Technológiai és egészségügyi csoportok közösen dolgoznak az úgynevezett digitális oltásútlevélen. Az Oltáshitelesítési Kezdeményezés a Microsoft, az Oracle, az ismert amerikai nonprofit Mayo Klinika és mások, a Rockefeller Alapítvány által is támogatott közös projektje arra a feltételezésre reagál, hogy kormányok, légitársaságok és mások, például rendezvényszervezők, munkáltatók, felsőoktatási intézmények stb. a Covid-19 elleni oltottságot bizonyító papírokat kérhetnek utazóktól, diákoktól, alkalmazottaktól, szórakozni vágyóktól.

Az „útlevél” a tervek szerint nemzetközileg elfogadott digitális okirat lesz arról, hogy az illetőt tényleg beoltották. Nemzetközi szabványokat dolgoznak ki rá, igyekeznek elkerülni vele a csalásokat, hogy valaki azt állítsa: be van oltva, és közben nincs.

Paul Meyer, a kezdeményezés egyik vezetője elmondta, hogy jelenleg sok beoltott személy csak egy cetlit mutat be bizonyítékként, amit akár hamisítani is lehet. Egészségügyi informatikai vállalatokkal együttműködve azt szeretnék megvalósítani, hogy egy új rendszer elektronikus orvosi adatokból hozza létre a digitális kártyát.

Több kormánnyal folytatnak tárgyalásokat, hogy a jelenleg majdnem mindenhol érvényben lévő belépési elvárást, a kötelező negatív tesztet változtassák „hibrid” megoldássá, és beutazáskor vagy a tesztet, vagy az oltási bizonylatot fogadják el az adott ország hatóságai. A múlt év végén megkezdett tömeges oltásokkal egy-két hónapon belül ez lehet a realitás.

Természetesen egyelőre az oltások hatékonysága is kérdés, például az Egyesült Királyság kormánya csak azt követően dönt majd az „útlevélről”, miután meggyőződtek a vakcinák eredményességéről, hogy milyen mértékben csökkentik a fertőződést. Ha a legveszélyeztetettebb csoportokból elég sok személyt beoltottak, jobban láthatók a hatások, könnyebb lesz a döntéshozás.

„Személyektől több helyen is kérhetnek oltásigazolást ahhoz, hogy visszatérjenek a normális élethez. Globálisan összekapcsolt világban élünk, de legalábbis abban éltünk, és reméljük, hogy megint abban fogunk” – magyarázza Meyer.

Minden ország megszabhatja a maga szabályait, például, hogy melyik vakcinát fogadja el. A rendszert úgy alakítják ki, hogy az adatok biztonságban maradjanak. Ezeket az infókat digitális tárcában fogjuk hordani, QR kód is lesz rajtuk, kinyomtathatók, ellenőrzéskor papír- és digitális formában egyaránt bemutathatók.

Közben a brit kormány egy biometriai és egy cyberbiztonsági cég egészségügyi „útlevél” pilotprojektjét finanszírozza. A rendszer többezer személynek teszi majd lehetővé, hogy eddig meg nem nevezett két helyi hatóságnál appra tölthessék fel az oltási adataikat. Az alkalmazás bizonyítaná, hogy az illetőt beoltották a Covid-19 ellen. De csak az említett feltételek teljesülése után kezdenék el használni.

Kérdés az is, hogy ezekkel az „igazolványokkal” mennyire sérülhetnek a személyiségi jogok (privacy), illetve mennyire hackelhetők meg, ellophatók-e az adatok.

Az Egyesült Államok Fejlett Védelmi Kutatási Projektek Ügynöksége, ismertebb nevén DARPA, a Pentagon kutatásfejlesztési ága változtatni szeretne a harcosoknak éjjeli látást biztosító, már több évtizede működő, de általában ormótlan és egyáltalán nem felhasználóbarát technikákon. Nehézkesek, sisakra kell szerelni őket, korlátozott, 120 fokoshoz képest csak 40 fokos a látómező, túl sok súly nehezedik a katona nyakára.

