IT Biztonság letölthető tankönyv

http://jelenbolajovobe.blog.hu/rss

Tartalom átvétel
Frissítve: 2 óra 40 perc

Delfinfigyelés Facebook-algoritmussal

4 óra 33 perc

Nehéz követni a delfineket. Időigényes, hajóról vagy repülőről egyáltalán nem biztos, hogy meglátjuk őket az óceánfelszínen. Egy ideje vízalatti szenzorokkal is próbálják figyelni őket, főként jellegzetes hangjukat, amelynek frekvenciája az ultrahang-tartományba esik. Az állat különlegessége, hogy visszhang alapján tájékozódik. Az érzékelőket használva a hang segítségével próbálnak számukra, viselkedésükre stb. következtetni. Az így gyűjtött adatokat azonban fáradságos munka feldolgozni.

A Facebook barátajánlójához hasonló gépitanulás-algoritmus segíthet. A kaliforniai Scripps Oceanográfiai Intézet hasonló algoritmusa ugyanis a Mexikói öbölben felvett 52 millió kattanás-szerű delfinhang elemzésével hét hangcsoportot különített el egymástól. A csoportok delfinfajtáknak felelhetnek meg.

A kutatást vezető Kait Frasier évek óta próbál mintákat találni a delfinek jeleiben, de egy idő után eldöntötte, hogy az addigi eljárás helyett inkább a Google és a Facebook által bigdata-elemzésre használt eszközökkel többre megy.

Első lépésben egy detektáló program évekig vizsgálta az audiófelvételeket, és kiszedte belőlük a delfinhangokat, amelyeket az algoritmus ötperces blokkokba rendezett, majd a blokkokhoz frekvenciaformákat generált, illetve kimutatta, hogy a jellegzetes csattanó/klikkelő hang átlagosan milyen gyakori.

Ezt követően a program hasonló klikkrátájú és frekvenciaprofilú ötperces darabokat rendezett csoportokba. Nagyjából úgy – csak sokkal egyszerűbben – járt el, mint a közösségimédia-kapcsolatokat, zenéket vagy hirdetéseket kínálgató online algoritmusok.

Összességében nagyon felgyorsult a munka: míg a korábbi módszerrel három hét alatt elemeztek egyetlen helyszínen készült évnyi hanganyagot, addig az algoritmus négy nap alatt végzett öt helyszín kétévnyi felvételével.

Az algoritmust ugyan nem tanították kategóriák felismerésére, mégis hét csoportot különböztetett meg egymástól.

A gépitanulás-megközelítést azonban mindenképpen ki kell egészíteni helyszíni tesztekkel, mert csak úgy győződhetnek meg a rendszer következtetéseiről. A különbségek elvileg más okokkal is magyarázhatók, de ezzel együtt a kutatók hatalmas potenciált látnak a technológiában.

Munkájukkal nemcsak a delfineken akarnak segíteni, hanem így pontosabb képet kapnak az óceán állapotáról, változásairól.


Kategóriák: Jelenből a jövőbe

Jobb ajánlóalgoritmus

2017. december 14. 14.00

Honlapok, például az Amazon és a Netflix ajánlórendszerei az úgynevezett együttműködő szűrést (collaborative filtering) használják. Ha meg akarják határozni, hogy az adott fogyasztó milyen termékeket szerethet, hasonló termékeket hasonlóan pontozó más fogyasztók után néznek, és az ő pontjaikból következtetnek.

A módszer sikere a hasonlóságon alapul. A legtöbb ajánlórendszer a gyakorlatban jól működő koszinusz hasonlóság nevű mérést alkalmazza. Az MIT (Massachusetts Institute of Technology) kutatói már tavaly dolgoztak a mérés eredményességének okait szemléltető elméleti kereten, november végén pedig arról számoltak be, hogy a kerettel a mai ajánlóalgoritmusoknál jobbat fejlesztettek. Az algoritmus különösen akkor hatékony, ha az adatok nagyon szétszórtak, kevés az átfedés az értékelt termékek és más fogyasztók pontozása között.

Az alapstratégia igen egyszerű: ha az algoritmus megpróbálja előrejelezni a fogyasztó osztályozását, nemcsak hasonló ízlésűek véleményét veszi figyelembe, hanem az azokhoz, és az azokhoz stb. hasonló ízlésűekét is. Tágabb kontextusban, sokkal több felhasználó adatain vizsgálódik.

