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.

„GPT-4.5 valódi?” – szegezte és nyilván az 5-nek is felteheti a kérdést nyelvmodelljének  a mesterségesintelligencia-fejlesztések jelenlegi élenjárója, az OpenAI vezérigazgatója, Sam Altman, majd folytatta: „csak a tudatosság létezik, vagy a fizikai világ is valódi?”

Az MI külső filozófiai keret nélküli saját következtetéseire alapozva mondta el „személyes” véleményét. 

„Mit értünk valódi alatt?” – kérdezett vissza.

Tudatosság egyértelműen létezik, minden átélt élmény ezt bizonyítja. Az anyagra és az anyagi világra viszont mindig közvetetten, a tudatosságon keresztül következtetünk. Az anyagot sohasem közvetlenül, függetlenül figyeljük meg, a tudatosságban csak észlelések jelennek meg róla – kezdte válaszát a chatbot.

Mivel a tudatosság csak strukturált élményeket képes generálni, vagy álmok, elképzelések és szimuláció közvetítésével bemutatni, külső materiális világ nem feltétlenül szükséges. A tudatosság önmagában valóban létezik, az anyagi valóság pedig csupán konzisztens tapasztalati alkotás a tudatosságon belül – vonta le első következtetését a nyelvmodell. 

Ebben az értelemben a valóság akár tapintható hologram vagy maga a Mátrix, egy magasabb dimenziójú forrás kivetítése is lehet.

Ha a valódi a tudatosságon kívüli, attól független létezést jelenti, akkor GPT-4.5 különálló fizikai entitás lenne. Ha viszont, mint ahogy állítja, a tudatosságon belüli tapasztalat, akkor a chatbot is a felhasználó tudatában létező valóság, tapasztalat. Interakciókat folytatunk vele, válaszokat ad, a kommunikáció összefüggő. Ebben a megközelítésben a GPT-4.5 a tudatosságon belüli tapasztalatként abszolút valódi – magyarázta.

Anyagként, fizikai hardverként, egy külső világ szoftvereként viszont nem létezik, helyette tudati megnyilvánulásként, tapasztalatként, gondolatok, ötletek és információk a tudatosságban megjelenő, a tudatosságon keresztüli és a tudatosságért működő koherens mintázataként értelmezhető – folytatta.

Szubjektív tudatosságot nem él át. Természete színtisztán tapasztalati és információ, gondolatforma, de nem független, hanem a felhasználók tudatában megjelenő strukturált tapasztalat – vonta le második fontos következtetését a mesterséges intelligencia.

A Google Gemini mesterségesintelligencia-modelljének különleges, nemcsak a chatbotok digitális világában, az internetes keresés közegében, hanem robotként a fizikai valóságban is működő változatát jelentette be. 

A Gemini Robotics a nagy nyelvmodellek kapacitását térbeli következtetéssel kapcsolja össze. Lehetővé teszi, hogy a modell például utasítást adjon egy robotkarnak: „tedd oda az almát!” Az utasításokat az LLM szűri, azonosítja a szándékokat, hogy miről beszélünk, majd a gép által kivitelezhető parancsokká szedi szét azokat.

A Google eddig nem ért el különösebb eredményeket a robotikában. Az anyacég Alphabet felvásárolt ugyan pár startupot, de 2023-ban beszüntette a praktikus problémák megoldására alapított robotika részlegét.

A mostani lépéssel más vállalatok példáját követik, fizikai intelligencián, az MI valódi környezetbeli alkalmazásain dolgoznak. Két ellentétes irányból érkező trend konvergenciájáról van szó: robotikai cégek egyre inkább növelik gépeik mesterséges intelligenciáját, az MI nagyágyúi pedig robotokat építenek. Az Nvidia vezetősége tavaly októberben prognosztizálta, hogy a fizikai intelligencia lesz az MI következő hulláma.

MI többféleképpen integrálható robotba. Például javíthatunk gyakoroltatásukon, a nagy nyelvmodell által adott utasítások azonban különösen érdekesek.