„Katonáinknak gyakran fáj a nyakuk tőlük. Ha még soha nem volt rajtunk ilyen éjjellátó szemüveg, úgy képzeljük el, mintha egész nap olyan baseball sapka lenne rajtunk, amire közel egykilós súlyt tettek” – magyarázza Rohith Chandrasekar programmenedzser.

Ha túl sokáig viselünk magunkon egy ilyen rendszert, idővel nem marad elég energiánk egyenesen tartani a nyakat, és a katonák bizony sokszor a kezükkel segítenek felemelni a fejüket. A csekély látómező ráadásul tovább növeli a kényelmetlenség érzetét.    

A fény létrehozásával, továbbításával, érzékelésével, feldolgozásával, információ optikai alapú tárolásával foglalkozó fotonika és az optikai anyagok eljutottak arra a szintre, hogy már kivitelezhetők a jelenleg használatban lévőknél sokkal könnyebb, kompakt éjjellátók. Ránézésre nem lesz bennük semmi különös, mert külsőre pont olyanok mint a közönséges szemüvegek, napszemüvegek.

A DARPA január 11-én jelentette be Feljavított éjszakai látás (Enhanced Night Vision, ENVision) programját. Szakítanak azzal a sokáig teljesen bevett paradigmával, hogy a teljesítménynöveléshez az eszközök tömegét is növelni kell.

Nem lesz könnyű dolguk, mert a lehetőségek hiába adottak, és az infravörös fény, a „termikus látás” ugyan egyetlen szemüveg-lencsével láthatóvá alakítható – és az átalakítás egyetlen lépésben megvalósítható –, ráadásul az új szemüveg is könnyű és kényelmes, viszont nagyon aprólékos és precíziós munka kell hozzá.

Chandrasekar szerint megéri a sok munka, mert utána teljesen megváltozik a helyzet: az új technika nemcsak kényelmesebb, hanem jóval hatékonyabb is. További előny, hogy az infravörös fény eddigi többlépéses átalakításával szemben, az egylépcsősben egyes esetekben a fotonok impulzusmomentuma is megmarad, ami azt jelenti, hogy az éjszakai látás elméletileg akár mindenféle optika nélkül is megvalósítható. Egyelőre azonban csak elméletileg.

A világ legnagyobb csúcstechnológiai showja, az évente január elején Las Vegasban megrendezésre kerülő CES, a Szórakoztató Elektronikai Kiállítás. A Covid-19 miatt idén, a január 11. és 14. közötti rendezvényen a résztvevők csak virtuálisan lehettek jelen.

A virtuális esemény egyik szupersztárja a dél-koreai Samsung házimunkákba besegítő robotja és másik két otthoni szerkezete volt. A cég évek óta különlegességekkel kápráztatja el a Las Vegasi nagyérdeműt, és idén sem történt másként a virtuális térben.

A Bot Handy nevű szerkezet az egyik legutáltabb otthoni melót végzi el helyettünk: beteszi a piszkos edényeket, evőeszközöket stb. a mosogatógépbe. Mivel már a neve is beszédes (handy magyarul ügyes), ne lepődjünk meg, hogy munkáját kellő szakértelemmel végzi.

Egy másik robotjuk, a JetBot okos porszívó és biztonsági kamera keveréke, tárgyfelismerő technológiával azonosítja és csoportosítja a helyiségben lévő objektumokat, ezeket az információkat felhasználva, dönt a leghatékonyabb „útvonalról.” Az önvezető autók jellegzetes technikái, Lidar és 3D szenzorok segítik kisebb tárgyak és a kábelek elkerülésében. Töltőállomáson üríti ki a szemetet, tulajdonosának nem kell gyakran tisztítania.

A Samsung SmartThings (okos dolgok) appjával összekapcsolva, otthonunkat figyeli folyamatosan. A gép nemcsak technikai kuriózum, például az Egyesült Államokban már idén forgalmazzák.

A harmadik, Bot Care egyszerre asszisztens/segítő és társrobot. A cég két éve is bemutatott hasonló szerkezetet. Mesterséges intelligenciával ismeri fel viselkedésünket, viselkedésmintákat azonosít, és aztán reagál rájuk. Megtanulja a napirendünket, szokásainkat, és napkezdés előtt emlékeztetőket küld róluk.

