Az ETH (Eidgenössische Technische Hochschule) Zürich kutatói komoly rést találtak az érintés nélküli fizetéshez használt EMV (Europay, Mastercard, Visa) szabványon.

Az érintés nélküli kártyák rendkívül népszerűek. Ha keveset kell fizetnünk, gyorsan és a koronavírus sújtotta valóságban egészségügyi kockázat nélkül rendezhetjük velük a számlát. Nagyobb összegekhez viszont biztonsági kódra van szükség.

E tranzakciók zöme a világszerte kb. 9 milliárd kártyára érvényes, még az 1990-es években kidolgozott, azóta többször megújított EMV-szabványon alapul.

Más biztonsági szakértők eddig is találtak rajta támadási felületeket, az ETH szakértőinek munkája eggyel növelte a rések számát.  

A Visa által használt protokoll kritikus hézaga a PIN-kódot nagyobb összegű vásárlások során hatástalanítja, nem lehet bepötyögni, pedig akkor elvileg kötelező. A rés miatt csalók súlyosan visszaélhetnek elveszett vagy ellopott kártyákkal – pénzt emelhetnek le a tulajdonos számlájáról.

Más protokollal működő kártyákat (Mastercard, American Express, JCB) értelemszerűen nem fenyegeti ez a veszély. A Visához hasonlót használó Discovert és Union-Pay-t viszont igen.

A kártyák sérülékenységét tesztelendő, a kutatók androidos appot fejlesztettek, és telepítettek két NFC-s (készülékek között rövid hatótávú kommunikációt biztosító szabvány) okostelefonra. A telepítéshez az Android egyik biztonsági funkcióját sem kellett kikerülni, hatástalanítani.

Az NFC-t kihasználva, mindkettő olvassa a kártya chipjén található adatokat, és információt cserél a fizetésterminállal. Az első telefon leszkenneli a szükséges kártyaadatokat és továbbítja azokat a másodiknak. A második ekkor – fizetéskor – PIN-kód megadási utasítás nélkül leveszi az összeget a számláról. Amikor az app elismeri, hogy az aktuális vásárló a kártya engedélyezett használója, az eladónak fogalma sincs az igazságról. Az app kijátssza a kártya mögötti biztonsági rendszert. Az összeg ugyan túl van a limiten, és PIN-kód kellene hozzá, de mégsem kérik.

A hackelés tehát működik, viszont öröm az ürömben, hogy egyelőre bonyolult folyamat.

A kutatók értesítették a Visát, és egyben megoldást is javasoltak: a protokollt három helyen kell megváltoztatni, és a következő szoftverfrissítésnél, ezeket már be is lehet integrálni a fizetésterminálba.

A játéktörténelem egyik legendás konzolját, a Nintendo által tervezett és gyártott 8 bites Game Boy-t Japánban 1989 áprilisában, az Egyesült Államokban három hónappal később, Európában 1990 szeptemberében forgalmazták. A Game & Watch után, a cég második játékkonzolja óriási sikert aratott.

Az eredetit csak szürkében árulták, aztán megjelent a Game Boy Color modell is. Összesen 118,69 millió darabot adtak el belőlük.

Három évtizeddel később, a holland Delfti Műszaki Egyetemen, közel egyéves fejlesztést követően, kutatók előálltak az első elemmentes Game Boy-jal. A konzol az eredeti teljesen hiteles utánzata, egyetlen, de alapvető különbséggel: AA elemek helyett a kézi játékrendszert teljes egészében kicsi napelemek és a felhasználó gombnyomogatásával keletkezett energiák működtetik.

A Game Boy anno forradalmasította a mobil játékot. Az új változat fejlesztői hasonlóban, az elem nélküli technológia forradalmában bíznak, munkájuk pedig a változások egyik úttörője lehet.

Az új eszköz neve Engage, és egyelőre még nem lehet vele úgy játszani, mint az eredetivel, pedig a klasszikus konzol teljes játékkönyvtárát használhatjuk hozzá. Az ok: nagyon korlátozott energiaellátásához parányi képernyő kell, hangfalak nélkül, és folyamatos gombnyomogatás nélkül csak pár másodpercig működik, aztán elhal.

„Tényleg nagy ugrást teszünk az időszakos számításokon alapuló hasznos és használható rendszerek felé” – jelentette ki Przemyslaw Pawelczak, az egyik fejlesztő.