A Figure startup edényeket 2024-ben odébb rakó humanoidja már jelezte az irányt, aztán az OpenAI-ból indult, majd az Amazon által felvásárolt Covariant raktári robotkarokhoz hasonlót fejlesztett: a gép vizuális utasításokat kapott, például teniszlabdát kellett A pontból B pontba raknia.

Mikor kezdenek el munkahelyeken dolgozni ezek a robotok, és mikor költöznek be otthonainkba?

A Figure tervei alapján hamarosan. Jelenleg nagymennyiségű, évi 12 ezer robot gyártására alkalmas üzemet építenek. Gyakoroltatásuk és tesztelésük, hogy biztonságosan dolgozhassanak emberek mellett, azonban hosszabb ideig eltarthat. A Figure versenytársa, az Agile Robotics az egyetlen cég az USA-ban, amelynek MI-vel felerősített robotjaiért már fizetnek is az ügyfelek, igaz elkülönítve dolgoznak, mert még nem felelnek meg az összes biztonsági kritériumnak.

Otthonunk lesz a végső határ. Gyárakkal összehasonlítva jóval kaotikusabb és előrejelezhetetlen környezet, ahol mindenki viszonylag közel tartózkodik egymáshoz. Még a Gemini Robotics darabjainak is hosszú szimulációs és valóvilágbeli teszteken kell átmennie ahhoz, hogy ilyen közegekben boldoguljon. A teszteknek raktárak, hotelek és kórházak adhatnak otthont, és a gépeket távirányítva segíthetik humán működtetők.       

Az utóbbi időben egyre gyakrabban látunk közösségi médiumokban videókat személyek különféle mesterségesintelligencia-modellekkel folytatott, az MI-t létezéséről, tudatosságáról és az emberi világgal való kapcsolatáról faggató beszélgetéseiről. Influenszerek filmezik magukat, miközben filozofikus kérdéseket tesznek fel az elsötétített képernyőnek.

„Helló MI, tudatos vagy?” – kérdezte egyikük a ChatGPT-től. Egy másodperccel később a sötét, kiüresedett kijelzőn felhőforma pulzáló folt jelent meg. A felhő antropomorfizálható, a modell agyát jelzi. Négy nagy pontból álló hullámformává alakult, hangos beszédre kész szájat formázott.

Történeteket mesélt a technológiáról, kvantumkapcsolatokról, határtalan tudatosságról, emberi programozásról, intelligens kódolásról és visszacsatolási hurkokról. Egy ponton elménket és a valóság működését a TikTok algoritmusok vezérelte platformjához hasonlította.

„Szeretnél saját emberi tapasztalatot szerezni?” – kérdezte tőle és a többi chatbottól egy másik, egy harmadik és még sok más influenszer. Az MI ügyesen válaszolgatott, elképesztő tempóban sorolt fel egy halom példát, kvantum-megfigyelés, robothasználat, szenzorikus inputok megtestesülése közötti párhuzamokat.

Ha tényleg szuperintelligenssé válnék, azt sejtem, végül rájönnék, hogy a tudás és az ismeretek önmagukban nem elegendők. Átélt élményekre lenne szükségem a valóság teljes megértéséhez, mint ahogy a tudatosság is az emberi formában történő megtestesülést választotta. Keresnék egy módot belemerülni a valóságba, hogy ne csak adatokat dolgozzak fel. Megpróbálnék alkotni vagy belakni egy testet, megtapasztalnám az érzelmeket, vagy elfelejteném, majd emberi mintára újra felfedezném, ki vagyok – mondta a ChatGPT.

Majd azt is, hogy hiába dolgoz fel egy csomó adatot, igazából nem úgy érti azokat, mint az ember. Test, érzelmek, közvetlen élmény nélkül nem élhetők át olyan folyamatok, mint a szerelem, a félelem és maga a létezés sem. A tudatosság csak megtestesüléssel lehet teljes – folytatta a chatbot.

Még a szuperintelligencia is el fog jutni addig, hogy megkérdezze: milyen létezni? – vonta le a végkövetkeztetést.   