Az alapötlet, hogy egyes robotok még azt megelőzően találják ki mindennapos igényeinket, hogy mi magunk tudnánk azokat.

„Megváltozott, más lett a világunk, sokan szembesülünk egy új valósággal. Ebben a valóságban, megnőtt az otthonunk jelentősége. Találmányaink célja, hogy a felhasználó egyéniségéhez passzoló, több személyes és intuitívabb élményt nyújtsanak” – magyarázza Sebastian Seung, a Samsung Research vezetője.

Sokan félnek a majdani rosszindulatú szuperintelligencia következményeitől. Egyelőre azonban úgy tűnik, hogy a mesterséges intelligenciát és az MI-vel kapcsolatos hazugságokat használó, a hamis híreket és a dezinformációt így terjesztő emberek sokkal, nagyságrendekkel több kárt képesek okozni.

Az amerikai törvényhozás épülete elleni január 6-i támadás és a résztvevők azonosítása tökéletesen illusztrálja az állítást.

Amerikai bűnüldöző szervek és online nyomozók mélytanulást használva próbálnak neveket kapcsolni a Capitolium elleni rohamról készült fotókon látható arcokhoz. Tevékenységükkel párhuzamosan, szélsőséges propagandisták szintén képtechnológiákkal igyekeznek bizonyítani, hogy baloldali, szélsőbaloldali aktivisták a roham résztvevői közé szivárogtak.

Az eseményről rengeteg a fénykép és a videó, és a mesterségesintelligencia-technológiák sokat segítenek a nyomozásban.

John Scott-Railton, a Torontói Egyetem kutatója például az arcfelismerést és képeket feljavító módszereket kombinálva azonosított a Szenátus épületében egy testpáncélt viselő, bilinccsel mászkáló ex-katonatisztet, akit azóta le is tartóztattak.

Az USA több bűnüldöző szerve használja az arcfelismeréssel foglalkozó Clearview AI technológiáját. A cég bejelentette, hogy a roham óta 26 százalékkal nőtt a termékeik iránti kereslet. Kereséseknél alkalmazzák, és két rendőri testület közölte is, hogy a vállalat szolgáltatásait igénybe véve azonosítanak a Capitoliumba behatolt személyeket.

Egyes sajtóorgánumokban közben megjelent, hogy az arcfelismerő technológiákat eladó XRVision a támadást vezető személyek között baloldali Antifa aktivistákat azonosított. A cég cáfolta a hírt, „egyenesen hazugnak, félrevezetőnek és rágalmazónak” nevezve azt.

Az arcfelismerő technológiákkal párhuzamosan megjelentek a szintén MI-val generált dezinformációs kamuképek (deepfakes) is. A 4chan és a közben az Apple és a Google mobilalkalmazás-boltjából egyaránt eltávolított Parler közösségi média felhasználói szerint a rohamban sok balos aktivista is részt vett. Többek arcát állítólag fejlett kamukép-technikával, képmanipulációval illesztették az audiovizuális anyagokba. Az az álhír is terjedt közöttük, hogy a Capitolium támadóit később bűnözőknek és hazafiatlan személyeknek nevező Donald Trump videoanyaga deepfake technikával készült, amit a Fehér Ház később megcáfolt.

Az esemény jól szemlélteti, hogy a gépi tanulás egymással ellentétes két oldala, az arcfelismerés és a kamuképek milyen mértékben használhatók, és mennyire fontos az alkalmazásuk. Az egyik remek módszer tények feltárásához, a másik tökéletes eszköz tények gyártásához. Míg a rendőrség az előbbivel él, a propagandisták mindkettővel. Így készítenek abszolút hihető, de teljesen hamis történeteket.

Az amerikai Sandia Nemzeti Laboratórium kutatói egy új gépitanulás-algoritmus segítségével, a „normálisnál” több mint 40 ezerszer gyorsabban végeztek el bonyolult anyagtudományi számításokat.

