A legendás sci-fi szerző, Isaac Asimov az 1940-es évek elején fogalmazta meg a robotika azóta tudományos-fantasztikumon, fikción kívül, időnként valódi robotokkal kapcsolatban is referenciaként emlegetett három alaptörvényét.

A következőket:

1. A robotnak nem szabad kárt okoznia emberi lényben, vagy tétlenül tűrnie, hogy emberi lény bármilyen kárt szenvedjen.
2. .A robot engedelmeskedni tartozik az emberi lények utasításainak, kivéve, ha ezek az utasítások az első törvény előírásaiba ütköznének.
3. .A robot tartozik saját védelméről gondoskodni, amennyiben ez nem ütközik az első vagy második törvény bármelyikének előírásaiba.

Közben azonban eltelt 80 év, az infokommunikációs technológiák, köztük a robotika és a hozzá ezer és egy szállal kapcsolódó mesterségesintelligencia-kutatás is elképesztő fejlődésen ment keresztül.

Régóta többen felvetették, hogy a robottörvényeket is felül kell vizsgálni, eredeti formájukban már rég nem aktuálisak.

Legutóbb Frank Pasquale, a Brooklyni Jogi Egyetem professzora ajánlott módosításokat, kiegészítéseket. Négy új törvényt is javasolt, amelyekkel a 2020-as valóságra, a mostani ember-robot interakcióra, például a munkahelyek automatizálására reagált.

A professzor elmagyarázta, hogy négy új törvényével az emberiséget az Asimov által elképzelteknél „élethűbben” óvná meg a robotok és a mesterséges intelligencia jelentette veszélyektől.

Kevesebbet kellene a sci-fik pusztító gépezeteire gondolnunk, helyettük inkább a gépi intelligencia által betöltött munkakörökön, elvesztett állásokon kellene töprengenünk, vagy azon, hogyan fordítható csúcstechnológiákkal ember ember ellen – hangsúlyozza.

Az új törvényekkel az MI jobban szolgálja az érdekeinket, mintha a Szilícium-völgy mérnökei zárt ajtók mögött döntenének a jövő ember-gép viszonyáról – nyomatékosít a professzor.

A következőket javasolja:

1. .A digitális technológiáknak kiegészíteni és nem helyettesíteni kell a szakembereket.
2. Az MI-nek és a robotikus rendszereknek nem szabad meghamisítaniuk az emberiséget.
3. Az MI-t meg kell előzni, hogy növelje a zéróösszegű fegyverkezési versenyt.
4. A robotikus és MI-rendszereknek jelezniük kell a fejlesztőik, a működtetőik és a tulajdonosaik identitását.”

A négy törvény elsősorban a technológiák fejlesztőire és alkalmazóira, és nem magukra a gépekre vonatkoznak. A robotok és az MI rendeltetése, hogy kiegészítsék és segítsék az emberi tevékenységet – összegez Pasquale.

A Tesla mindig büszke volt a biztonsági réseket automatikusan fixáló új kódokat hozó frissítéseire. Most viszont úgy tűnik, nem annyira gyorsak, mint szeretnék, vagy legalábbis szeretnének látszani.

A Leuveni Egyetem (Belgium) biztonsági szakértői kitalálták, hogy a firmware átírásával, bluetooth kapcsolaton keresztül hogyan hackelhető meg egy Tesla Model X. A kutatók elmondták: Elon Musk vállalata még nem foglalkozott a problémával, így egy hacker nem egész másfél perc alatt ellophat egy autót.

Eredményüket két sebezhetőségi pont összekombinálásával érték el.

Az elsőnél a járműhöz való biztonságos hozzáférést és kontrollt adó, hitelesítő funkciójú hardverelemet (key fob) hackeltek meg. Az autó azonosítószámát használva, be is jutottak a jármű belsejébe. Az azonosítószám általában ki van nyomtatva, és a műszerfalon található.

Kívülről simán olvasható.

A második egy 300 dollárból kiépíthető, hátizsákban kényelmesen elférő, a hacker okostelefonjáról vezérelhető egyedi hardverdarab. A Model X módosított karosszériavezérlő moduljáról van szó, amelyet a hacker, miután bejutott a járműbe, a Tesla műszerfalának valamelyik portjába csatlakoztat.

A második hackeléssel a behatoló teljes ellenőrzés alatt tartja a kocsit.