Az időszakos számítások (intermittent computing) az extrémalacsony fogyasztást biztosító, az energiát (rádióhullámokat, rezgéseket, napfényt stb.) a környezetből gyűjtő eszközökkel jelent meg. Alkalmazások viszont csak ideig-óráig, pontosan addig működnek rajtuk, amíg el nem fogy a szükséges energia. Innen származik az elnevezés.

Az új konzolt eleve a korlátozások figyelembe vételével tervezték. Ezért ki is dolgozták, hogy magától mentse le munkáját, pontosan azt az állapotot, amelyben egy-két pillanattal a lemerülés előtt volt. Egyes játékoknak ez nagyon jó, másoknak, amelyekben nem kell gombokat nyomogatni, viszont kevésbé.

Egyelőre nem ismerjük a Nintendo reakcióját. A cég a termékeit ért külső beavatkozásokhoz a múltban szinte mindig negatívan viszonyult.

Az amerikai techóriások milliárdokat fektetnek mesterségesintelligencia-fejlesztésekbe. Egy 2018-as tanulmány alapján a tíz legnagyobb 1998 óta 8,6 milliárd dollárt költött szakterületi startupok felvásárlására. A kutatásokra szintén komoly összegeket áldoznak.

Az Egyesült Államok kormánya eközben úgy látja, hogy MI fegyverkezési versenyben élünk, amelyben az országban rendkívül erős privát szektor kitüntetett szerepet játszik. Egy friss beszámoló alapján csak a versenytársakkal való lépéstartáshoz legalább évi 25 milliárd dollár kellene.

A kormány részéről a Nemzeti Tudományos Alap és a DARPA (a Védelmi Minisztérium Fejlett Védelmi Kutatási Projektek Ügynöksége) kritikus szerepet játszott a gépitanulás-forradalomban. Nagyhatalmak közötti újabb fegyverkezési versenyre azonban egyáltalán nincs szükség, másrészt ez az amerikai kormány a jelenleginél nagyobb szakterületi költését is jelenti.

A Fehér Ház 2021-es költségvetéséből 180 millió dollárt szánnak hét új MI kutatóközpont létrehozására. A kormány részéről a Nemzeti Tudományos Alap, a Mezőgazdasági Minisztérium, néhány ügynökség a finanszírozó, míg a magáncégek közül a Dell, a Facebook és a Netflix 300 millióval száll be.

Az új létesítményekben alapkutatással és ipari alkalmazásokkal egyaránt foglalkoznak majd.

A Texasi Egyetem Gépi Tanulás Alapjai Intézet neve magáért beszél, az MIT (Massachusetts Institute of Technology) leendő központjában az MI-t a fizika fontos problémáira fogják alkalmazni. Az Oklahoma Egyetem intézetében a tervek szerint extrém időjárási előrejelzésekkel, óceánok feltérképezésével és a természetes erőforrások megőrzésével foglalkoznak. Az Illinois Egyetemen két központ is nyílik: az egyikben a gépi tanulást alkalmazzák orvosi felfedezésekre, a másikban a gépi tanulást és látást, és a robotikát a mezőgazdaságra. A Davisi Kaliforniai Egyetemen az MI élelmiszerbiztonságot növelő lehetőségeit tervezik tanulmányozni, a Colorado Egyetemen pedig azt, hogy az MI hogyan segíthet közép- és főiskolás diákokat a tanulásban.

Az amerikai kormány összesen 2 milliárd dollárral támogatja a nem katonai MI-kutatásokat a következő két évben (ebben benne van az említett intézetekre szánt összeg is), amiből 850 milliót jövőre tervez elkölteni. Katonai MI-re 4 milliót irányoz elő ezekre az évekre.

Összehasonlításként, a tagállamok kiadásai mellett, az EU 2018 és 2020 között 1,8 milliárd dollárt költött (és tervez költeni) gépi tanulásra. 2020 és 2022 között például Franciaország ugyanennyit tervez ugyanerre a szakterületre. A kombinált köz- és magánszféra éves uniós költése 24 milliárd dollár.

Kína évi 2 milliárd dollárt költ katonai, 8,5 milliárdot civil MI-kutatásokra. Dél-Korea 1,8 milliárddal számol 2022-ig.  

A Covid-19 miatt sajnos nem lehetett megtartani az idei wimbledoni tenisztornát, a Stanford Egyetem kutatói viszont (talán kárpótlásként) kidolgoztak egy, a sportág legnagyobbjainak meccseit szimuláló modellt. A Vid2Player nevű rendszer természetesen nem ugyanaz, mint az eredeti, de rendkívül szórakoztató és tanulságos.