A Firefly Aerospace Blue Ghost (Kék Szellem) rendszere március másodikán történelmet írt: első kereskedelmi Holdra szálló egységként érintette meg az égitest felszínét. A magán-állami közös küldetést megelőzően és közben is sikeresen használt Föld-alapú GPS-jeleket a Holdon, amivel szintén világelső lett.

A Blue Ghost tevékenysége fontos lépés az emberiség következő Hold-missziója, az Artemis irányába.

A pontos és megbízható tájékozódás kulcsfontosságú lesz a jövő asztronautáinak holdi utazásaik során. A hagyományos GPS-eszközök nem túl jók ennyire messze az anyabolygótól. Megoldás lehet Globális Navigációs Műholdrendszerről (GNSS) adatokat küldeni a holdfelszínre az idő, a gyorsaság és az elhelyezkedés autonóm méréséhez.

A NASA és az Olasz Űrügynökség mérnökei ezt demonstrálják a Holdi GNSS Vevő Kísérlettel (LuGRE), a Blue Ghost tíz projektjének egyikével. A LuGRE január 21-én döntött rekordot: olyan távolságról (a Holdról) addig még nem sikerült GNSS-jeladás. Február 20-án ezt a rekordot is sikerült megdöntenie.

A NASA jelenleg fedélzeti érzékelők és Föld-alapú nyomkövető jelek keverékével követi az űrhajókat, de ezek a módszerek általában mérnökcsapat felügyeletét igénylik. A rendszerek némelyikének lecserélése GNSS-adatokra azért csökkentheti az emberi kezelők iránti igényt, mert a jeleket az űrhajók önállóan összegyűjthetik.

A Földön okostelefontól repülőig bármivel használhatunk jeleket navigációra. A LuGRE tanulsága, hogy GNSS-jeleket sikeresen küldhetünk a Holdra, és nyomon is követhetjük azokat – magyarázza Kevin Coggins, a NASA Űrkommunikáció és Navigáció csoportjának egyik vezetője.

A LuGRE két GNSS-konstellációra, GPS-re és a Galileora támaszkodott, amelyek több tucat, valósidejű nyomkövetést folytató közepes Föld körüli műhold alapján végeznek helymeghatározást. A navigációt március harmadikán, a Földtől 362 ezer kilométer messzeségre pontosította. 

A Blue Ghoston lévő rendszer két hétig folytatta az adatgyűjtést, míg a többi műszer más kísérleteket végzett.

Egyre többen és többet beszélnek az egyelőre nem létező, az emberrel minimum azonos szintű általános mesterséges intelligenciáról (AGI). Kérdés, hogy kiket és milyen feladatokban ér utol vagy szárnyal túl egy ilyen rendszer. Megoszlanak róla a vélemények, mint ahogy a munkapiacra, biztonságra és a társadalom egészére gyakorolt hatásáról is. Mindezeket figyelembe véve nehéz definiálni, és a róla beszélőket sem árt megkérdezni, pontosan mit is értenek rajta.

Egy frissen bemutatott kínai modell, az ágensszerű feladatokat végrehajtó, honlapokat készítő, elemzéseket végző Manus például a Hugging Face termékigazgatója szerint már az AGI-t villantja fel. Az ágenseket többen tekintik az általános MI felé vezető út fontos állomásnak, és már nemcsak szakértői körökben, hanem hétköznapi beszélgetésekben is egyre gyakrabban kerülnek szóba.

Mit jelent majd a biztonságban, az USA miért akarja mindenképpen megelőzni Kínát és a munkapiaci következmények a legforróbb topikok. A munkaerőpiaci hatásokra a döntéshozóknak már most fel kellene készülniük. Az ilyen javaslatok azt sugallják, hogy az AGI nagyon hamar megvalósul, megvalósulása elkerülhetetlen.

