átlagban kevésbé pontosak, fantáziadúsak és változatosak.

A 37 tagországból álló, párizsi székhelyű Gazdasági Együttműködési és Fejlesztési Szervezet, az OECD 60 ország 300-nál több mesterségesintelligencia-szabályozási, stratégiai kezdeményezését katalogizálta. Mivel a rendelkezésre álló számítási kapacitások nagyon eltérnek, a döntéshozóknak látniuk kellene, hol van szükség a célok kivitelezéséhez fontos befektetésekre.

A kormányok folyamatosan foglalkoznak a szabvány mutatókat, például a GDP-t javító ötletekkel. A számítási kapacitásokat értékesítő vállalatok tevékenységükkel javítanak ezeken a mutatókon, és a kormányokat a mesterségesintelligencia-kutatásokat is segítő nagyobb infokom beruházásokra ösztönzik.
De mennyi számítógépes kapacitás áll egy-egy ország rendelkezésére MI-stratégiája sikeres megvalósításához? A kérdést az OECD megbízásából egy nemzetközi csoport igyekszik megválaszolni.

A lehetőségek felmérése után, az állapotok pontos leírásával igyekeznek segíteni a racionális befektetésekben, és a leírásokból egy-egy ország azt is tudja, hogyan áll a többihez képest.

Az Nvidia elnöke, Keith Strier által vezetett munkacsoportban harmincan, döntéshozók, kutatók, hardver-szakértők és adatközpontok működtetői dolgoznak. A projekt az OECD MI-rendszereket csoportosító, megbízható MI-k fejlesztésében segítő, az MI-politikához iránymutatást kialakító One AI kezdeményezésének része.

Keretet dolgoznak ki a nemzeti és regionális feldolgozó-kapacitások összehasonlításához, méréséhez (benchmarking). Mihelyst elkészültek vele, minden egyes országot górcső alá vesznek. Kormányzati ügynökségekre, nemzeti mesterségesintelligencia-felhőinfrastruktúrákra fognak összpontosítani. A katonai kapacitásokkal, a kereskedelmi szolgáltatásokkal és a vállalati, szolgáltatói maghálózatokhoz belépési pontot biztosító éleszközökkel (edge devices), például routerekkel, routing kapcsolókkal stb. nem foglalkoznak a projektben.

Egyelőre nem tudni, hogy az állami és a magánszféra közötti együttműködések, például a Google és a szaúdi állami olajvállalat Aramco nagyobb cégeknek felhőinfrastruktúrát biztosító partnersége a vizsgálódás tárgyát képezik, vagy sem.

Az OECD által eddig kidolgozott mesterségesintelligencia-alapelveket 2020 júniusában (a tagoknál többen) 40 ország írta alá.