„A két sebezhetőségi pont kombinációjával a hacker alapvetően egy-két perc alatt ellophat egy Model X-et. Az összekombinálás azért fontos, mert a támadás így sokkal robusztusabb” – nyilatkozta Lennert Wouters, a Leuveni Egyetem biztonságtechnológiai kutatója.

Nem ez az első példa a Tesla hardverelemeinek megbuherálására. Egy tavalyi videón láthattuk, ahogy tolvajok hosszú antennával rendelkező eszközt használva, loptak el egy autót.

Wouters egyébként már augusztusban figyelmeztette a céget, viszont egy ideig még kivár a sebezhetőségeket kiiktató szoftver frissítésével. A Tesla egyelőre annyit közölt, hogy hamarosan várhatók a biztonsági frissítések, részleteket viszont nem árult el.

Az amerikai hadsereg hatalmas összegeket fektet idegtudományi kutatásokba. Céljuk az agy különféle jelzéseinek dekódolása, megértése, ez lenne az első lépés a katonák közötti hangtalan, gondolati úton történő kommunikáció felé, amellyel műveletek közben jelentősen növelnék a biztonságukat, túlélési esélyüket.

Egyelőre távol vagyunk az ezt lehetővé tevő rendszertől, a csatatéren telepátiás módon kommunikáló cyborg alakulatoktól, a kezdeményezés viszont jól szemlélteti, hogy az orvosi technológiák hogyan változtathatják meg a hadviselés természetét, és persze magukat a katonákat is.

A Hadsereg Kutatási Irodája (ARO) 6,25 millió dollárt szentel az ötéves projektre. Jelenleg ott tartanak, hogy képesek eredményesen szétválasztani a cselekvéseket és a viselkedést befolyásoló agyi jeleket azoktól, amelyek semmilyen hatással nincsenek ezekre a megnyilvánulásokra.

Speciális algoritmussal és bonyolult matematikai módszerekkel azonosították a mozgást irányító és a viselkedéssel kapcsolatba hozható jelzéseket, és ezeket külön is választották a többitől. A jeleket nemcsak mérik, hanem értelmezik is.

Az algoritmus még nem olvas közvetlenül az emberi elmében, viszont közelebb kerültünk a változatos agyi jelzések megértéséhez.

Még mielőtt tennének valamit, a rendszer visszajelezne a katonák agyának, biztosítva a javítás lehetőségét. Ezek a reakciók például stresszre és fáradtságra utaló jelek esetében különösen fontosak lehetnek.

Túl a mozgáson, jelek szélesebb skálájának dekódolásával a gép az illető gondolatait is képes lesz értelmezni. Szinte végtelenek a lehetőségek.

A hangtalan kommunikációt számítógépes közvetítéssel képzelik el, a katonák a helyszínen lévő komputereken keresztül „beszélgetnének” egymással.

A projekt részeként majomkísérletet is végeztek. Az állat labdát próbált elérni, közben folyamatosan figyelték az agyában keletkező jeleket, amelyeket aztán különválasztottak a többitől. Csakhogy a rendszernek nemcsak olvasnia kell tudni, hanem meg is kell értenie, amit az agyból kiolvas, ami nagyságrendekkel nehezebb feladat. A jeleket szavakká kell alakítani, azokat lehet aztán összegezni, és az egész valahogy úgy működne, mint amikor ábécé és szótár segítségével hozunk össze szövegeket.

Végül a komputernek teljes duplex kommunikációs módban kell lennie az emberi aggyal.

Sokakat zavarnak, a magánéletbe történő beavatkozásnak tartják az arcfelismerést. De míg az embereknek problémáik adódnak a technológiával, az állatokat különösebben nem izgatja. A vadon élőket pedig úgy tűnik, hogy végképp nem. Ilyen technikákat dolgoztak ki már csimpánzokra, makimajmokra és pandákra is.

Melanie Clapham, a Vancouver-szigeti (Brit Kolumbia, Kanada) Victoria Egyetem kutatója és munkatársai az állatok azonosításával foglakozó BearID projektjükben barnamedvékre fejlesztettek arcfelismerő modellt.

A modell átlagban 84 százalékos pontossággal ismer fel egy-egy állatot. Négy komponensből tevődik össze: medvearc (bearface), medvechip (bearchip), medve-beágyazó (bearembed) és medve tartó-vektor gép (bearsvm, az svm, pontosabban SVM a support vector machine rövidítése).