A rendszer Roger Federer, Serena Williams, Novak Djokovics és más csillagok lábmunkáját, helyezkedését és ütéseit utánozza. A felhasználó kiválasztja a teniszezőt, és ha akarja, irányíthatja, hogy a pályán mikor és hol tartózkodik, vezérelheti a szervák kezdeti ütéseit.

A Vid2Player összességében élethű, de legalábbis realisztikus meccset szimulál.

Három fő részből áll: minden játékoshoz van egy viselkedésmodell, valamint egy klipkereső (ami jelenetek után kutakodik) és egy renderelő. (A renderelés fotorealisztikus, 3D-s megjelenítés, árnyékkal és tükrözéssel.)

A fejlesztők a 2018-as és a 2019-es wimbledoni tornák mérkőzéseiből, ott felvett annotált adatsorokból a játékosokat ábrázoló kétdimenziós bitkép-grafikákat szedtek ki.

Minden egyes pixelt speciális programmal társították össze a videók képkockáival, például a teniszezővel és ütőjével. Ezt követően a pixeleket bitképekké alakították, egy másik szoftver pedig arról gondoskodott, hogy konzisztensek legyenek.

A felhasználónak nem szükséges a játékost manuálisan irányítani, helyette rábízhatja magát a viselkedésmodellekre.

A klipkereső megtalálja a kiválasztott mozdulatokhoz és ütésekhez legjobban kapcsolódó videoszegmenseket, a renderelő modul az adott képet virtuális teniszpályára „varázsolja.” A Vid2Player mindaddig generálja a játékosok mozdulatait, amíg valamelyikük hibázik, nem tudja visszaütni a másik térfelére a labdát.

A játékot kiértékelő öt tenisz-szakértő szerint a Vid2Player élethűbb lett, mint a korábban fejlesztett hasonló rendszerek. A Tennis Real Play és a Vid2Game ugyanúgy adatbázisból merítve, a felhasználó irányítása mellett szimulálják a teniszpályát, viszont egyikben sincs a játékos adott szituációban legvalószínűbb reakcióját kereső modul.

A Vid2Player a rajongók számára eddig elképzelhetetlen mérkőzéseket, például egy Federer-Williams, vagy akár egy Federer-Federer összecsapást is lehetővé tesz.

Az Egyesült Királyság kormánya úgy döntött, hogy egyelőre nem alkalmaznak mesterséges intelligenciákat az egyetemi és főiskolai felvételi alapvizsgáihoz. A jegyeket gépitanulás-algoritmus adta volna.

A koronavírus-járvány miatt felbolydult világban szükség lehetett volna rájuk, végül a tapasztalatok alapján tekintenek el tőlük. Előzetes osztályzataik ugyanis általában alacsonyabbak voltak, mint a tanároké. Londonban feldühödött diákok tiltakoztak is az MI-k ellen.

A kormány végül minden esetben a magasabb pontszámokat fogadta el, azaz kiállt a tanárok mellett.

Az oktatási szervezetek a tanárokat diákjaik megelőző teljesítménye és korábbi vizsgáik alapján történő osztályozására kérte fel eredetileg. A jegyek ezért lettek az átlagosnál jobbak. Utána kidolgozták az algoritmikus modellt.

A modell két inputon alapult: a diákok iskolai teljesítményén, valamint az adott iskola többéves teljesítményén az egész oktatási rendszerben.

A becslések alapján az MI az angliai, észak-ír és walesi diákok 40 százalékának alacsonyabb pontot adott, mint a tanárok. Mindössze 2,2 százalékuk kapott jobb jegyet. Az MI-től gyengébb osztályzatot kapó tanulók általában szegényebb közösségekből kerültek ki.

Egy kétéves felsőoktatási tanulmányokra diplomát adó nemzetközi nonprofit alapítvány a pandémia hatására szintén teljesítményértékelő modellt alakított ki. A szervezet elmondása alapján a modell a tanárok előző évi teljesítményéhez hasonló eredményt produkált. Mindezek ellenére, több mint 15 ezer diák, szülő és tanár a modell újraértékelésére kéri az alapítványt, petícióval is fordultak hozzájuk. Az igazságtalanul alacsony jegyekre hivatkoztak.

Tiltakozásuk érthető, hiszen sok országban ezek a vizsgák döntik el, hogy a diákok folytathatják-e tanulmányaikat a felsőoktatásban. Becsődölő, de akár csak minimálisan hibázó osztályozó/értékelő modelleknek egy egész életre szóló következményei lehetnek.

