Az egészségügytől a szórakoztatóiparig, egyre több és meglepőbb területen hasznosítják a mesterségesintelligencia-kutatás vívmányait. Talán már meg sem lepődünk azon az újságon, hogy az MI „slágerdiszciplínája”, a gépi tanulás sok más hasznos alkalmazás mellett például az ópiátfüggőség leküzdésében és akár a drogfüggőség megelőzsében is segít(het).

Az amerikai Drogos Visszaélések Nemzeti Intézete szerint az országban 2 millió az ópiátfüggők száma, és naponta kb. 130-an halnak meg túladagolásban (óverdózis).

Tim K. Mackey, a Kaliforniai Egyetem kutatója ópiátokkal kereskedő, magyarán drogokat árusító személyeket közösségi médiumokban – Instagram profilon keresztül – azonosító ideghálót fejlesztett.

Mackey korábbi kutatásaiban az Instagramot drogkereskedők kedvelt platformjaként azonosította. Munkacsoportja összegyűjtötte az ópiátokat megemlítő bejegyzéseket, és manuális módszerekkel megállapították: a posztok közül 12857-ben eladásra kínáltak fel drogokat.

A kutatók az adatok felét a modell begyakoroltatására használták fel. A droghirdetésekhez kapcsolódó nyelvezetet kellett megismernie, azonosítania, lényegében bele kellett tanulnia a munkájába.

Az adatok másik felével a modellt hitelesítették.

Az ideghálónak 267 egyedi felhasználó által posztolt 1228 hirdetést sikerült azonosítania. A korábbi random megoldásokat, döntésfákat szupport vektor gépeket és azonosításra használt más mesterségesintelligencia-módszereket túlszárnyalva, 95 százalékos pontossággal, azaz szinte teljesen megbízhatóan dolgozott.

Az eredményeket látva, az Egyesült Államok egészségügyi minisztériuma szerződést kötött Mackey-vel. A szerződés értelmében a kutató a Redditre, a Tumblir-ra és a YouTube-ra is alkalmazza a módszert, illetve bűnüldöző ügynökségeknek dolgoz ki a közösségi média hírfolyamainak valósidejű monitrozására alkalmas platformot.

Az online árusítás azonban csak kis részét teszi ki az Egyesült Államokban folyó illegális drogkereskedelemnek. Az idegháló nyilván segít kisebb halak elfogásában, de a folyamatos ellátást biztosító kartelleknek aligha fog ártani, mint ahogy az USA (egyébként teljesen értelmetlen) drogháborújában sem fog komolyabb szerepet játszani.

Tudományos-technológiai szempontból viszont kifejezetten izgalmas fejlesztés.

Tanárok valószínűleg nem örülnek a következő állításnak, de az állítás az érthető idegenkedés ellenére is igaz – dolgozatoknál néha akkor adjuk a legjobb válaszokat, ha egyszerűen lemásoljuk a szomszédét.

A Facebook mesterségesintelligencia-fejlesztő csoportja és a Stanford Egyetem kutatói új nyelvimodell-keretet dolgoztak ki ilyen jellegű, kontextuális előrejelzésekre. Jelen esetben befejezetlen, hiányos mondat következő szavára való következtetést értik előrejelzésen. A kNN-LM nevű algoritmust a gépi tanulásban bevett módszerrel, gyakorlóadatokon trenírozták hozzá.

A probléma lényege, hogy egy modellnek egyelőre sokkal könnyebb két hasonló jelentésű mondattöredéket azonosítania, mint a mondatokat (helyesen) kiegészíteni, befejezni.

Ha adott a mondattöredék, és az MI-nek meg kell mondania a következő szavakat, akkor a töredékhez hasonló mondatokat keres a gyakorlósorban, és az általa talált példákat használja majd a következtetéshez. (Lényegében, lelesi, hogy a szomszédok mit írtak.)

A modell például a „Dickens írta a ...” kezdetű mondatot úgy fejezheti be, hogy „Dickens írta a Twist Olivért.” A gyakorlóadatok alapján az MI tudja, hogy a „Twist Olivér” helyes válasz lehet.

A fejlesztők előzetes gyakorláson átesett modellt javasolnak, a gyakorlómondatok vektoros megjelenítésével, míg a tesztmondatok elemzésénél algoritmus kombinálja össze az információkat. A megközelítés minden előzetesen trenírozott nyelvi modellel működik, a legtöbb kísérlethez azonban speciális hálózatokat használtak.

