A koronavírus-járvánnyal a korábbinál több üzleti tevékenység helyeződött át a világhálóra, és sok más szektorhoz hasonlóan, a szépségiparban is egyre fontosabb az e-kereskedelem. Termékek könnyű online tesztelhetőségével bővülnek a lehetőségek – sőt, egyes esetekben jelenleg ez az egyetlen lehetőség –, javulnak az eladási mutatók.

Macerás egy új smink kipróbálása – fel kell tenni, meg kell nézni, le kell mosni, aztán lehet ismételni az egészet. Ráadásul ki kell mozdulni otthonról, boltban, kozmetikusnál pedig törvényszerűen nagyobb a fertőzésveszély. Kiterjesztett valósággal (Augmented Reality, AR) egyszerűbb a helyzet, mert a teszt bárhol elvégezhető, sehova nem kell elmenni hozzá.

Az AR alkalmazások már a pandémia előtt betörtek a szépségiparba, lépésről lépésre változtatják meg a területet.

Az amerikai Ulta lánc fel is vásárolta az AR-re specializálódott Glamst startupot. A multimilliárdos kínai Meitu mesterséges intelligenciás appja arcképeket módosít, és a felhasználók előnyösebben mutatnak közösségimédia-posztokon, online állásinterjúkon, bárhol a digitális térben.

A L’Oréal tavaly vásárolta fel az ideghálókat használó – beszédes nevű – Modiface startupot. A cég hibrid megközelítést alkalmaz, egymással versengő-együttműködő algoritmusai gondosan megmutatják a terméket tesztelő ügyfélnek, hogy mennyire különböznek a rúzs színei, a szemárnyék-variánsok vagy a hajopciók. A hajon és az arcon fontos pontokat azonosítanak, és követik a módosulásaikat.

A felhasználó sokféle rúzs, szemceruza, arcpirosító és hajfesték között válogathat a L’Oréal honlapján, majd finomhangolhatja az állagukat, fényüket és árnyékukat. A termékeket virtuálisan ki is próbálhatja – vagy feltöltött szelfin, vagy az arcát ábrázoló valósidejű videón.

A Modiface többezer annotált képen tanította be az algoritmusokat. A képeken látható személyeket hol sminkkel, hol smink nélkül, különféle beállításokban, fény- és háttérviszonyok mellett ábrázolták.

Az egyik idegháló inputként használja a felhasználó smink nélküli fotóját. Amikor az illető kiválasztja a terméket, a rendszer képet generál, hogy hogyan nézne ki, ha alkalmazná.

Új sminkek megjelenését a rendszer kb. ugyanolyan könnyen kezeli, mintha újabb színmintával kellene bővítenie az adatbázist. A Modiface-nek újra kell tanítania a modellt, hogy a gyakorlóadatok között nem szerepelt újdonságokat is tudja kezelni.

Bolygónk, különösen a fejlett északnyugati félteke és Japán lakossága gyorsan öregszik, ezekben az országokban a 65 év felettiek a legütemesebben növekvő korcsoport. Az idősgondozáshoz viszont egyre kevesebb a szakképzett munkaerő. A érintettekre vigyázó, humán szakemberek egyes feladatait átvevő robotok jelentősége fokozatosan nő.   

A Toyota Kutatóintézet (TRI) idős személyeket háztartási munkájukban segítő robotokat mutatott be a cég kaliforniai laboratóriumában. A laborban jellegzetes otthoni környezetek utánzatát alakították ki.

Egyelőre azonban főként látványos, de nem túl praktikus prototípusokról, és távolról sem kész termékekről van szó. Ezt maguk a fejlesztők is elismerik, ők sem tudják, hogy a mostani gépek mikor kerülnek kereskedelmi forgalomba.

