AI Hírek Összefoglaló – 2025. június 28.

Meta felvette Trapit Bansalt, aki kulcsszerepet játszott az OpenAI fejlett érvelőrendszerének kidolgozásában, és júniusban 49%-os részesedést szerzett a Scale AI-ben (értékelés közel 15 milliárd dollár).
A Meta 1,1 GW nukleáris energiát biztosít a Constellation Energy-től MI-adatközpontjai számára 2027-től.
A Meta szövetséget kötött az Anduril katonai technológiai céggel MI-alapú kiterjesztett valóság szemüvegek fejlesztésére az amerikai hadsereg számára.
Amazon AWS a globális felhőpiac körülbelül 30%-át birtokolja, és MI-beruházásait a reklámbevételek növekedése támogatja.
Salesforce bemutatta az Agentforce 3-at, amely MI-alapú ügyfélszolgálati platformot kínál virtuális ügynökökkel, és fél év alatt 233%-os növekedést ért el MI-ügynökei alkalmazásában.
Perplexity új hangalapú funkciókat mutatott be, amelyek lehetővé teszik élő hangalapú kérdezést és szemantikus keresést, és Notion, ChatGPT és Wolfram Alpha integrációval működnek.
DeepMind AlphaGenome képes akár 1 millió DNS-bázispár egyidejű elemzésére, 22-ből 24 genomikai feladatban felülmúlva a korábbi módszereket, és nem kereskedelmi célú API-n érhető el kutatócsoportok számára.
Alibaba bemutatta a Qwen-VLo multimodális modelljét, amely egységes vizuális-nyelvi modellként képes képeket generálni szöveges utasításokra, támogatja a stílusátvitelt és többnyelvű promptokat.
MIT kutatói a SEAL névre hallgató autonóm önfejlesztő nyelvi modell-koncepciót mutatták be, amely önállóan generál gyakorlófeladatokat, megoldja azokat, értékeli a válaszait, majd frissíti a tudását, és a prototípus 0-ról 72%-os sikerarányt ért el öntréninggel.
Egy 6 másodperces AI-videó energiafelhasználása 20–110 wattóra, a nagy nyelvi modellek tanítása megawattórákban mérhető, és az Nvidia legújabb AI-chipjei mintegy 30× energiamegtakarítást ígérnek.

2025. június 28. – Az elmúlt héten élénk fejlemények zajlottak a mesterséges intelligencia világában: jelentős vállalati lépések, úttörő kutatási eredmények, új MI-alapú eszközök, illetve szabályozási és etikai mérföldkövek jellemezték a hetet. A technológiai óriások tehetséges MI-szakértőket toboroznak és infrastrukturális beruházásokat eszközölnek; áttörések történtek az egészségügy és a robotika terén; új törvények formálják az MI jövőjét – íme a legfontosabb MI-frissítések, amelyekről mindenki beszél.

Vállalati MI-mozgások és befektetések

A Meta OpenAI-tehetségeket toboroz és erősíti MI-befektetéseit: A Facebook anyavállalata, a Meta, azzal került a címlapokra, hogy felvette Trapit Bansalt, aki kulcsszerepet játszott az OpenAI fejlett érvelőrendszerének kidolgozásában ^[1]. Bansal több más korábbi OpenAI-tudóssal együtt csatlakozik a Metához ^[2], Mark Zuckerberg vezérigazgató stratégiájának részeként, amelynek célja a Meta MI-képességeinek megerősítése. A vállalat elkötelezett amellett, hogy MI-rendszereit még több valós adat alapján képezze, javítva ezzel azok érvelési és tervezési készségeit ^[3]. A tehetség megszerzése mellett a Meta jelentős összegeket fordított MI-infrastruktúrára – júniusban 49%-os részesedést szerzett a Scale AI adatcímkéző vállalatban (melynek értékelése közel 15 milliárd dollár) ^[4]. A Meta emellett 20 évre elegendő nukleáris energiát biztosított (1,1 GW a Constellation Energy-től) MI-adatközpontjai számára 2027-től ^[5], ezzel is kiemelve az MI-ökoszisztéma hatalmas energiaigényét. A védelmi szektorban a Meta szövetkezett az Anduril katonai technológiai céggel, hogy MI-alapú kiterjesztett valóság szemüvegeket fejlesszen az amerikai hadsereg részére ^[6] – ennek a projektnek célja, hogy az Anduril csatatéri adatplatformját integrálják a Meta AR-eszközeibe a katonák számára. Mindezen lépések jelzik, hogy a Meta elszántan az „MI-verseny” élére kíván kerülni, jelentős tehetséggel és forrásokkal megtámogatva.