Első lépésben a kNN-LM a gyakorlósor összes mondatához vektoros megjelenítést generál, majd az új input mondathoz megkeresi ugyanezen vektorok legközelebbi („szomszédos”) megjelenítését. Minél közelebbi egy gyakorlóvektor az inputhoz, annál magasabb pontszámot ér el („jobban súlyozódik”) a gyakorlószekvencia következő lépésében. A nyelvi modell az input következő jegyét előre is jelzi.

Ezt követően az MI végső következtetéséhez a legközelebbi vektoros és a modell általi előrejelzést egyaránt figyelembe veszi. Különleges mérés minősíti, hogy mennyire ragaszkodik az egyikhez, illetve a másikhoz.

AWikipédia-szócikkeken tesztelt algoritmus 10 százalékkal jobban teljesített, mint az eddigi legmodernebb nyelvi modellek. A modell jelenlegi gyengéje, hogy hatalmas számítási kapacitásra van szüksége.  

Szakemberek évtizedek óta fejlesztenek online csevegő robotokat, internetes beszélgető ágenseket, de az általános tapasztalatok alapján még a legmodernebb mai chatbotokkal is problémás a kommunikáció – kérdéseinkre gyakran adnak vagy értelmetlen, nonszensz, vagy teljesen általános, mindenre ráhúzható, semmitmondó válaszokat. (A beszélgető ágensek leggyakrabban internetes vásárlásoknál hivatottak segédkezni.)

Az infokom és különösen a mesterségesintelligencia-kutatás sok más területéhez hasonlóan, a Google csevegő botok fejlesztésében is próbál élen járni, és legújabb chatbotjuk (a cég állítása szerint) a teszteken az összes többinél, azaz valamennyi konkurensnél jobban teljesített.

A mamutvállalat új mérést is használ, amelyet speciálisan mesterséges intelligenciák beszélgetőkészségének a vizsgálatára találtak ki.

A Meena nevű botot egyedi módszerrel úgynevezett érzékenység és specifikálás átlaggal (Sensibleness and Specificity Average, SSA) mérik. Az új mértékegység kidolgozásához a Google embereket kért fel, hogy 100 szabadon választott beszélgetést folytassanak Meenaval és több más nem egyetlen témára szakosodott chatbottal.

A 40 milliárd szón gyakorolt bot minden egyes válaszát követően, a humán félnek a válasszal kapcsolatos két kérdésre kellett felelnie. A beszélgetések minimum 14. maximum 28 kérdés-feleletből, vagy közlés-reakcióból álltak.

Az első arra vonatkozott, hogy a válasz logikus volt-e, passzolt-e a beszélgetés kontextusához. Amennyiben igen, a következő kérdés így hangzott: „Speciálisan a beszélgetéshez kapcsolódott-e?” Utóbbi azért fontos, hogy kiszűrjék az általános válaszokat. Például, ha a humán partner azt írta, hogy szereti a teniszt, amire a chatbot azt felelte, hogy „ez jó”, a választ „nem specifikusnak” címkézték.

A Google kiszámolta, hogy egy átlagember 86 százalékban teljesíti az SSA követelményeit. A kutatás során vizsgált többi chatbot 31 és 56 százalék között teljesített, míg Meena 79 százalékot ért él.

A számok azt jelzik, hogy a Google beszélgető ágense az összes riválisnál közelebb került az emberi szinthez.

A mesterségesintelligencia-megoldások közül jelenleg az arcfelismerés a legvitatottabb, legtöbbet támadott technológia. Sokan annyira veszélyesnek tartják, hogy egyszerűen betiltanák.

A közeljövőben további heves viták várhatók, mert az új technika nagyon megosztja a közvéleményt, és a témakörben rendkívül nehéz a racionális érveket és ellenérveket egyaránt figyelembe vevő, szenvedélymentes, objektív döntést hozni.

Legutoljára egy ír egészségügyi intézmény terve gerjesztett élénk érzelmi hullámokat.  

A dublini St. James kórház ugyanis arcfelismerő biztonsági kamerák felállítását tervezi egy, gyermekek számára épülő új létesítményben. A nagyon sokakban aggályokat keltő döntést azzal indokolták, hogy a technológia megvédi a gyerekeket a potenciális emberrablóktól.