Egyikük mosogatni és a mosogató gép megtöltésére hivatott, viszont inkább úgy néz ki, mint a futószalag mellett autókat összeszerelő robotok. Plafonba épített sínekről lelógó kar, bonyolult technológiával. Ugyanakkor „kényes” tárgyakat megmarkoló, levegővel feltöltött kezeket, markolást bemutató emberekről készült videók alapján tanuló gépeket is fejlesztenek.

A Toyota elmondta, hogy terveiket japán otthonok inspirálták. A limitált tér a gépek mozgását is korlátozza, ezért gondolkoztak innovatív megoldásokban, például a robotok épületekbe integrálásán, amellyel csökken a munkához szükséges terület mennyisége. Választásuk így esett padló helyet a mennyezetre. „Kollégájával” ellentétben, a puha kezű markoló földön mozgó szerkezet, és mindketten nagyjából ugyanazokat a tevékenységeket végzik el.

A Toyota bemutatta, hogyan tanítják virtuális valósággal (VR) ezeket a gépeket. Emberek elvégzik a szükséges feladatot, például letörlik az asztalt, majd a mozgásokat a robotba programozzák.

Ugyanezekre a munkákra, a fizikai korlátok áthágására más vállalatok is használnak hasonló technikákat. Otthoni kisegítő robotok építése azonban nagyon bonyolult feladat, pedig sokat fejlesztettek már.

Általában laborban jól teljesítenek, a háztartásokban viszont már kevésbé hatékonyak. Ráadásul tevékenységük nem minden része mérhető, modellezhető és előrejelezhető.

A Toyota ezért is kíván teljesen újat, szükségleteinket és elvárásainkat sokkal jobban kielégítő megoldásokat nyújtani. Megközelítésük emberközpontúbb, robotjaik nem akarnak minket helyettesíteni, hanem a képességeinket egészítik ki valami plusszal.

Az elmúlt évtizedben a gépi tanulást, mesterséges intelligenciát, mélytanuló algoritmusokat a medicina több területén alkalmazták. Legutóbb az MIT (Massachusetts Institute of Technology) és a Massachusettsi Általános Kórház kutatói, egészségügyi szakemberei mutatták be, hogyan tanítható be idegháló sebészi műtét közbeni érzéstelenítés irányítására.

Ideghálók és a mélytanulás nagy orvosi adatsorok automatikus elemzésével mutatnak ki mintázatokat és trendeket, javítják a diagnosztikai folyamatokat, a radiológiai képeken alapuló rákszűrést, legújabban pedig a robotikus eszközökkel végzett sebészetet.

A sebészetben és a gyógyszerellátásban újabb alkalmazások várhatók, például az általános érzéstelenítésre használt Propofol adagolásának irányítása.

A kutatók páciensek adatait tartalmazó adatsorokon gyakoroltatták algoritmusaikat. Ezekből az információkból (testtömeg, életkor, korábbi betegségek stb.) kiolvasható, hogy kell-e változtatni az érzéstelenítőre vonatkozó átlagos szinten, mennyiségen.

Az algoritmusok az adatokból az eszmélet ajánlott érzéstelenítőadag bevétele utáni szintjeit folyamatosan figyelő modelleket, és a modellek által javasolt gyógyszermennyiséget is vizsgálták, majd a kiszűrt információkat az ideghálóba táplálták.

Mivel teljesen új alkalmazásról van szó, szimulált környezetben és virtuális betegekkel kísérleteztek. Sok tesztet végeztek, hogy a modell egyre eredményesebbé váljon.

A szimulált öntudat változásainak rögzítésével, az idegháló megtanulta, hogyan reagáljon a különféle változatokra, és a beteg állapotát figyelembe véve, alkalmazza a Propofol megfelelő adagját.

A vártnál sokkal jobban teljesített, hatékonyabbnak bizonyult, mint a használatban lévő ipariszabvány-technológia.

„Mély ideghálókkal lehetővé vált, hogy a modell sok folyamatos adatot használva, az eddigieknél koherensebb gyógyszerellenőrző szabályokat generáljon” – nyilatkozta Gabriel Schamberg, az egyik kutató.