Ha az algoritmus osztályzata általában pontosabb, előítélet-mentesebb, és külső tényezők kevésbé befolyásolják, mint a tanárt, akkor meggondolandó lenne a használata. Viszont, ha igazságtalanul rosszabb jegyeket ad, szörnyű lenne alkalmazni.

A mai világban mindkettő elképzelhető egy MI-ről, mindkettőre bőven akad példa. Oktatásbeli bevezetésük azonban komoly etikai kérdéseket is felvet, tisztázásukhoz sok vitára lesz még szükség.

A lovak általában nem hordanak kalapot, mint ahogy a generatív ellenséges hálózatok (GAN) sem a programozók utasításait követik. Egy új MIT-s (Massachusetts Institute of Technology) megoldással (GANPaint) viszont bele is nyúlhatunk egy ilyen hálózatba, és kalapot is tehetünk a lóra.

Ideghálók mélyrétegeinek szerkesztésével soha nem látott meghökkentő képek generálhatók.

„Mindegyik GAN komoly művész, viszont csak azt tudják utánozni, amit látnak. Ha közvetlenül átírjuk a szabályaikat, csak az emberi fantázia lesz a határ” – nyilatkozta David Bau, az egyik fejlesztő.

Egy GAN két „ellenséges” ideghálóból áll, együtt próbálnak élethű képeket, hangokat stb. létrehozni. Az egyik, a generátor, megtanulja utánozni a képen látott arcot. A másik, a megkülönböztető, összehasonlítja az újat az eredetivel, majd visszajelez, és az iterációk a hiteles végeredményig folytatódnak.

Döbbenetesen élethű, de teljesen bizarr munkákat is generálnak, minden a megtanult adatsortól függ. Minél több a példa, annál jobb az output.

A kutatók viszont kimutatták, hogy nincs szükség óriási adatsorokra. Ha megértjük a modell „huzalozását”, a rétegeiben lévő számszerűsített súlyok céljaink szerint szerkeszthetők, így pedig megcsinálhatjuk saját magunk adatsorát. Úgy változtatjuk meg a feltételeket, hogy a modell például kalapos lóval álljon elő.

„Mintha egy szentjánosbogár DNS-ét tennénk egy növénybe, hogy világítson a sötétben” – magyarázza Bau.

A GANPaint programmal az idegháló speciális célokat szolgáló mesterséges idegsejtjei ki- és bekapcsolhatók, azaz funkciók tüntethetők el, vagy adhatók hozzá, memóriabankjai pedig átírhatók. Az egyik képből kimásolunk egy fát, majd egy épület tetejére illesztjük. Ezt követően a modell csomó hasonlóval áll elő.

A kutatók szerint az idegháló minden egyes rétege asszociatív memóriaként működik, és ha elég képet táplálunk beléjük például kapukról, megtanulják a funkcióikat. A szabálysorokat memorizálva, jobban értik a világot.

Egy GAN szerkesztésének azonban megvannak a maga korlátai. Az összes, tárgyakhoz, állatokhoz stb. kapcsolódó idegsejt azonosítása nagyon nehéz, ráadásul egyes szabályok megváltoztathatatlanok, hiába próbálkoztak velük, nem sikerült.

A számítógépes grafikában máris alkalmazzák a GANPaint-et, de ritka jegyeket felismerő mesterségesintelligencia-rendszereknél szintén számítanak rá. Segít megérteni, hogy egy GAN hogyan tanul meg vizuális fogalmakat.

A Google és az Apple, a Covid-19-re reagálva, félretette ellentéteit, és a járvány első hónapjaiban közös szolgáltatást (Google Apple Exposure Notification, GAEN) dolgozott ki. Lényege, hogy az app, az anonimitás megőrzésével, a felhasználót fertőzött személyekkel való kapcsolat időpontjáról értesíti.

A fertőzött identitása nem derül ki, az információtovábbítás telefonok között, központi irányító vagy más azonosítható információ nélkül történik. Ha figyelmeztetést kapunk, minél előbb testeltethetjük és házi karanténba tehetjük magunkat.

A két legnagyobb okostelefonos szoftverszolgáltató együttműködésével a szolgáltatás világ lakosságának felét, akár négymillió embert is elérhető.

Egyelőre viszont lassan terjed, veszélyeire pedig máris több tanulmány figyelmeztet. Sebezhető digitális megoldásként írják le, hackerek például elérhetik vele, hogy tömegek ne vegyenek részt választásokon.