Az ötlet intuitív, a gyakorlatban viszont minden megint a hasonlóság speciális mérésétől függ.

„Ha nagyvonalúan kezeljük, mindenki hasonlítani fog egymásra. Másrészt, ha precízek vagyunk, megnézzük a legközelebbi szomszédot. Milyen zaj szűrődik a folyamatba, ha egy barát preferenciáitól a barát barátjának a preferenciáiig megyünk, lehet-e annyira pontosan számszerűsíteni a zajt, hogy előnyünk származzon belőle?” – magyarázza a kutatást vezető Devavrat Shah.

Az algoritmus eleve feltételezi, hogy a felhasználó által adott pontszám ugyanaz marad, és az összes felhasználóhoz társítható függvény is hasonló elvek alapján működik. Ha tényleg így van, az algoritmus elég konzisztens marad ahhoz, hogy statisztikai következtetéseket vetítsen előre. A következtetés tárgya: mennyire valószínű, hogy egy felhasználó pontozásából előrejelezhető egy másiké?

A kutatók keretükkel megfelelő választ („igen, jól előrejelezhető”) adtak a kérdésre, szétszórt adatoknál pedig kiderült, hogy a „szomszéd szomszédja” megoldással pontosabb prognózisok készíthetők, mint bármelyik ismert algoritmussal.


Kategóriák: Jelenből a jövőbe

Menekülés a visszhang-szobából

2017. december 13. 14.00

Napjainkban a közösségi média az egyik legfontosabb, ha nem a legfontosabb információ- és hírforrás. Általános kifogás a Facebookkal és a többi platformmal kapcsolatban, hogy segítenek létrehozni az úgynevezett visszhang-szobákat (echo chambers).

A jelenség a pszichológiából ismert kognitív, gondolati torzításokhoz, az információfeldolgozás sajátos, célirányos torzításaihoz, befolyásoltságához, azon belül is a megerősítéses torzításhoz kapcsolódik: nézeteinket, elképzeléseinket támogató információkat keresünk és fogadunk el igaznak.

A visszhang-szobákban pont ilyen infókat olvasunk, véletlenül sem szembesülünk más, a miénkkel például ellentétes nézőpontokkal. A jelenség leginkább ellentmondásos, megosztó témáknál áll fenn, amikor két elképzelés annyira elszigetelődik és annyira kizárja egymást, hogy csak a saját véleményünket osztó információkat vagyunk hajlandók észrevenni.

A finn Aalto és a Római Tor Vergata Egyetem kutatói az információhoz való hozzáférést kiegyensúlyozó algoritmust fejlesztettek, hogy a közösségimédia-felhasználók mindkét vitázó fél véleményét megismerjék.

Az algoritmust mozgató alapelv, hogy minden egyes szakaszban az optimális választásokat keresi. Jelen esetben befolyásos felhasználók sikeres kiválasztásával próbál eredményt elérni. Ezek a felhasználók nyitottabbak a másik álláspontra, és meggyőzhetők, hogy a másik oldallal kapcsolatos infókat elterjesszék az övéik között. Az algoritmus maximalizál, célja mindkét nézőpont legszélesebb körű ismerete.

„Szófelhőket használtunk kvalitatív esettanulmányként, hogy kiegészítsük a kvantitatív eredményeket. A felhőben lévő szavakat a felhasználók profiljában találtuk. Például a #russiagate hashtag-hez kapcsolódó szavakból nemcsak az derült ki, hogy a két ellentétes véleményt megjelenítő szófelhő nagyon különbözik egymástól, hanem az is, hogy a felhasználók vagy támogatják, vagy utálják Donald Trumpot” – magyarázza Kiran Garimella, az Aalto Egyetem kutatója.

Az olyan témákkal kapcsolatban, mint például a nyersanyag-kitermelés, az ellentétes véleményeket megerősítve, a két oldal szintén önmagában beszélget.

„Az adatokból kiviláglik, hogy a hálózat két oldalra szakadt. Az egyik támogatja a kitermelést, és olyan szavakat használ, mint az olaj, energia, gáz; a másik viszont ellenzi, náluk a környezeti, zöld, energia szavak dominálnak. A kulcsszavak között olyan kicsi az átfedés, hogy egyértelmű: a felhasználók visszhang-szobában vannak” – szemlélteti a jelenséget Aristides Gionis (Aalto Egyetem).

