A robotika és mesterséges intelligencia térnyerésével, az automatizáció hatására laborok, gyárak és más munkahelyek mellett az otthonokban is megjelennek a változatos infokom technológiák.

Egyre több hobbilehetőség áll a tudomány és a technológia rajongói rendelkezésére: drónok, okos otthon szerkezetek, 3D nyomtatás, számítógépes programozás. Ha viszont mindent egyben akarunk, sokoldalú desktop robotkarok tűnnek a legjobb megoldásnak, ráadásul úgy érezhetjük magunkat közben, hogy egy kicsit már a jövőben élünk.

A nyílt forrású Retrix DexArm ilyen gép. Cserélgethető moduljai lehetővé teszik, hogy többek között 3D nyomtatóként, lézervágóként, vagy éppen mesterségesen intelligens robotasszisztensként alkalmazzuk.

Relatíve nagy munkaterületű printer modulja változatos (polimeralapú) anyagokkal működik, lézervágó és általános vágó funkciójának köszönhetően kartont, fát, kerámiákat dolgozhatunk meg vele, tollmoduljával különféle rajzokat készíthetünk, puha markolója szintén sok mindenben segíthet. A 3D nyomtatásnál persze ne ipari felhasználásra, hanem háztartásunk egy-egy kellékének cseréjére gondoljunk inkább.

Mivel az oktatásból lassan kimaradhatatlan számítógépes programozás (kódolás) a legfontosabb 21. századi szkillek egyike, ismerete nemcsak a betölthető állások körét bővíti, de a kortárs valóságot is jobban megértjük általa, segít a problémamegoldásban.

Tanulni még egy felnőttnek is szórakozva a legkellemesebb, gyerekeknek pedig pláne az. A technológia iránt érdeklődőknek a programozás elsajátítására kevesebb szórakoztatóbb formula van, mint egy robot. A géppel járó Retrics Studio például projektek tervezésében, de a kar személyre szabásában is segít.

A robot teljesen kompatibilis az MIT-n (Massachusetts Institute of Technology) gyerekeknek fejlesztett Scratch kódoló appal. Haladóbbaknak pedig a Retrics a C, C++, Python, Java, Javascript és az ROS programnyelvek használatára alkalmas alkalmazásfejlesztési felületet (API) biztosít.

Az Egyesült Államoknak nem kellene egyetértenie a mesterségesintelligencia-alapú autonóm fegyverek fejlesztésének és használatának tilalmával – állapította meg a kongresszusnak írt jelentésében egy, a kormány által felkért szakértői panel. Döntésük nem formálja közvetlenül az USA politikáját, viszont abszolút odafigyelnek rájuk. 

A panelt Eric Schmidt korábbi Google-főnök vezette, és két napon keresztül tárgyalták, hogyan kellene a világ legnagyobb katonai hatalmának kezelnie a mesterséges intelligencia nemzetbiztonsági felhasználását, a kapcsolódó technológiák fejlődését. Robert Work korábbi védelmi miniszter szerint az autonóm fegyverek kevesebbet hibáznak a csatatéren, mint az ember, és így kevesebb az áldozat is.

A vita során összemosódtak az emberi jogok és a hadviselés egyébként is képlékeny határai. Bő nyolc éve nem-kormányzati szervezetek koalíciója szorgalmazza a „gyilkos robotok” betiltását. Szerintük az emberi kontroll nélkülözhetetlen a támadások arányának és a háborús felelősségnek a megítéléséhez. Harminc ország, köztük Brazília és Pakisztán szorgalmazza a tiltást, az ENSZ 2014 óta több megbeszélést tartott a témáról.

Az autonóm fegyverek egyáltalán nem újak, az MI fejlődésével viszont új problémák merültek fel: a szoftverekkel vissza lehet élni, a mesterséges intelligencia betanításához előítéletes, elfogult adatokat is felhasználhatnak.