A fertőzést hitelesítő kódok ugyanis eltulajdoníthatók, feketepiacon megvásárolhatók, készülékek Bluetoothon keresztül könnyen megtámadhatók, és mivel egyetlen központi hatóság sem látja soha ezeket a kódokat, sokszor és sokat lehet csalni velük, egy fertőzésre vonatkozó jelzést akár ezerszer tovább lehet küldeni, amellyel egészséges emberek bírhatók otthonmaradásra.

Ilyen trükkökkel akár választások is manipulálhatók. A Covid-19 ürügyén célzatosan kiválaszthatunk csoportokat, amelyek aztán tömegesen nem mennek el szavazni, és rögtön másként alakulnak az eredmények.

A protokollt a fejlesztők önhibáján kívül úgy tervezték, hogy a készülék megelőzhetetlen és kideríthetetlen módon széles földrajzi térségben, nagyszámú „hamis pozitív” értesítést elküldhet. Mihelyst megvan a fertőzést jelző kulcs, rosszindulatú mobil app közvetítésével továbbküldhető. A másik megoldás, ha a hacker Bluetooth rádióállomások 1-2 kilométeres körzetében lévő nagyobb csoportosulásokat vesz célba.

Mivel a GAEN-t az anonimitás és a privacy megvédésére (is) tervezték, a rosszfiúk dolga nagyon könnyű. Jó hír viszont, hogy kicsi az esélye, hogy valaki vissza is él a lehetőséggel. A szolgáltatás sebezhető pontját ugyanis (szerencsére) nehéz és kifejezetten költséges kihasználni.

A Google és az Apple elmondta: alkalmazásboltjaik beépített detektáló funkciókkal azonosítják és eltávolítják a malware-eket.

Egy péntek esti rendezvényen Elon Musk beszámolt a Space X-nél és Teslánál kevésbé ismert startupja, a titokzatos, de szintén ambiciózus Neuralink újdonságairól. Ez a cége az emberi agy és számítógép közötti közvetlen interfészt fejleszt.

A demó a Link nevű készülékre, az agyba majd sebészi eljárással implantálható eszköz prototípusára, a koponya kis darabkáját helyettesítő pénzérme-méretű, az agyból információkat kiolvasó elektronikus egységre összpontosított, amelyre szintén mentális úton – elménkkel – írhatunk is.

„Olyan, mint egy Fitbit a koponyában, kicsi vezetékekkel. Bennem is lehetne, és senki nem venné észre” – magyarázza Musk, majd sertéseken végzett kísérletet mutatott be. (A Fitbit magunkon viselhető, tevékenységünket monitorozó kütyüket, köztük okosórát is fejleszt.)

Három sertés közül egybe nem tették be a Linket, egybe igen, a harmadikba pedig korábban implantálták, de már eltávolították belőle.

„Ha úgy döntünk, hogy nem kell, vagy frissített változatot akarunk, el kell távolítani” – folytatta az infokom-guru, majd megmutatta az egyik disznót, egy taposókeréken. Közben látszottak testrészek Link által értelmezett pozíciói is – az agyból sugárzott videoanyag és az állat mozgása nagyjából megegyezett.

Musk meg van győződve, hogy a jövőben nagyon hasznos lehet a készülék. Fájdalommentesen beültethető, komoly agy- és gerincvelő-problémákat orvosolnának vele, de a vakságra, bénulásokra és hallási gondokra is megoldást jelentene.

Startupja robotot is fejleszt. A gép feladata a sebészi munka elvégzése, Linket gyorsan beülteti a felhasználó koponyájába. Ez akár egy óra vagy még kevesebb idő alatt megtörténhet.

„Reggel bemész a kórházba, délután kijössz. Anesztézia nélkül kivitelezhető” – vázolta fel az implantációt.

Eredetileg az orvosi alkalmazásokra összpontosított, de most már úgy látja, hogy Link más területeken, például játékokban is hasznosítható.

A Harvard Egyetem és a Sony parányi sebészrobotot fejlesztett. A gép ötletét és az inspirációt a japán papírhajtogatás, az origami adta, amellyel a legegyszerűbbtől a szuperkomplex szintig, számos forma, köztük állatok, tárgyak, díszek, geometriai alakzatok stb. dolgozhatók ki.

