A Szeder projekt (Project Mulberry) keretében az Apple egészségügyi tanácsokat adó mesterségesintelligencia-ágensen dolgozik. A Quartz projekt folytatásaként, a szolgáltatás MI közreműködésével a testmozgásban, egészségesebb étkezési és alvási szokások kialakításában segítheti a felhasználókat.

Az app az iOS 19.4 frissítés közkinccsé tételével, valamikor tavasszal vagy nyáron lehet nyilvános. Az ágens a Health alkalmazás segítségével gyűjti eszközökről az adatokat, amelyek alapján személyre szabott javaslatokkal áll elő.

A nagyvállalat egy másik MI-ágenst is gyakoroltat orvosi adatokon, de külsős orvosokat (alvás-, táplálkozás-, fizikai terápia-, mentális egészség- és kardiológia-specialistákat) is alkalmaz a különböző állapotokat bemutató videómagyarázatokhoz.

A feljavított Health app a táplálkozást is nyomon követi majd. Eddig kevésbé foglalkoztak vele, így viszont fej-fej mellett haladhatnak olyan vállalatokkal, mint a MyFitnessPal és a Noom.

Az Apple egészségügyi erőfeszítései a múltban akadályokba ütköztek. Tavaly például, miután évekig tartó szabadalmi vitát folytattak a Masimo orvositechnológia-vállalattal, az okosórákon lévő véroxigén-szint funkció eltávolításáról döntöttek.

Más események is jelzik medicina és mesterséges intelligencia egyre szorosabb kapcsolatát. Egy friss PYMINTS beszámoló szerint mivel a technológiai befektetések megtérülnek, még több nagyvállalat alkalmazza az MI-t. Nő a technológiába vetett bizalom, tízből kilenc vállalati vezető elmondta: sikeresek a generatív MI-befektetéseik.

A következő években növelni kívánják ezirányú kiadásaikat, amelyekben az egészségügy bőven meghaladja az átlagos iparági MI-költéseket. A generatív mesterséges intelligencia stratégiai prioritásként történő kezelése kulcsfontosságú a versenyképesség megőrzéséhez – állítják érintett vállalatvezetők.

Az OpenAI közvetlenül a ChatGPT-be integrált képgenerálási lehetőségeket. A ChatGPT Plus, Pro, Team és Free előfizetésekkel hozzáférhető funkció neve Images in ChatGPT, azaz felhasználók már a chatboton belül is létrehozhatnak képeket a GPT-4o-val. Az ingyenes használat ugyanúgy limitált, mint a DALL-E esetében (a DALL-E-3-nál napi három kép generálható fizetés nélkül).

Az új funkció fontos változás a korábbi modellekhez képest, a fejlesztők a GPT-4o-t „omnimodálisnak”, azaz bármilyen fajta adatot, például szöveget, képet, hangot és videót generáló modellnek nevezik.

Az egyik újítás a „kötés”, hogy az MI képgenerátorok milyen jól tartják fenn a korrekt kapcsolatokat attribútumok és objektumok között. Gyenge kötésű modellek például „kék csillag és vörös háromszög” promptra, háromszög nélküli vörös csillaggal állhatnak elő. Több (általában öt-nyolc) dolog renderelésénél gyakran összekeverik a színeket és a formákat. Az új modell tizenöt-hússzal is gond nélkül elboldogul.

A szövegmegjelenítés szinten javult, így könnyebb a képen elírások nélküli szöveget létrehozni. A fejlesztőknek komoly kihívást kellett megoldaniuk, mert ha a címek és a szövegelemek hibákat tartalmaznak, az egész kép használhatatlanná válik. Többhónapos apró iterációkkal érték el a célt, és a jelenlegi állapot ugyan még mindig nem tökéletes, viszont a szövegminőség folyamatosan és konzisztensen használható.

A rendszer autoregresszív megközelítést használ: szövegíráshoz hasonlóan, balról jobbra, felülről lefelé szekvenciálisan generál képeket. A legtöbb képgenerátor (például a DALL-E is) másként, diffúziós technikával működik: egyszerre hozza létre az egész képet. Ezért jobbak a ChatGPT szövegmegjelenítései és kötési lehetőségei.