Amazon csendes MI-terjeszkedése: Míg a feltűnőbb MI-vállalatok vonzzák a figyelmet, az Amazon kitartó MI-befektetései a háttérben valódi nyertest faragtak belőle. A cég részvényárfolyama csaknem megduplázódott az elmúlt három évben, amit az elemzők részben a különböző üzletágakban megjelenő MI-központú növekedésnek tulajdonítanak ^[7]. Jennifer Saibil a Nasdaq számára készült elemzésében kiemelte, hogy az Amazon „lendkereke” – a kiskereskedelemtől a Prime Videón át az egészségügyi terjeszkedésig – egyre inkább a Amazon Web Services (AWS) által működik, amely számos szolgáltatás mögött álló MI-felhő infrastruktúrát nyújt ^[8]. Az AWS most körülbelül a globális felhőpiac 30%-át birtokolja, profitja (és a növekvő reklámbevételek) pedig az Amazon MI-„holdraszállásait” finanszírozzák ^[9]. Andy Jassy vezérigazgató az MI átalakító hatását az áram elterjedéséhez hasonlította ^[10]. Gyakorlatban az Amazon a raktárautomatizálástól az Alexa hangasszisztensekig mindenhol MI-t alkalmaz, és jelentősen invesztál generatív MI-szolgáltatásokba AWS-ügyfelei számára. Az Amazon legutóbbi pénzügyi jelentéseinek és lépéseinek üzenete világos: az MI nem mellékprojekt a technológiai óriás számára, hanem hosszú távú stratégiájának szerves része – még ha kevésbé is hangsúlyozza ezt, mint néhány versenytársa.

A Salesforce és a Perplexity új MI-eszközöket vezet be: A vállalati szoftverpiac vezetője, a Salesforce ezen a héten mutatta be a Agentforce 3-at, az MI-alapú ügyfélszolgálati platformjának új verzióját. Az új rendszer a chatbotokat („ügynököket”) valódi virtuális csapattársakká alakítja a humán ügyfélszolgálati munkatársak számára, egy irányítópulttal, amely élő monitorozást, visszajátszási lehetőséget és egy Agent Exchange piacteret kínál több mint 100 előre elkészített automatizációval ^[11]. Ezeknek a fejlesztéseknek valódi üzleti hatása van – a Salesforce 233%-os növekedést jelentett be MI-ügynökeinek alkalmazásában fél év alatt, ahogy a vállalatok tapasztalják: az MI most már az ügyfélszolgálati kérések többségét képes megoldani, jelentősen rövidítve a kezelési időket ^[12]. Eközben az Perplexity MI-startup – amely MI-alapú keresőasszisztenséről ismert – funkciócsomagot mutatott be, mellyel terméke egyszerű kérdezz-felelekről kutatási és munkahatékonysági stúdióvá alakul. Az új Perplexity Labs jelentéseket, diavetítéseket vagy akár egyszerű webalkalmazásokat is képes generálni természetes nyelvű utasítások alapján ^[13]. Az új hangvezérléses funkció lehetővé teszi a kérdések élőben, hangban történő feltevését és válaszát, míg a fájl feltöltésével dokumentumok vagy megbeszélés jegyzőkönyvek szemantikus keresése is elérhető ^[14]. A bőkezű ingyenes csomagokkal és adatvédelmi opciókkal (a felhasználók törölhetik a beszélgetési előzményeket) a Perplexity eszköze most már olyan képességeket ötvöz, mint a Notion, a ChatGPT és a Wolfram Alpha, egyetlen MI-asszisztensbe integrálva ^[15]. A trend világos: a kis és nagyvállalatok gyors ütemben integrálják az MI-t a termékeikbe a hatékonyság növelése és új képességek nyújtása érdekében – ez pedig kulcsfontosságú versenyelőnyt jelent azoknak, akik hatékonyan hasznosítják e technológiákat.

Áttörő MI-technológiák és kutatás

A DeepMind AlphaGenome áttörése a genomikában: A Google MI-kutatási részlege, a DeepMind, jelentős áttörést jelentett be a genetika területén. Új modelljük, az AlphaGenomeakár 1 millió DNS-bázispárt is képes egyszerre elemezni, és megjósolni, hogyan befolyásolják a genetikai mutációk a gének szabályozását és működését ^[16] ^[17]. Ez az egységes DNS-szekvencia modell konvolúciós neurális hálózatokat és transzformátorokat alkalmaz, hogy egyszerre ragadja meg a helyi DNS-motívumokat és a távoli génkölcsönhatásokat – akár 980 000 bázispárral távolabbi enhanszer régiót is képes felismerni, és meghatározni annak hatását a célgénre ^[18]. A tesztekben az AlphaGenome 24 kulcsfontosságú genomikai feladatból 22-ben túlteljesítette az eddigi módszereket, sőt, egy ismert leukémiát okozó mutációt is újra-felfedezett, amelyet emberi kutatók csak évek múltán ismertek fel ^[19]. A DeepMind az AlphaGenome-ot API-n keresztül elérhetővé tette nem kereskedelmi kutatási célokra, abban bízva, hogy ez felgyorsítja a genomtudományi felfedezéseket ^[20] ^[21]. A kutatók szerint ez „genomikus mennydörgés” – azaz a genom most már kereshetővé vált az MI segítségével ^[22]. Az MI, például az AlphaGenome gyorsan képes pontozni a DNS-variációk hatásait, így elősegítheti a betegségek genetikai okainak feltárását és az új kezelési módszerek kifejlesztését.