Az amerikai testület elismerte a kockázatot, a Microsoft egyik alkalmazottja a gyorsan reagáló gépek gyártóira gyakorolható nyomásról beszélt. Ezek a gépek ugyanis fegyveres konfliktusok eszkalálódásához vezethetnek.

A panel tiltás helyett nagyobb körültekintést, óvatosabb fejlesztéseket, morális követelmények kidolgozását követeli. Az embernek szerintük csak a nukleáris töltetű fegyverekről való döntés kitárólagossága jár. Közben figyelni kell más országok, főként Kína és Oroszország hasonló fejlesztéseit: drónokat, robotokat, emberélet kioltására képes algoritmusokat. Többen bírálják ezt az attitűdöt, mert fokozhatja a fegyverkezési versenyt.

Az MI hírszerzési alkalmazását, az adatatgyűjtés áramvonalasítását viszont teljes mértékben támogatják, A beszámoló végső változata márciusra várható.

Az Egészségügyi Világszervezet, a WHO becslése alapján a Földön kb. 285 millió látáskárosult, és mintegy 39 millió teljesen vak személy él. Az információkra ugyanúgy szükségük van, mint bárki másnak, viszont nem mindig, vagy nem megfelelő minőségben jutnak hozzájuk.

Az Egyesült Államokban évi többszáz jogorvoslati keresetet nyújtanak be internetes cégek ellen, mert nem férnek hozzá a szolgáltatásaikhoz. Az online hozzáférést ma már ugyanis jogként és nem kedvezményként tartja nyilván a törvény.

Több más népszerű webes szolgáltatóhoz hasonlóan, a Facebooknak komoly problémákat okozott a látáskárosult felhasználók kiszolgálása. Sokan panaszkodtak, hogy a közösségi média nem működik jól a hozzáférést segítő eszközökkel, például a szövegeket hangosan felmondó képernyő-olvasókkal. Az automatizált alternatív szöveg korábbi változatai pedig azt nem jelezték, ha a leírt kép nem volt a szöveg része, hanem hirdetésként funkcionált.

Több felhasználónak viszont kifejezetten tetszik, ahogy a Facebook használja az arcfelismeréssel egybekötött automatikus alternatív szöveget, mert megtudják, hogy barát vagy más szeretett személy szerepel a fényképen.

A Facebook bővítette a 2016-ban látáskárosultaknak kitalált, kép-, nyelv- és beszédmodellből álló, a közösségi hálózat használatára alkalmas rendszert. A képeket szintetizált hangon „leíró” szolgáltatás jelenleg 1200 vizuális fogalmat ismer fel, tízszer annyit, mint az előző változat. Látja és 45 nyelven elmagyarázza, hogy, a személyek és a tárgyak elhelyezkedésével együtt, mi van a képen.

A rendszer eredetileg kézzel felcímkézett adatokból tanult meg száz ismert fogalmat, például a fát vagy a hegyet. 2017-ben arcfelismeréssel bővítette, tette személyesebbé a felhasználói élményt. Az új frissítéssel többféleképpen részletezhető az automatikus alternatív szöveg.

Hetente felülvizsgált módszerrel tanuló képfelismerő modell 3,5 milliárd Instagram-képen és a hozzájuk kapcsolódó 17 ezer hashtag-en gyakorolt. Egy másik eljárással az algoritmus kategóriákat tanul meg: például szelfiket, nemzeti emlékműveket, ételeket, mint a rizst vagy a sült krumplit.

Tárgydetektáló könyvtáron alapuló ideghálójuk változatos objektumok számát, méretét és elhelyezkedését ismeri fel, illetve meg tudja határozni a kép tárgyát.

A rendszer mindegyik leírást a „Lehetséges…” szöveggel kezdi, és a pontosan nem azonosítható tárgyakat nem írja le. A felhasználó kérhet tőle pluszrészleteket, mire a modell a képet elhelyezkedés, méret és kategória alapján részletező oldalt jelenít meg, és onnan olvas fel.