Pontosan ezért fontosak a hídszerepet játszó befolyásos userek, akik segíthetnek társadalmi viták kezdeményezésében, mindkét nézőpont megismertetésében.


Kategóriák: Jelenből a jövőbe

Álvideókat készít a mesterséges intelligencia

2017. december 12. 14.00

A Nvidia októberben mutatott be egy soha nem létezett személyekről zavaróan élethű képeket generáló mesterséges intelligenciát. A techcég most továbbment, legújabb MI-jük ugyanis álvideókat hoz létre.

Meglepően jól dolgozik, nappalt éjszakára, telet nyárra, házimacskát gepárdra és vice versa változtat. Szintén figyelemreméltó, hogy eredményeit sokkal kevesebb gyakorlással éri el, mint a meglévő hasonló rendszerek.

Az arcgenerátorhoz hasonlóan, a képfordító MI szintén „generatív ellenséges hálózatot” (generative adversarial network, GAN) használ. Az algoritmusban két idegháló dolgozik együtt, de egymás ellen. Az egyik képet vagy videót generál, a másik „megkritizálja” a munkáját.

Egy GAN hatékony működéséhez általában sok felcímkézett adat kell, hogy megtanuljon belőlük saját adatot készíteni. Például, a rendszernek képpárokat kell látnia egy utcáról hóval és hó nélkül ahhoz, hogy aztán magától alkosson mindkettőről képet.

A Nvidia új képfordító MI-jének viszont nem kell látnia, hogyan néz ki a hó borította utca, mert el tudja képzelni.

Ming-Yu Liu, az egyik fejlesztő a rendszer konkrét hasznosításáról semmit nem árult el, viszont több izgalmas alkalmazási lehetőséget villantott fel.

„Kaliforniában például ritkán esik az eső, és természetesen szeretnénk, ha önvezető autóink esőben is szabályosan működnének. Ezzel a módszerrel a napsütötte kaliforniai vezetési jelenetsorok esősekké alakíthatók át, és önvezető járműveink gyakorolhatnak rajtuk” – magyarázza.

Az MI a nagyon praktikus alkalmazások mellett más célokra is használható: képzeljük el, hogy házat akarunk vásárolni, és a szokásos tavaszi-nyári háttér után megnézzük, hogyan mutat ősszel vagy télen a kiszemelt épület. Esetleg szabadtéri esküvőt is megcsodálhatunk őszi esőben…

Fantáziánkat nem kell különösebben elereszteni ahhoz, hogy a technológia árnyoldalait is észrevegyük. Ha széles körben elterjed, még kevésbé bízunk meg a hírekben, videókban, és végül csak a saját szemünkkel látottakat hisszük el. De nemcsak mi, hanem a bíróságok sem biztos, hogy elfogadják a videókat, az álhírek pedig még kevésbé lesznek különböztethetők meg az igaziaktól.

Az Nvidia MI képességei egyelőre azonban csak néhány alkalmazásra korlátozódnak, és amíg nem kerül a fogyasztók kezébe, nem tudhatjuk, milyen társadalmi hatásai lesznek.


Kategóriák: Jelenből a jövőbe

MIT-kutatók „élő tetkót” nyomtatnak

2017. december 11. 14.00

Genetikailag programozott élő sejtekből álló „tintával” működő 3D nyomtatótechnikát dolgoztak ki az MIT (Massachusetts Institute of Technology) Gépészmérnöki Karán. A sejtek különféle ingerekre világítani kezdenek. Hidrogéllel és tápanyagokkal keverve nyomtathatók rétegről rétegre, míg végül háromdimenziós interaktív szerkezeteket és eszközöket formáznak. Bőrre ragasztva ugyanezek a vegyületek lépnek működésbe, és a fát formáló minta megfelelő része világítani kezd.

A kutatók szerint technikájukkal „aktív” anyagok gyárthatók magunkon viselhető (wearable) szenzorokhoz és interaktív kijelzőkhöz, gyógyszerkapszulákhoz, sebészeti beültetésekhez. Később „élő komputerek” szintén fejleszthetők lesznek velük. A sejtek érzékelnék a környezet vegyi, szennyező anyagait, a pH-értékek és a hőmérséklet változását, és úgy továbbítanának jeleket egymásnak, mint a tranzisztorok egy mikrochipen.

