Az AI jó oldala

Összegyűjtöttem az elmúlt 12 hónapból a legjelentősebb tudományos áttöréseket hozó mesterséges intelligenciával kapcsolatos híreket – hogy ne csak a lehúzó, negatív oldalát lássuk a technológiának.

A múlt héten jött a hír, hogy az OpenAI leállítja a Sora nevű videókészítő appjukat, mert mérhetetlenül veszteséges – és zárójelben megjegyezve elvileg a cég IPO-ra, azaz nyilvános tőzsdei bevezetésre készül, mert hát elfogyott a pénzük, és most pánikszerű költségoptimalizálás zajlik, zárójel bezárva.

Nézzük mik voltak az emberiség számára legpozitívabb történések tavaly márciusig visszamenőleg, amiben része volt az AI-nak:

• Opioidmentes fájdalomcsillapító és a precíziós farmakológia – 2025. március
  • Az amerikai Élelmiszer- és Gyógyszerügyi Hivatal (FDA) jóváhagyta a szuzetrigin, az első olyan nem-opioid típusú fájdalomcsillapítót, amelynek molekuláris optimalizálása során kritikus szerepet játszottak a gépi tanulási modellek – lehetővé tette a kutatók számára, hogy olyan molekulákat tervezzenek, amelyek rendkívüli szelektivitást mutatnak. Ez a precizitás korábban elérhetetlen volt a hagyományos „trial-and-error” alapú gyógyszerfejlesztéssel. A MI-modellek képesek voltak szimulálni a molekula kötődési affinitását különböző ioncsatornákhoz, minimalizálva a mellékhatások kockázatát már a preklinikai fázisban.¹
• A kozmosz láthatatlan rétegeinek feltárása: A VarWISE projekt – 2025. április
  • Matteo Paz, egy kaliforniai középiskolás diák a Caltech csillagászaival együttműködve egy olyan speciális MI-algoritmust fejlesztett ki, amely 1,5 millió korábban ismeretlen objektumot azonosított a NASA NEOWISE távcsövének tízéves adathalmazában. A projekt, amely a VarWISE nevet kapta, a NEOWISE által gyűjtött 200 milliárd adatpontot dolgozta fel olyan változó fényességű objektumok után kutatva, amelyeket a korábbi szűrési eljárások figyelmen kívül hagytak. Az algoritmus a gépi tanulás azon ágát használta, amely a mintafelismerésre és az idősoros adatok anomáliadetektálására szakosodott: képes volt az infravörös sugárzás parányi ingadozásait detektálni, amelyek kvazárokra, szupernóvákra vagy éppen fekete lyukak által szétszakított csillagokra utalnak.²

• LearnLM – 2025. május
  • A Google Research és a DeepMind bemutatta a LearnLM modellcsaládot, amely az első olyan MI-rendszer, amelyet kifejezetten a tudományos megértés és az oktatás elősegítésére fejlesztettek ki. A modell segít áthidalni azt a szakadékot, amely a specializált tudományágak között tátong. Lehetővé teszi, hogy egy biológus számára érthető módon magyarázzon el fizikai modelleket, vagy segítse a terepen dolgozó természetvédelmi szakembereket a komplex ökológiai adatok értelmezésében. A technológia részeként elindult a „Guided Learning” funkció a Geminiben, amely a puszta tényközlés helyett kérdésekkel és interaktív szimulációkkal mélyíti el a tudást.³