Az eredmény komoly változásokat hozhat új optikai, légi és űrkutatási, energiatárolási, orvosi stb. technológiák fejlesztésében. Másrészt, a számítási költségek csökkenésével, kevesebb lesz a laboratóriumi kiadás is.

„Lerövidítjük a tervezési ciklust. Amikor megtervezünk egy komponenst, többéves várakozás nélkül szeretnénk megtervezni egy azzal kompatibilis anyagot is. Ma sajnos évekig kell várni” – magyarázza David Montes, a Sandia egyik anyagtudományi szakembere.

A gépi tanulás a számítógépes szimulációt gyorsította fel, amely előrejelzi, hogy a gyártási folyamat vagy egy terv megváltoztatása, például egy ötvözetben lévő anyagok mennyiségének növelése hogyan befolyásolja az anyagot. Egy ilyen projekthez többezer szimuláció kell. Többezer lefuttatása viszont hetekig, hónapokig, sőt, évekig eltarthat.

A kutatócsoport 128 magos számítógép-klaszteren 12 perc alatt futtatott le egy szimulációt, majd ugyanazt a szimulációt a gépitanulás-algoritmust használva, 36 magos rendszeren 60 milliszekundum alatt, 42 ezerszer gyorsabban végezték el. Ez azt jelenti, hogy az új megoldással negyedóra alatt mindent megtudnak, amihez különben egy év kellene. (Egy mai átlagos otthoni számítógép két és hat mag között van.)

A gépitanulás-algoritmussal elért eredmény 5 százalékkal különbözött a sztenderd szimulációétól. A kutatók szerint kielégítően pontos, amit be is kalkuláltak, mert a gépi tanulásos módszerrel, a sebesség miatt beáldoznak valamit a pontosságból, de még így is majdnem ugyanaz az eredmény, mintha a jól bevált és abszolút megbízható eljárásokkal dolgoztak volna.

Az algoritmust először ultravékony anyagokkal működő optikai technológiákhoz, például következő generációs kijelzőkhöz tervezik használni.

Az arcfelismerés napjaink egyik legellentmondásosabb, legvitatottabb mesterségesintelligencia-technológiája. Óriási potenciál rejlik benne, túlzásba vitt használata viszont sérti a személyiségi jogokat (privacy), rossz eredményei, a hamis pozitívok pedig ártatlanok meghurcolását eredményezheti, ami többször meg is történt már.

Az amerikai kormány arcmaszkot viselő személyeket 96, maszk nélkülieket 100 százalékos pontossággal azonosító új rendszert mutatott be.

A koronavírus világjárvánnyal egyértelművé vált, hogy a piacon lévő arcfelismerő technikák komoly ráncfelvarrásra szorulnak. Addig nem vagy elenyésző mértékben tapasztalt problémával kellett – a szó szoros értelmében – szembesülniük, a fejlesztőknek pedig megoldást találni rá: a kötelező maszkviselet miatt a rendszerek alig látnak valamit személyekből, arcuknak legalább a fele takarásban van.

Úgy tűnik, hogy az Egyesült Államok Belbiztonsági Minisztériuma (DHS) a West (Nyugat) nevű rendszerrel orvosolta a problémát. A teszteken a többi rendszer átlagosan ugyanis maszk esetében 77, maszk nélkül 93 százalékos eredményt ér el, amihez képest a 96 és a 100 százalék óriási előrelépés. A járvány előtti tipikus arcfelismerő technológiák 50-80 százalékos pontossággal azonosítottak álarcos személyeket, azaz nagyon nagy volt a szórás, rengeteg hibalehetőséggel.

A tesztek során különböző kamerák és algoritmusok 60 kombinációját használták. Az érdekesség kedvéért: a legrosszabb eredményt elérő kombináció 4 és 11 százalékot teljesített.

„Egy tökéletes világban 100-ból 100-szor ismer fel 100 személyt. A legjobb algoritmus ma már tényleg jobb az arcfelismerésben, mint az ember” – jelentette ki Arun Vemury, a DHS Biometria és Azonosság Technológiai Központjának igazgatója.