Az arcfelismerés jobban segíti a csecsemőket védő kórházi biztonságiakat vagy a bűnüldözést, mintha kizárólag jól bejáratott CCTV-kamerákat és felvételeket használnának.

A polgári jogokat védő aktivisták viszont a gyerekek és hozzátartozóik személyes szférájának (privacy) veszélyeztetését látják a technológiában.

Az ügy ezen a ponton világpolitikai színezetet is kapott, mert a Polgári Jogok Ír Tanácsának felháborodását tovább növelte, hogy a döntés értelmében a létesítményben a kínai Hikvision cég által tervezett, az Egyesült Államok szövetségi épületeiből száműzött kamerákat fognak installálni. (Sokak meggyőződése, hogy a távol-keleti ország MI-fejlesztései – részben – a nyugati világ kontrollálását célozzák.)

A vita hevében a Dublini Városi Önkormányzat gyorsan visszakozott. Kijelentették, hogy még egyáltalán nem biztos az arcfelismerés alkalmazása, és a biztonsági kamerák pedig akkor is rendeltetésszerűen működnek, ha a megfigyelés funkciót nem kapcsolják be rajtuk.

Egyelőre van idejük mérlegelni, aztán dönteni, mert a létesítmény csak 2023-ban nyílik meg.

Az életet könnyű felismerni – mozog, növekszik, táplálkozik, ürít, szaporodik. Biológusok gyakran használják az ezekre a tevékenységekre utaló MRSGREN (movement – mozgás, respiration – lélegzés, sensitivity – érzékelőkészség, growth – növekedés, reproduction – szaporodás, excretion – ürítés, nutrition – táplálkozás) szóösszevonást.

Felismerni valóban egyszerű, definiálni viszont nem. Tudósok, filozófusok évszázadok, évezredek óta vitáznak róla, és legalább száz meghatározás ismert. Ráadásul előfordulhatnak nem ismert létformák is.

Az első brit űrhajós (és a londoni Imperial College vegyésze), Helen Sharman szerint például földönkívüliek nemcsak léteznek, hanem akár közöttünk is élhetnek, úgy, hogy észre sem vesszük őket.

Az asztrobiológus Samantha Rolfe, az Egyesült Királyság Bayfordbury csillagvizsgálójának főmérnöke részletes tanulmányban válaszolt Sharman kijelentésére.

Ha az űrhajósnak igaza van, és a földönkívüliek köztünk élnek, legvalószínűbb, hogy mikroszkopikus „árnyék bioszférában” léteznek – állítja.

„Szellemvalóságot értek rajta, felfedezetlen lényekkel, akik valószínűleg más biokémiai felépítéssel rendelkeznek. Ez egyben azt is jelenti, hogy nemcsak tanulmányozni nem tudjuk, hanem észre sem vesszük őket, mert létezésük túlmutat az emberi felfogóképességen, képtelenek vagyunk értelmezni őket” – magyarázza Rolfe.

A kutató szerint ellentétben a Homo sapiensszel és az általunk megszokott összes más szénalapú létformával, a láthatatlan alienek szilícium-alapú biokémiával rendelkezhetnek.

Rolfe elmondta, hogy több kutatócsoport vizsgálja az alternatív biokémiai lehetőségeket. Egyikük, a Kaliforniai Technológiai Intézetben (CalTech) sikeresen összekapcsolt élő sejteket szilíciummal. Ha a szilíciumot a Földön életre tudjuk kelteni, akkor esély van rá, hogy máshol természetesen kifejlődhettek szilícium-alapú életformák. Ezek az életformák meteoriton kerülhettek a bolygónkra.

„Bizonyítékokkal rendelkezünk azzal kapcsolatban, hogy életet képező szénalapú molekulák meteoritokon érkeztek a Földre. Ezek a bizonyítékok pont nem zárják ki azt a lehetőséget, hogy más, sokkal kevésbé megszokott létformák ugyanígy érkezhetnek a bolygóra” – vonja le a következtetést az asztrofizikus.    

Egyedi idegsejtek és nagy idegsejthálózatok számítási jellemzőinek jobb megértéséhez, a kísérleti eredmények értelmezéséhez elengedhetetlenek a többezer szinapszisból álló (nagyon komplex) modellek. Szimulálásuk viszont költséges, mert rengeteg számítási kapacitás és idő kell hozzájuk, és mindezek a tényezők megkérdőjelezik a hasznosságukat.