Az első felismeri a medve arcát. A kutyákat hipszterré változtató, mélytanulással (deep learning) működő, szórakoztató eb-arcfelismerő, azokat bohókásan átalakító, például szemüveget és bajszot rájuk aggató Dog Hipsterizer alkalmazás módosított változatáról van szó. Az appot 132 medvéről készült 4675 fényképen gyakoroltatták, majd tesztelték.

A medvechip kicsiz átdolgozza, és kivágja a képet.

A harmadik komponens feladata az arcábrázolás kivitelezése. A fejlesztők a gyakorló adatsorból kivágott képeken trenírozták, hogy a különféle jegyeket ugyanazon a medvén hasonlónak, más medvén viszont különbözőnek lásson.

A Bearsym felcímkézi egy-egy állat megjelenítését. A lineáris tartó-vektor gépet az első és a harmadik komponens által generált ismertetőjegyeken, és ugyanazzal a gyakorló adatsorral tanították be. (Az SVM speciális neurális hálózat, de egyesek a tágabb és elméletibb statisztikus tanuláshoz sorolják. Feladata, hogy osztályozzon egy egyedet.)

Állatok olcsó technológiával történő követése, a populáció egészségi állapotának folyamatos megfigyelése sokat segíthet veszélyeztetett fajok fennmaradásában.

Clapham a helyszínen kísérletezett a modellel, és bizakodnak, hogy újabb kameramegoldásokkal nagyon sok medvét tudnak majd monitorozni.

Egyelőre döcög az USA kormányzati szintű mesterségesintelligencia-használata, távol vagyunk még az algoritmikus államigazgatástól – derül ki az Egyesült Államok Adminisztratív Konferenciája, a Stanford és a New York Egyetem jogi karának közös felméréséből.

A gépitanulás-rendszerek szövetségi ügynökségek általi alkalmazása „jobb esetben egyenetlen, rosszabbik esetben problémás és talán veszélyes” – állítják a szerzők.

A vizsgált ügynökségeknek kevesebb mint a fele használ valamilyen MI-megoldást, és mindössze 7 százalékuk tartja kitüntetetten fontosnak az általuk alkalmazott mesterségesintelligencia-technikát.

Főként a büntetés-végrehajtásban, az egészségügyben és a pénzügyi szabályozásban dolgoznak a technológiával. A határőrség például arcfelismeréssel azonosít, az értékpapír és tőzsdei bizottság kockázatkiértékelésekor okos algoritmusokkal mutatják ki a csalásokat, hibákat.

Az implementációknak csak 12 százalékában használnak mélytanulást, míg a többiek kevésbé kifinomult eljárásokkal, például logisztikus regresszióval (események bekövetkeztének valószínűségi becslése) próbálkoznak.

Mivel az ügynökségeknek döntéseiket jogilag is meg kell indokolniuk, és az algoritmusok sokszor hoznak nehezen magyarázható döntéseket, elég nehéz rájuk hagyatkozni. Ráadásul a vizsgált rendszerek kb. felét külsős cég fejlesztette. A szerzők több „házon belüli” kutatásfejlesztést javasolnak, mert az adminisztrációban dolgozó mérnökök belülről ismerik a problémákat, kormányzati használatra alkalmasabb, „személyre szabottabb” megoldásokat hozhatnak létre.

A vizsgált periódus 2019 szeptemberében zárult, és a szerzők főként nyilvánosan hozzáférhető információkkal dolgoztak. Nem állítják, hogy az MI nem elég hatékony, mert valóban rengeteget segíthet a szövetségi adminisztrációnak, viszont a benne lévő kormányzati potenciál kiaknázása lassú és hosszadalmas folyamat.

Működtetés előtt az összes MI-t bonyolult szempontrendszer alapján kell hitelesíteni, az állami ügynökségek nagy része viszont nem rendelkezik az ehhez szükséges kapacitással, és a szabványokat sem ártana egyértelműsíteni.

2019-ben az elektromos robogók (e-scooters) „berobbantak” az Egyesült Államok és más nyugati vagy éppen távol-keleti fejlett országok nagyvárosi közlekedésébe. Az USA-ban 60 százalékkal nőtt a használatuk.

Az elemmel működő, megosztásos alapon bérelhető járgányok elterjedésével több a gyalogosbaleset, mivel a forgalmi dugókat kikerülendő, sokan a járdán is robognak velük.

2018-ban az Egyesült Államokban 15500, 2019-ben már 29600 személyt (vezetőt és gyalogost egyaránt) ért baleset, és sajnos voltak köztük halálosak is. Dallasban és Nashville-ben (Tennessee állam) a hatóságok szigorító intézkedéseket hoztak.