A neheze azonban még hátra van, mert húsvér betegeken is le kell tesztelni, amihez engedélyek szükségesek.

A koronavírus-járvány megváltoztatta a hétköznapokat, emberi szokásokat. Előtte például fel sem merült senkiben, hogy akár egy konditerem veszélyes lehet, mert emberek túl közel edzenek egymáshoz. Most viszont egyre többen keresik az alternatívákat.

Edzeni például otthon, a nappaliban is lehet. Az innovatív Tempo Studio csúcstechnológiát és izgalmas designt kombináló rendszere pontosan erre az eshetőségre kínál megoldást. Más otthoni edzőrendszerekkel ellentétben nemcsak egy-egy speciális, hanem sokféle gyakorlatot kínál.

Központi eleme egy vékony, hosszúkás állványféle, 42 colos HD érintőképernyővel, sztereo hangfalakkal, mozgásérzékelővel és egy sor prémiumkategóriás edzőeszközzel (súlyzó, futószőnyeg, pulzusmérő stb.). A rendszer révén élőben vehetünk részt kiváló trénerek által vezetett, tetszés szerinti fitneszórákon, és az elvégzett munkáról valósidejű visszajelzést is kapunk.

Az eszközökhöz nem kell túl nagy tér, épp elég, ha van elég hely leülésekre és felállásokra.

A 3D mozgásrögzítő- (motion capture) és mesterségesintelligencia-technológiával működő rendszer korábban csak profi atléták és más hivatásos sportolók számára elérhető biomechanikus és egyéb elemzéseket készít. Most változik a helyzet.

A Tempo Motion mozgásrögzítő szenzora másodpercenként 30 infravörös fényjelzést ad, amelyek alapján komplex 3D modell készül a testről, 80 ezernél több ponttal. Az MI a nyers adatokat 25 nagyon fontos elemmé gyúrja össze, és a rendszer ezeket követi nyomon, belőlük számolja ki a levegővételt, pulzust és más paramétereket, majd készít súlyajánlásokat és formaelemzést.

Az órákon az edzőt valósidőben értesíti, ha hibázunk, aki rögtön reagál is, elmondja, min és hogyan változtassunk. Máskor, ha kell, az MI jelez vissza – a kijelzőn könnyen érthető jelek tűnnek fel. Az egész olyan, mintha fizikai térben dolgoznánk a személyi edzővel, viszont ezúttal a hét 7 napja és a nap 24 órája rendelkezésünkre áll.

A gyakran a teke és a sakk keverékeként leírt curlinget jégen játsszák, téli sport, olimpiai csapatjáték. Mindkét csapat nyolc-nyolc követ csúsztathat egy kör alakú mezőbe, és az nyer, amelyiknek a kövei a játékrész végén legközelebb kerültek a kör középpontjához.

A sportág kiváló tesztterep a mesterséges intelligencia és a való világ közötti interakciók tanulmányozására. Az MI-k szimulációban sokszor teljesítenek jól, aztán a valóságban már kevésbé. Laboratóriumokban viszont mélytanuló rendszerek megismételt szimulációkban többmillió cselekvést sajátíthatnak el, és ezek a rendszerek hozzájárulnak a különbségek csökkenéséhez.

A Berlini Technológiai Intézet és a Max Planck Intézet kutatóival együttműködő Korea Egyetemen fejlesztett mélytanuló (deep learning) programnak köszönhetően a Curly nevű curling robot négyből három meccset megnyert a dél-koreai nemzeti válogatott játékosai ellen.

A jég az egyik legnehezebben szimulálható környezet, és mivel a gépnek környezetével fizikai interakciókat kell folytatnia, azaz a szimulációból a valóságba való problémamentes átmenet miatt Curly esetében még nehezebb volt. A jég minden egyes dobással változik, tehát a robotot úgy kellett betanítani, hogy megítélje a nem ellenőrzött környezet változásait, és alkalmazkodjon hozzájuk.