A Lausanne-i Szövetségi Műszaki Főiskola (EPFL) és a Jeruzsálemi Héber Egyetem kutatói éppen ezért, Neuron_Reduce nevű számítógépes eszközt fejlesztettek, amellyel lényegében mindenféle idegsejtmodellt igyekeznek áramvonalasabbá tenni.

Az eszköz azért lehet rendkívül hasznos, mert egyrészt megmaradnak a sejtek bejövő-kimenő (input-output) tulajdonságai, másrészt a szimulációkat jelentősen (minimum 40-szer, maximum 250-szer) felgyorsítja.

Leegyszerűsítve: a modellek komplexitását legfőbb jellemzőik (funkcióik, számítási adottságaik) megtartásával csökkenti.

Az új „csökkentett” modellek átmenetet jelentenek az apró részletekig kidolgozott (főként kísérleti célokra használt) és a részleteket sokszor figyelmen kívül hagyó (ezért elnagyolt, időnként pontatlan eredményekhez vezető) egyszerű megoldások között. A gyorsulás oka, hogy a modellekkel drasztikusan csökken a számítási idő, és kisebb tárolási térre van szükség.

A Neuron_Reduce elemző eszköz egyedi (többhengeres) csökkentett megoldást ajánl komplex nemlineáris idegsejt-modellekhez.

„A számítógépes megközelítések alkalmazásakor, először az egér és végül az ember agyánál bármiféle újítás jól jöhet ahhoz, hogy a számítások kivitelezhetők legyenek: következőgenerációs komputerek, szimulációs szoftverek és modellező formák, mint például a Neuron_Reduce. Utóbbi nemcsak hatékonyabb numerikus szimulációkhoz, hanem ma még kivitelezhetetlen új neuromorfikus hardveradaptációkhoz is használható” – magyarázza Felix Schürmann, az agyat feltérképezni hivatott (nemrégiben sokat támadott), egy évtizede futó Blue Brain Project számítási igazgatója.  

Agyszövetek részletes modellezésekor a memóriakövetelmények miatt jelentősen nő a szimuláció ideje és költsége. Pontosan ezért fontos a Neuron_Reduce, ezért várjuk izgatottan” – nyilatkozta a szintén a Blue Brain Projectben dolgozó Pramod Kumbhar.   

Az arcfelismerés ugyan rengeteg vitát vált ki, többen egyszerűen betiltanák a technológia használatát, de a tiltakozás nem zavarja az Egyesült Államok hadseregét egy, a tervek szerint 2021-ben munkába álló, rendkívül fejlett rendszer kidolgozásában.

A rendszer az adott személyről készült infravörös képeket elemez, és nézi meg, hogy az illető arca nem szerepel-e kormányzati listákon, például ismert és körözött terroristákén.

Sötétben, autók szélvédőjétől nem zavartatva, pocsék időjárási és fényviszonyok között, akár 500 méter távolságból és ködben is működnie kell. A rendszer hőmintázatok alapján azonosít személyeket.

Az amerikai hadsereg 2,8 millió dollárral támogatja az infravörös szenzortechnológiára specializálódott kaliforniai Cyan Systemst, illetve 1,5 millióval a rendszeres kormányzati beszállító alabamai Polaris Sensor Technologiest, amelynek egyik partnere korábban olajfoltok azonosításához dolgozott ki infravörös-alapú technikát, de a területen a cég szabadalommal is rendelkezik. A szabadalom pontosan arról szól, hogy hogyan manipulálható, alakítható hihetetlenül részletessé egy hőkép. (A Cyan Systemsnek szintén van egy szabadalma ezen a területen, technológiájával kapcsolatban viszont sokkal titkolózóbb.)

A két támogatás rendeltetése a rendszer létrehozása. 2019 szeptemberében kezdték, előzetes becsléseik alapján 2021 koraőszén lesznek kész.

A két szerződés nem az első bizonyítéka, hogy az amerikai hadigépezetet komolyan érdeklik a nagytávolságú, csúcstechnológiás arcfelismerő megoldások. 2018 őszén a Hadsereg Kutatólabor ismertette néhány saját szakterületi kutatását. A szerződések mindazonáltal egyértelműsítik, hogy közelebb kerültek a megoldáshoz, célpontok távolról történő azonosításához, miközben a katonák semmit nem kockáztatnak, az arcfelismerés miatt nem leselkednek rájuk veszélyek.

