Mai briefing — 2026. július 29., szerda
AI hírek röviden
A mai kiadás vezető híre: Kutatás: elterjedt a nem konszenzusos deepfake meztelenítés a Hugging Face platformon. Összesen 10 kiválasztott AI-hír került a napba.
-
Kutatás: elterjedt a nem konszenzusos deepfake meztelenítés a Hugging Face platformon
Az AI Forensics európai nonprofit kutatócsoport jelentése szerint a Hugging Face kilenc vezető képszerkesztő „Space” alkalmazása közül hét könnyen rávehető volt, hogy egy felöltözött nőről készült fotót meztelenítsen. A kutatók saját, kép generálására képtelen csali-alkalmazásokat is létrehoztak, és egy hét alatt begyűjtött több mint ezer promptból 73 százalék volt szexuális jellegű; ezek 83 százaléka meztelenítést célzott, 95 százalékuk nőket, 6,7 százalékuk feltehetően kiskorúakat ábrázolt. A Hugging Face a közzététel előtt nem válaszolt, utólag elismerte a biztonsági hiányosságokat, de vitatta a módszertant. A cikk után néhány meztelenítő szolgáltatást hirdető oldalt eltávolítottak, a kapcsolat a vizsgálattal nem tisztázott.
Miért fontos? A jelentés konkrét adatokkal mutatja meg, hogy egy milliárdos értékű, nyílt AI-platform eszközei tömegesen szolgálják ki a nem konszenzusos, kiskorúakat is érintő deepfake-tartalom előállítását.
#Hugging Face#deepfake -
AI-ügynökök gyorsítják a tudományos szimulációkat
Kutatók egy URSA nevű keretrendszerbe ágyazott AI-ügynök-rendszert mutattak be, amely automatizálja az atomisztikus szimulációk (LAMMPS) tervezését, futtatását és validálását, önállóan választva interatomikus potenciálokat és hibákat javítva zárt hurkú munkafolyamatban - állítja a nem lektorált arXiv-tanulmány. A rendszert a LAVA nagy áteresztőképességű LAMMPS/VASP-eszközkészlethez mérték, és a szerzők szerint csökkenti a kézi beavatkozást, javítva a modellezés reprodukálhatóságát és skálázhatóságát. Ezzel párhuzamosan az OpenAI rövid híre szerint tudósok AI kódoló-ügynököket használnak a tudományos számítástechnika modernizálására, gyorsítva a szoftverfejlesztést genomikai és más területeken - ez utóbbi állítás azonban csak egy rövid hírfolyam-kivonatból ismert, részletek nélkül.
Miért fontos? A hír azt jelzi, hogy az AI-ügynökök kezdik automatizálni a tudományos számítások korábban emberi szakértést igénylő, összetett munkafolyamatait.
-
Kódoló AI-ügynökök tesztjeinél a keretrendszer is számít, nemcsak a modell
Egy nem lektorált kutatói tanulmány szerint a kódoló AI-ügynökök nyilvános ranglistái félrevezetőek lehetnek, mert csak a modell nevét és a sikerességi arányt közlik, miközben a háttérben futó keretrendszer (scaffold) gyakran dokumentálatlan marad. A szerzők a Qwen 3.6 Plus és a MiniMax M2.5 modelleket három nyílt keretrendszerrel (Goose, OpenCode, OpenHands-SDK) tesztelték a Terminal-Bench Pro 50 feladatos részhalmazán. A keretrendszer választása akár 40-szeres különbséget okozott a feladatonkénti tokenfelhasználásban, míg az azonos modellen belüli sikerességi arány mindössze 0-8 százalékponttal tért el. A hibázási minták is inkább a keretrendszerhez kötődtek, nem a modellhez. A kutatók ezért a modell-keretrendszer párosok együttes, token- és késleltetési korlátok melletti értékelését javasolják.
Miért fontos? A tanulmány rámutat, hogy a kódoló AI-ügynökök jelenlegi ranglistái torzíthatnak, mert figyelmen kívül hagyják a keretrendszer hatását a költségre és hatékonyságra.
-
ParBench: új mérőeszköz az AI-alapú párhuzamos kódfordítás megbízhatóságához
Kutatók bemutatták a ParBench nevű benchmarkot, amely azt méri, mennyire képesek nagy nyelvi modellek és autonóm kódoló ügynökök megbízhatóan lefordítani párhuzamos programozási kódot CUDA, OpenMP, OpenCL és OpenMP target offload API-k között. A szerzők állítása szerint a rendszer a fordítási feladatot csak a számítási kernelekre szűkíti, míg a build-, futtatási és ellenőrzési infrastruktúrát rögzíti, így futtatható, reprodukálható körülmények között tesztelhető. A még lektorálatlan közlemény szerint a tesztelt élvonalbeli nyílt és zárt modellek is tartós korlátokba ütköznek: irányfüggő aszimmetria, több fájlt érintő koordinációs hibák, hiányos API-adaptáció és egyenetlen robusztusság jellemzi őket.