Az Alibaba bemutatta multimodális Qwen-VLo modelljét: A kínai technológiai óriás, az Alibaba, jelentős MI-mérföldkőhöz ért a Qwen-VLo következő generációs multimodális MI-modellel. Az Alibaba Qwen-sorozatára építve a Qwen-VLo egy egységes vizuális-nyelvi modell, amely nemcsak képek értelmezésére képes, hanem teljesen új képeket is képes generálni szöveges utasítás alapján ^[23]. „Ez a frissített modell nemcsak ’érti’ a világot, hanem ennek alapján kiváló minőségű újraalkotásokat is tud készíteni” – magyarázta az Alibaba Qwen kutatócsapata ^[24]. A gyakorlatban a felhasználók képet tölthetnek fel, és bonyolult szerkesztéseket kérhetnek, vagy egyszerűen leírhatják természetes nyelven, mit szeretnének, s a modell létrehozza a kívánt képet. A bemutatók szerint a Qwen-VLo pontosan hajtotta végre a stílusátvitelt (pl. „Legyen ez a fotó Van Gogh festmény stílusú”), tárgyak hozzáadását („Tegyél piros sapkát a macskára”), sőt egyszerre több utasítást is teljesített ^[25] ^[26]. Egyedülálló módon a Qwen-VLo nyíltvégű képszerkesztési utasításokat is támogat és többnyelvű (kínai és angol promptokat egyaránt képes kezelni) ^[27] ^[28]. A modell progresszíven generálja a képeket – a durva részletektől kezdve a finomabbakig –, így a végeredmény összefüggő és valósághű lesz. Az Alibaba előzetesen integrálta a Qwen-VLo-t saját Qwen Chat-felületébe, jelezve a szándékot, hogy olyan MI-t kínáljon, amely látni és alkotni is képes, hasonlóan az OpenAI Vision-képes GPT-4-éhez. Ez az iparági trendet is tükrözi: az egységes, multimodális MI képes lesz a szöveg, a látvány és más területek között is átjárni egy rendszerben.

Önfejlesztő “SEAL” MI modellek: Az akadémiai MI-kutatás területén az MIT tudósai bemutattak egy új megközelítést az Önalkalmazkodó Nyelvi Modellekhez (becenevükön: “SEAL”), amelyek autonóm módon képesek tanulni saját kimenetükből. Ahelyett, hogy az oktatás után statikusak maradnának, egy SEAL modell saját magának generál gyakorlófeladatokat, megpróbálja megoldani őket, kiértékeli a válaszait, majd frissíti a tudását – mindezt emberi beavatkozás nélkül. Fejtörő megoldó méréseken egy prototípus SEAL rendszer a sikerrátáját 0-ról 72%-ra növelte önálló, ismétlődő öntréninggel ^[29]. A modell megerősítéses tanulást használ, hogy saját magát jutalmazza a fejlődésért, s képes az új adatok gyors integrálására is – ugyanakkor a kutatók arra figyelmeztetnek, hogy így fennáll a “katasztrofális felejtés” kockázata, vagyis a régebbi ismeretek elvesztése ^[30]. A SEAL ígérete egy olyan MI, amely “tanoncként fejlődik”, nem pedig rögzített “szakértőként” ^[31]. Elképzelhető egy olyan kódolási asszisztens, ami éjszaka megtanul új teszteseteket, alapul véve a tegnapi hibákat, vagy egy oktatói MI, ami minden tanulói interakció után finomítja a tananyagát – a SEAL-koncepció ilyen alkalmazásokat vetít előre. Bár egyelőre még kísérleti a technológia, a fejlesztés azt mutatja, hogy az autonóm önfejlesztés most már tervezési filozófia az MI-ben, egy lépéssel közelebb hozva bennünket ahhoz, hogy a mesterséges intelligencia folyamatosan tudjon alkalmazkodni és fejlődni ^[32].

Az MI túlszárnyalja a hazugságvizsgálót (többnyire): Egy új metaelemzés alapjaiban rázta meg a megtévesztés-felderítés területét. A kutatók 98 különböző tanulmányt vizsgáltak és arra jutottak, hogy a konvolúciós neurális hálózatokat (CNN) használó MI-alapú rendszerek az emberi jelek elemzésében felülmúlhatják a hagyományos poligráf tesztek teljesítményét a hazugságok felismerésében ^[33]. Ezek az MI-rendszerek képesek feldolgozni az ember mikro-arckifejezéseit, pislogásait, hangrezdüléseit, testhőmérséklet-mintázatait, sőt EEG agyhullámokat is az igazmondó vagy megtévesztő viselkedés felismeréséhez ^[34]. Az emberek gyakran elszalasztják a villanásnyi arckifejezéseket, mint például egy pillanatnyi szemöldökfelvonást, de a gépek képesek ezeket 240 képkocka/másodperc sebességgel érzékelni ^[35]. A kutatás azonban nagy figyelmeztetést is tartalmaz: a megtévesztés jelei kultúránként és nemenként eltérőek – például egy felhúzott szemöldök az egyik kultúrában kételkedést, egy másikban tiszteletet jelenthet ^[36]. A jelenlegi hazugságfelismerő modellek hajlamosak túlhangsúlyozni a helyi adatok alapján tanult mintázatokat, ez pedig csökkenti globális megbízhatóságukat. Az összefoglaló többféle, diverzebb tréningadatot és etikai biztosítékokat sürget ^[37]. Összefoglalva: az MI-alapú hazugságdetektorok egyre jobbak a régi poligráfnál, de nem tévedhetetlenek – a kontextus számít. A szakértők hangsúlyozzák, hogy az ilyen eszközök használatánál figyelembe kell venni a magánszférát, valamint a fals pozitív eredmények kockázatát, ami jól tükrözi a mesterséges intelligencia közbiztonsági és jogi alkalmazásainak etikai vitáit is.