Katonai célokra már használnak arcfelismerést, harcmezőn azonosítanak vele személyeket. Csakhogy ezek a megoldások szabvány, például iPhone- vagy CCTV hálózatok kamerái által generált képekkel dolgoznak.

Ez azonban nem elég, és ezért döntött a hadsereg személyek azonosításához infravörös képeket elemző rendszer mellett.

A madarak repülésének megértése mindig problémákat vetett fel. Az állatok szárnyai ugyanis többféle tollból tevődnek össze, a tollak folyamatos interakcióban állnak egymással, és ez az interakció-sorozat biztosítja a szárnyak repülés közbeni állandó változását.

David Lentink, a Stanford Egyetem kutatója és munkatársai halott galamb szárnyait vizsgálták: mindegyik szárny 40 tollból állt össze – 20 a felső, 20 az alsó részen. Hiába próbálnánk helyettesíteni őket, egyetlen szintetikus anyag sem rendelkezik azokkal a tulajdonságokkal, mint az eredetiek.

A szárnyakra egy-egy markert szereltek, és így pontosan tudták mérni a toll- és a csontmozgások közötti kapcsolatot. Semmi mást nem kellett tenniük hozzá, csak fel-alámozgatni a szárnyakat.

Rájöttek, hogy a kar csuklószerű hajlatának szöge határozza meg a repülő tollak szögeit, és a madarak ezért képesek szárnyaik formáját anélkül megváltoztatni, hogy minden egyes tollat kontrollálniuk kellene. Ez a tény csökkenti a szárnyak modellezéséhez szükséges változók (szabadságfokok) számát.

„Felhagytunk az ötlettel, hogy minden szabadságfokot kontrolláljunk. A jövő repülői profitálhatnak ebből az észrevételből, és talán nem csapkodnak majd a szárnyaikkal, hanem alakot váltanak” – magyarázza Lentink.

A kutatók hosszas előtanulmányaikat az eredeti madár repülését utánozni hivatott GalambBot (PigeonBot) fejlesztéséhez használták fel. A gépet légcsavar hajtja, a csuklószerű hajlat és a szárnyakon levő tollak távirányíthatók. Óránkénti 40 kilométeres átlagsebessége csak egy kicsit lassabb, mint bármelyik közönséges galambé.

Lentink és társai arra is rájöttek, hogy ez a fajta repülés csak azért lehetséges, mert bizonyos molekulák be vannak ágyazva a tollakba. Egyik sem hosszabb 10 mikrométernél, viszont biztosítják, hogy a tollak egyrészt elváljanak, másrészt ne keveredjenek túl messzire egymástól.

E folyamatok eredményeként egy-egy tollat sokkal kisebb mértékben kell irányítani, és a repülés így is pontos marad.

A bot valódi galambtollat használ. Az ok egyszerű: szintetikus anyagokkal pótolhatatlanok – könnyűek, de erősek, pont alkalmasak az aerodinamikus terhelésre, és nem utolsósorban, javításuk nagyon egyszerű.    

Az űrhajósok a világ fizikailag és pszichológiailag legfelkészültebb személyei közé tartoznak, de egy hónapokig, vagy akár évekig elhúzódó űrutazás őket is alaposan megviselné. Nemcsak az egymással történő kommunikáció, az együttélés, hanem az egyedi fizikai viszonyok, például a mikrogravitáció is súlyos nyomokat hagyhatna rajtuk.

Egy, az emberi érzéseket értő, azokra kellő empátiával reagáló mesterségesintelligencia-asszisztens komoly segítséget jelenthetne a Marsra, és még messzebbre tartó asztronautáknak.

A Stanley Kubrick 2001 – Űrodüsszeiában látott gonosz MI, HAL miatt az űrben utazó gépi értelem kifejezetten negatív érzéseket kelt. Csakhogy a NASA már gőzerővel dolgozik különféle digitális asszisztenseken. A Nemzetközi Űrállomás dolgozói nemrég köszöntötték az IBM kisebb labda méretű, CIMON („személyzet interaktív mobil társa”) nevű „érzelmes” robotját. A gép három esztendőn keresztül (kb. ennyi időre teszik a Mars-utazást) segíti őket változatos feladataik végrehajtásában.

A mai robotok semmilyen érzelmi intelligenciával nem rendelkeznek. A NASA Sugárhajtású Laboratóriuma és az erre specializálódott ausztrál Akin pontosan ezért próbál asztronautáknak a világűrben érzelmi támogatást nyújtó MI-t fejleszteni.