MIT-s (Massachusetts Institute of Technology) kutatók nyelvi modellt gyakoroltattak fertőző vírusokat, például a SARS-CoV-2 még virulensebbé tevő mutánsok előrejelzésére.

Abból indultak ki, hogy az immunrendszer vírusokra adott reakciója hasonlít ahhoz, ahogy az ember megérti a természetes nyelveket. A fertőző vírusok rendelkeznek biológiailag pontos „nyelvtannal” és szemantikus értelemben vett jelentéssel is, amire az immunrendszer vagy reagál, vagy nem. A mutációk javíthatnak ezeken a nyugtalanító minőségeken.

Kétirányú hosszú-rövidtávú (biLSTM) memóriát treníroztak egy nyelvi modell genetikai megfelelőjén. A modellnek mondatból hiányzó szót kellett kitalálnia. A gyakorlósor különféle fertőző hibákból eredő génszekvenciákat tartalmazott: 25 ezer influenza-, 60 ezer HIV és 4 ezer SARS-CoV-2 variánst.

A biLSTM-et a szekvenciából hiányzó aminosav pótlására tanították meg. Közben a modell az aminoszekvenciák kapcsolatait megjelenítő beágyazásokat generált. Ezt követően, egyszerre csak egy aminosavon változtatva, mutálódott szekvenciákat hozott létre.

Egy-egy adott mutáció rangsorolásához súlyozott összeg valószínűségét vizsgálták – mennyire képzelhető el, hogy a mutálódott vírus megtartotta a fertőzött nyelvtant? Mekkora az eredeti és a mutálódott szekvencia beágyazása közötti szemantikai különbség?

Érdekes eredményeket kaptak, majd a modell legmagasabb pontszámú mutációit összehasonlították a valódi vírussal. A legjobb teljesítményt erősen fertőző és az antitestek elkerülésére képes SARS-CoV-2 variánsokat előrejelezve érte el, de két fajta influenzával és a HIV-vel is boldogult.

Nyelv és génszekvenciák hasonlóságait más kutatók szintén vizsgálták. A Salesforce-nál például aminosav-szerű szavak kezelésére, működő fehérjékből nyelvtanilag pontos „mondatok” írására alkalmas, az orvostudományban felhasználható nyelvi modellt gyakoroltattak.

Mivel a betegektől kell DNS-t venni, veszélyes mutációk felfedezése sokáig tart. Ártalmatlan mutációk előrejelzésével a problémásakat is könnyebb lesz megtalálni, és a vizsgálódások segítenek a járványkutatóknak, akik az új infók alapján könnyebben frissítik modelljeiket.

Különös szabadalomoltalmi kérvényt nyújtott be az illetékes amerikai hatóságoknak decemberben a Microsoft. A kérelem címe Speciális személy beszélgető chatbotjának létrehozása. Elvileg ártalmatlan fejlesztés lehet, és bizonyos mértékig így is van.

Viszont ha elég személyes adat áll rendelkezésre, a bot tényleg bárkit képes utánozni. Például ha az illető közösségi adataihoz, képekhez, hangokhoz, bejegyzésekhez, kommentekhez, elektronikus üzenetekhez, e-mailekhez, más nyilvános online forrásokhoz a bot és fejlesztői hozzáférnek. A kérelem alapján ezek az információk szükségesek a csevegő robot kidolgozásához, különben nem lesz hiteles az általa „megjelenített” személy.

Mindez azt jelenti, hogy élők és holtak egyaránt újraalkothatóak, és a chatbot úgy fog viselkedni, mint ők. A Microsoft talán így kíván javítani ügyfélszolgálatos beszélgető ágensein, esetleg Alexa, Siri vagy a saját Cortona mellé újabb, intelligensebb személyi asszisztenst képzel el.

A bot többek között elhunyt rokonokat is megjeleníthet, és (a síron túlról) velük is folytathatunk messenger jellegű beszélgetést. A digitális doppelgänger épp elég információval fog rendelkezni az eredetiről, hogy a Fekete tükörhöz (Black Mirror) hasonló disztópiában érezzük magunkat.