MI az egészségügyben és az élettudományokban

A mélytanulás előrejelzi a szülés utáni vérzést: Bíztató orvosi MI-fejlesztésként egy kínai kutatócsoport Dr. Wenzhe Zhang vezetésével egy olyan MI modellt jelentett be, amely előre tudja jelezni a szülés utáni vérzést (PPH) – a terhes anyák körében vezető halálokok egyikét – még a szülés előtt. Terhes nők MRI-felvételeit elemezték egy mélytanuló “late fusion” modellel (ami 2D és 3D konvolúciós hálózatokat, radiomikai és klinikai adatokat kombinál), s így rendkívül pontosan ki tudták szűrni a magas kockázatú eseteket. 581 páciensen végzett vizsgálat során az MI körülbelül 92%-os érzékenységet és 91%-os specificitást ért el a súlyos vérzéssel fenyegető esetek előrejelzésében, felülmúlva más módszereket ^[38] ^[39]. “A veszélyeztetett páciensek korai azonosítása kulcsfontosságú a szülési terv optimalizálásához, a szükséges vérkészítmények előkészítéséhez, és a káros következmények minimalizálásához” – jegyezték meg a kutatók az Academic Radiology folyóiratban ^[40]. Világszerte a PPH felel körülbelül az anyai halálozások 25%-áért ^[41], tehát egy ilyen MI-eszköz életmentő lehet – így az orvosok már előre felkészülhetnek vértranszfúzióval vagy sebészeti csapat mozgósításával, ha valakinél a kockázatot jelzi a rendszer. Bár klinikai integráció előtt még további validálás szükséges, ez a tanulmány azt példázza, hogy a MI és az általános MRI vizsgálatok párosa olyan finom előjelek kiszűrésére képes, amit az emberi szem könnyen elvét – s mindez szó szerint édesanyák életét mentheti meg a szülés során.

MI-mikroszkóp talál “láthatatlan” spermiumokat: Az orvostudományban egy másik áttörés a meddőség kezelésében született. Egy MI-vel támogatott mikroszkóp igazolta, hogy képes észlelni életképes spermiumokat olyan, extrém alacsony spermaszámú férfiaknál, akiken a hagyományos eljárások csődöt mondanak. Egy példa egy meddőségi klinikáról: egy mintát a labor 48 órás keresés után reménytelennek minősített, miután sehol nem találtak spermiumot. Az MI-rendszer mikrofluidikai chip és számítógépes látás segítségével 44 életképes spermiumot jelzett elő kevesebb mint egy óra alatt ^[42]. Ez elég volt a speciális IVF-kezeléshez (ICSI – intracitoplazmatikus spermiuminjekció), amely végül sikeres terhességgel zárult ^[43]. Lényeges, hogy így nincs szükség sem mérgező festékek alkalmazására, sem invazív szöveti mintavételre. A szakértők szerint a technológia felhasználható lesz több meddőségi esetben is – például a spermiumok egészségi állapotának rangsorolására, vagy akár pete- és embrió-értékelésre is. Röviden: ami korábban “tűt a szénakazalban” keresés volt (néhány életképes spermium milliók között), az ma MI segítségével megbízhatóan, percek alatt megtalálható. Gyermeket váró pároknak ez új remény: az MI a laborban közvetlenül életeket változtat meg, régen lehetetlennek tartott helyzetekből sikertörténeteket kovácsolva.