Megerősítéses mélytanulást használtak hozzá, a rendszer próba-hiba alapon segítette a gépet a bizonytalanságok kezelésében. Minden egyes dobásból okulva, a következőn már javított.

A mélytanuló rendszert korábban fejlesztett stratégiai tervezőmodellel kombinálva, a mesterségesen intelligens robot képes volt legyőzni humán curling specialistákat.

Egy humán csapat három személyből áll, Curly viszont csak két robotot használt, söprögetőt nem. Az egyik, a kapitány a stratégiával foglakozott, a másik dobálta a köveket. Kommunikáltak egymással: hibás dobásokat azonosítottak, a jég változásaihoz való alkalmazkodásra dolgoztak ki stratégiát, és persze az ellenfél lépéseit is figyelembe vették.

A fejlesztők bizakodnak, hogy mélytanuló rendszerüket sok komplex „valódi” alkalmazásban, például drónok navigálásához vagy az ércbányászatban használhatják. Olyan esetekben lehet különösen jó, amikor a környezet változik, a szenzorikus adatokból viszont nem észlelhetők a pontos körülmények.

Az Amazonhoz tartozó, okos kapucsengőjéről ismert biztonsági cég, a Ring bemutatta „Mindig Otthon Kamera” (Always Home Cam) nevű pici drónját. A gép otthonunkban repdes, és közben mindent felvesz.

A 2021-től megvásárolható 250 dolláros drón magától száll fel, „őrjáratozik” a lakásban, majd a töltőállomáson landol. Elvileg arra szolgál, hogy mindenkit rögzítsen, aki belép, betör a lakásba, csakhogy problémákat is felvet, például tevékenysége akár személyiségi jogokat (privacy) sérthet, ráadásul ha félre akarunk vonulni, egyedül akarunk lenni, nem pont ilyen társról álmodunk.

Jamie Siminoff, a Ring alapítója és „feltalálója” elmondta, hogy a gép rendeltetése a felhasználó otthonának több látószögből, nézőpontból történő megjelenítése. Nincs hozzá szükség több kamerára, és Siminoff szerint ez a nagy előnye.

Cége az elmúlt két év nagy részét az Always Home Cam fejlesztésével töltötte, és közben komoly nehézségekbe ütköztek, mert a feltaláló elmondása alapján nagyon bonyolult ilyen gépet építeni. Szerencsére a dróntechnológia eljutott arra a szintre, hogy a rendszer pont olyanra sikerült, amilyennek megálmodta.

A gép teljesen autonóm, tulajdonosa viszont megszabhatja neki a bejárható területeket, hogy milyen irányba és hova mehet a lakásban. Amikor először használjuk, kidolgozunk neki egy térképet az útvonallal, és a jövőben azt fogja követni. Meghatározhatunk speciális nézőpontokat, például a konyháét, a hálószobáét stb.

Tetszés szerint reptethetjük, amikor akarjuk, de akár be is programozhatjuk, hogy akkor aktiválja magát, ha a Ring kapcsolódó figyelmeztetőrendszere valamilyen rendellenességet észlel.

A töltőállomás blokkolja a kamerát, ami kizárólag repülés közben készít felvételeket. A Ring elmondta, hogy ha repül a drón, jól hallható hangot ad ki, tehát tudjuk, mikor rögzít valamit. Egyszerű, de fontos dolgokra használható – például látja, ha a sütőt nem kapcsoltuk ki, ha az ajtót nem zártuk be (és nem vagyunk otthon) stb. Akadályelkerülő technológiát integráltak bele, így az útjába kerülő tárgyakat elkerüli, és a házikedvenceknek, kutyának, macskának, nyúlnak, papagájnak, illetve személyeknek sem árt.

A világ legnagyobb videostreaming szolgáltatója, a YouTube által ajánlott mozgóképanyagok milliókat befolyásolnak, informálnak, vagy éppen félretájékoztatnak. A fogyasztók által létrehozott dezinformáció-cunamiban a szolgáltatónak egyre nehezebb elérnie, hogy ajánlóalgoritmusai ne veszélyes hazugságokat promótáljanak.