2020-ban aztán jött a pandémia, a városközpontok szellemvárosokká váltak, az alkalmazottak zöme otthon maradt, és az elektromos robogó-business 70 százalékkal esett vissza.

Az élet újraindulásával eljöhet a mikromobil ipar posztpandémiás reneszánsza. Egyes környezetekben ugyanis jóval praktikusabbak a kétkerekű járművek, ráadásul városok, mint például Boston, New York, Minneapolis vagy éppen Budapest megnagyobbították a kerékpársávokat, amivel megalapoztak az e-scooterek sikeres visszatérésének.

A robogók között a modern autók több biztonsági funkcióját átvevő új típussal is találkozunk.

A dublini Luna és a svéd Voi Technology az angliai Northamptonban már teszteli is a gyalogosdetektálóval kiegészített járműveket. A Luna kamerákból és szenzorokból álló rendszere tanul és reagál a környezetére. A Voi ötven elektromos robogóba integrálta a rendszert.

A gyalogosdetektálás nem új, autók egy ideje használják már. Robogóba integrálásával a helyi hatóságok a videoanyagok alapján átfogóbb képet tudnak alkotni a közlekedésről, könnyebben azonosítják a gyakori balesethelyszíneket és kátyúkat.

A fejlesztés közvetlen célja a scooter útjába kerülő személyek azonosítása még akkor is, ha a vezető nem látja őket. Ezzel nemcsak a vezetők, hanem a gyalogosok is nagyobb biztonságban érezhetik magukat. A kamerák, a szenzorok, a mesterséges intelligencia és a GPS azt is meghatározzák, hogy a vezető a kerékpársávban, a járdán, vagy az út közepén tartózkodik.

A detektáló rendszert többezer képen gyakoroltatták, és annyiban különbözik egyes autók biztonságos fékező megoldásaitól, hogy kisebb és olcsóbb. Fejlesztői szerint öt éven belül az összes e-robogóba integrálhatják.

Mesterségesintelligencia-rendszerek, például a szövegíró GPT-3 meggyőzően utánozzák az emberi szöveggenerálást – az írás folyamatát –, és adottságaikat kihasználva, remek kamublogokat, Reddit-posztokat stb. jegyeznek. Viszont alapvetően mintázatokat tanulnak meg és utánoznak, azaz nem értik, hogy mit tesznek.

A jelen állapoton változtatni akaró Georgia Technológiai Intézet (Georgia Tech) és a Facebook AI Research kutatói szavakat célzatosan használó mesterséges intelligencia fejlesztésébe kezdtek. Az elmúlt években rengeteget fejlődött, eddig viszont egymással alig érintkező két területet, a természetesnyelv-feldolgozást és a megerősítéses tanulást kombinálva a modell megtanulja, hogyan viselkedjen megadott célok eléréséhez.

Megközelítésük teszteléséhez a rendszert a Facebook tavaly kidolgozott, szövegalapú és több-résztvevős LIGHT játékán gyakoroltatták. Sárkányt kellett alakítania. A játékot eleve azért hozták létre, hogy a humán és az MI játékosok közötti kommunikációt vizsgálják.

Fantasy jellegű és témájú közegben játszódik, tele közösségi ötletbörzével összeszedett objektumokkal, karakterekkel és helyekkel, amelyeket a képernyőn, szöveges formában írnak le. Az interakciók is úgy történnek.

A játékosok utasításokat („öleld meg a varázslót”, „üss a sárkányra”, „vedd le a kalapod” stb.) gépelnek be, de beszélhetnek is a chatbottal vezérelt, kontrollált karakterekhez.

Ahhoz, hogy az MI cselekvéseinek célokat adjanak, a kutatók az eredetiben nem szereplő, kb. 7500 közösségileg összeszedett feladatot, küldetést tettek a játékba. Létrehoztak egy alany-állítmány-tárgy kapcsolatokat tartalmazó adatbázist, egy tudásgráfot (knowledge graph) is. Ez szolgáltat az MI-nek „józanész” (common sense) információkat a játék világáról, karakterek közötti kapcsolatokról, például, hogy egy kereskedő csak akkor bízik meg egy őrben, ha barátok stb.

A játékban így már vannak cselekedetek („menj fel a hegyre”, „edd meg a lovagot” stb.), amelyek a feladatok kivitelezését („rakd össze a legnagyobb kincset, amit sárkány valaha is megszerzett” stb.) szolgálják.