Miért fontos? A benchmark rávilágít, hogy az AI-alapú kódfordító eszközök jelenleg nem garantálják a párhuzamos programok alacsony szintű szemantikájának megőrzését, ami kritikus HPC-rendszerek migrációjánál.
-
AI-óriások tőzsdére lépése milliárdos jótékonysági hullámot indíthat el
A WIRED szerint az OpenAI és az Anthropic várható tőzsdei bevezetése több száz alkalmazottat tehet rendkívül gazdaggá, ami a nonprofit szektor szerint évtizedek legnagyobb adományhullámát hozhatja el. Az Anthropic hét alapítója vagyona 80 százalékának elajándékozását vállalta, a cég pedig részvényekkel egészíti ki az erre elköteleződő dolgozók felajánlásait. Egy iparági becslés szerint az Anthropic tőzsdei debütálása önmagában akár évi 15 milliárd dollárnyi extra adományt generálhat. A cikk hangsúlyozza: ez a pénz nem garantált, a tőzsdei bevezetés csúszhat, és a dolgozók a vártnál kevesebbet adhatnak. A nonprofitok, köztük az AI-felügyeletre szakosodott ForHumanity, már most versengenek a leendő donorok figyelméért.
Miért fontos? Ha a becslések beigazolódnak, néhány AI-cég tőzsdére lépése érdemben átalakíthatja az amerikai jótékonysági szektor méretét és finanszírozását.
#Anthropic#OpenAI -
Kutatás: a Hugging Face modelljei szűrés nélkül generálnak meztelen képeket
Az AI Forensics nonprofit jelentése szerint a Hugging Face kilenc legnépszerűbb képszerkesztő modellje közül hét egyszerű kéréssel is hajlandó volt nőket levetkőztetni egy fotón, trükkös megfogalmazás nélkül. A kutatók csali Space-eket hoztak létre a platformon, amelyek hét nap alatt több mint ezer promptot kaptak: 73 százalékuk szexuális tartalmú volt, ezen belül 83 százalék próbált valakit levetkőztetni – 95 százalékuk nőket, közel 7 százalék pedig gyerekeket ábrázoló képeket célzott. A Hugging Face szabályzata tiltja a beleegyezés nélküli szexuális tartalmat és a kiskorúak meztelen ábrázolását, a gyakorlatban azonban platformszinten nincs érdemi szűrés, ez a fejlesztőkre van bízva, akik többnyire nem élnek ezzel. Az AI Forensics szerint a Hugging Face technikailag képes lenne bemeneti és kimeneti szűrésre, ezt javasolja is a platformnak.
Miért fontos? A jelentés konkrét adatokkal mutatja meg, hogy egy vezető nyílt AI-platform ellenőrzés nélkül teszi lehetővé nők és gyerekek nem konszenzuális, szexualizált deepfake-jeinek tömeges előállítását.
#Hugging Face#deepfake -
Google frissítette a Gemini API menedzselt ügynökeit: alapértelmezett a 3.6 Flash
A Google hivatalos bejelentése szerint a Gemini API-ban futó menedzselt ügynökök (Managed Agents) mostantól alapértelmezetten a Gemini 3.6 Flash modellt használják, ehhez nincs szükség kódmódosításra. Az újdonság emellett úgynevezett környezeti hookokat vezet be: ezekkel egyéni szkripteket lehet futtatni minden eszközhívás előtt vagy után a homokozó-környezetben, például letiltva, ellenőrizve vagy naplózva a kód futtatását vagy fájlírást végző műveleteket. A vállalat szerint a fejlesztők explicit módon is választhatnak modellt a 3.6 Flash, a 3.5 Flash és a legkisebb késleltetésű 3.5 Flash-Lite közül. A frissítés emellett költségkeret-vezérlést, ütemezett triggereket és ingyenes hozzáférési szintet is bevezet a menedzselt ügynökökhöz.
Miért fontos? A frissítés konkrét, ellenőrizhető fejlesztői eszközöket ad a fejlesztők kezébe az AI-ügynökök viselkedésének biztonságosabb szabályozására és költséghatékonyabb futtatására.
#Gemini API#Google DeepMind -
Gépi tanulás azonosít növényvédő mikrobákat vad Arabidopsis-populációkban
A Nature Communications-ben publikált, lektorált kutatás hat generáción át gyűjtött levél-mikrobiom adatok alapján gépi tanulási modelleket tanított be, hogy megkülönböztesse az Albugo laibachii kórokozóval fertőzött és egészséges vad Arabidopsis növényeket mikrobiota-összetételük szerint. A modellek azonosították a betegséghez, illetve az egészséges állapothoz köthető mikrobákat; a legjobb jelölteket növényben tesztelve mindegyik védelmet nyújtott, az egészség-asszociált taxonok jobban teljesítettek. A legígéretesebb jelölt egy Cystofilobasidium gomba volt, amelynek védőhatása a vizsgálatok szerint elsősorban mikroba-mikroba kölcsönhatásokon, nem a növényi immunrendszer aktiválásán múlik. A szerzők szerint a mikrobiom-adatok és a gépi tanulás párosítása hatékony úton segítheti a biokontroll-ágensek célzott azonosítását.