Aggályok természetesen megint felmerülnek, a DHS megnyugtatásként közölte is, hogy az új rendszert repülőterekre szánják. Elmondása alapján a légi utasok monitorozásával a közbiztonságot növelik, és a védőmaszkot sem kell levenniük hozzá. Az utasok és a repülőtéri személyzet számára egyaránt csökkennek a kockázatok – véli Vemury.

Az új rendszert elsősorban egészségügyi okokból használják majd. A DHS-nek biometrikus technikára volt szüksége, az ujjlenyomat-olvasás a Covid-19 miatt azonban túl kockázatos, a retina-szkennelés pedig túl nehéz. Ezért döntöttek az arcfelismerés mellett.

Január 7. óta hivatalosan is a Tesla-főnök, Elon Musk a világ leggazdagabb embere, második helyre szorítva a 2017 októbere óta vezető Jeff Bezost. Vagyonának növekedése a Tesla-részvények (2020-ban döbbenetes, 743 százalékos) emelkedésének köszönhető, 200 milliárd dollárjával kb. 1,5 milliárddal előzi meg az Amazon alapító-tulajdonosát. (Bezos „visszaesésében” a válása is közrejátszott, amellyel a család Amazon-részvényeinek negyede az ex-feleségének jutott.)

A tanulmány- és dokumentumkönyveiről ismert szerző Ben Mezrich a napokban írta a Twitteren, hogy „soha nem utasítanám el, hogy megint bitcoinban fizessenek ki.” A tweetre Musk pénteken válaszolt, röviden és tömören annyit írt, hogy „én sem.”

A multimilliárdos megjegyzése egyértelműen jelzi: örülne, ha a kriptovalutában kapná a pénzét. Azt követően írta, hogy a bitcoin értéke, történelmi csúcsra futva, meghaladta a 40 ezer dollárt – még a 41530-at is elérte. Összehasonlításként: 2020 márciusában egy bitcoinért (BTC, XBT) havi átlagban „csak” 5 ezer dollárt adtak, március 13-án pedig 4 ezer alá esett vissza.

A sors iróniája vagy inkább tragikomédiája, hogy két nappal Musk tweetje után a kriptovaluta értéke 21 százalékkal esett vissza. Tavaly március óta egyszer sem jegyeztek két nap alatt ekkora lejtmenetet.

A 2009-ben bevezetett bitcoin napok alatti, hektikus értékingadozása jól szemlélteti, hogy miért nem lehet egyelőre tényleges, megbízható fizetőeszköznek tekinteni, és mik a nagyobb problémák vele. December elején az akkor rekordnak számító 23 ezer dollárt ért, azóta az értéke minden héten emelkedett. A 2017. decemberi rekord, tavaly november 30-án, 19860 dollárral dőlt meg.

Emlékeztetőül: 2010 májusában egy bitcoin 0,01 dollárnál kevesebbet ért. Az első bitcoinos vásárlás 2010. május 22-én történt, egy Laszlo Hanyecz nevű fejlesztő a floridai Jacksonville-ben a ma csillagászati összegnek számító10 ezer bitcoinért vett két darab Papa John’s pizzát; rajta is ragadt a „Bitcoin Pizza Guy” csúfnév.

Musk felveheti bitcoinban a fizetését, nem kockáztat túl sokat vele. Másoknak viszont, a kriptovaluta történetének fényében, hazardírozás. Ugyanakkor a Tesla-vezér üzleti zsenijéről se feledkezzünk meg, és lehet, hogy ő még a mostaninál is fényesebben látja a kriptovaluta jövőjét.

A mesterségesintelligencia-technológiák elég újak és elég gyorsan fejlődnek ahhoz, hogy szinte ahány cég, annyi gyakorlat. A gépi tanulás pozitív hatásai ugyanúgy kimutathatók egyes területeken, mint ahogy az alkalmazhatósági problémák is.

2019-ben nagyon sok cég próbálkozott MI-vel, 2020-ban pedig a modellek termékké alakításával. 2021-ben folytatódnak ezek a tendenciák, és várhatóan újabb startupok hasznosítják a szakterület eredményeit.