A nyilvánossá tétel előtt a fejlesztők demonstrálták a lehetőségeket: többek között tudományos diagramokat, például Newton prizmakísérletét jelenítették meg. Kifejezetten praktikus alkalmazásokra, mint az étlapok átlátszó hátterének kidolgozása szintén felhívták a figyelmet.

Az új rendszerrel tovább tart a képgenerálás, de az OpenAI szerint megéri, mert a minőség és a lehetőségek kárpótolnak a plusz másodpercekért, bár nyilván javítani fognak rajta.

A deepfake-ek ellen komoly biztonsági funkciókat dolgoztak ki, amelyek vízjelek eltávolítását is megakadályozzák, és blokkolják a szexuális kamuképeket. A képgenerátor ugyanakkor nem tartalmaz vizuális „vízjelezőt”, sem azt a szöveges utalást, hogy „ezt a képet MI készítette.” Mindezzel együtt a metaadatokból egyértelmű, hogy az OpenAI, tehát MI munkáiról van szó, és a cég követni is tudja a generált képek útját.

Elon Musk alig két éve indult, jelenleg 75 milliárd dollár értékű xAI-ja március végén felvásárolta a multimilliárdos 33 milliárd dollárra értékelt közösségimédia-platformja, az X (az egykori Twitter) mögött álló vállalatot. Az üzlettel bővülnek az MI-fejlesztő lehetőségei, például az X adatain könnyebben trenírozhatja Grok nevű chatbotját.

„Az xAI és az X jövője összekapcsolódik. Most hivatalosan is megtesszük a lépést az adatok, modellek, számítások, elosztás és a tehetségek egybekombinálására” – jelentette ki az üzlet nyélbeütését követően Musk.

A deal több részletét nem hozták nyilvánosságra, így azt sem, hogy hogyan integrálják az X vezetőit az új cégbe, vagy mennyire szabályozzák az ellenőrzést.

Alwaleed bin Talal szaúdi herceg, az X és az xAI második legnagyobb befektetője, a Kingdom Holding tulajdonosa szerint az üzletkötés után részvényei folyamatosan emelkedni fognak. Az xAI más befektetői elmondták, hogy nem lepte meg őket a lépés, amellyel Musk megerősítette vezető szerepét saját cégeiben.

A Tesla-vezérigazgató előzetesen nem kérte a befektetők jóváhagyását, viszont közölte velük, hogy a két vállalat egy ideje szorosan együttműködik, a megállapodással pedig felgyorsul az integráció, Grok további fejlesztése.

Az üzlet egyik célja, hogy tartsák a mesterségesintelligencia-versenyt a Microsoft által támogatott OpenAI-val, a Google DeepMinddal és a kínai államot maga mögött tudó DeepSeekkel. 

Musk februárban 97,4 milliárd dolláros ajánlatot tett az OpenAI-ra, amit Sam Altman CEO és az igazgatótanács értelemszerűen visszautasított. Utána bírósághoz fordult, mert szerinte az OpenAI jogtalanul vált non-profit cégből profitot termelő vállalkozássá, és hogy ezt visszafordítsa. Márciusban egy amerikai bíróság elutasította Musk keresetét. 

A verseny viszont napról napra fokozódik, az xAI növelte adatközpontja kapacitását, szuperszámítógépes klasztere, a memphisi (Tennessee állam) Colossus a világ legnagyobbika, a Grook-3 iterációt februárban mutatták be. Az X platform tovább népszerűsítheti az xAI termékeit, valósidőben szolgáltathat felhasználói reakciókat, képernyőképeket és más adatokat. 

Problémák vannak az Apple Watch SE újradesignolt, műanyag házas változatának kivitelezésével – derült ki márciusban. A költségtakarékos lépésnek tartott váltásról nyilvánvaló lett, hogy tervezési és árbeli kihívásokat kell hatékonyan kezelni hozzá.

A változtatásról 2024 augusztusában szivárogtak ki az első hírek. Az Apple a többinél alacsonyabb árfekvésű okosórája (smart watch) alumíniumvázát műanyagra akarják cserélni – állt az akkori hírekben.

A 249 dolláros jelenlegi modell készülékenként öt dollár költségű alumíniumvázban van. A cégnél kiszámolták, hogy műanyag-változattal a költségek nagyjából megfeleződhetnek, és így megnyílik az út a jelentős mértékű áreséshez. 249 helyett akár 200 dollárba is kerülhet a műanyagos változat.