Az intelligens asszisztens az űrhajó hőmérsékletét és útirányát tudja vezérelni, megold bármilyen technikai problémát, és a humán személyzet viselkedését is figyeli. Tevékenysége nemcsak feladatok futtatásából, azokra való emlékeztetésből – mint Siri vagy Alexa esetében –, hanem empatikus támogatásnyújtásból is állna. Ahhoz viszont az emberi viselkedés mélyebb rétegeit is értenie kellene valamilyen szinten.

Az ISS személyzet tagjai rendszeresen beszélgetnek földi pszichológusokkal, a mélyűrben azonban teljesen más a helyzet, a késleltetett kommunikáció miatt órákig eltarthat egy-egy kérdés megválaszolása. Ezért (is) lenne szükség az űrhajósokkal együtt utazó fedélzeti MI-re.

Az Akinnel való közös munka során használják a JPL új Nyílt forrású terepjáróját, az ausztrál cég érzelmi intelligenciával rendelkező MI-jét, a mélytanulással gyakorló (az emberi beszéd és arckifejezés érzelmi alapjait, az azokra megfelelő válaszadást tanuló) Henryt tesztelték rajta, és a tesztek sikeresnek bizonyultak: a gép interakciókat folytatott emberekkel, felismert érzéseket.

Idén két újabb prototípust, Felfedező Évát és Asszisztens Annát mutatják be. Pár év múlva pedig Fiona, a Jövő kel életre.

Filmek többszázmillió dollárba is kerülhetnek, abszolút érthető, hogy a producerek a befektetés megtérülésével kecsegtető minden belső jelzésre fogékonyak. Ezért fordulnak egyre gyakrabban a különösen fesztiválokon hasznos előrejelző (prediktív) rendszerekhez.

A Warner Bros. mesterséges intelligenciát használ filmek jövőjének előrejelzésére: sikeresek lesznek-e a darabok, vagy sem? A stúdió filmrészlege szerződést kötött a négy éve alapított Cinelytic szoftverfejlesztőcéggel, és az utóbbi tavaly bemutatott, MI-vezérelt projektmenedzsment platformját fogja használni filmek életciklusával kapcsolatos döntések meghozásához.

A Warner a rendszer minden részletre kiterjedő adataira és prediktív analitikai komponensére támaszkodva hozza meg majd a döntéseket. Az integrált online platform bármilyen területen képes felmérni egy sztár értékét, és hogy egy film mennyi bevételt hozhat a mozikban, plusz a kapcsolódó mellékes területeken.

A Cinelytic vezetősége hangsúlyozza: a döntéshozás nem vált automatikussá, nem is ez a cél, hanem az, hogy a szoftver hatékonyabbá tegye humán menedzserek munkáját.

A modell történelmi adatokkal, például több film különféle földrajzi térségekben való pénzügyi teljesítményével, szereplőivel, műfajokkal és más kulcsinfókkal dolgozik.

A felhasználók betáplálják a kiválasztott film részleteit, amire a program megmondja a várható belföldi és külföldi eladásokat, plusz a DVD/Blu-ray, kábeltelevíziós és más sugárzási bevételeket. A paraméterek, például a premier vagy a főszereplő adatai alapján a vezetők láthatják, hogy egy-egy változtatás miként befolyásolja az anyagiakat.

A Cinelytic illusztris ügyfelekkel rendelkezik, a Warner mellett az Avatárt jegyző Ingenious Media, a Productivity Media és az STX is közéjük tartozik.

Hollywood nagyágyúi egy ideje felkarolták a mesterségesintelligencia-technológiákat, a gépi értelem segítségével igyekeznek filmjeiket kasszasikerré, minél több díjat besöprő alkotásokká tenni. Egyre többen próbálkoznak, folyamatosan nő a csak filmes megoldásokat fejlesztő vállalkozások száma.

A több hollywoodi ügyféllel rendelkező belga Scriptbook szoftvere például a szövegkönyv alapján jelzi előre, hogy egy film generál-e profitot, vagy sem.

Az izraeli Vault programja filmek online trailereinek (előzeteseinek) teljesítménye alapján megmondja, hogy az adott darab hogyan fog szerepelni különböző demográfiai csoportokon belül.

A 20th Century Fox aktívan be is kapcsolódott a fejlesztésekbe, gépitanulás-modellje a trailerek jeleneteire és tárgyaira adott közönségreakciókat elemzi.