Mindezeknek együtt kell működniük, és az MI-t kizárólag nyelvi úton tanították meg feladatok megvalósítására. Vagy begépeli az utasításokat, vagy más karakterekkel beszéli meg a teendőket. Például, ha kard kell neki, vagy lop egyet, vagy meggyőz valakit, hogy adja neki az övét.

A sárkány néha ugyan feleslegesen fenyegetett karaktereket, végül viszont sikeres volt; az MI teljesítette küldetését. Tény, hogy segítettek neki, de tényleg célzottan, értelmesen használta a nyelvet, és elérte, amit akart.

A rendszer egyelőre csak játék, a két technológia együttes alkalmazása viszont nemcsak jobb chatbotokhoz vezethet, hanem a nyelv közvetítésével az MI jobban meg is értheti a világ működését.

A koronavírus-járvány a távol-keleti országban, az idén január 25-én ünnepelt kínai újév előtt elkezdett tetőzni, és a pandémia teljesen átírta az eladási előrejelzéseket. Az ország legnagyobb elektronikus kereskedelmi eseménye azonban bizonyította, hogy a dolgok visszatértek a régi kerékvágásba.

A kereskedők általában az újév óta keletkezett adatokból készítik elő a „dupla 11-es” napra (Singles’ Day), november 11-re vonatkozó modelljeiket. Csakhogy 2020-ban, újévi ajándékok mellett és helyett, a vásárlók főként maszkokra, vécépapírra, kézfertőtlenítőre és más egészségügyi termékekre költöttek.

Az eseményt az Alibaba csoport vezette be 2009-ben. A fogyasztás Black Friday féle apoteózisa idén a járvány ellenére minden eddigi rekordot megdöntött. Az elektronikus kereskedők kb. 3 milliárd csomagot postáztak.

Kína két legnagyobb eladója, az Alibaba és a JD a járványidők fogyasztói szokásaira vonatkozó adatokon gyakorolt mesterségesintelligencia-modellekkel készültek, és ügyeltek, hogy a raktárak fel legyenek töltve, a csomagok időben megérkezzenek.

Eredményesek voltak, mert 2019-hez viszonyítva, az Alibaba megduplázta, a JD harmadával növelte az eladásokból szármató bevételeit. Előbbi 74,1, utóbbi 40,9 milliárd dollárt kaszált.

Az Alibaba logisztikai leányvállalata, a Cainiao modelljeit úgy módosította, hogy ne a szezonális vásárlási mintázatokon alapuljanak, hanem inkább az előző hetek nagy árkedvezményeit és hasonló tényezőket figyelembe vevő rövidtávú előrejelzésekre, valamint az adott tartomány aktív Covid-19 fertőzötteinek számára összpontosítsanak.

A járvány alatt a korábbiaknál is fontosabb lett a közösségi média influenszereinek szerepe. Emiatt az Alibaba rájuk is dolgozott ki modellt az árkedvezményeket promótáló, fizetett influenszerek rajongókra gyakorolt hatásának előrejelzésére.

A JD közegészségügyi szervezetektől, hírekből és a közösségi médiából szedte össze a modelljei kidolgozásához szükséges adatokat.

Más cégek szintén sokat nyertek 2019-hez képest. November 11-ike online eladásai összesen 17 százalékkal nőttek.

Az e-kereskedelem természetesen nemcsak Kínában tarol. Az Egyesült Államokban az év végi ünnepi online vásárlás már most 21 százalékkal meghaladja a tavalyit.

Az MI kritikus szerepet játszik a legnagyobb nyereséget elkönyvelő cégek tevékenységében, segíti őket a gyorsan változó, sokszor előzmények nélküli piaci feltételekre adott reakcióikban.

Tanulság? A Covid-19 felgyorsította a kereskedelem digitalizálását, és egyben növeli a különbséget az MI-t alkalmazó és nem alkalmazó vállalatok között. A túlélés egyik feltétele a mesterséges intelligencia- és technológiai befektetések. A jól menő cégek ennek érdekében megduplázzák MI-kapacitásaikat. A folyamat árnyoldala, hogy minden eddiginél nagyobb hatalomkoncentrációhoz vezethet.

A Világ Szellemi Tulajdonjogok Szervezetének 2019-es anyagából kiderül, hogy a „jelen mesterséges intelligenciájának” is hívott gépitanulás-szabadalmak bő felét 2013 óta kapták meg. Kína az első, a távol-keleti országot szorosan követi az USA.