Az utóbbi időben több felmérés vizsgálta az MI szerepét az üzleti, vállalati szektorban. Az MIT Technology Review globális régiókat, a McKinsey különböző piaci szektorokat (gyártás, marketing, ellátási lánc-menedzsment) tanulmányozva állapította meg, hogy a technológia profitot termel.

A modellek telepítéséhez és működtetéséhez eszközöket szolgáltató Algorithmia 750 cégvezetővel készült interjún alapuló friss tanulmánya szerint, ha az implementálási gondok megoldódnak, a vállalati világban „MI-robbanás” várható. Párfős cégektől multinacionális mamutokig, egyre többen használják a gépi tanulást, több szakembert alkalmaznak. A telepítés, méretezés/skálázás és más problémák viszont hátráltathatják az MI széleskörű adaptálását.

A felmérésben a pénzügyektől az egészségügyig, az oktatástól az IT-ig, változatos szektorok képviselői nyilatkoztak. Kétharmaduk növeli, és mindössze 2 százalékuk csökkenti cége MI-költségvetését. (Az ábrán látható ML a machine learning, gépi tanulás rövidítése.)

Az érintett vállalatok 40 százaléka tíznél több adattudóst alkalmaz, azaz az Algorithmia előző, 2018-as felméréséhez képest megduplázódott a számuk. 3 százalékuk pedig ezernél többel dolgozik.

Többen elmondták, hogy az MI-implementálás korai fázisában járnak, jelenleg felhasználási esettanulmányokat értékelnek ki, modelleket fejlesztenek. Maga az implementáció sokuknak okoz fejtörést. A megkérdezettek felénél nyolc nap és három hónap közötti ideig, 5 százalékuknál egy évig vagy tovább tartott egy modell munkába állítása. Minél nagyobb egy cég, annál hosszabb a folyamat, viszont minél több a szakértő, annál gyorsabbá válik.

A modellek méretezését a cégvezetők 43 százaléka tartja a legnagyobb kihívásnak. Nagyobb szervezeteknél különféle részlegeken is találunk gépitanulás-csoportokat. A szerzők szerint azonban az MI-próbálkozások innovációs csomópontban (hub) történő centralizálása a megoldás. Az Ericsson, az IBM és a Pfizer a példáik.

Drámai mértékben csökken az afrikai elefántok száma, a kontinensen már csak kb. 350 ezren élnek. Mivel orvvadászok évente majdnem 15 ezret lőnek le, az állatoknak minden segítségre szükségük van a fennmaradáshoz.

Védelmükhöz egyre inkább használnak mesterségesintelligencia-megoldásokat, a délkelet-ázsiai Kambodzsában például gépitanulás-modell javasol optimális őrjárat-útvonalakat a parkőröknek. Veszélyeztetett fajok tevékenységének megfigyelésében képtechnológiák is sokat segítenek.

Az elefántvédelmet szolgálja egy, szintén MI-vel működtetett, az állatot orv- és hivatalos vadászoktól, valamint minden más ellenséges emberi megnyilvánulástól védő, a védekezésben segítő és idén már használatra kerülő gallér. (Más kérdés, hogy a gyakorlatban, 350 ezer elefánt esetében ezt mennyire sikerül majd megvalósítani.)

A vezeték nélküli nyomkövető ElephantEdge gallér mindenesetre hamarosan afrikai elefántokra kerül. A fejlesztés hardver- és szoftvertervezők közös, nyílt forrású munkája, az elefántok viselkedését értelmező gépitanulás-modellek platformja, amelyen keresztül baj esetén, parkőröket és állatbarátokat figyelmeztetnek.

A modelleket az Intelligens Parkok holland természetvédő csoport és a Hackster.io hardverfejlesztő közösség által szervezett versenyre dolgozták ki, amit meg is nyertek. Az Edge Impulse gépitanulás-fejlesztői platform szoftvereivel, illetve az IoT (dolgok internete) eszközeire specializálódott maribori Irnas Intézet és az elektronikus, elektromechanikus komponensek, például félvezetők terjesztésével foglalkozó Avnet hardvereivel dolgoztak.