A változás azt jelentheti, hogy a 2015-ben indult Apple Watch történetében most fognak először műanyagot használni.

A műanyagos design világosabb lesz, az alumíniumhoz képest merészebb színeket vetít előre, és jól igazodik az Apple szülőket és gyerekeket megcélzó marketingnyomulásához. Az anyag jobban tetszhet fiatalabb felhasználóknak, különösen gyerekeknek. A fejlesztőcég koncepciója, hogy a legifjabb korosztály számára az okosórával kínál okostelefon-alternatívát.

Ezzel az okostelefonok iskolai tiltása is kijátszható, és persze tiltott funkciók is használhatók rajta. Az Apple mindenesetre hangsúlyozza az olyan funkciók szerepét, mint „szülői követés” és kommunikáció. Ezekkel igyekszik alátámasztani stratégiáját.

Most viszont úgy tűnik, hogy komoly veszélybe került az újratervezés. A tervezőcsapatnak nem tetszik az új arculat, az operatív részleg pedig gondban van, hogy a műanyagház hogyan legyen olcsóbb a mostani alumíniumváltozatnál. Az egyik esztétikai problémái, a másik pénzügyi dilemmája nem sok jóval bíztat a projekt jövőjét illetően.

Az Apple az okosórát az új iPhone-okkal együtt, szeptemberben szokta frissíteni.

A Mistral a Földközi-tenger melletti dél-francia megyéken végigsüvítő hideg szél, elsősorban Marseille-t és környékét, de keleten Toulonig az egész tengerparti térséget, északon a napsütötte Provence-t is sújtja, nyugaton pedig Languedoc megyében (székhelye Montpellier) is érezteti hűvös hatását.

A Mistral egy mesterségesintelligencia-fejlesztő párizsi startup neve is.  

Az európai MI-kutatás motorja Franciaország, zászlóshajója a 2023-ban három vizionárius kutató (Arthur Mensch, Guillaume Lample és Timothée Lacroix) által alapított Mistral AI. Ugyanarra az egyetemre, a Párizshoz közeli École Polytechnique-re jártak, a Google DeepMindnál és a Meta Platformsnál tettek szert gyakorlatra és komoly tapasztalatra. MI-megközelítésük viszont más, merészebb, mint a mainstream.

Megkérdőjelezik a „nagy MI” átlátszatlan doboz jellegét, és a csúcstechnológiát mindenki számára elérhetővé kívánják tenni. Magyarán nyílt forráskóddal, nyílt súlyú nagy nyelvmodellekkel (LLM) és a hozzáférhetőséggel demokratizálják az MI-t, innovatív modelleket, termékeket, szolgáltatásokat és más kapcsolódó megoldásokat. A terület nagyágyúi, a szabadalmaztatott modelljeikkel az MI-t védett kertbe zárni igyekvő mamutvállalatok alternatívájaként határozzák meg magukat. (Ez a filozófia azt követően is működik, hogy tavaly februárban partnerségre léptek a Microsofttal.) 

„Építsétek velünk a jövőt” – hangzik a szlogenjük.

Legújabb modelljüket, a Mistral Small 3.1-et március végén tették közkinccsé. A 24 milliárd paraméteres LLM értelemszerűen nyílt súlyú, szöveget és képeket dolgoz fel (multimodális), miközben fogyasztói hardveren, mint az RTX 400 grafikus kártyával fut.

A Mistral Small 3.1 különféle ismeretek és utasítások vonatkozásában felülmúlja a Gemma 3-at, a Google Gemini 2.0-n alapuló új nyílt forrású modelljét és hozzá hasonló kisméretű modelleket is. Akár 128 ezer kontextus-tokent képes kezelni, másodpercenkénti százötven token sebességgel működik, azaz gyors is.

Az új változat jól szemlélteti, hogy a nyílt MI-modellek közötti verseny hogyan csökkenti a szabadalmaztatott alternatívákkal szembeni teljesítménybeli különbségeket, miközben fejlesztők is szabadon hozzáférhetnek.

Az Egyesült Államok Szerzői Jogi Hivatala szerint a meglévő törvények elegendők megállapítani, hogy az adott MI-generálta alkotásra érvényes-e a jogvédelem, vagy sem. Nincs hozzá szükség további szabályozásra, új törvényekre – vélik.