Nehéz elképzelni, hogy melyik szituáció bizarrabb: chatelni a halott nagybácsival, vagy, ha egy 10 ezer kilométer messzeségben épp fellépő, tehát az adott időpontban köztudottan teljesen mással foglalkozó híresség mondja meg nekünk a helyes irányt a Waze-en?

Választanunk sem kell közöttük, mert a szabadalmi kérelemből egyértelműen kiderül: a technológiával mindkettő lehetséges: „a speciális személy múlt- vagy jelenbeli entitásnak (vagy egy változatának), például barátnak, rokonnak, ismerősnek, hírességnek, fiktív karakternek, történelmi személynek, véletlenszerűen kiválasztott entitásnak stb. felelhet meg.”

Abszurd vagy morbid helyzetek mellett egy ilyen chatbot veszélyes is lehet. Képzeljük el, hogy hackerek ennyi adatból tökéletesen utánozzák, lényegében ellopják a személyiségünket, és alteregónk cyberbűnöket követ el a digitális térben.

De melyik énünket, a 16 évest vagy az érett felnőttet utánozza a chatbot, amikor tivornyáztunk, vagy elmélyülten dolgoztunk? És milyen személyiségi jogok (privacy) illetnek meg a halálunk után?

A kérdések inkább elméletiek, mert Tim O’Brien a Microsoft MI programok általános menedzsere közölte egy tweetben, hogy a chatbot valóban zavaró, és egyelőre nem is tervezik a fejlesztést.

Gabe Newell, a legendás Valve játékfejlesztő cég vezérigazgatója elmondta, hogy különleges headseten, egy agy-számítógép interfészen (brain-computer interface, BCI) dolgoznak. Az új eszközzel a videojátékokba minden eddiginél jobban bele lehet majd merülni, teljes immerzív élményt nyújt.

Az ötlet sci-fiszerűnek tűnik, de Newell szerint a játékfejlesztők nagy hibát követnek el, ha nem tanulmányozzák a BCI lehetőségeit. A Valve technikája nyílt forrású projekt, így mások is hozzájárulhatnak, és bárki használhatja nagyfelbontásban, változatos eszközökön, például módosított virtuális valóság (VR) sisakokon.

A Valve a bioszenzor hardvereket előállító OpenBCI novemberben bemutatott Galea „agyolvasó” technikájával dolgozik, amelyet a játékfejlesztő Index headsetjével való „együttműködésre” találtak ki. A felhasználó agyából és testéből származó adatok alapján a rendszer megismeri az illető érzelmeit: többek között, hogy izgul, meglepett, szomorú, unatkozik, szórakozik, vagy elege van mindenből.

Az érzelmi állapotok „olvasását” a fejlesztők az élmény további finomítására használhatják – növelik az alámerülést, személyesebbé teszik a játékot, például csökkentik a nehézségszintet, ha a játékos unatkozik.

Mindezt Newell elmondása alapján eddig nem látott, hihetetlen vizuális élethűséggel érik majd el.

„Mindazok után, amiket az agyban előidézünk, a valóság laposnak, színtelennek, homályosnak fog tűnni” – nyilatkozta.

A technikával nemcsak fürkészhető az elme, hanem az agyba továbbított jelekkel, a valóságnál jobb képi világgal az érzelmek is befolyásolhatók, megváltoztathatók.

Érzéseinket úgy fogadjuk el, amilyenek. Legalábbis eddig így volt, de a BCI hamarosan lehetővé teszi a digitális szerkesztésüket. Newell szerint technológiájuknak ez lesz az egyik első alkalmazása, és ugyanolyan könnyű lesz kezelni, mint a legtöbb mostani appot. Legelőször az alvás minőségén javíthatunk majd velük, de a nem kívánt érzelmeket vagy azok feltételeit is eltávolíthatjuk az agyból – prognosztizál a kutató, hozzáfűzve: „a BCI szerencsére eljutott már arra a szintre, hogy a VR sisakok használatakor fellépő esetleges szédülés is megszüntethető vele.”