A csoport az adott 3D szerkezeten belüli sejtek (különböző feltételek melletti) egymás közötti interakcióit előrejelző modellt is kidolgozott. A modell reagens (responsive) élő anyagok tervezésére használható. Az utóbbi években több ilyennel kísérleteztek 3D nyomtatótintákhoz: „hőmérséklet-érzékeny” polimerekkel próbáltak például hőmérsékletre reagáló alakváltó, vagy a fényviszonyok függvényében összezsugorodó/kitáguló tárgyakat printelni.

A biomérnökökkel együttműködő kutatók rájöttek, hogy élő sejtek, különösen a géntervezéssel készültek szintén képesek különféle ingerekre reagálni. Nem ők az egyetlenek, mások emlőssejtekkel próbálkoztak – kevés sikerrel. Az emlőssejtek túl vékonyak és törékenyek voltak, el is pusztultak nyomtatás közben.

Az MIT-s csoport baktériumokban azonosított egy keményebb és a legtöbb hidrogéllel kompatibilis sejttípust. A hidrogél azért kell, mert megfelelő „vizes” környezetet biztosít. Teszteken a (3D nyomtatásra is) legideálisabb hidrogélt szintén azonosították.

A „3D gyár munkásaiként” dolgozó bakteriális sejteket úgy tervezték, hogy különféle ingerekre fényt bocsássanak ki, majd a baktériumokból, a hidrogélből és tápanyagokból elkészítették a tinta „receptjét”, ügyelve, hogy a sejtek és funkcióik is megmaradjanak.

Kiderült, hogy a tinta működik, és nagyfelbontásban nyomtathatnak vele. Minden egyes printelt réteg néhány sejtet tartalmaz, és akár átlagos gépen is relatíve nagy – több centiméteres – szerkezetek készíthetők belőle.

Bemutatóként a hidrogél és a sejtek keverékéből elasztomer rétegre nyomtattak egy faformájú mintát. Az utómunkálatokat követően ultraviola sugárzásnak tették ki, majd az átlátszó elasztomert (az élő mintákkal) bőrre ragasztották. A tesztalany tenyerére többféle vegyületet tettek, és amikor a baktériumok észlelték a megfelelő ingereket, fényt bocsátottak ki magukból.


Kategóriák: Jelenből a jövőbe

Mesterségesintelligencia-index méri a terület fejlődését

2017. december 08. 14.00

A mesterséges intelligencia kifejezés első, 1956-os használata óta főként vezető nélküli autók, szóbeli utasításokat felismerő okostelefonok és látó számítógépek formájában, ha nem is úgy, ahogy elképzelték, de valósággá fejlődött. Ezt a fejlődést igyekszik számszerűsíteni a Stanford vezető MI-kutatókból álló AI100 (One Hundred Year Study on Artificial Intelligence) csoportja. Az index átfogó képet ad az MI állapotáról, és ugyanúgy méri a technológiai fejlődést, mint a GDP a gazdaságot, az S&P 500 a tőzsdét, vagy a szintén nehezen számszerűsíthető társadalmi haladást, közép-keleti békét, Banglades szegénységét stb. számszerűsítő technikák.

A kezdeményezés kiegészíti az AI100 rendszeres beszámolóját a terület helyzetéről. Magát az AI100-at három éve alapították, 2016 őszi első beszámolója a 2030-as állapotokat vetítette előre. Az új index az MI startupok számának és a befektetéseknek drámai növekedését, a technológia komoly javulását állapította meg.

Az index legalább 18 oktatási, ipari, nyílt forrású szoftveres, közérdekű tényezőt, valamint az „emberi szintű teljesítmény” felé tartó technikai fejlődést méri olyan területeken, mint a beszédfelismerés, kérdés-felelet, gépi látás stb. A publikált tanulmányokat, tanfolyamokat, startupokat, állásokat, keresési szavak gyakoriságát, médiavonatkozásokat stb. speciális mutatók alapján értékelik.

„Sok szempontból vakon vitázunk az MI-ről, hiányoznak a gépi tevékenység hiteles értékeléséhez nélkülözhetetlen adatok. Az index célja a tényalapú mérés, amellyel felvázolhatjuk a fejlődést, és mélyebb beszélgetéseket folytathatunk a terület jövőjéről” – jelentette ki az indexet és az AI100 vezetőbizottságát megálmodó stanfordi professor emeritus Yoav Shoham.

