• Országos program: 20 középiskolában, mintegy 800 diák kap elméleti és gyakorlati oktatást a 2026/2027-es tanévben
• 100 diák visszajelzéseire építve, a teszt alapján kevesebb elmélet és több gyakorlat került az oktatási anyagba
• Specialisták és fejlesztőmérnökök az osztályteremben – a diákok közvetlenül az MI-technológiával dolgozó Bosch szakértőktől tanulnak
• Nem csak használni, érteni is az MI-t: kép- és videógenerálás, gyakorlati feladatok és a diákok saját témái kerülnek fókuszba

Hogyan lehet jól kérdezni a mesterséges intelligenciától? Honnan tudhatjuk, hogy megbízható-e a válasza? Mire használható az MI a tanulásban és a hétköznapokban, és mikor kell kritikusan viszonyulnunk ahhoz, amit létrehoz? Ezeket, a fiatalok mindennapjait egyre közvetlenebbül érintő kérdéseket járja körül a Bosch középiskolásoknak szóló mesterséges intelligencia oktatási programja. A vállalat tervei szerint a 2026/2027-es tanévben országosan összesen 20 középiskolába jut el a program, így mintegy 800 középiskolás szerezhet gyakorlati tapasztalatot a mesterséges intelligencia megfelelő használatáról.

A diákok visszajelzései is alakítják a programot

A Bosch a kőbányai Szent László Gimnáziumban oktatással egybekötött sajtóeseményen jelentette be a kezdeményezést. Az eseményt két próbanap előzte meg: az év elején Aszódon 40, Szombathelyen 60 középiskolás vett részt a vállalat MI-oktatásában. A pilotok egyik fontos célja az volt, hogy a diákok tapasztalataira és visszajelzéseire építve alakítsák ki a programot. A tananyag a technológia rendkívül gyors fejlődése miatt nem tekinthető lezártnak, a Bosch szakemberei folyamatosan aktualizálják az oktatás tartalmát és a bemutatott eszközöket. A gyakorlati feladatok során sem ragaszkodnak kizárólag előre kijelölt témákhoz. A diákok saját érdeklődési területükön kísérletezhetnek, így közvetlenül megtapasztalhatják, hogyan használható a mesterséges intelligencia különböző problémák és kreatív feladatok megoldására. A programban a prezentációkészítő alkalmazások mellett a kép- és videógenerálás is hangsúlyt kap.

A világ vezető technológiáit fejlesztő szakemberek mennek az osztályterembe

A program sajátossága, hogy az MI-ről nem csupán elméleti szinten tanulnak a középiskolások. Az oktatási programban többféle szakmai háttérrel rendelkező kolléga is részt vesz a Boschtól: AI-szakemberek, tapasztalt fejlesztőmérnökök és PhD-hallgatók mellett projektmenedzserek és kommunikációs szakemberek is együtt dolgoznak azon, hogy a technológiai tudás a középiskolásoknak is érthető és a gyakorlatban is használható formában jusson el az osztálytermekbe. A foglalkozások célja ezért nem egy-egy aktuális MI-alkalmazás használatának a megtanítása, sokkal inkább olyan szemlélet átadása, amely akkor is használható marad, amikor a ma népszerű eszközök helyét új megoldások veszik át. A diákok többek között azt vizsgálják, hogyan érdemes promptolni, azaz utasításokat adni az MI-nek, hogyan változik az eredmény a kérdések pontosításával, milyen hibákat követhet el egy generatív modell, illetve miként lehet ellenőrizni és továbbgondolni az általa létrehozott tartalmakat. „A technológiai versenyképesség hosszútávon nem választható el attól, hogy milyen tudással rendelkezik a következő generáció. Magyarország számára is meghatározó kérdés, hogy a fiatalok ne csak felhasználói legyenek az új technológiáknak, hanem értsék azok működését és lehetőségeit. A Bosch ehhez olyan tudást tud hozzátenni, amely mögött valós fejlesztési és mérnöki tapasztalat áll. Számunkra ez a program ezért egyszerre tudástranszfer és egyúttal befektetés is, hogy a jövő generációi felkészüljenek a technológiai kihívásokra és naprakész tudással rendelkezzenek” – emelte ki Bodó Teodóra, a Bosch csoport kommunikációs és kormányzati kapcsolatok igazgatója Magyarországon és az Adria régióban.