Ezek a munkák akkor, de csak akkor jogvédettek, ha emberi személy elegendő kreatív inputtal járult hozzájuk, és ez az outputon is látszik – áll az MI és szerzői jogra vonatkozó törvényről készülő háromrészes beszámoló második részében. Azaz, ha a tartalmat egyszerű promptoláson túl is az ember formálja meg.

Elutasítják az új jogi keretet, mert a meglévő definiálja a szerzőiség és az eredetiség egyértelmű szabványait.

Humán szerzők, művészek a generált output válogatásával, összehangolásával és módosításával tartják meg a jogaikat. A válogatás az MI által létrehozott darabok szelekciójára, az összehangolás több output összefüggő munkába rendezésére, a módosítás által generált anyagokat egyedivé tevő megváltoztatására vonatkozik. Ez a jog akkor is fennáll, ha kreatív munkáikat MI dolgozza fel. Csak akkor veszítik el, ha a végeredmény túl általánosan átalakító jellegű.

A beszámoló hangsúlyozza a jogfolytonosságot a számítógéppel készített munkákkal kapcsolatos korábbi döntésekkel. 2022-ben visszautasítottak egy emberi közreműködés nélküli művet, 2023-ban viszont megadták a védettséget egy, MI-generálta képeket tartalmazó képregénynek, mert a szöveg, az elrendezés és a módosítások ember munkái voltak. Korábbi technológiák, például a fényképezőgép esetében ugyanezt a megközelítést használják. Lényeg az azonosítható humán kreatív input.

Az anyag első részében a digitális utánzatokról, személyek kinézetének és hangjának generált hasonmásáról viszont azt írták, hogy a meglévő törvények nem biztosítanak elegendő védelmet a nem engedélyezett szintetikus replikákkal szemben, és a szövetségi törvényhozásnak a hiány pótlását javasolják. Erre a problémára egyelőre nincs megnyugtató törvény.

A hivatal szándékosan elkerülte, hogy szigorú kritériumokkal definiálja a jogvédelemhez elegendő humán input szintjeit, mert az esetenként változik. A rugalmas megközelítés kreatív személyek sokféle MI-használatához és a technológia előre nem látható lehetőségeihez is alkalmazkodik.

A Google bevezette MI Társtudósát, egy általános multiágens-rendszert. Mélyreható kutatási javaslatokat kell generálnia a felhasználó által meghatározott kereteken belül. A fejlesztők gyógyszerek újrahasznosításáról, gyógyszer-trendek azonosításáról és laboratóriumi antimikrobiális ellenállásról készítettek és értékeltek ki javaslatokat vele. A rendszer kutatószervezetek számára korlátozott mértékben rendelkezésre is áll már.

Az MI Társtudós elfogadja a kutatási cél szöveges leírását, vonatkozó korlátokat, ötleteket. Javaslatokat és áttekintéseket generál, rangsorol, és javít rajtuk. A Gemini 2.0 nagy nyelvmodell-család más ágenseit használja.

A kész javaslatok a hátteret, a megvalósíthatatlan igényeket, megoldási tervet, célokat, hipotéziseket, érvelést, a kutatás lépéseit és a vonatkozó cikkeket tartalmazzák. Az ágens más ágensektől kap, fogad el visszajelzéseket, hogy egyidőben hajtsák végre a feladataikat.

A rendszerben van felülvizsgáló/felügyelő, a javaslatok listáját generáló, a generált javaslatokat szűrő gondolkodó, a hasonlóságokat és ismétlődéseket vizsgáló közelség-, új javaslatokat készítő evolúciós és a közös mintázatokat azonosító meta átnéző ágens is. Együttes munkájuk az MI társtudós tevékenysége.

Már eddig látványos biomedikális eredményeket ért el.

A Google kutatói a leukémia egyik akut típusát kezelő gyógyszerekre tettek kísérleti javaslatokat. A harminc legmagasabb pontszámot elértet megosztották humán szakértőkkel, akik kiválasztottak ötöt laboratóriumi tesztekre. Az ötből három elpusztította az érintett leukémia-sejteket.