• Mikrogliák mint programozható sejtterápiás eszközök – 2025. június
  • A Kaliforniai Egyetem (UC Irvine) kutatói a CRISPR-GPT nevű MI-eszköz segítségével áttörést értek el az Alzheimer-kór és más neurodegeneratív betegségek kezelésében. A kutatócsoport sikeresen programozta át a mikrogliákat – az agy rezidens immunsejtjeit –, hogy azok képesek legyenek átjutni a vér–agy gáton, és célzottan eltávolítani a káros fehérjeplakkokat. Ez az áttörés azért rendkívüli, mert az AI segítségével sikerült azonosítani azokat a genetikai „kapcsolókat”, amelyek révén ezek a sejtek precíziós gyógyszerszállítókká válhatnak. A folyamat során az MI modellezte a mikrogliák viselkedését az agyi mikrokörnyezetben, megjósolva, hogyan reagálnak a gyulladásos szignálokra. A CRISPR génszerkesztés pontos megtervezése évekig tartó laboratóriumi kísérletezést igényelt volna, de a CRISPR-GPT nevű modell napokra rövidítette a tervezési fázist.⁴
• Gemini Deep Think – 2025. július
  • A Google DeepMind bemutatta a Gemini Deep Think modellt, amely aranyérmes szintű teljesítményt nyújtott a Nemzetközi Matematikai Diákolimpia (IMO) feladatain. Ez az áttörés azért alapvető az emberiség számára, mert a matematika a tudomány nyelve: ha az AI képes komplex, korábban soha nem látott matematikai bizonyítások levezetésére, akkor képes lesz a fizika, a kémia és a mérnöki tudományok legmélyebb problémáinak megoldására is. A Deep Think modell elmozdult a puszta statisztikai mintafelismeréstől a valódi logikai következtetés felé. A rendszer képes volt gondolkodási időt használni a megoldások validálására és finomítására, mielőtt végleges választ adott volna. Ez a módszer drasztikusan csökkentette a „hallucinációk” számát a tudományos számításokban.⁵
• SRGAN avagy szuperfelbontású atmoszféra-modellezés a klímavédelemért – 2025. augusztus
  • A Wrocław-i Környezet- és Élettudományi Egyetem kutatói, kaliforniai kollégáikkal együttműködve, közzétettek egy tanulmányt a Satellite Navigation folyóiratban: a Super-Resolution Generative Adversarial Network (SRGAN) alkalmazásával sikerült a műholdas GNSS adatok felbontását olyan mértékben növelni, hogy az atmoszférikus páratartalom-térképek hibaszázaléka 52–62%-kal csökkent. A természetvédelem és a katasztrófavédelem szempontjából ez az áttörés életmentő lehet. A klímaváltozás miatt egyre gyakoribb villámárvizek és extrém viharok előrejelzése eddig a kis léptékű páratartalom-változások láthatatlansága miatt volt pontatlan. Az AI-alapú SRGAN képes „élesíteni” a képet, láthatóvá téve azokat a finom struktúrákat, amelyek a felhőszakadások kialakulásáért felelősek.⁶