Ezek a BCI megoldások egyelőre – több évig – azonban aligha válnak tömegtermékekké, mert rengeteg biztonsági és személyiségi jogi (privacy) követelménynek meg kell felelniük, máskülönben a felhasználók teljesen kiszolgáltatottá válhatnak.

Bámulatra méltó a virágról virágra reppenő, a mellettük megjelenő embereket, veszélyes ragadozókat kikerülő méhek mozgása, és nem is értjük igazán, hogy a kicsi rovarok ennyire tökéletesen tájékozódnak.

Majdnem hibátlan navigációs készségük részben az optikai áramlás jelenségével magyarázható: érzékelik a látómezejükbe kerülő objektumok sebességét.

Ezek a problémák általában csak biológusokat érdekeltek, az elektronikus készülékek miniatürizálódásával és a robotikus rendszerek térnyerésével azonban mesterségesintelligencia-szakértők is komolyan foglalkoznak az élővilággal, biológiai jelenségek gépekre adaptálásával. 

Robotfejlesztők többször próbálkoztak a stratégia repülő szerkezetekre történő alkalmazásával, eddig azonban csak korlátozott sikereket könyvelhetnek el. Többek között azért, mert a miniatűr gépek, például pici drónok fedélzetén minimális szenzor szállítható, és az adatfeldolgozás sem nevezhető gyorsnak, gördülékenynek.

A Delfti Műszaki Egyetem és a Vesztfáliai Alkalmazott Tudományok Egyeteme a méhekből kiindulva, az optikai áramláson alapuló tanulási folyamatot javasol robotoknak. A gépek a látómezejükbe kerülő tárgyak vizuális jegyeit, színt, formát, textúrát feldolgozva, becsülnék fel a távolságokat.

Az optikai áramlásnak azonban van két korlátja: egyrészt a távolságról és a sebességről csak kevert, és nem külön-külön információt ad. Például, ha két drón száll le, és az egyik kétszer olyan gyorsan repül, mint a másik, illetve kétszer annyira magasan tartózkodik, mindketten ugyanazt az optikai élményt élik át, pedig értelemszerűen másként kellene reagálniuk. Soha nem érnek célba, ha földre szálláskor nem alkalmazkodnak a magassághoz, és landolás helyett a föld felett kezdenek el keringeni.

A másik ok, hogy akadályok elkerülése szempontjából szerencsétlen, ha az optikai áramlás nagyon kicsi. Ebben az esetben a mérésekben sok a hiba – „zajosak” –, és így alig van információ az akadályok jelenlétéről, ráadásul a legfontosabbat a legnehezebb detektálni.

A probléma akkor szűnik meg, ha a robot az optikai áramlás mellett a környezetében lévő tárgyak vizuális jegyeit is tudja értelmezni. Ehhez kell a tanulás.         

A mesterségesintelligencia-alapú tanulási stratégiával jelentősen javulhat a kisméretű drónok tájékozódása, és egyben új hipotézis dolgozható ki a rovarok intelligenciájáról.

Ha a méhek gyakorlatát használó drónok ugyanúgy autonómok lesznek, mint a sokkal nagyobb önvezető autók, tevékenységük lényegesen hatékonyabbá válik, intelligenciájuk a repülő rovarokéhoz lesz hasonló.

Számítógépes rendszerek egyre fontosabb szerepet töltenek be a tőzsdéken. A Deutsche Bank becslése szerint 2020-ban a részvénykereskedés eladásaira és vásárlásaira vonatkozó döntések 80 százalékát automatizált programok hozták meg. Határidős kereskedéseknél a szám még magasabb, 90 százalék volt.

A vállalatok követik a tőzsdei példát.

