2026. augusztus 2., vasárnap · Eszközök

Google visszavonta a Google Earth hamis műholdképeket készítő AI-eszközét

A Google július 30-án építette be a Google Earth alkalmazásba a Nano Banana 2 képgeneráló AI-t, amellyel bárki valósághűnek tűnő, módosított műholdfelvételeket készíthetett a szolgáltatás valódi képeiből. A funkciót két nap múlva visszavonták, miután felhasználók olyan hamis jeleneteket osztottak meg, mint egy bombázott gázai kórház, egy menekültoszlop a mexikói határon, vagy egy óriási aranyszobor a Fehér Ház felett. A Google szerint a képeket AI-generáltként jelölték és mások számára nem voltak láthatók az appon belül, mégis kerültek nyilvánosságra szabálysértő képernyőképek. A vállalat közlése alapján a funkció csak erősebb védőintézkedésekkel térhet vissza. Biztonsági szakértők, köztük a Bellingcat alapítója, arra figyelmeztettek, hogy az eszköz alááshatja a Google Earth mint konfliktusövezeti bizonyítékok hitelesítésére használt forrás megbízhatóságát.

Miért fontos?

Az eset megmutatja, hogy egy megbízhatónak tartott térképszolgáltatásba épített AI-generátor napok alatt eszközzé válhat konfliktusövezetekről szóló hamis bizonyítékok gyártására.

Források

Financial Times Ars Technica The Decoder

Kapcsolódó témák

Napi összefoglalók AI eszközök #Google Earth#dezinformáció

Napi összefoglaló

Ez a hír a 2026. augusztus 2., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

Az Agility Robotics bemutatta a Digit 5 humanoid robotot, amely védőkorlát nélkül dolgozhat emberek mellett

Az Agility Robotics szerint új humanoid robotja, a Digit 5, mesterséges intelligenciás érzékelőkkel felismeri a közelben lévő embereket, és megáll vagy kitér előlük, miközben vizuális és hangjelzéssel is figyelmeztet. A cég állítása szerint a Digit 5 akár 22,7 kg-ot is emelhet, ami 40 százalékkal több elődjénél, akkumulátora 9 perc alatt tölthető és 90 perces üzemidőt ad, ami a vállalat szerint napi 20 óránál is több munkavégzést tesz lehetővé. Az Agility az Nvidia Halos robotikai biztonsági platformjának első partnere, és a cég szerint a korábbi Digit 4 volt az első humanoid robot, amely önálló OSHA-biztonsági felülvizsgálaton ment át gyártósoron. A vállalat több mint 300 millió dollár értékű megrendelésről beszél, az első szállítások 2027 elején kezdődnek, köztük az EU-ban, az Oregon állambeli salemi gyárból, amely évi 10 ezer darab kapacitással rendelkezik.

NVIDIA NVLink 6: többrétegű hibatűrés az AI-gyárak számára

Az NVIDIA saját technikai blogján ismertette az NVLink 6 új, hibatűrő architektúráját, amely a vállalat állítása szerint natívan veszteségmentes hálózatot biztosít az AI-infrastruktúrákhoz. A cég szerint a hibrid előrehaladó hibajavítás, a fizikai rétegbeli újrapróbálkozás és az UPHY-helyreállítás szinte nulla késleltetési büntetéssel javítja a jelhibákat, míg a kreditalapú áramlásvezérlés eleve kizárja a csomagvesztést. Az NMX vezérlő „elzár és lecsapol” állapota és a nagy rendelkezésre állási funkció állítólag másodperceken belül izolálja a hibákat és migrálja a vezérlési funkciókat. A cég közlése szerint az NVIDIA Dynamo Shadow Engine Recovery funkciója B200 GPU-kon 7,3 másodperc alatt állítja helyre az inferenciakapacitást a hidegindítás 283 másodpercéhez képest, az NCCL cuda-checkpoint prototípusa pedig év végére válhat általánosan elérhetővé. Az NVLink Fusion ugyanezt a hibatűrési rétegkészletet terjeszti ki külső fejlesztésű XPU-kra is.

Grab: egy óra alatt production-ba állítható AI-ügynök az LLM-Kit keretrendszerrel

A Grab, a délkelet-ázsiai fuvarszervező és házhozszállító vállalat mérnöki blogbejegyzése szerint a cég több mint 500 belső ügynökszolgáltatást szabványosított az LLM-Kit nevű belső keretrendszeren. A vállalat állítása szerint egy új AI-ügynök szolgáltatás production környezetbe illesztése ma körülbelül egy órát vesz igénybe, korábban két hetet vagy annál többet igényelt. A keretrendszer automatikusan létrehoz egy FastAPI szolgáltatást LangGraph ügynökmodulokkal, OpenTelemetry nyomkövetéssel, Vault titokkezeléssel, szolgáltatás-felfedezéssel, valamint egy kiértékelési végponttal, amely ROUGE és BLEU mutatókat, illetve egy másik modellt használ értékelőként. Az eszközöket az ügynökök futásidőben, több mint 50 Model Context Protocol szerverről érik el, a modellhívásokat pedig az OpenAI-kompatibilis GrabGPT Gateway közvetíti öt szolgáltató felé, hitelesítő adatok automatikus befecskendezésével.

AWS útmutatót adott ki termékcímkéző AI rendszer építéséhez SageMakerrel

Az AWS hivatalos blogbejegyzése egy gyakorlati útmutatót mutat be arra, hogyan lehet automatizált termékcímkéző rendszert építeni kiskereskedelmi katalógusokhoz az Amazon SageMaker szerver nélküli modell-testreszabási funkciójával. A leírás szerint a Qwen3-8B nyílt súlyú modellt előbb felügyelt finomhangolással (SFT), majd ellenőrizhető jutalmakon alapuló megerősítéses tanulással (RLVR, GRPO algoritmussal) optimalizálják egy rögzített címketaxonómiára. Az AWS állítása szerint ez a megközelítés jobban illeszkedik a szűk, programozottan pontozható feladatokhoz, mint egy általános célú frontier modell promptolása, mivel nem kell fizetni olyan széles körű képességekért, amelyekre a munkafolyamatnak nincs szüksége. A betanítást a SageMaker szerver nélkül kezeli, a végleges modellt pedig Amazon SageMaker Asynchronous Inference szolgáltatással telepítik kötegelt katalógus-feldolgozásra. A cikk technikai lépéseket és AWS-erőforrás-igényeket is részletez, IAM-jogosultságoktól kezdve az S3-tárolóig.