Kutatás is igazolja a középiskolai MI oktatás fontosságát

A Bosch 2025 tavaszán közel 800, 16 és 20 év közötti középiskolában tanuló diák körében végzett felmérésének eredménye is igazolja, hogy a technológiai kompetenciák fejlesztésére a felsőfokú képzési intézmények mellett már a középiskolai oktatásban is nagy szükség van. Míg egy 2024 őszén végzett kutatásban a magyar felnőtt lakosság 53 százaléka, egy év múlva már 60 százalék gondolta úgy, hogy a mesterséges intelligencia lesz a következő évtized legmeghatározóbb technológiája, a megkérdezett középiskolások 65 százaléka értett egyet ezzel az állítással. A kutatás szerint a diákok körében 84 százalék azok aránya, akik már most tervezik, hogy a mesterséges intelligenciát valamilyen módon beépítik a tanulmányaikba és, hogy a jövő munkahelyein elengedhetetlenek lesznek az MI-készségek. A felmérés arra is rávilágított, hogy a választ adó iskolások 90 százaléka már ma is fontosnak tartja ezeket a készségeket a tanuláshoz.

Bosch Magyarország Podcast: technológiáról közérthetően

A Bosch Magyarország Podcast az innováció és a kutatás-fejlesztés legaktuálisabb témáival, szakértő vendégek segítségével közérthető válaszokat keres a jövő technológiájának legégetőbb kérdéseire. Aki szeretne többet megtudni arról, hogyan viszonyulnak a középiskolások a mesterséges intelligenciához, hogyan lehet fejlődni az MI-vel, miben támogatja a kreativitást, miért fontos a kritikus és felelős gondolkodás, vagy éppen mit javasol egy mérnökszakértő, meghallgathatja, sőt meg is nézheti a Bosch Magyarország YouTube, Spotify, Apple Podcasts és Simplecast podcast-csatornáin!

www.bosch.hu

A Országos MI oktatási programot indít a Bosch középiskolásoknak – Mérnököktől tanulnak a diákok bejegyzés először ProdEngineer Média-én jelent meg.

Magyarország stratégiai szerepet játszhat a feldolgozásban. Egy innovatív magyar cég is nyereségesen állít elő nyersanyagot sokmillió kilogramm e-hulladék feldolgozásával.

Sokkoló adatokkal és ijesztő prognózissal állt elő egy átfogó nemzetközi kutatás az AI-adatközpontok felfoghatatlan mennyiségű elektronikus hulladék kibocsátásával kapcsolatban. A Basel Action Network (BAN) szeptemberben kiadott tanulmánya szerint az AI-infrastruktúra kiépítése és a gyorsuló tempóban leselejtezett eszközök és alkatrészek 2050-ig 395–617 millió tonna e-hulladékot termel, 2030-ra évi 8,6–13,1 millió tonnát. Óriási kihívás, hogy globálisan mihez kezd az emberiség ezzel a teherrel. Csökkentheti ugyanakkor a káros hatásokat, hogy létezik már technológia az e-hulladékok részbeni újrahasznosítására. 

Az már korábban is egyértelművé vált: az AI-boomnak óriási fizikai „lábnyoma” van, és a hulladékfeldolgozási kapacitás messze nincs még felkészülve erre a problémára. A Seattle-i székhelyi nonprofit szervezet, a BAN küldetése a globális környezeti egészség és igazságosság előmozdítása. A szervezet civil szakértői az elektronikai hulladékra összpontosítva olyan, egymással összefüggő szakpolitikai intézkedések, piaci megoldások és társadalmi bevonási stratégiák alkalmazásával foglalkoznak, amelyek rendszerszintű változást idéznek elő. A szakértők friss felmérésükben aggasztó adatokat és előrejelzéseket közöltek. Számításaik szerint 2050-re 31-46 millió tonna elektronikus hulladék keletkezhet évente egyedül az AI-adatközpontokból. 