Az Egyesült Államok Szabadalmi és Védjegy Hivatalában természetesnyelv-feldolgozással követték nyomon a mesterségesintelligencia-szabadalmak egyre masszívabb jelenlétét. Négy évtized adatait elemezve állapították meg, hogy a technológia minden hat jelenlegi alkalmazásból legalább egyben van jelen.

Kutatók speciális ideghálót tanítottak be 1976 és 2019 közötti, közel 12 millió szabadalmi kérelem elemzésére. A mesterséges intelligencia olyan alkategóriáit vizsgálta, mint többek között a számítógépes látás, a nyelvi modellezés és az evolúciós algoritmusok.

A 20. század utolsó 25 évében lassan nőtt az MI valamilyen formáját tartalmazó szabadalmak száma, aztán hirtelen nagyon begyorsult, megugrottak a számok. Jelenleg évente 60 ezernél több ilyen kérelmet adnak be, ami több mint a duplája a 2002-es számnak.

A kutatók saját listát készítettek az alkategóriákról. A legnépszerűbbek a vezérléstervezés és az ismeretfeldolgozás voltak. Az első gyűjtőcsoportba speciális célok kivitelezéséhez szükséges tevékenységek azonosítása, kidolgozása és magvalósítása, a másodikba feladatok, például számviteli hibák kimutatásának finomhangolása vagy automatizálása tartoznak.

Mindkettőben évente kb. 40 ezer kérelmet adnak be, a következő az éves 10-20 ezer hardver és a számítógépes látás. A területek között sok az átfedés, így jön ki a 60 ezer feletti szám.

Az amerikai mesterségesintelligencia-szabadalmak listáját a területen egy évszázadnál hosszabb múlttal rendelkező IBM vezeti, 46752 engedélyezett szabadalmi oltalommal, az 1975-ben alapított Microsoft kevesebb mint a felével második, az 1998-ban indult Google a harmadik. Hewlett-Packard, Intel, AT&T, Oracle, Amazon, Apple, General Electric a további sorrend.

A humanoid Pepper a japán Softbank Robotics világhírű gépe, Magyarországon a Netlife Robotics a viszonteladója és fejlesztője; tavasszal a koronavírus-járvány elleni védekezésből is kivette a részét.

Sokoldalúságát bizonyítja, hogy az egészségügy más területein is bevethető. A digitalizált medicina lehetőségeit folyamatosan kereső kölni St. Marien kórházban, Németország idősekkel foglalkozó második legnagyobb geriátriai központjában is alkalmazzák.

A Covid-19 elleni küzdelem részeként a munkavállalókat, betegeket és közülük is a legveszélyeztetettebb időseket meg kell védeni a járványtól, meg kell előzni a fertőzéseket. A járvány mellett az egészségügynek azonban más problémákkal, így az elöregedő társadalommal és a munkaerőhiánnyal szintén szembe kell néznie.

A megnyerő, barátságos külsejű, érintésmentes, biztonságos megoldásnak számító Pepper mindegyik feladatra alkalmas. Nem az emberek munkáját veszi el, inkább az ember-gép együttműködést segíti, hatékonyabbá teszi a kórházat, segítség a sokszor túlterhelt és kimerült személyzetnek.  

A társadalom szerkezetén belül egyre nagyobb az idősek aránya, az Európai Unió összes tagállamában ez már most érzékelhető, és a tendencia a következő években folytatódni fog. A St. Marien kórház pontosan ezért együttműködési szerződést kötött az Entrance Robotics német fejlesztőcéggel Pepper alkalmazásáról.

Ralph Joachim Schulz, orvosigazgató és a német geriátriai társaság elnökségi tagja először újságcikkben olvasott a gépről, nagyon izgalmasnak és innovatívnak, és ami még fontosabb, a központban végzendő munkákra tökéletesen alkalmasnak találta.

Peppert idősek is könnyen elfogadják, barátságosan viszonyulnak hozzá, és egy, az Entrance Robotics által fejlesztett platform használatával foglalkoztatni is tudja őket. Kvízeket és fejtörőket játszik, fitneszgyakorlatokat végeztet velük, egyes mozdulatokat képes is bemutatni.

Demenciás betegeken szintén segít. Mivel ők érzelmeiket nem tudják megfelelő módon kifejezni, a gép viszont rendelkezik érzelemfelismerő funkcióval, emocionális állapotukra reagálva kommunikál velük.