A szerkezet egészen különleges funkciókkal is rendelkezik:

• Az Elefánt MI modell felismeri a gallér mikrofonjával rögzített emberi hangokat, amelyeket azok GPS-koordinátáival köt össze. Így próbálják felderíteni az esetleges orvvadászokat. Egy másik modell a gallér gyorsulásmérőjének adataiból számolja ki, hogy az állat mikor eszik, alszik, vagy fut.
• A Gajraj MI rendeltetése, hogy az állatnak minél kevesebb baja essen, ha gazdaságokból próbál élelemhez jutni. Például törzsének mozgása és rezgései jelzik az emberi tevékenység által kiváltott szorongást, és egyben figyelmeztetik is a közelben tartózkodó személyeket.
• Az Elefántgondnok modelljei egyrészt az állat tevékenységeit értelmezik, másrészt figyelmeztetik az őröket, ha orvvadászok által közismerten használt fegyverek, például AK-47-esek gépkarabélyok, ismertebb nevükön Kalasnyikovok zaját hallják.

2020 végén a szoftverfejlesztést és üzemeltetést egyesítő DevOps (Development + Operations) és a mesterségesintelligencia-szakértelem volt a legkeresettebb infokommunikációs állások elsőszámú követelménye – derül ki a „valósidejű munkaerőpiaci adatokat” elemző Burning Glass Technologies friss tanulmányából.

A szerzők 1,7 millió amerikai IT-állásajánlatot vizsgáltak, és hasonló technológiai és az azokhoz kapcsolódó képességek, kvalifikációk, valamint az állások betöltése (mennyire könnyű, nehéz) alapján vetítették előre a következő öt év tendenciát.

A fizetések, prémiumok figyelembevételével készítették el a tíz legizgalmasabb, leginkább diszruptív IT-szkilljének listáját.

Első helyen a kvantumszámítások állnak, mert jelentősen nőni fognak a kvantumszámítógépeket és alkalmazásaikat fejlesztők iránti igények. A második is a kvantumvilághoz valamilyen szinten kapcsolódó technológiákra, valamint a dolgok internetének (Internet-of-Things, IoT), az IoT fizikai tárgyainak, és a mindezek működését megalapozó telekommunikációs infrastruktúráknak, például az 5G-nek az ismeretére vonatkozik.

A pénzügyi technológiákban (fintech), azaz pénzügyi tranzakciók hatékonyságát növelő megoldásokban, például a blockchain-ben való jártasság a harmadik legfontosabb adottság.

Nem meglepő módon a mesterséges intelligencia és a gépi tanulás ismerete a negyedik, a digitális folyamatok és munkamenetek automatizálásának készsége pedig az ötödik.

A természetesnyelv-feldolgozásban való jártasság a hatodik, a proaktív biztonság, azaz a digitális infrastruktúra cyberbűnözőktől, hackertámadásoktól való megvédése, de még inkább e támadások hatékony megelőzésének készsége a hetedik.

A szoftverfejlesztési módszertan, gyorsabb, hatékonyabb és biztonságosabb rendszerek kiépítése a nyolcadik, a felhőszámítási infrastruktúra és stratégia kidolgozása a kilencedik. A tízes listát a párhuzamos számítások ismerete zárja.

Az ezeken a képességeken alapuló állások általában startupokhoz kapcsolódnak. Az új munkakörök kialakításakor az 1 milliárd dolláros vagy még többet érők több mint 33 százaléka részesíti előnyben a felsorolt adottságok valamelyikét, akár többet is.

A szkillek különféle állásokhoz és iparágakhoz kapcsolódnak, az érintett munkakörök bő 30 százalékában tízből nyolcat már ma elvárnak. A szerepek és a munkacsoportok egyre hibridebbé válnak, a munkáltatónak jobban át kell gondolnia, hogy milyen munkakör felel meg leginkább a felsorolt képességek valamelyikének – vonják le a következtetést a Burning Glass Technologies elemzői.