Szakértők a májfibrózist (kötőszövet kóros felhalmozódását) kezelő tizenöt gyógyszer hasznosításához legmagasabbra rangsorolt tizenöt javaslatból kiválasztottak hármat. Kettő szignifikáns mértékben és anélkül gátolta a fibrózist, hogy mérgező hatással lett volna a többi sejtre.

Az MI Társtudós hipotézissel állt elő arról, hogy mikrobák miként válnak ellenállóvá antibiotikumokkal szemben. Humán kutatók szintén javasolták és kísérleti úton hitelesítették ugyanezt a hipotézist, munkájukat viszont még nem publikálták, tehát az MI Társtudós nem férhetett hozzá. 

Majdnem hat éve, a Samsung Galaxy Fold modell bejelentése után kezdődött az összehajtogatható (foldable) okostelefonok körüli felhajtás. A gyártónak nem ez volt az első kísérlete, bő húsz éve, még az iPhone előtt ugyanő dobta piacra az akkor csúcskategóriásnak számító X-480-at.

Az első hajtogatható mobiltelefon még régebbi: a Motorola 1996-ban bevezetett és hamar népszerűvé vált StarTAC-ja – potom hatvanmilliót adtak el belőle – indította el a kagylószerű készülékek hullámát. A népszerűség 2004 és 2008 között tetőzött: vékony és elegáns kialakításuk miatt a felhasználók nemcsak divatosnak, hanem a legpraktikusabbnak tartották ezeket a telefonokat. A Motorola Razr eladási mutatói voltak a legjobbak, több mint 130 milliót értékesítettek belőle. Húsz évvel később aztán ugyanezzel a névvel egy újgenerációs összehajtogatható telefont is piacra dobtak. 

A 2019-ben kétezer dolláros áron debütált, a Galaxy Z sorozathoz tartozó Galaxy Fold szintén az új generáció, és már nemcsak becsukható, hanem össze is lehet hajtani, mint egy könyvet. A designt dicsőítették, a tartósságot és a minőséget kevésbé. A problémák miatt a Samsungnak újra kellett indítania a Fold modellt.

2019-ben négy-ötszázezer összehajtható telefont adtak el. A piac azóta „beérett”, más vállalatok is fejlesztettek összehajtható változatokat, három kijelzős készülékével a Huawei ment legmesszebbre. A növekedés töretlen, 2023-ban 16 milliót adtak el, amelyből csak a területen világvezető Samsung több mint tízmilliót jegyzett. Tavaly még jobbra sikerültek a számok: 25 millió készülék-eladást becsültek, 2027-re pedig majdnem megháromszorozódhat, mert a prognózisokban 70 millió szerepel.

A hype mégis lecsengett.

A számok önmagukban szépek, de ha az „átlagos” okostelefonokkal hasonlítjuk össze, akkor már másként viszonyulunk hozzájuk. 2023-ban több mint egymilliárdot adtak el, aminek a 16 millió csekély töredéke. Az összehajtható készülékek eladása nem növekszik olyan tempóban, mint az egész piacé, egyre kisebb hányadát adja annak.

Miért lehet ez?

Például, mert a felhasználók kevésbé akarják megvenni a legújabb modelleket, míg az elsőkre óriási volt a kereslet. Főként Koreában és Európában értékesítik őket, az amerikai és a kínai piacon viszont egyáltalán nem sikeresek. A területet a Samsung és a Huawei uralja, és még a láthatáron sincs is új szereplő.         

Kérdés, hogy ha egy okostelefon összecsukható és hajlítható, mi jöhet még utána, miként elégíthetik ki a gyártók a fogyasztók egyre nagyobb kijelzők utáni vágyát?

A Baidut 2000-ben azzal a céllal alapították, hogy „egyszerűbbé tegye a bonyolult világot.” Ma Kína és a földkerekség egyik legfontosabb technológiai vállalata, és a mesterségesintelligencia-fejlesztésekben is öles léptekkel halad, egyre versenyképesebb az élenjáró amerikai mamutokkal szemben is.

A cég március tizenhetedikén jelentette be legújabb MI alapmodelljeit, az ERNIE 4.5-öt és a „mélygondolkodó” következtető ERNIE XI-et. A bejelentés mérföldkő lehet a multimodális és a következtető modellek fejlődésében, a vállalat jutányos áron kínál naprakész következőgenerációs mesterségesintelligencia-megoldásokat.