Orvosi képalkotó MI az anyák védelmében: A szülés utáni vérzésen túl a MI más szülészeti kockázatokban is segít. Kaliforniai és kínai kutatók MRI “radiomikai” elemzést kombináltak gépi tanulással, hogy előrejelezzék a placenta accreta spektrumot (veszélyes állapot, amikor a méhlepény túl mélyen tapad meg) és a kapcsolódó vérzéseket. Az ilyen, képalkotási és klinikai adatokat ötvöző modell nemcsak előrejelezte az ilyen eseményeket, hanem elég korán ahhoz, hogy a szülési tervet módosítani lehessen ^[44]. Egyszerűen fogalmazva: a radiológusok MI-támogatással akár hetekre előbb jelezhetik a magas kockázatú terhességeket. A kórházak így időben felkészülhetnek a vérkészlet biztosítására, szakemberek készenlétbe állítására, jelentősen javítva az esélyeket. Ez egy nagyobb trend része: MI-vel támogatott diagnosztikai eszközök egyre több területen, például mammográfiás rákszűrésen, agyi stroke-vizsgálatokon – az MI egyre gyakrabban “második szempárként” segíti az orvosokat. A szülészetben ez a többlet előrelátás szó szerint élet és halál kérdése lehet, főleg ott, ahol az anyák ellátása korlátozottabb.

MI a robotikában és autonóm rendszerekben

A Google DeepMind robotagy a készüléken: Az egyik legizgalmasabb fejlesztés a Google DeepMind robotikai részlegétől érkezett: bemutatták a Gemini Robotics On-Device rendszert, amely egy új, teljesen helyben futó MI-alapmodellt kínál robotokon – felhőkapcsolat nélkül ^[45] ^[46]. Ez a látás-nyelv-akció modell lehetővé teszi, hogy egy humanoid robot önállóan lássa környezetét és összetett feladatokat hajtson végre alacsony késleltetéssel, internet-kapcsolat nélkül. “Mivel a modell függetlenül működik a hálózattól, rendkívül alkalmas érzékeny, valós idejű reakciókat igénylő vagy megbízhatatlan/hiányzó összeköttetésű környezetekben” – mondta Carolina Parada, a DeepMind robotikai részlegének vezetője ^[47] ^[48]. Az idén márciusi “Gemini” modellre építve az On-Device verzió kétkarú robotokhoz lett optimalizálva, és gyorsan sajátít el új feladatokat finomhangolás révén. A Google szerint a rendszer képes mindennapi műveletekre – táskák cipzározása, ruhahajtogatás, folyadéköntés vagy akár egy kártya kihúzása a csomagból ^[49]. A fejlesztők azt mutatták be, hogy mindössze 50–100 bemutatóval a modell képes általánosítani új feladatra is – ez hatalmas előrelépés a robotok kézügyességében és rugalmasságában ^[50]. Ez egyben a Google DeepMind első robotikára szánt alaprendszere, amelyet a fejlesztők saját maguk is finomhangolhatnak ^[51], azaz teret nyit a testreszabásnak. A Gemini On-Device jelentősége, hogy a robotok mostantól képesek “helyben gondolkodni” és valós időben cselekedni – ez kulcsfontosságú iparban, gyártásban vagy háztartási robotikában, ahol a döntések gyorsasága és az adatok helyben tartása (adatvédelem!) kiemelten fontos. Ahogy egy tech portál írta: “a robot immár helyben gondolkodik és azonnal cselekszik” ^[52], amely mérföldkő a segítő humanoid robotok köznapi elterjedése felé.

Az ABB nagyteljesítményű raktári robotja: Az ipari robotika területén az ABB bemutatta a Flexley Mover P603-at, egy autonóm mobil robotot, melynek meglepően kicsi a mérete. Körülbelül egy kávézóasztal nagyságú ez az alacsony jármű, amely akár 1500 kg (1,5 tonna) terhet is képes szállítani ^[53] – lenyűgöző teljesítmény ekkora alapterülettel. A P603 vizuális SLAM-et (szimultán lokalizáció és térképezés) használ a navigációhoz, vagyis magától képes feltérképezni a raktári padlót, nem igényel speciális QR-kódokat vagy síneket ^[54]. Aktív felfüggesztése révén a göröngyösebb padlón is jól mozog, és képes nehéz raklapokat mozgatni akár 5 mm pontossággal, 2 m/s sebesség mellett ^[55]. Talán a gyárvezetők számára a legvonzóbb, hogy a robot munkafolyamatait drag-and-drop felületen, az ABB szoftverstúdiójában lehet konfigurálni, nem bonyolult programozással ^[56]. Más szavakkal: a robot útvonalainak és feladatainak beállítása majdnem olyan egyszerű, mint egy lejátszási lista összeállítása. A P603 akkor érkezik, amikor a gyárak és raktárak egyre inkább a rugalmas automatizálás felé fordulnak – a fix szalagrendszereket és irányított járműveket szabadon mozgó, dinamikusan átkonfigurálható robotok váltják fel. Az ABB újdonsága – ahogy azt egy iparági összefoglaló is kiemeli – „egy újabb tégla” a logisztikában végigsöprő AI-alapú automatizálás falában ^[57]. Mivel az ellátási láncok az e-kereskedelem növekedéséhez és munkaerőhiányhoz igazodnak, az ilyen intelligens robotok nélkülözhetetlenné válnak.

Egy kínai védelmi laboratórium által bemutatott prototípus, amely egy szúnyog méretű megfigyelődrón ^[58]. Az állami médiában bemutatott felvételen a parányi bionikus drón – amely egy rovarnál is kisebb – két ujj között látható.