Automatizált rendszerek sokkal több céges pénzügyi jelentést töltenek le, mint emberek – derül ki az Egyesült Államok nonprofit Nemzeti Gazdaságkutatási Hivatalának anyagából. Ez a tény egyben azt is jelenti, hogy a cégek gépek számára olvasható adatokat tesznek beszámolóikba, amelyeket programok számára is értelmezhetőre dolgoznak ki.

A szervezet közhasznú vállalatoknak az utóbbi ötven évben készült, az USA Értékpapír és Tőzsdei Bizottságának (SEC) leadott negyedéves és éves pénzügyi beszámolóit elemezte.

A SEC letöltés logját vizsgálva, a tanulmány szerzői a letöltött anyagokhoz kapcsolódó IP címek alapján határozták meg, hogy a kezdeményezés személytől vagy géptől indult. Kiderült, hogy az automatizált letöltések száma évről évre növekszik.

2003-ban 360862, az összes 39 százaléka volt gépi kezdeményezés, 2016-ban viszont már a 78 százalékot jelentő 165 millió.

A géppel indított nagyszámú letöltés mögötti cégek sokkal valószínűbb, hogy beszámolóikat programok által is olvashatóvá teszik. Ezek a cégek, az ASCII szabványhoz ragaszkodva, elválasztják a táblázatokat a szövegektől, ügyelnek, hogy az értelmezéshez szükséges összes információ az anyagokban legyen. A nyelvhasználatnál ráadásul arra is vigyáznak, hogy az érzelemelemző modellek magas pontszámokat adjanak, pozitívan ítéljék meg anyagaikat, és így kerülik a negatív érzésekkel, bírósági tárgyalásokkal és a bizonytalansággal kapcsolatba hozható szavakat.

De miért fontos ez?

A tanulmányból kiderül, hogy minél könnyebben értelmezi egy számítógép a cég pénzügyi beszámolóját, annál gyorsabban kereskedik részvényekkel a jelentés közzététele után.

Már most is hihetetlenül gyors kereskedés, de a piacok még az eddiginél is nagyobb sebességre kapcsolnak. Az anyagoknak azonban van egy szépséghibájuk. Ha gépnek, ha embernek szánják őket, vigyázni kell a szépítések és a konkrét csalás közötti képlékeny határok figyelembevételével, hogy azokat még véletlenül se lépjék át.

A szabályozók, elemzők és a mesterségesintelligencia-szakemberek felelőssége óriási, ügyelniük kell arra, hogy vállalatok ne manipulálhassák téves adatokkal a piacot.

Az Egyesült Államokban rengeteg fegyveres bűncselekményt követnek el. Ha biztonsági őröket vagy rendőröket a lövés eldördülése előtt értesítené egy gépi rendszer a szándékról, a mesterséges intelligencia életeket menthet meg.

Szerencsére számos ilyen rendszeren dolgoznak. 

Több cég fejlesztett biztonsági kamerákat figyelmeztető mélytanulás-megoldásokat, amelyek akkor jeleznek, ha valaki lőfegyvert vesz elő. Az új rendszerek rendeltetése, hogy észrevegyék ezeket az eseteket, és értesítik róluk a biztonsági őröket és/vagy a rendőrséget.

Senki sem sérült meg a modell gyakoroltatása közben – közölte több rendszer fejlesztője, és még a tanulóadatokat is közzétették.

A Virginia állambeli Omnilert Gun Detect technológiája videojáték-szoftveres szimulációval, akciófilmek jeleneteivel, többezer óra videóval gyakoroltatta rendszerét. A videókon alkalmazottak láthatók, valódi vagy játékfegyverekkel.

Az alabamai Arcarithm fegyverdetektáló rendszereihez zöld képernyő előtt fényképeztek fegyvereket, majd a képeket például irodai jelenetekbe illesztették. Összesen 50 ezer képet készítettek az Egyesült Államok tíz legnépszerűbb puskájáról, kézi lőfegyveréről. Ezeket a jeleneteket használták aztán gyakorlóadatokként az Exigent-GR szoftverhez.