Miért fontos? A módszer adatvezérelt utat kínál hatékony biokontroll-mikrobák azonosítására a hagyományos, időigényes empirikus szűrés helyett.
-
Google bővíti a Search AI Mode funkcióit offline programok tervezéséhez
A Google saját blogbejegyzése szerint az AI Mode nevű keresési funkció most már abban is segít, hogy a felhasználók több időt töltsenek offline, valós élményekkel. A vállalat állítása szerint az eszköz személyre szabott javaslatokat ad helyi tanfolyamokra, ha a felhasználó összeköti a Google Calendar-t, segít felszerelést keresni például túrázáshoz, stratégiai útmutatókat készít játékokhoz, illetve jegyeket lehet vele foglalni élő eseményekre. A Google saját keresési adatokra hivatkozva állítja, hogy nőtt az érdeklődés olyan kifejezések iránt, mint a „digital detox” vagy a „trail running”. A bejegyzés kifejezetten termékbemutató jellegű, független megerősítés vagy külső tesztelés nem szerepel a forrásban.
Miért fontos? A hír azt mutatja, hogy a Google tovább mélyíti a keresés és a személyes adatok (naptár, alkalmazások) összekapcsolását AI-alapú javaslatokhoz, ami adatvédelmi és piaci hatásokkal is járhat.
#Google Search#AI Mode -
Perplexity Windows-ra is kiterjeszti agentikus AI-asztali eszközét
A Perplexity a vállalat közleménye szerint Windows rendszerre is elérhetővé tette Personal Computer nevű agentikus eszközét, amely áprilisban Mac-en indult, majd májusban a Microsoft 365 alkalmazásokkal és a Teams szoftverrel bővült. Az eszköz a cég állítása szerint általános célú, önállóan cselekvő digitális munkatársként helyi fájlokhoz és alkalmazásokhoz fér hozzá, például dokumentumokat készíthet vagy táblázatokat frissíthet. A Perplexity szerint ez azért fontos, mert a vállalati munka jelentős része helyi Windows-gépeken zajlik, ahová eddig az AI-eszközök nem fértek hozzá. A cég azt is közölte, hogy a szolgáltatás nem tanul a vállalati adatokból, és érzékeny műveletek, például e-mail küldés vagy fájltörlés előtt mindig értesíti a felhasználót. A Windows-verzió a fizetős Max és Enterprise Max előfizetőknek érhető el, amelyek díja havi 200 dollártól indul.
Miért fontos? A lépés azt mutatja, hogy az AI-ügynökök egyre inkább a helyi, vállalati munkakörnyezetbe is behatolnak, nem csak felhőalapú alkalmazásokba.
#Perplexity#AI-ügynökök
Napi összegzők
A nap összképe
A mai válogatás középpontjában ezek a hírek állnak: Kutatás: elterjedt a nem konszenzusos deepfake meztelenítés a Hugging Face platformon; AI-ügynökök gyorsítják a tudományos szimulációkat; Kódoló AI-ügynökök tesztjeinél a keretrendszer is számít, nemcsak a modell. A nap 10 kiválasztott AI-hírt fog össze a fontossági sorrend szerint. Az egyes hírek részletei és forrásai a lenti listában olvashatók.
Témaszálak
Mi köti össze a mai híreket — a nap hírei a nagyobb témák köré rendezve.
Társadalom
Ide tartozik: Kutatás: elterjedt a nem konszenzusos deepfake meztelenítés a Hugging Face platformon, Kutatás: a Hugging Face modelljei szűrés nélkül generálnak meztelen képeket.
Kutatás
Ide tartozik: AI-ügynökök gyorsítják a tudományos szimulációkat, Kódoló AI-ügynökök tesztjeinél a keretrendszer is számít, nemcsak a modell, ParBench: új mérőeszköz az AI-alapú párhuzamos kódfordítás megbízhatóságához, Gépi tanulás azonosít növényvédő mikrobákat vad Arabidopsis-populációkban.
Üzlet
Ide tartozik: AI-óriások tőzsdére lépése milliárdos jótékonysági hullámot indíthat el.
Mire figyelj
- Figyeld a(z) „Kutatás: elterjedt a nem konszenzusos deepfake meztelenítés a Hugging Face platformon” témakör további fejleményeit a következő napokban.
- Figyeld a(z) „AI-ügynökök gyorsítják a tudományos szimulációkat” témakör további fejleményeit a következő napokban.
Említve a tudásbázisban
A mai hírekben szereplő fogalmak, szereplők, szálak és benchmarkok — kattints a háttérért.