Kína szúnyogméretű kém drónja: Úgy hangzik, mint egy sci-fi, de kínai kutatóknak sikerült egy valódi szúnyog méretű drónt építeniük. Ezen a héten a kínai állami CCTV-7 tévécsatorna bemutatta a miniatűr robot repülőt, amelyet a Nemzetvédelmi Technológiai Egyetem egyik hallgatója két ujja között szorongatva demonstrált ^[59]. A szúnyogdrónból legalább két változat létezik – egy két, egy pedig négy szárnnyal – kémkedési célú titkos megfigyelőakciókhoz tervezték ^[60]. Míg a technikai részletek titkosak (nem tudni, milyen szenzorokat vagy akkut használ ekkora méretnél), a szakértők szerint már pusztán a projekt bemutatása is jelzi, hogy Kína a mikro-UAV technológiát igyekszik új szintre emelni ^[61]. Az ilyen miniatürizált drónok könnyedén bejuthatnak épületekbe, vagy észrevétlenül lebeghetnek olyan városi környezetben, ahol a nagyobb drónok nem tudnak, de ez összetett etikai és biztonsági kérdéseket is felvet. Katonai elemzők szerint számos ország dolgozik rovartestű felderítődrónokon; a kihívás, hogy értelmes hatótávot és megbízható adattovábbítást érjenek el ilyen apró energiatartalékokkal ^[62]. A kínai prototípus valószínűleg még kutatási fázisban van (nincs bizonyíték, hogy terepen már bevetették volna ^[63]), de jól mutatja, meddig jutott a dróninnováció – szó szerint bogárméretre zsugorodott a megfigyelés világa. A fejlesztés már most vitákat indított a lehetséges ellenintézkedésekről és az adatvédelemről, hiszen elképzelhető: a fülünk körül zümmögő „szúnyog” valójában már nem szúnyog.

AI politika, etika és szakértői vélemények

Mérföldkőnek számító szerzői jogi ítélet az AI tanítóadatokról: Egy amerikai szövetségi bíró nagy figyelemmel kísért döntést hozott, amely óriási hatással lehet az AI-cégekre és a szerzői jogi szabályozásra. Egy AI startup, az Anthropic (a Claude chatbot fejlesztője) ellen indított perben William Alsup bíró kimondta, hogy szerzői jog által védett könyvek AI általi felhasználása tanítás céljára az amerikai törvények szerint fair use-nak („méltányos használatnak”) minősülhet – ez hatalmas győzelem az AI iparág számára ^[64]. Alsup döntése az AI által több ezer könyvön történő tanulást egy íróhoz hasonlította, aki Dickens klasszikusait olvassa inspirációként – az AI outputja „tipikusan transzformatív”, nem puszta másolat ^[65]. Fontos jogi határvonalat is húzott: bár maga a tanulási folyamat méltányos használat lehet, az adatok megszerzésének módja nem mindegy. Az Anthropic esetében a cég több könyvet is „árnyékkönyvtárakból” szerzett – kalózmásolatokat, illegális letöltéseket ^[66] ^[67]. A bíró szerint az Anthropicnak bíróság elé kell állnia szerzői jogi lopásért, hiszen „nem volt joguk kalózmásolatokhoz folyamodni könyvtáruk felépítése érdekében”, még akkor sem, ha a végső cél transzformatív ^[68]. Vagyis a bíróság elutasította azt az érvet, hogy önmagában a tanítás sért szerzői jogot, de továbbra is jogi kockázat marad, ha a tanítóadatok illegális forrásból származnak. Ez a megosztott döntés precedenst teremt – talán ez az első bírói állásfoglalás az AI-tanítás és a fair use viszonyáról. A lényeg: „az engedély nélküli tanulás túléli” – az AI tanulhat szerzői jog által védett anyagból is közvetlen engedély nélkül –, de adatlopási kerülőutak nem ^[69]. Az AI-fejlesztőknek tehát meg kell tisztítaniuk tanítási adataikat: az internetről vagy kalózoldalakról történő adatscrapelés jogi kockázatot hordoz, míg a legális vásárolt vagy közkincs adat biztonságosabb ^[70]. Az ítélet éppen akkor született, amikor hasonló perek indulnak az OpenAI és más cégek ellen ^[71], és valószínűleg ezekre is hatással lesz. Az Anthropic elégedetten nyilatkozott, hogy a bíró az AI-tanítást elismerte transzformatívnak és a szerzői jogi szabályozás céljával összhangban állónak ^[72]. A per hátralévő részét decemberben tárgyalják, az AI-világ pedig figyelemmel kíséri, hogyan zárkóznak fel a jogi keretek a technológiai valósághoz.