A robot nem nagyobb egy teniszlabdánál, és tömege sem több mint egy közepes méretű pénzérméé. De annak ellenére, hogy pici és vékony, már utánzott sebészeti eljárást, az emberi hajszálnál több mint tízszer vékonyabb retinális ér másolatán dolgozott. Nem tett kárt benne, semmiféle sérülést nem okozott. A teszteken kiderült: a sebészrobot kevesebbet hibázik, és sokkal biztosabb a keze, mint a húsvér kollégáké.  

A kutatás átfogó koncepció része. Lényege, hogy a jövőben robotok végzik a sebészeti folyamatokat. Az ok egyszerű: tevékenységüket jobban kontrollálják, így a munkájuk is pontosabb, mint a humán orvosoké.

Egyelőre persze még távol vagyunk ettől, mert jelenleg a sebészetben ténykedő gépeket mindennek lehet nevezni, csak kicsinek nem – általában az egész műtőt elfoglalják, és ugyan precízek, de ezen a téren is bőven van még hova fejlődniük.

A méret azért fontos, mert az aprólékosabb, egészen részletes munkákhoz kisebb gépek jobban megfelelnek.

A technikát a Harvard Wyss Intézetében kutató Robert Wood laboratóriumában dolgozták ki. Wood és Hiroyuki Suzuki, a Sony mérnöke különleges gyártási eljárást használt.

A speciális laminált anyagból rétegeket helyeztek egymásra, majd lézervágással alakították ki a háromdimenziós formát. A végső forma kb. úgy „ugrik fel”, mint egy képes gyerekkönyvben a széttáruló erdők, kastélyok stb. Egy ennyire komplex formát más technikával túl nehéz, nagyon bonyolult lett volna kivitelezni.

A robot fel- és lefelé történő mozgását, oldalainak forgását, megnyúlását és visszahúzódását három lineáris aktuátor biztosítja. Az egészen kicsi aktuátorokat elektromos impulzusokra formáját megváltoztató, speciális kerámiaanyagból készítették.

A robot mozgásáért egy LED-es optikai szenzor is felel, ő garantálja, hogy a gép tudja, merre megy.

Egy gépitanulás-algoritmus ötven új bolygó létezését fedezte fel. Fejlesztői, az angliai Warwick Egyetem kutatói a NASA „nyugállományba” vonultatott Kepler-missziója és a 2018-ban fellőtt TESS űrteleszkóp masszív adatbázisát használták.

A tudósok bizakodnak, hogy kutatásaikkal a jövő újabb bolygófelfedező és hitelesítő módszereinek készítik elő az utat. Az ismeretlen bolygókat észlelő, létezésüket megerősítő jelenlegi technikák ugyanis könnyen hibáznak. Zajok, háttérben lévő tárgyak okozta interferenciák, vagy egyszerű kamerahibák egyaránt megzavarhatják őket.

A kutatók az ismert (és hitelesített) bolygók és a hamis pozitívok közötti különbségekre tanították meg az algoritmust, majd egy különálló adatsorra szabadították. Abban fedezett fel ötven új bolygót, de a felfedezést még hitelesíteni kell.

A csillagászat történetében ez az első alkalom, hogy mesterséges intelligencia „talál rá” planétákra.

„Algoritmusunk lehetővé teszi, hogy ötven jelöltet valódi bolygóvá értékeljünk fel” – jelentette ki a kutatást ismertető tanulmány elsőszámú szerzője, David Armstrong fizikus.

Az új égitestek mérete változó – egyesek nagyobbak a Neptunnál, mások viszont a Földnél is kisebbek.

„Ahelyett, hogy megmondanánk, melyik jelölt valószínűleg bolygó, meg tudjuk állapítani a pontos valószínűségét ennek a ténynek. Ha 1 százaléknál kisebb az esélye, hogy a szóban forgó égitest hamis pozitív, akkor hitelesített bolygóként tekintünk rá” – magyarázza Armstrong.

Az algoritmus, nemcsak döbbenetesen hatékony, hanem rendkívül gyors is, automatizált munkáját szélsebesen elvégzi. Armstrong elmondta, hogy még sok időt kell eltölteni a gyakoroltatásával, viszont miután elvégezték a „tréningeket”, sokkal könnyebb vele dolgozni, tudását lényegesen egyszerűbb lesz jövőbeni jelöltekre alkalmazni.

„Reméljük, hogy az algoritmus jelenlegi és jövőbeni küldetések, mint például a TESS és a PLATO rengeteg mintájával szintén fog tudni dolgozni” – összegzett Armstrong.

A PLATO űrteleszkópot 2026-ban tervezik munkába állítani.