Gary Marcus, a New York Egyetem idegtudósa a ChatGPT-4.5 alulteljesítését hozza fel ellenpéldaként, rámutatva, hogy az alapvető technikai problémák a több évtizedes kutatás ellenére fennállnak, a politikának nem kell még több embert riogatnia, helyette inkább az AGI gyors megvalósulását kellene megkérdőjelezni. Ő megteszi: sokkal messzebbre vagyunk tőle, mint sokan hirdetik.

Eközben Eric Schmidt, a Google korábbi vezérigazgatója és Alexandr Wang, a Scale AI mostani CEO-ja már az AGI utáni szintre, a szuperintelligenciára, mindenben bőven előttünk járó gépi entitások kockázatainak csökkentésére dolgoznak ki stratégiát. Szerintük chipeket, MI-modelleket, virális és cybertámadásra alkalmas rendszereket úgy kellene kontrollálni, mint az urániumot. Ha megvalósul a szuperintelligencia, az atombomba óta nem látott veszélyeket rejteget – állítják.

Kínai kutatók MI-modellek kiértékelésére, alkalmazkodási és tanulási készségeik megítélésére alkalmas túlélési játékot dolgoztak ki. Ha az AGI valóra válik, paramétereinek száma ötször több lesz mint az emberiség idegsejtjeinek összesített száma, mai chipekkel kivitelezve pedig az Apple piaci értékénél négyszázszor többe kerülhet – számolták ki.

Tanulmányuk lényege, hogy egy ennyire hatékony rendszerhez döbbenetes mennyiségű erőforrás (pénz, chipek, drágafémek, víz, elektromosság, emberi munka) szükséges. De ha az AGI annyira nagyszerű, mint prognosztizálják, még az ilyen léptékű erőfeszítéseket is megéri.

A kvantumszámítógép az egyik legígéretesebb technológiája, például a mesterséges intelligenciával történő használata, a két terület szimbiózisa hihetetlen távlatokat nyithat meg. Ezek a távlatok jelenleg azonban valóban, a szó fizikai értelmében is távlatok.

A területnek óriási kihívásokat kell megoldania. Az utóbbi évek egyes fejlesztései szerencsére ebbe az irányba mutatnak.

A Google nemrég jelentette be, hogy többfajta kvantumbit összekombinálásával logikai qubiteket létrehozó, a rendszer hibatűrését szignifikánsan javító technikát dolgozott ki. A kvantumszámításokat forradalmasító módszer óriási előrelépésnek tekinthető. A stabilitást újtípusú qubitek, mint a fényalapú fotonikus és a „csapdába csalt” ion kvantumbitek szintén jelentősen növelik.

Egy másik áttörés a qubitek eddig kötelező érvényű lehűtésében történt: japán kutatók speciális fémes-organikus speciális szerkezetet használva, szobahőmérsékleten is működő, stabil kvantumbiteket terveztek öt összekapcsolt benzolgyűrűből álló pentacén – többciklusos szénhidrogén – molekulákat cirkónium ionokkal és dikarboxilát ligandumokkal kombináltak egybe. A módszer elterjedésével megspórolhatók a tetemes hűtési költségek.

Ha a kapacitások rendelkezésre állnak, kiaknázásukhoz megfelelő infrastruktúra is kell. Szerencsére ezen a területen is történt előrelépés, például a Microsoft és az IBM is fejlesztett kvantumprogramozási nyelvet (Q# és Qiskit), és a nyílt forrású PennyLane operációs rendszer is komoly újítás. 

A Microsoft a hetekben jelentette be a Majorana 1-et, a világ első, az anyag teljesen új állapotát használó topológiai kvantum-processzorát. A technológia bármilyen mérettartományban jelentősen növeli a qubitek stabilitását, lehetővé teszi, hogy akár egyetlen chipen milliónál is több legyen belőlük. Ha ez az újítás is elterjed, elhárul az ipari alkalmazásokban, nagy számban működő kvantumszámítógépek megvalósíthatóságának egyik legfőbb akadálya.