Az AI energiaéhsége reflektorfényben: Ahogy az AI-modellek egyre nagyobbak lesznek, nőnek az környezeti és energetikai hatásokkal kapcsolatos aggodalmak. Ezen a héten a tech újságíró, Joanna Stern mélyrehatóan utánajárt a kérdésnek: „Mennyi energiába kerül egy AI-lekérdezés?” – az eredmények pedig megdöbbentőek. Még a látszólag jelentéktelen AI-feladatok is komoly energiát emésztenek fel. Például egy egyetlen 6 másodperces AI-videó generálása „20 és 110 wattóra közötti” áramfogyasztással járhat ^[73]. A felső érték nagyjából annyi áram, mint amivel egy elektromos grillt 10 percig működtetünk – Stern ezt az energiát egy steak sütésével szemléltette, ugyanakkora energiafogyasztást elérve, mint egy AI-videó lekérdezés ^[74]. Gyakorlatilag két rövid AI generálta videó annyi áramot igényelhet, mint egy vacsora grillezése ^[75]. Ráadásul a nagyobb AI-feladatoknál ez hatványozottan igaz: a nagy nyelvi modellek tanítása ezrével igényli az ilyen, GPU-igényes feladatokat, amik megawattórákban mérhető fogyasztással, illetve nagymennyiségű vízzel hűtik az adatközpontokat ^[76] ^[77]. Egy AI-lekérdezés titokzatos útja – a felhasználó laptopjától a távoli GPU-szerverig és vissza – a fogyasztók előtt sokszor rejtve marad, de Stern riportja (és egyre több kutatás) feltárja ezt az „energiaelszívást” ^[78] ^[79]. Olyan kutatók, mint Sasha Luccioni (Hugging Face), már AI energiafogyasztás ranglistát is készítettek a különböző modellek áramigényének összehasonlítására ^[80]. Jó hír, hogy a hardver fejlődik: az Nvidia legújabb AI-chipjei a vállalat fenntarthatósági vezetője szerint 30× energiatakarékosabbak, mint az egy évvel ezelőttiek ^[81]. A technológiai cégek is hangsúlyozzák, hogy adatközpontjaikat egyre inkább tiszta, megújuló energiára állítják át ^[82]. Azonban a hatékonyságnövekedésüket ellensúlyozza az AI-igények lavinaszerű növekedése – több modell, több felhasználó, több lekérdezés = több energiafogyasztás, még ha az egyes műveletek zöldebbek is ^[83] ^[84]. Stern és mások úgy látják, hogy a transzparencia kulcsfontosságú lenne: ha a felhasználók minden AI-lekérdezésnél egy „energiafogyasztásának” kijelzését látnák, kétszer is meggondolnák a felesleges használatot ^[85]. Összességében: az iparág előtt kettős kihívás áll, csökkenteni az AI szénlábnyomát, miközben továbbra is fejlődik. A tanulság: az AI nem varázslat – árammal működik, méghozzá rengeteggel. Ahogy egy szakember találóan mondta, az AI csak annyira fenntartható, amennyire az energia (és víz), amit „táplálékul” adunk neki ^[86] – így a jövő áttöréseiben nemcsak okosabb, hanem energiatudatosabb modellekre is szükség lesz.

Szakértők vitáznak az MI kiszámíthatatlan pályájáról: Az MI gyors fejlődése még saját úttörőit is egyszerre készteti optimizmusra és óvatosságra. Ilya Sutskever, az OpenAI társalapítója és vezető tudósa nyilvános figyelmeztetéssel hívta fel a figyelmet arra, hogy az MI fejlődése előre nem látható irányokba fordulhat. „Az MI rendkívül kiszámíthatatlan és elképzelhetetlen lesz” – mondta Sutskever egy friss interjúban, azt hangsúlyozva, hogy a fejlett MI-rendszerek egy nap akár önmagukat is fejleszthetik emberi felügyelet nélkül ^[87]. Szerinte ez „gyors és ellenőrizhetetlen előrehaladás” folyamatát indíthatja el, aminek következtében az emberek nehezen tudják átlátni vagy irányítani a történteket ^[88]. Ez a komor figyelmeztetés Sutskever gondolataival együtt jelent meg az „intelligencia-robbanás” koncepciójáról – vagyis arról, hogy egy eléggé fejlett MI képes lehet újra és újra önmagát felülmúlni, ezzel exponenciális képesség-növekedést elérve. Pozitívumként Sutskever kiemelte, hogy egy ilyen MI „hihetetlen egészségügyi” áttöréseket hozhat, betegségeket gyógyíthat és meghosszabbíthatja az emberi életet ^[89]. Ám ezzel az optimizmussal együtt az aggodalmát is kifejezte: hogyan fogunk reagálni, ha az MI tényleg ilyen hatalmas erővé válik ^[90]. Megjegyzései alátámasztják a tágabb MI-közösségben zajló vitát: hogyan lehet egyensúlyozni az MI ígéretei (orvoslás, tudomány stb.) és a veszélyei között – nevezetesen, hogy elveszíthetjük a kontrollt vagy a felügyeletet. Figyelemre méltó, hogy Sutskever a közelmúltban távozott az OpenAI-tól, hogy egy új vállalkozást, a Safe Superintelligence-t indítsa el, melynek célja, hogy a jövő MI-je valóban hasznos és biztonságos maradjon ^[91] ^[92]. Hozzáállása összhangban van más technológiai vezetők felszólításaival, akik most – nem majd később – szorgalmazzák az MI-biztonsági kutatásokat. Az a tény, hogy az MI vezető építészei közül valaki nyíltan aggódik a sci-fibe illő forgatókönyvek – önfejlődő, az emberi megértést meghaladó MI – miatt, azt jelzi, hogy az MI erkölcsi és egzisztenciális kérdései már nem pusztán elméletiek. Itt vannak, és globális együttműködéssel, átgondolt szabályozással és az MI emberi értékekhez igazítását célzó kutatásokkal kell foglalkoznunk velük.