• Gemini Robotics 1.5, a Google nem tétlenkedik – 2025. szeptember
  • A Gemini Robotics 1.5 bemutatása az orvostudomány és a logisztika számára egyaránt áttörést hozott. Ez a modell az első, amely képes volt „zero-shot” módon, azaz előzetes programozás nélkül, pusztán vizuális instrukciók alapján végrehajtani finommotoros feladatokat, például laboratóriumi minták precíz mozgatását vagy sebészeti eszközök sterilizálását. A MI-ágensek képesek lettek önállóan tervezni a mozgásukat, figyelembe véve a fizikai akadályokat és a környezet változásait. Ez a technológia a Stanford kutatói szerint 50–60%-kal növelte a robotok mozgási hatékonyságát, még az olyan extrém körülmények között is, mint a Nemzetközi Űrállomás mikrogravitációs környezete.³
• 303 új Nazca-vonal felfedezése – 2025. október
  • Októberben a tudományos világ a régészetre figyelt, ahol az IBM és a Yamagata Egyetem kutatói bemutatták munkájuk gyümölcsét. Egy speciálisan kiképzett MI-modell segítségével mindössze hat hónap alatt 303 új geoglifát azonosítottak a perui Nazca-sivatagban. Ez a teljesítmény azért megdöbbentő, mert az emberiségnek korábban egy évszázadra volt szüksége ugyanennyi ábra felfedezéséhez. A MI képessé vált felismerni a terep parányi domborzati és színárnyalati eltéréseit, amelyeket az erózió és az idő az emberi szem számára láthatatlanná tett. A felfedezett ábrák között emberi alakok, szertartási helyszínek és állatfigurák találhatók, amelyek alapjaiban módosítják a Nazca-kultúráról alkotott képünket.⁷ Ezenfelül hasonló eljárásokat kezdtek alkalmazni Babilonban is, ahol AI segített feltárni egy 250 soros ékírásos himnuszt, amely évezredeken át rejtve maradt.⁸
• Starcloud-1 – 2025. november
  • Novemberben a SpaceX és a Starcloud vállalat elindította az első olyan kereskedelmi műholdat, a Starcloud-1-et, amely egy teljes értékű Nvidia H100 GPU-val rendelkezik az orbitális pálya mentén. Ez az áttörés azért sorsfordító, mert lehetővé teszi a „Space-Edge AI” megvalósulását: az adatok feldolgozása ott történik, ahol keletkeznek – az űrben. A környezetvédelem számára ez azt jelenti, hogy a műholdak már nemcsak képeket küldenek, hanem azonnali elemzéseket. Ha az MI erdőtüzet, illegális bányászatot vagy tengeri olajszennyezést észlel, percek alatt képes riasztást küldeni, ahelyett, hogy órákat várna az adatok földi állomásra történő továbbítására és feldolgozására. A távlati cél a globális internethálózat tehermentesítése és egy olyan fenntartható számítási infrastruktúra kiépítése, amely nem terheli a Föld erőforrásait. Az Nvidia által bemutatott „Space-1 Vera Rubin” modul már a következő generációs orbitális szerverek alapköveit fektette le.⁹
• PopEVE és az életmentő genetikai előrejelzések – 2025. december
  • A Nature Genetics hasábjain publikálták a PopEVE (Population-aware Evolutionary Variant Effect predictor) modellt, amely a Harvard Medical School kutatóinak munkája. Ez az MI-modell képes megjósolni, hogy egy adott genetikai mutáció betegségokozó-e vagy sem, figyelembe véve több százezer faj evolúciós adatait és a humán populációs variációkat. Ez az áttörés közvetlenül érinti a ritka betegségekben szenvedőket. A tesztek során a PopEVE az esetek egyharmadában tudott diagnózist adni olyan betegeknek, akiknél a hagyományos módszerekkel évekig nem találták a tünetek okát. A modell különlegessége, hogy nemcsak a statisztikailag átlagos embert figyeli, hanem képes értelmezni a különböző etnikai csoportok genetikai sajátosságait is, így csökkentve az egészségügyi egyenlőtlenségeket. Ez a felfedezés az AlphaGenome-mal (a Google DeepMind júliusi modelljével) együttműködve egy olyan keretrendszert alkot, amelyben a DNS nem kódoló régiói végre olvashatóvá váltak a gyógyítás számára.¹⁰
• Az adminisztrációs teher felszámolása az orvoslásban – 2026. január
  • 2026 januárjában az orvosi technológia elérte azt a szintet, ahol a MI-ágensek képessé váltak az orvosi munka adminisztratív részének teljes átvételére. Az olyan rendszerek, mint az OpenEvidence és a nagy EHR-szolgáltatók (Epic, Cerner) új moduljai, lehetővé tették, hogy az orvosok napi 2-3 órányi dokumentációs munkát spóroljanak meg. Az AI valós időben hallgatja a beteggel folytatott beszélgetést, automatikusan kitölti a kórlapot, javaslatot tesz a diagnózisra, és ellenőrzi a gyógyszerinterakciókat. Az orvosok végre a betegekre figyelhetnek, miközben a MI-ágens a háttérben szinkronizálja a legfrissebb tudományos kutatásokat a páciens specifikus adataival. Az áttörés gazdasági hatása is jelentős: az MI-alapú adminisztráció évente akár 900 milliárd dollárt (~304 billió forint) takaríthat meg a globális egészségügyi rendszerekben 2050-ig. Ez a fejlődés különösen a fejlődő országokban és a túlterhelt sürgősségi osztályokon hoz drasztikus javulást a betegellátás minőségében, ahol a szakemberhiány miatt eddig gyakoriak voltak az adminisztratív mulasztásokból eredő hibák.¹¹
• Ritkaföldfém-mentes mágnesek és a fenntartható ipar – 2026. február
  • A New Hampshire-i Egyetem kutatói AI segítségével létrehozták a Northeast Materials Database-t, amely 67,573 mágneses vegyület adatait tartalmazza. Az MI segítségével sikerült azonosítani 25 olyan új anyagot, amelyek magas hőmérsékleten is megőrzik mágnesességüket, de nem igényelnek ritkaföldfémeket. Ez a felfedezés kulcsfontosságú a zöld energiaátmenet számára. Az elektromos járművek motorjaihoz és a szélturbinákhoz szükséges mágnesek előállítása eddig súlyos környezeti károkkal és geopolitikai függőséggel járt. Az AI alapú kutatás azonban megnyitotta az utat az olcsóbb és fenntarthatóbb mágnesek előtt, amelyek helyben is előállíthatók. A kutatás során alkalmazott MI-modell képes volt „átolvasni” több ezer korábbi tudományos cikket, kinyerni belőlük a kísérleti adatokat, és szimulációkkal megjósolni a vegyületek stabilitását.¹²