Ezekkel az algoritmusokkal a cégnek többször meggyűlt már a baja.

2019-ben kiderült, hogy fürdőruhás gyerekeket ábrázoló videókat ajánlottak előtte pont felnőtt tartalmakat néző felhasználóknak. Szintén tavaly állapították meg, hogy a rendszer nem értékesít hirdetéseket a címben a „meleg” vagy a „leszbikus” szót tartalmazó, szexuálisan viszont nem explicit videókon, és az alkotók így bevételektől esnek el.

Miután az Egyesült Államok Igazságügyi Minisztériuma közzétette vizsgálati anyagát Donald Trump és Oroszország 2016-os elnökválasztás előtti kapcsolatairól, a YouTube egyik korábbi mérnöke megállapította, hogy a vizsgálat alatt a videomegosztó ajánlóalgoritmusai az orosz kormány által finanszírozott Russia Today videóit javasolták a felhasználóknak.

Az ellentmondásos megítélésre reagálva, a YouTube összeesküvés-elméleteket, egészségügyi dezinformációt és a közre más potenciálisan ártalmas tartalmakat kiszűrő osztályozót fejlesztett.

A napi egymilliárd órás nézettséget elérendő, a YouTube néhány éve úgy dolgozta át ajánlóalgoritmusait, hogy a sokat nézett és kommentelt videók legyenek a találati lista elején. A változtatás „mellékhatásaként” az algoritmusok gyakran szélsőséges, sértő és félretájékoztató anyagoknak is kedveztek.

A pornográfiát és erőszakot tartalmazó videókat a rendszer azóta automatikusan felismeri és törli. De csak az ezeket a szabályokat megszegőket, míg a szabályokat betartók, például az összeesküvéselméletes anyagok simán átmennek a rostán, kiszűrésük sokkal nagyobb kihívás. Az új fejlesztéssel ennek az állapotnak igyekeznek véget vetni.

A videókat a közzététel előtt megtekintő személyek kérdőívet kapnak. Olyan kérdésekre kell válaszolniuk, hogy találtak-e bennük másokat támadó vagy határesetnek számító tartalmakat, például összeesküvéselméleteket, városi legendákat, a tudományos konszenzusnak ellentmondó kinyilatkoztatásokat stb.

A YouTube mérnökei a válaszokat számítógépek számára olvasható címkékké alakították, az osztályozót ezen a folyamatosan bővülő adatsoron gyakoroltatták. Meg is tanulta, hogyan ismerje fel a problémás anyagokat.

Új videó esetén, pontozza az extrémitást. Az ajánlóalgoritmusok a pontszámot a többi paraméterhez adva döntik el, hogy az anyag megjelenhet a keresési találatok listáján, vagy sem.

A rendszer eddig jól vizsgázott: az összeesküvéselméletek és más hasonló tartalmak nézettsége 70 százalékkal csökkent.

A problémakör azonban jóval összetettebb, mint tűnik. Mindig veszélyes lehet, ha egy vállalat vagy bármilyen szervezet tartalmak igazságosságáról vagy társadalmi hasznosságról dönt. Ugyanakkor az általa szolgáltatott tartalmak moderálás nélkül sem juthatnak el a fogyasztókhoz. A Covid-19, a klímakatasztrófa és más válságok korában nagyon fontos, hogy a nagy internetes cégek megállítsák a kamuhírek terjedését.

Adatközpontok hatékony működéséhez folyamatosan növelni kell a hagyományos munkamenetet biztosító CPU-k (központi feldolgozó egységek) és a mélytanulást (deep learning) feldolgozó GPU-k (grafikus feldolgozó egységek) teljesítményét.