Az első eredmények között szerepel, hogy 2017-ben 14-szer annyi MI startup működik, mint 2000-ben. A kockázati tőkebefektetések meghatszorozódtak, az akadémiai közegben kilencszer annyi MI-témájú tanulmányt publikálnak, mint 20 éve, jóval többen iratkoznak be MI-tanfolyamokra, a Stanfordon például bevezető gépitanulás-kurzusra 45-ször annyian iratkoznak be, mint 30 éve.

A technikai méréseket illetően, a kép- és a beszédfelismerés egyaránt megközelíti, sőt, időnként túl is szárnyalja az emberi szintű teljesítményt. MI-rendszerek olyan „valóvilág” alkalmazásokban remekelnek, mint a tárgydetektálás, kérdés-felelet játékok megértése, bőrrákos sejtekről készült fényképek csoportosítása stb. A probléma, hogy a számítógépek változatlanul le vannak maradva speciális információk általánosításában, mélyebb jelentések megértésében. Hiányzik belőlük, vagy nagyon alacsony szintű ez a képesség.

„Az MI döbbenetes haladást ért el az elmúlt 10 évben, viszont nincs meg bennük az ötéves gyerekek józanész-bölcsessége, általános intelligenciája” – magyarázza Shoham, majd megjegyezte, hogy a beszámoló nagyon USA-központú, és nemzetközibbnek kellene lennie. A kockázati tőke mellett a kormányzati és a vállalati beruházásokat szintén célszerű lenne mérni.


Kategóriák: Jelenből a jövőbe

A grafén lehet a tiszta és korlátlan mennyiségű energia kulcsa

2017. december 07. 14.00

Az Arkansas Egyetem fizikusai a grafén mozgását tiszta és korlátlan mennyiségű energia termelésére használó, nanoméretű áramgenerátort találtak fel. A Rezgőenergia-gyűjtő fejlesztése bizonyítja azt az elméletet, mely szerint kétdimenziós anyagok felhasználható energia forrásai lehetnek.

Az egyetemen fizikát oktató Paul Thibadonak onnan jött a generátor ötlete, hogy kollégáival nagyon furcsa mikroszkopikus mozgásokat vettek észre (egyrétegű szénatomokból álló) grafénlapokon. A rézállványra helyezett lapokról készült mikroszkópos képek összezavarták őt is, munkatársait is.

A képeket alképekre bontották, hogy jobban megértsék a nagy egész által elrejtett mintákat. Eredménnyel jártak, mert az új képeken értelmezhetőbb mintázatot figyeltek meg.

A lap pontról pontra történő vizsgálata közben döbbenetes jelenséget fedeztek fel. A grafén fel- és lefelé hullámzott, csúszott. E tevékenységet apró, véletlen és nagyobb, hirtelen mozgások kombinációjával érte el. Ilyen mozgást most figyeltek meg először atomi szintű szervetlen rendszeren. A kutatók megállapították, hogy a mozgásokat a környezet hőhatása váltotta ki (a megfigyelést szobahőmérsékleten végezték).

A grafén lapszerű szerkezete miatt atomjai – ellentétben például a folyadékmolekulák véletlenszerű rezgéseivel – párhuzamosan rezegnek. Thibado szerint ez a kulcs ahhoz, hogy 2D anyagok összegyűjthető energia forrásai lehetnek. A tandemszerű, párhuzamos rezgések okozzák a hullámzást a lapokon, amelyekről a legújabb nanotechnológiai módszerekkel gyűjthető energia.

A generátort kifejezetten erre a célra fejlesztették. Nemcsak az energiagyűjtésre, hanem az információ küldésére, fogadására, kezelésére és tárolására is óriási hatással lehet, több területen alkalmazhatják. Semmi más nem kell hozzá, csak szobahőmérsékleten generált hő.

Az alkalmazások előtt számos teszten át kell esnie, és a prototípusból is szélesebb körben működő energiaforrást kell kidolgozni. Ha beválik, az energiatermelés mellett az eszközkészítést is forradalmasíthatja.

Az orvosi eszközök, például bioimplantátumok, hallókészülékek, pacemakerek és magunkon viselhető szenzorok az egyik lehetséges alkalmazási kör. A grafén mozgásán alapuló, önmagát töltő eszközök kisebbek és hosszabb távon hatékonyabbak is lehetnek.

A generátor természetesen az egészségügyön kívül, például „intelligens” ruhához, fülbe ágyazott fordítógéphez stb. is hasznosítható.