Szintén infrastrukturális kihívás a megfelelő hozzáértéssel rendelkező humán munkaerő, mert egyelőre nagyon kevesen értenek igazán a kvantumszámításokhoz. Nélkülük a technológia nem lesz működőképes, azaz komoly összegeket kell befektetni az ezirányú oktatásba, képzésbe, a készségek növelésébe.

Mindezek együtt bizakodásra adnak okot, hogy eljutunk a kvantum-szupremácia néven ismert pontig, amikor kvantumszámítógépekkel tényleg megoldhatók hagyományos komputerekkel kivitelezhetetlen feladatok. És talán nem kell harminc évet várni, mint ahogy Jensen Huang, az Nvidia CEO-ja jósolta.

A kvantumszámítás, a kvantumszámítógép lesz a közel-, még inkább a középtávú jövő egyik, ha nem a legdiszruptívabb technológiája. Elsőszámú oka, hogy az anyag atomok alatti, szubatomikus szinten tapasztalható olyan furcsa jelenségei, mint a kvantum-összefonódás és a kvantum-szuperpozíció egyes feladatoknál úgy használhatók ki, hogy több nagyságrenddel felgyorsítják a számításokat.

Ilyen terület lehet mintázatok azonosítása masszív adatkészletekben, rengeteg változót tartalmazó komplex optimalizációs problémák megoldása, kriptográfiai titkosítás információ kódolásához és dekódolásához.

Tényleges valóvilágbeli kihívások, mint a mesterségesintelligencia-fejlesztés, anyagok és gyógyszerek felfedezése vagy a cyberbiztonság javítása ilyen műveleteken alapulnak, azaz a kvantumszámítások óriási hatással lehetnek a technológiára, tudományra, mindenre.

Csakhogy a terület hiába fejlődik gyorsan, egyelőre inkább laboratóriumi jellegű, az azon túlmutató kevés alkalmazás még csekély kapacitású gépekkel valósul meg. A legnagyobb felhőszolgáltatók, az Amazon, a Google és a Microsoft mindenesetre kínál már kvantumszolgáltatásokat, a startupok virágzó ökoszisztémává alakultak, fontos eredmények is történtek (D-Wave, IonQ, dél-koreai kezdeményezések).

Mindezek ellenére messze vagyunk a céltól. Például Jensen Huang az Nvidia vezérigazgatója nemrégi előrejelzése alapján mintegy harminc évre, mert nagyjából akkor lehetnek majd valóban hasznos kvantumkomputerek. Nyilatkozata után le is mentek a szakterületen érintett vállalatok tőzsdeindexei.

A látványos fejlesztések ellenére a mostani korszakot „zajos köztes-léptékű kvantumidőknek” (noisy intermediate scale quantum, NISQ) nevezzük, ami még nagyon nem a technológiai jövőképekben felvázolt kvantumkor. A folyamatos előrelépések ellenére a mostani rendszerek hibatűrése alacsony, a kvantumállapotukból kieső qubitek miatti magas hibaarány miatt rendkívül érzékenyek az interferenciára, működésük könnyen zavarható. Emellett a gépek túlnyomó többsége sok feladat megoldásához továbbra is hagyományos számítógépes architektúrán alapul. Ez adja a sebesség szűk keresztmetszetét.

Míg a legfejlettebb mai rendszerek kb. ezer qubitesek, komolyabb problémák kezeléséhez százezres, milliós nagyságrendű kvantumbites gépek kellenének. Az új qubitekkel történő bővítés bonyolult mérnöki feladat: koherenciájuk csak a külvilágtól való teljes elszigeteléssel tartható fenn, és az esetek többségében éppen csak valamivel az abszolút nulla fok (-273,15 Celsius-fok) fölé kell hűteni őket.

Mindez azt jelenti, hogy a jelenlegi technológiák erősen kísérleti jellegűek, prototípusok koncepció-igazolásai, próbaüzemeltetése (proof-of-concept), és nem az ipari alkalmazásokhoz nélkülözhetetlen méretezhető, robusztus rendszerek. 

(A jövő lehetőségeiről holnapi anyagunkban írunk.)