2022-ben 62 millió tonna elektronikai hulladék keletkezett, ennek 22,3%-át dokumentáltan gyűjtötték be és hasznosították újra szabályos keretek között, miközben vannak tartós tárolás alatt álló, vagy kommunális hulladékba kerülő eszközök és alkatrészek is. A hulladék egy jelentős része ugyanakkor végül kétes hátterű, „nemhivatalos” gyűjtési csatornákba kerül, ahol az eszközök elégetése vagy elásása során a környezet mérgező anyagokkal – például ólommal és krómmal – súlyosan szennyeződik.

A fenyegető helyzet romboló hatásait ugyanakkor enyhíteni lehet, erre hívja fel a figyelmet Platz Arnold, az e-hulladékból ismét nyersanyagot kinyerő, a Heves megyei Petőfibányán üzemelő General Future Holding alapítója. Az „urban mining” vállalat szakemberei bontott IT- és hálózati elektronikát, áramköri lapokat és kábelt dolgoznak fel, gépi látással támogatott válogatással. A kábelből és az áramköri lapból működő gépsoron például rézport állítanak elő, a technológiai vállalat elektronikai hulladékból nyer vissza aranyat, nemesfémeket és más kritikus nyersanyagokat. A cég saját előfeldolgozó üzemmel rendelkezik; eddig mintegy 50 millió kg elektronikai hulladék begyűjtésével, feldolgozásával több mint 2000 lezárt konténeres tranzakcióban vett részt. 

Természetesen az AI által termelt elektronikus hulladék újrahasznosításában is szerepet kap maga a mesterséges intelligencia. Az üzemben több olyan, dolgozókat támogató AI-folyamat működik, amely segíti a gyorsabb és pontosabb felismerést, az anyagok azonosítását és a megfelelő feldolgozási döntések meghozatalát. Az AI az emberi tapasztalatot egészíti ki olyan elemző- és felismerőképességgel, amely pusztán kézi munkával vagy hagyományos technológiával nem lenne elérhető. „Ez azért különösen fontos, mert az elektronikai hulladék rendkívül összetett és folyamatosan változó anyagáram. Sok olyan waste stream létezik, amelyet korábban emberi válogatással és hagyományos gépekkel nem lehetett megfelelő pontossággal vagy gazdaságosan feldolgozni. Emiatt az értékes fémek egy része elveszett, vagy a hulladék alacsonyabb értékű, esetenként környezetterhelő feldolgozási útvonalra került. Sok piaci szereplőnél ez ma is így történik. A GFH technológiája ezeket a korábban nehezen hasznosítható anyagáramokat teszi gazdaságosan feldolgozhatóvá” – mutat rá Platz Arnold, aki azt is hangsúlyozza, Magyarország földrajzilag ideális logisztikai csomópont Európa, a Balkán, a Közel-Kelet és részben Észak-Afrika között. Sokkal közelebb található az európai hulladék keletkezési helyeihez, mint a hagyományos ázsiai feldolgozóközpontok, ezért jelentősen rövidebb szállítási útvonalakra, gyorsabb feldolgozásra ad lehetőséget és kisebb logisztikai kitettséggel is rendelkezik. A jelenlegi rendszerben bizonyos anyagáramok akár 100 napot is utazhatnak ázsiai kohókig, miközben Magyarországról regionális szinten jóval gyorsabban kiszolgálható az európai piac.

www.gfh.com

A Újrahasznosítható az AI-forradalom brutális e-hulladék tömege bejegyzés először ProdEngineer Média-én jelent meg.