Más cégek (Actuate, Defendry, Scylla, ZeroEyes) hasonló rendszereket kínálnak ügyfeleiknek.

A képes megoldások, a számítógépes látás használata azért fontos előrelépés, mert eddig hangalapú fegyverazonosító rendszerekkel dolgoztak.

Az Egyesült Államok több mint száz rendőrsége használja például a ShotStopper rendszert. A fegyverzajt, lövészajt akusztikus szenzorokkal emeli ki a hanganyagból, majd gépi tanulással hasonlítja össze egy audió adatbázis anyagaival. Miután azonosította a lövést, háromszögeléssel jelöli be a helyszínt, és értesíti a rendőrséget.

Az algoritmusok azonban távolról sem tökéletesek még, így hibázhatnak is. Egy, New York állambeli iskolákban alkalmazott rendszer például seprűnyelet nézett puskának. Az ilyen melléfogások sajnos veszélyesek is lehetnek. Képzeljük el, hogy a rendszer figyelmezteti a rendőröket, akik aztán fegyveresen rontanak a takarítóra.

Számítástudományi szakemberek, fizikusok, mérnökök évek óta dolgoznak a valóságban is, és nemcsak elméletben vagy szigorú laboratóriumi körülmények között működő kvantumhálózatokon.

Kivitelezésük a felhasználók által egymásnak küldött összefonódott kvantumrészecskéken alapul, képesnek kéne lenniük kvantumbitek (qubitek) továbbítására. Amennyiben sikerül, megvalósul minden idők legbiztonságosabb hálózata.

Többféle technikával próbáltak már kvantumrészecskéket A pontból B pontba eljuttatni: száloptikás kábelen, tornyok között, de műholdról a földre is.    

Kínai felsőoktatási és kutatóintézmények szakértői új megoldással bővítették a lehetőségek tárát: drónokat használtak kisméretű légi kvantumhálózat kialakításához. Ez a hálózat lenne a prototípus, a jövőben kiindulási és viszonyítási pontként szolgálhatna, és ez volt az első alkalom, hogy összefonódott részecskéket két mozgó eszköz között továbbítottak.

Az elképzelés alapja, hogy egyik drónról a másikra, valamint egy drónról a földre küldenek összefonódott kvantumrészecskéket.

Nagyméretű kvantumhálózat kidolgozásához a műholdak tűnnek ideális megoldásnak. Kisebbekhez viszont, például felhasználók ugyanazon városon belüli kommunikációjához más opciókra van szükség.

A tornyok ugyan hasznosak lehetnek erre a célra, de túlzottan ki vannak téve az időjárás szeszélyeinek, ráadásul akár szándékosan, akár rosszindulat nélkül, de blokkolhatók is. A problémát orvosolandó, jutottak el a kínai kutatók a drónokig: az ember nélküli légi járművek továbbítják a jeleket.

A rendszerben találunk egy lézert generáló kicsi készüléket, amelyet felszereltek az egyik drónra. Amint működésbe lépett, a fotonok kettéváltak, és összefonódott párokat alkottak. Míg a párosítottak egyikét egy másik drón, addig a másikat a földi állomás felé küldték.

Az összefonódott fotont fogadó drón relé szerepet töltött be: újrafókuszálás után egy harmadik drónnak, a harmadik drón pedig a földi állomásra továbbította a fotont.

A drónokon motorizált eszközöket használtak, azok biztosították, hogy az adóvevők pontosan és sorban kapják meg az összefonódott fotonokat.

A prototípushálózat drónjai a fotonokat csak egy kilométerre küldték el, de a kutatók szerint, ha a gépek magasabban vannak, nagyobb, akár 300 kilométeres távolságba is továbbíthatók az összefonódott kvantumrészecskék.

Elmondták még, hogy a rendszerbe mozgó szárazföldi járművek is bevonhatók, a technológia rájuk is adaptálható. A későbbiekben a drónok és a földi állomás műholdakból is álló hálózattal köthető össze.