A központok működtetői nagyra értékelnék a CPU-k és a GPU-k együttműködését, az interoperabilitást segítő megoldásokat. Ez az oka, hogy a hagyományos CPU-gyártók, mint például az Intel és az AMD GPU-fejlesztéssel is foglalkoznak, és egy tervezett monumentális akvizíció szintén ebbe az irányba mutat.

A Nvidia már 1999-ben nagyfelbontású játékgrafikákat feldolgozó GPU-kat fejlesztett. Közel egy évtizeddel később rájöttek, hogy processzoraikban óriási lehetőségek rejlenek mélytanulás-modellek gyakoroltatására. A mára a világ elsőszámú GPU-értékesítőjévé vált cég értéke azóta a tízszeresére nőtt.

A növekedés hamarosan még masszívabb lehet, mert a Nvidia bejelentette, hogy szándékában áll a brit Arm chipfejlesztő felvásárlása. Ha összejön, a 40 milliárd dolláros tranzakció a félvezetőipar legnagyobb akvizíciója, minden idők egyik legnagyobb technológiai üzlete lesz.

A Nvidia megoldásait az MI-munkamenetekre fenntartott felhőszámítási (cloud computing) infrastruktúra túlnyomó többségében, míg az Arm technikáját az okostelefonok 95 százalékában használják.

A Nvidia az Arm energiahatékony tervezését igyekszik majd adatközpont-chipjeibe integrálni. A brit cég technológiáját akarja a dolgok internetére (Internet-of-Things, IoT) – az ember nélküli, okos berendezésekből, kütyükből álló internetre – is alkalmazni, amellyel az IoT terjedési üteme jócskán felgyorsulna.

Jensen Huang, a chipgyártó vezérigazgatója elmondta, hogy a hálózat mesterséges intelligenciával felvértezett eszközökből állna, és szinte bármilyen feladatot képes lenne elvégezni. Kiemelte még, hogy bővítenék az Arm licencgyakorlatát, és lényegében a brit vállalat technológiáját bérlő bármelyik cég  az Nvidia GPU-ihoz és mesterségesintellgencia-szolgáltatásaihoz is hozzáférne.

Ha sikerül, és az Arm energiahatékonyságát és a Nvidia-chipek számítási felhőben játszott szerepét valóban közös nevezőre hozzák, hamarosan eljöhet a többtrillió paraméteres modellek ideje.

A felvásárlás azonban nem ígérkezik egyszerűnek, rengeteg nemzetközi szabályozást kell figyelembe venni hozzá. Az Arm társalapítója, Hermann Hauser máris jelezte: mindent megtesz az üzlet meghiúsításáért. Szerinte a Nvidia monopolhelyzetbe kerülne a chipiparban.

Az 1962-ben alapított, 27 országban, közel 12 ezer boltban, 56 név alatt működő amerikai multinacionális Walmart a világ egyik legnagyobb kiskereskedelmi cége. A bevételeket tekintve, 2019-ben vezette a Fortune Global 500 listát, és 2,2 millió személyt alkalmazott világszerte.

A vállalat nyitott a csúcstechnológiákra, mesterséges intelligenciára, robotokra, gépi tanulásra és másokra. A napokban újfent a drónos házhozszállítást teszteli – eddig is foglalkoztak vele, de most szomorú aktualitású teljesen más terméket visznek a megrendelőhöz: koronavírus-tesztet.

Korábban élelmiszereket és nélkülözhetetlen háztartási cikkeket szállítottak a vásárlóknak. Egészségügyi és wellness-termékek drónos házhoz vitelét szintén tesztelték már.

A Covid-19 csomagot a Walmarttal partnerségre lépett Quest Diagnostics fejlesztette, és az ember nélküli légi járműves szállítással az érintés nélküli fizetést, a kapcsolat nélküli kereskedést erősítik, és persze ügyfélkörüket is bővítenék a járvány sújtotta valóságban.

A drónokat a DroneUp szolgáltatja, az első tesztszállításra kedden, Las Vegasban került sor, októbertől pedig a New York állambeli Cheektowagában szintén drónok viszik a helyi Walmart központoktól maximum 2 kilométeres távolságra lévő házakba a Covid-19 teszteket.  