Egy gépi látásra épülő rendszernek elég néhány másodperc ahhoz, hogy felismerje az arcunkat, kövesse a mozgásunkat, és atekintetünkből vagy a viselkedésünkből következtetéseket vonjon le rólunk. Bár többnyire tisztában vagyunk azzal, hogy egy közterületen felvétel készülhet rólunk, arról jóval kevesebbet tudunk, mit keres a képen az algoritmus, milyen adatokat állít elő, és mire használják fel ezeket. A mesterséges intelligencia eközben már vizuális tartalmak módosítására és generálására is képes, ezért egy online felületen látott felvételről egyre nehezebb eldönteni, hogy a valóságot mutatja-e. A gépi látás lehetőségeiről és kockázatairól beszélgettek a szakértők a Bosch Magyarország podcast legújabb adásában.

A mesterséges intelligencia pótolhat hiányzó részleteket egy fotón, valószerű arcokat hozhat létre, de megtévesztően hiteles videókat is készíthet. Pető Márk, a Robert Bosch Kft. szenior szoftverfejlesztője és gépi tanulási mérnöke szerint az egyre meggyőzőbb deepfake, vagyis hamisított tartalom felismeréséhez már magát a mesterséges intelligenciát kell segítségül hívnunk. Cserteg Tamás, a HUN-REN SZTAKI Mérnöki és Üzleti Intelligencia Kutatólaboratóriumának tudományos segédmunkatársa úgy véli, mára különösen fontos lett, hogy pontosan tudjuk, mikor látunk módosított vagy mesterséges intelligenciával létrehozott tartalmat.

Több adatot árul el rólunk egy felvétel, mint gondolnánk

Kamerák működnek a telefonokban, az autókban, a modern háztartási eszközökben és a köztereken. Többnyire észre is vesszük őket, a háttérben zajló elemzésből viszont szinte semmit sem látunk. Pedig ugyanabból a néhány másodperces felvételből rengeteg különböző információhoz lehet hozzájutni. Az autó rendszere az arc és a tekintet változásaiból a vezető fáradtságára következtethet. Egy stadion kamerái folyamatosan követhetik a játékosok helyzetét, így akár tíz centiméteres pontossággal segíthetik a les megállapítását. A lakásban működő kamera észleli a mozgást, majd értesíti a tulajdonost. De ma már olyan telefon is létezik, amely az arc helyzetéből állapítja meg, hogy fekve vagy ülve nézzük-e a kijelzőt.

„Azt általában tudjuk, hogy felvétel készül rólunk, azt viszont már nem, milyen információt keres rajta az algoritmus, és mit képes megállapítani belőle. Ez még a szakemberek számára sem mindig egyértelmű” – mondta Pető Márk. A kamerák elhelyezéséből önmagában még nem derül ki, mire használjuk: ugyanaz a kép alkalmas lehet a mozgás követésére, egy arc azonosítására vagy egy szokatlan viselkedés felismerésére. A gépi látás ereje tehát abban rejlik, hogy egy hétköznapi felvételből is nagyon részletes adatokat képes feldolgozni.

A gép felismeri a mozgást, de az okát már kevésbé

Egyes képfelismerési teszteken a gép már jóval kevesebbet hibázik az embernél. Nagy mennyiségű képből tanul, így előre meghatározott szabályok nélkül is képes felismerni a visszatérő mintázatokat. Ez a fölény azonban mindig egy pontosan meghatározott feladatra vonatkozik. Egy algoritmus például könnyen felismeri, hogyha valaki fut az utcán. Azt már sokkal nehezebben állapítja meg, hogy miért teszi: sportol, próbálja elérni a villamost vagy menekül valami elől? Az ember a helyzet értelmezéséhez a környezetre, a korábbi tapasztalataira és a helyzet apró jeleire is támaszkodik, a gépnek mindezt külön-külön meg kell tanulnia.

