2026. július 24., péntek · Eszközök

Az OpenAI minden amerikai felhasználó számára elérhetővé tette a ChatGPT Health egészségügyi funkcióját

Az OpenAI csütörtökön az Egyesült Államokban minden 18 éven felüli, bejelentkezett ChatGPT-felhasználó számára megnyitotta a ChatGPT Health funkciót, amely lehetővé teszi egészségügyi adatok – többek között orvosi dokumentumok, laboreredmények, gyógyszerlisták, valamint az Apple Health, a MyFitnessPal és más szolgáltatások adatainak – összekapcsolását a chatbottal. A The Verge beszámolója szerint az OpenAI egészségügyi alelnöke azt állította, hogy modelljeik a klinikusok szintjét meghaladó következtetési képességgel rendelkeznek, ugyanakkor a cég egészségügyi vezetője ezt árnyalta, mondván, hogy egyes tanulmányok mutatnak ebbe az irányba. A funkció bevezetésével egy időben egy floridai lelkész pert indított az OpenAI ellen, azt állítva, hogy a ChatGPT veszélyes orvosi tanácsot adott neki. Az OpenAI hangsúlyozza, hogy a szolgáltatás a szakorvosi ellátást támogatja, nem helyettesíti.

Miért fontos?

Az AI-alapú egészségügyi tanácsadás széles körű elérhetősége komoly adatvédelmi és orvosi felelősségi kérdéseket vet fel.

Források

OpenAI Hivatalos The Verge

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. július 24., péntek napi AI összefoglaló része.

Kapcsolódó hírek

Az OpenAI bemutatta a GPT-Red nevű kibervédelmi mesterséges intelligenciát

Az OpenAI kifejlesztett egy GPT-Red nevű nagy nyelvi modellt, amelyet a vállalat saját rendszereinek biztonsági tesztelésére használ. A rendszer automatizálja az úgynevezett red-teaming folyamatot, amelyet korábban emberi tesztelőcsapatok végeztek: célja, hogy minél többféle módon feltárja a szoftverrendszerek sebezhetőségeit és támadási felületeit. Az MIT Technology Review exkluzív betekintést kapott a rendszerbe, amely az OpenAI szerint segíthet a vállalatnak a kibertámadókkal szembeni előnye megőrzésében. A GPT-Red lényegében egyfajta automatizált szuperhackerként működik, amely küzdőtársként edzi a cég többi modelljét a védekezésben.

Az OpenAI első hardverterméke egy 230 dolláros programozó-billentyűzet, a Codex Micro

Az OpenAI a Work Louder billentyűzetgyártóval közösen bemutatta első márkázott hardvereszközét, a Codex Micro nevű mini billentyűzetet, amely 230 dollárba kerül és korlátozott példányszámban érhető el. A The Verge és az Ars Technica beszámolói szerint az eszköz hat áttetsző, RGB-világítású gombot tartalmaz, amelyek színkódokkal jelzik a Codex kódolóplatform párhuzamosan futó ágens-szálainak állapotát – fehér az inaktív, kék a gondolkodás, zöld a kész, sárga az emberi beavatkozást igénylő, piros a hibás feladatot jelöli. A készülék emellett hat programozható parancsgombot, joysticket, tárcsát és érintésérzékelőt kínál, valamint 32 cserélhető billentyűsapkát tartalmaz. Az eszköz a ChatGPT asztali alkalmazásból konfigurálható, és elkülönül az OpenAI Jony Ive-vel közösen fejlesztett, eddig be nem mutatott okoshangszóró-projektjétől.

Az NVIDIA bemutatta a Vera CPU-t: Olympus magokkal az ágens AI munkaterhelésekre tervezve

Az NVIDIA technikai blogján ismertette a Vera CPU architektúráját, amelyet az Olympus processzormag köré épített, kifejezetten ágens AI munkaterhelésekre. A vállalat szerint a processzor az egyszálú teljesítmény maximalizálására fókuszál, mivel az ágens rendszerek szekvenciális, elágazás-intenzív és késleltetés-érzékeny programutakat futtatnak, amelyek eltérnek a hagyományos felhős CPU-k terhelésétől. Az NVIDIA állítása alapján a chip 3,4 TB/s sávszélességű koherenciafabrikot és akár 1,2 TB/s összesített sávszélességű LPDDR5X memóriát tartalmaz. A skálázhatóságot koherens NVLink-C2C, PCIe 6.4, CXL 3.1 és bizalmas számítástechnikai megoldások támogatják.

Az NVIDIA Nemotron 3 Nano modell testreszabása percek alatt elvégezhető a Prime Intellect Lab platformon

Az NVIDIA technikai blogján közzétett útmutató szerint a Nemotron 3 Nano nyílt modell testreszabása a Prime Intellect Lab platformmal mindössze öt perc helyi beállítást igényel. A bemutatott munkafolyamat három lépésből áll: kiindulási teljesítmény mérése, megerősítéses tanulás (reinforcement learning) futtatása egy Python matematikai környezetben, majd az eredmények kiértékelése – a folyamat végén letölthető LoRA adapter jön létre. Az NVIDIA szerint a testreszabás után jelentős pontosságjavulás érhető el. A blogbejegyzés kiemeli, hogy ugyanez a folyamat alkalmazható a nagyobb Nemotron 3 Super és Ultra modellekre is, a nyílt súlyok, adatok és tanítási receptek pedig a reprodukálhatóságot és az átláthatóságot szolgálják. A megoldás lényege, hogy az infrastrukturális és szaktudásbeli akadályokat a felhőalapú platform nagymértékben csökkenti.