Elmondták, hogy a járványhelyzet miatt most különösen előnyben részesítik az innovatív, kapcsolat nélküli megoldásokat, új modelleket.

„A csomag az ügyfél házának felhajtóján, elülső járdáján vagy a hátsó udvaron landol, annak függvényében, hogy hol vannak járművek és fák. Nincsenek szállítási költségek. Mihelyst megérkezik, az ügyfél otthonában, kényelmes körülmények között elvégzi az orrtesztet, majd a mintát az előre fizetett szállítási címkével visszaküldi a Quest Diagnosticsnak” – magyarázza Tom Ward, a Walmart egyik igazgatóhelyettese.

A teszttel együtt természetesen kimerítő használati útmutató is érkezik, hogy a megbízható végeredmény érdekében, az illető szakszerűen tudja használni.

Egészségügyi termékek, köztük gyógyszerek és orvosi műszerek drónos szállításával a cég riválisai, például az Amazon, a CVS Health és mások is kísérleteznek.

„Rengeteget tanulhatunk a drónok munkájából, hogy megállapítsuk, milyen szerepet játszhatnak a járvány elleni küzdelemben. Reméljük, segítenek a kapcsolat nélküli Covid-19 tesztek számának növelésében” – összegez Ward.

A kanadai Toronto Egyetem és a pittsburghi CMU (Carnegie Mellon University) kutatói mesterséges intelligenciával gyorsítják fel a széndioxid-veszteség újrahasznosítását, a széndioxid etilénné alakítását, ami egyébként 60 milliárd dolláros globális üzlet. Hatékony katalizátorokat, anyagkombinációkat keresnek hozzá.

Az eddigi eredmények bíztatók. Ha a rendszer szél- vagy napenergiával működik, az elektromosság jobban tárolható, a szénkinyerés és a tiszta energiák raktározása is javul.

A kutatók már eddig is több világszintű katalizátort fejlesztettek, amelyekkel csökkenthetők a széndioxid etilénné és más szénalapú molekulává alakításának a költségei. A többmillió potenciális anyagkombinációból még jobbak kikísérletezése a cél, csakhogy ennyit manuálisan letesztelni lehetetlen, elképesztően időigényes lenne.

Gépi tanulással viszont drasztikusan felgyorsítható a keresés. Számítógépes modellekkel és adatokkal, algoritmusok hamar kiszűrik a rossz kombinációkat, és már ezzel előrejelzik a lehetséges megoldásokat.

A tiszta energia mesterséges intelligenciával történő kutatása egy 2017-es kanadai konferencia után gyorsult fel, amelyen a CMU-n nanoanyagok számítógépes modellezésével foglalkozó csoportot vezető Zachary Ulissi is részt vett.

Zachary és munkatársai működő adatsorokkal rendelkeznek potenciális katalizáló anyagokról, tulajdonságaikról és vegyi reakcióiról. A széndioxid etilénné alakításáról viszont nincsenek adatsoraik, ezért más kreatív megoldást kellett kitalálniuk.

Az általuk fejlesztett algoritmusok gépitanulás-modellek kombinációival és aktív tanulással dolgozva, az anyag részletes modellje nélkül jelzik előre, hogy egy adott katalizátor milyen típusú terméket generálhat.

Az algoritmusok több mint 240 anyagból szűrtek ki 4 ígéretes opciót, míg a legjobbnak egy réz-alumínium ötvözet bizonyult, és nanoléptékű lyukacsos szerkezetet alakítottak ki belőle. Réz és alumínium többféleképpen össze tud kapcsolódni, és mindegyik hasznosnak tűnik.

A katalizátort elektrolizáló műszeren tesztelték, és rekordteljesítményt nyújtott. A kutatók szerint az energiaköltségeket azonban tovább kell csökkenteni az etilén előállításához. Az újabb kutatások erre fognak összpontosítani.