Kategóriák: Jelenből a jövőbe

Interaktív gyalogátkelő

2017. december 06. 14.00

Képzeljünk el egy, csúcsforgalomban automatikusan működésbe lépő, a járókelőket segítő, csendes órákban viszont eltűnő gyalogátkelőhelyet. Ha közben játszunk az okostelefonon, a veszélyre minket és az autóvezetőket is figyelmeztető minta jelenik meg a földön.

Ez a zebra reagál a gyalogosokra.

A londoni Umbrellium pont ilyen interaktív, a környezetre dinamikusan reagáló gyalogátkelőt tervezett (Starling Crossing). Logikusnak tűnik, hogy a közeljövőben efféle interakciókat folytatunk városi terekkel.

„Ha körbenézünk a városokban, azt látjuk, hogy a technológia sokféleképpen kezeli egymáshoz és az urbánus térhez való viszonyunkat. A jól ismert zebrákat viszont évtizedekkel ezelőtt tervezték, és ma már másként használjuk a várost. Érdekes, hogy a zebrákat nem újították meg” – elmélkedik Usman Haque, az Umbrellum alapítója.

Az 1940-es évek Angliájában kidolgozott gyalogátkelőket mindenki ismeri. Az új fejlesztés a 23x7.5 méteres vízhatlan LED-lámpákból álló, az útba ágyazott hálózat jóvoltából meghagyja a zebra-mintát, viszont kívánság szerint alaprajzát, méretét, sőt, a színét is képes megváltoztatni.

A reagáló (responsive) felület az út kivilágításával védi, figyelmezteti a veszélyre, és irányítja biztonságosan a gyalogosokat a túloldalra.

A két szemközti oldalon, az egymástól legtávolabbi két ponton két kamera másodpercenként 25 képet készít az útról. A rendszer feldolgozza a fotókat, különbséget tesz gyalogosok, biciklisek és autók között. Osztályozórendszere ugyanis megtanulta, hogyan néznek ki különböző nézőpontokból személyek, kerékpárok és járművek.

Ezen információk alapján hozza meg döntéseit. Arra is figyelmeztet, ha az autó lámpája miatt rosszabbul látunk, ha pedig idősebb személyt észlel, hosszabb ideig világítja ki a zebrát.

A rendszer működésének egyik alapelve a folyamatos tanulás.

„Ha mindig rossz helyen megyünk át, közelebb viszi ehhez a helyhez a zebrát, hogy biztonságosabb legyen az átkelés” – magyarázza Haque.

A prototípust egy dél-londoni utcán tesztelték októberben, egy hónapig. A felhasználói visszajelzések pozitívak voltak. A cégnek most ki kell dolgoznia, hogy az okos gyalogátkelőt hogyan alkalmazzák világszerte.

 


Kategóriák: Jelenből a jövőbe

Angelina újfajta videojátékokról álmodozik

2017. december 05. 14.00

Michael Cook, a délnyugat-angliai (cornwalli) Falmouth Egyetem kutatója 2011-ben fejlesztette Angelinát, a szinte semmiből videojátékokat kitaláló mesterséges intelligenciát. Az elmúlt években az MI többszáz kísérleti játékot gyártott le. Super Mario Bros stílusú platformjátékokkal kezdte, repertoárja mára viszont jócskán bővült; más műfajokban, például puzzle-ban és kalandjátékokban is kompetens.

Cook eleve nem úgy tervezte, hogy csak egy műfajban alkosson.

Az MI szabadon használható gyűjteményekből (Wikimedia Commons stb.) összeszedett képekből képes játékokat generálni, online híroldalakról és a közösségi médiából kiválasztott anyagokra épülő feltételeket, szabályokat és karaktereket létrehozni. Ezeket az információkat önálló alkalmazásként futtatható szövegfájlba teszi.

„Angelina megpróbál a saját jó játék értelmezésének megfelelő anyagokat alkotni” – magyarázza Cook. Minél érdekesebb dolgokat fedez fel kísérletezés közben, annál inkább belemélyül a projektbe.

Angelina az egyik legszemléltetőbb példája egy nem teljesen új, de az utóbbi években egyre markánsabb trendnek: kutatók mind kifinomultabb géptanulás-algoritmusokat alkalmaznak játéktervezésre.