MI és a munka jövője – Figyelmeztetés a munkaerőhiányra: A csúcstechnológiai fejlesztések közepette éles emlékeztetőt küldött a gyártóipar: Ki építi meg az MI jövőjét? A Ford vezérigazgatója, Jim Farley az Aspen Ideas Festivalon figyelmeztetett: miközben az MI által hajtott termelékenység a fehérgalléros pozícióknál szárnyal, a szakképzett kék-galléros munkaerő egyre fogy ^[93]. Farley hangsúlyozta, hogy a gyárakban ma is szükség van villanyszerelőkre, hegesztőkre, műszaki szakemberekre – ezeknek a munkáknak csak kb. 10–20%-át látta el eddig MI vagy robot ^[94]. Egy szemléletes példát is hozott: egy autógyárban, egy német soron dolgozó munkás egyszer egy bringagumi segítségével rögtönzött megoldást talált egy elakadt csomagtérajtóra – ezt a fajta kreatív helyzetkezelést semmilyen algoritmus nem jósolta volna meg ^[95]. Az ilyen emberi improvizáció továbbra is kulcsfontosságú a gyártásban. Ám a fiatalabb generációk egyre kevésbé választanak szakmát, a jelenlegi szakemberek pedig nyugdíjba mennek – emiatt az iparágak súlyos szűk keresztmetszettel nézhetnek szembe: nehéz lesz felfuttatni az elektromosautó-gyárakat vagy infrastrukturális beruházásokat elég emberi kéz nélkül. Farley a szakképzésbe való befektetést javallja, és azt szeretné, ha a szakmunkákat a jövő nélkülözhetetlen, műszaki szakmáiként kezelnék (ami lényegében igaz is – a mai villanyszerelők gyakran dolgoznak együtt robotokkal és fejlett gépekkel) ^[96]. Felvetette azt is, hogy ez nemzetbiztonsági kérdés („a hazai gyártás a védelmünk”), mivel a versenyképesség azon múlik, lesznek-e olyan emberek, akik meg tudják építeni azokat az innovációkat, amiket az MI megálmodik ^[97]. A tanulság árnyalt: az MI át fogja alakítani a munkákat, de újfajta igényeket is teremt a munkaerőpiacon. Miközben az MI a rutinszerű szellemi, a robotok az ismétlődő fizikai feladatokat veszik át, a megmaradó munkakörök egyre több készséget, alkalmazkodóképességet, gyakran interdiszciplináris tudást feltételeznek (például egy okosotthon-szerelőnek asztalos- és programozói ismeretei is lehetnek). Ezért a döntéshozókat és cégeket arra ösztönzik, hogy tervezzenek munkaerő-fejlesztést, hogy a társadalom ne úgy járjon, hogy lesz egymillió prompt-mérnöke, de alig akad vízvezeték-szerelő. Farley szavaival: „Amerikának tervre van szüksége”, hogy a technológiai fejlődés és az emberi munka egymást erősítve haladjon előre ^[98].

Források: A fenti információk különböző megbízható forrásokból származnak, többek között vállalati bejelentésekből, szakértői interjúkból és MI-vel foglalkozó híroldalakról. Kulcsfontosságú hivatkozások többek között: az Associated Press jelentése az Anthropic szerzői jogi ügyéről ^[99] ^[100], a The Wall Street Journal elemzése az MI energiafelhasználásáról ^[101] ^[102], MI-szakértők, például Ilya Sutskever nyilatkozatai az Analytics India Magazine révén ^[103] ^[104], illetve vállalati hírek, például a Cointelegraph (Meta toborzásai és üzletei) ^[105] ^[106]. A legújabb kutatási eredmények olyan publikációkból származnak, mint például a DeepMind hivatalos blogja (AlphaGenome) ^[107], az Academic Radiology az AuntMinnie révén (MI a szülés utáni vérzés előrejelzésére) ^[108] ^[109], valamint technológiai híroldalak (például Tom’s Hardware a szúnyog méretű drónról) ^[110]. Ezek a fejlemények együtt egy gyorsan fejlődő MI-t mutatnak – amely képességeiben és hatásában folyamatosan bővül –, miközben a társadalom próbálja megérteni és irányítani ezt az átalakulást. Minden hét előrelépése egyszerre izgalmat és elgondolkodást idéz elő: milyen szerepet játszik az MI életünkben, gazdaságunkban és jövőnkben.