A Baidu terve, hogy a két modellt fokozatosan integrálja termék-ökoszisztémájába. Bejelentésükkel egyidőben az ERNIE Bot chatbotot április elsejétől (nem áprilisi tréfaként) ingyenessé tették. Az integráció részét képezi a Baidu Search kereső, a Wenxiaoyan kereső és kreatív asszisztens applikáció és más programok is. Szélesebb egyéni felhasználói körnek kínálnak változatosabb élményt velük.

Az ERNIE 4.5 vállalati felhasználók és fejlesztők számára a Baidu MI Felhő Qianfan MaaS platformján keresztül férhető hozzá, és az ERNIE XI is hamarosan elérhető lesz.

A 4.5-öt többféle modalitás összekapcsolt modellezésével optimalizálták, és a leírások alapján kivételes multimodális képességekkel rendelkezik: feljavított nyelvi készségekkel – megértéssel, szöveggenerálással, következtetéssel és memóriával. A fejlesztésnél külön ügyeltek a hallucinációk minimalizálására, a logikus érvelésre és a kódolási adottságok növelésére. Szöveges, képi, audió- és videótartalmakkal egyaránt működik. Megérti az online mémeket, szatirikus képregényeket és még sok minden mást. A GPT-4.5-öt több teszten múlta felül, míg az ára a nagynevű riválisénak mindössze egy százaléka.

Az XI a megértés, a tervezés, a gondolkodás és az evolúció terén rendelkezik nagyon fejlett készségekkel. Az ismertetők szerint Kínára vonatkozó kérdezz-felelekben, irodalmi alkotásban, kéziratok, dialógusok készítésében, logikai következtetésben és komplex számításokban kiemelkedően jó.

A Baidu egyre nagyobb összegeket fektet az MI-be, adatközpontokba és a felhőszámítási infrastruktúrába, így nem meglepő, hogy egyre intelligensebb modelljeivel komolyan hozzájárul a következőgenerációs MI-hez. 

Sok vállalat komoly összegeket fektet tehetségek alkalmazásába, hogy modern MI-rendszereket magalapozó, nagyteljesítményű kódkönyvtárakat dolgozzanak ki. Az Nvidia jár az élen csúcsteljesítményű számításokra (high-performance computing, HPC) írt könyvtárával.  

De mi van, ha pár diák néhány hónapon belül kidolgozott, több tízezer vagy százezer sor helyett csak pár száz soros kódokkal felveszi a versenyt a legfejlettebb HPC-könyvtárakkal?

Exo 2 programozói nyelvükkel, az MIT (Massachusetts Institute of Technology) kutatói ezt demonstrálták. Az Exo 2 a „felhasználható által ütemezhető nyelvek” (user-schedulable languages, USL) új nyelvcsaládba tartozik. Ahelyett, hogy átláthatatlan fordító (compiler) magától generálná a létező leggyorsabb kódot, az USL lehetővé teszi a fordító kódgenerálási módját kontrolláló ütemezést, és hogy a teljesítményért felelő mérnökök egyszerű programokat komplexekké alakíthassanak át. Ugyanazt, csak sokkal gyorsabban teszik, mint az eredeti specifikáció.

A meglévő USL-ek, mint az első Exo egyik korlátja az ütemezési műveletek viszonylag rögzített készlete, ami megnehezíti az ütemezési kódok újrafelhasználását különböző kernelekben, nagyteljesítményű könyvtárak egyedi komponenseiben.

Ezzel szemben az Exo 2-vel a felhasználó új ütemezési műveleteket definiálhat a fordítón kívül, amely komoly könnyítés újrafelhasználható ütemezési könyvtárak kidolgozásához.

A teljes ütemezési kód a századrészére is csökkenthető. A teljesítmény a különféle platformokon is versenyképes a legkorszerűbb implementációkkal, például a sok gépitanulás-alkalmazást meghajtó Basic Linear Algebra Subprograms-szal (BLAS). Az Exo 2 ezért vonzó lehetőség különböző műveleteken, adattípusokon, célarchitektúrákon átívelő kernelek optimalizálására. Az alulról felfelé (bottom-up) megközelítéssel összességében kevesebb idő megy el kódolásra, és a teljesítmény sem esik vissza.