Nos, ez nem kevés szöveg, bevallom, pedig csak az elmúlt 1 év hónapjainak legjelentősebb áttöréseit gyűjtöttem össze nektek. Könnyű manapság utálni az AI-t a rengeteg sloptartalom miatt, elég belenézni akár a jelenlegi választási kampányba. És tény, hogy az adatközpontok rengeteg vizet és áramot fogyasztanak. Bizakodjunk abban, hogy ha egy-egy MI-modell nem éri meg, mint például a már fent említett Sora, akkor azt egy az egyben kukázzák, és az AI főleg a tudományos életben fog hasznosulni. Nem szeretnék semelyik multimilliárdos cég védelmére se kelni, de azért a Google és a hozzájuk tartozó DeepMind elképesztő kutatásokat visznek véghez. Vagy mondhatnám a Microsoftot, amely a kvamtumszámítógépekben jár élen. Nem kell szeretni ezeket a cégeket, de jó látni, hogy a világ összes pénzéből, ami rendelkezésükre áll, nem restek a tudományra is fordítani, ami az emberiség javát szolgálja.

Remélem, kicsit sikerült derűsebbre varázsolnom a kedvetekt ebben a negatív hírcunamikkal teli időszakban.

1. https://www.cas.org/resources/cas-insights/scientific-breakthroughs-2026-emerging-trends-watch ↩︎
2. https://www.smithsonianmag.com/smart-news/high-school-student-discovers-1-5-million-potential-new-astronomical-objects-by-developing-an-ai-algorithm-180986429/ ↩︎
3. https://blog.google/innovation-and-ai/products/2025-research-breakthroughs/ ↩︎
4. https://www.universityofcalifornia.edu/news/10-awesome-discoveries-uc-research-2025 ↩︎
5. https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/ ↩︎
6. https://scienceblog.com/sciencechina/2025/08/25/ai-breakthrough-reveals-hidden-storm-patterns-in-earths-atmosphere/ ↩︎
7. https://en.as.com/latest_news/ai-reveals-303-hidden-messages-from-the-past-archaeologys-next-frontier-f202510-n/ ↩︎
8. https://news.artnet.com/art-world/2025-archaeology-discoveries-2710629 ↩︎
9. https://www.fool.com/investing/2026/03/29/nvidia-just-announced-hardware-for-ai-data-centers/ ↩︎
10. https://www.alzforum.org/news/research-news/top-dog-alphagenome-predicts-how-noncoding-variants-work ↩︎
11. https://www.offcall.com/learn/articles/the-future-of-medical-ai-what-s-coming-in-2026-and-beyond
    https://www.blueprism.com/resources/blog/the-future-of-ai-in-healthcare/
    ↩︎
12. https://www.sciencedaily.com/releases/2026/02/260218031611.htm ↩︎