Hasonló algoritmusok már a korai videojátékok idején, az 1980-as évek elején is léteztek, használatukat viszont helyszínek kialakítására és más egyszerűbb megoldásokra korlátozták.

A legtöbb mai félautomata játékkészítő rendszert humán tervezők segítik. Kétfajta tartalmat hoznak létre: az egyik „kidobható”, magyarán nincs komoly hatással a játékosra, semmi különleges pluszt nem ad hozzá a játékmenethez. Terepek, sztereotip ellenségek, kisebb küldetések tartoznak ebbe a kategóriába. A másik az „emlékezetes” tartalom: a legfontosabb szörnyek, a cselekmény kiemelkedő pontjai stb. Előbbivel évtizedek óta foglalkoznak, egyszerű szabályalapú algoritmusok végzik a munkát. A második viszont „emberi szintű” mesterségesintelligencia-probléma.  

A kivitelezés azért lehetséges, mert az MI és a játékok is annyit fejlődtek, hogy egyesek szerint hamarosan eljön az idő, amikor a játéktervező művész néhány szkeccsel épp csak felvázolja az alapokat, az MI pedig kivitelezi az alkotó elképzeléseit, sőt, ma még ismeretlen, az emberi fantázia számára teljesen újfajta darabokat is létrehozhatnak.

Míg egyes területeken, például a jogban vagy az orvostudományban kifejezetten hátrány, ha az MI nem ismeri a múltat, előzményeket, addig a játéktervezésben a gép előnyére válhat, mert kihasználatlan kreatív potenciálokat szabadíthat fel.

Ráadásul még a fejlesztési költségeket is csökkenti.


Kategóriák: Jelenből a jövőbe

DNS alapján azonosít személyeket a program

2017. december 04. 14.00

Különleges fejlesztéssel állt elő a Columbia Egyetem és a New Yorki Genom Központ (NYGC). A DNS-t használó szoftver személyek gyors és pontos azonosításában segít. A valósidőben 10-20 gigabájtnyi DNS feldolgozására képes hitelkártya-méretű MinION szkekvenáló eszközt és kereskedelmi forgalomban beszerezhető más technológiákat használnak hozzá. (A szekvenálás a DNS bázisainak sorrend-meghatározására használt biokémiai módszer.)

A kétlépéses folyamatban a kutatók a DNS-ből egyéni változatokat, egyedi nukleotidokat szedtek ki, majd valószínűségi algoritmussal vizsgáltak. Az összes apró változósort az adatbázisban található más genetikai profilok kapcsolódó változóival hasonlították össze. Minden egyes keresztreferenciával nő az azonosítás esélye, csökken a feldolgozandó anyag. A tesztekből kiderült, hogy a rendszer néhány perc alatt, 60-300 keresztreferencia után képes beazonosítani a kapcsolódást.

A kutatók által „MinION vázlatkészítésnek” nevezett technika agyunk azon képességéhez hasonlít, amellyel felismerhető képeket azonosítunk absztrakt mintázatokban. A tanulmány elsőszámú szerzője, a Cornell Tech posztdoktori hallgatója, Sophie Zaaijer szerint a technika olyan, mint amikor valaki pár jegy alapján ismer fel például egy Picasso-festményen látható madarat.

A technológia több fontos lehetséges alkalmazással kecsegtet.

Az egyik áldozatok azonosítása katasztrófa sújtotta terepeken, például földrengés vagy repülőgép-szerencsétlenség után. Szakértők elmondása alapján a jelenlegi DNS-alapú megoldás tovább tart, mint a többi (fogak és más orvosi adatok vizsgálata stb.), ráadásul drága is. A MinION és az új szoftver az időt és a költségeket is csökkenti.

A rákkutatásban szintén használhatják. Sejtvonalak hibás azonosítása és fertőzéseik egy 2014-es tanulmány szerint kb. 9 milliárd dollár veszteséget generálnak megismételhetetlen vizsgálatok esetében. Az új technikával relatíve alacsony áron könnyebb az azonosítás, azaz a kutatásokra folyósított anyagi támogatásból kevesebb vész kárba, több pénz fordítható életmentő felfedezésekre. Neville Sanjana, az NYGC egyik vezető kutatója elmondta, hogy „jó áron az összes labor alkalmazni fogja a technikát.”

A GNU Általános Nyilvános Licenc alatt lévő szoftver máris letölthető a GitHubról.


Kategóriák: Jelenből a jövőbe