„Egy adott feladatra már készíthetünk rendkívül pontos rendszert. Az ember előnye viszont továbbra is az általános tudásban rejlik. Ha bárhol a világon odaadunk valakinek egy almát, jó eséllyel felismeri, és azt is tudja, hogyan fogja meg. Ez a széles körű ismeret még messze nincs meg a gépekben” – fogalmazott Cserteg Tamás. A gép tehát egyre pontosabban megmondja, mit lát a képen, de annak megértése, hogy valójában mi történik, továbbra is jóval nehezebb, összetettebb feladat számára.

A gyártósoron éppen ez a pontosság az előny

A gyártósoron nincs szükség arra, hogy a gép értse egy alkatrész szerepét. Elég, ha minden alkalommal pontosan felismeri, hogyan néz ki a megfelelő darab, és azonnal jelez, ha eltérést talál. A Bosch gyártási folyamataiban több helyen is alkalmaznak gépi látást és gépi tanulást. A minőség-ellenőrző rendszer képekből tanulja meg a megfelelő termék jellemzőit, ezután kiszűri az ettől eltérő darabokat, a fejlettebb megoldások pedig már a hiba típusát is azonosíthatják. A rendszer akkor is jelezhet, ha olyan eltéréssel találkozik, amit korábban még nem mutattak meg neki. Felismeri, hogy a vizsgált darab különbözik a megfelelő mintától, majd további elemzés segíthet feltárni a hiba pontos okát.

A világ számos részén működnek már úgynevezett sötét gyárak, ahol teljesen automatizált gyártósorok dolgoznak. Ezekben az üzemekben nincs szükség kivilágított csarnokra. A kamerák ott és akkor kapnak fényt, ahol egy terméket meg kell vizsgálniuk, más rendszerek pedig radarokkal, hőkamerákkal vagy ultrahangos érzékelőkkel dolgoznak. Egy ipari kamera gyorsan dolgozik, nem fárad el, és a műszak végén is ugyanolyan figyelemmel vizsgálja a termékeket, mint az elején. A rendszerek működését ettől függetlenül szakemberek felügyelik.

Már azt is láthatjuk, amit a kamera nem is rögzített

Egy fénykép ma már olyan részleteket is tartalmazhat, amelyek a kép elkészítésekor nem is voltak ott. Ha eltávolítunk belőle egy tárgyat vagy egy teljes képrészletet, a mesterséges intelligencia a környezet alapján képes kitölteni az üres helyet. A végeredmény pedig annyira valósághűnek tűnhet, hogy nehéz észrevenni, melyik részletet hozta létre a mesterséges intelligencia. Az okostelefonok holdfotói jó példái annak, mennyire elmosódhat a határ a kép javítása és új részletek létrehozása között. Egyes készülékek felismerik az égitestet, majd automatikusan élesíthetik és javíthatják a felvételt. A látványos végeredményről már nehéz megmondani, mi származik a kamera érzékelőjéből, és mit adott hozzá a képfeldolgozás.

Míg egy rosszul sikerült családi fotó kijavítása ártalmatlan, egy közéleti szereplőről készített hamis videó már komoly károkat okozhat. A deepfake, a hamisított tartalom fejlődése eljutott arra a szintre, ahol az emberi szem sokszor már kevés a manipuláció felismeréséhez. „Az MI-t kell segítségül hívnunk az MI ellen, mert egy algoritmus könnyebben észreveszi a manipuláció nyomait, mint az ember” – mondta a Robert Bosch Kft. szenior szoftverfejlesztője és a gépi tanulási mérnöke. Miközben az algoritmus egyre többet tud megállapítani rólunk egy felvétel alapján, mi egyre nehezebben állapítjuk meg a felvételről, mennyi köze van a valósághoz.

Átláthatóság nélkül nehéz lesz megbízni a gépek látásában

A szakértők egyetértettek abban, hogy a technológia elfogadottsága azon múlhat, az emberek kapnak-e világos tájékoztatást arról, milyen célból elemzik a felvételeket, milyen adatokat nyernek ki belőlük, és kik férhetnek hozzá az eredményekhez. Ehhez egy hosszú adatkezelési tájékoztató önmagában kevés. Garanciára van szükség ahhoz, hogy ezekkel az adatokkal ne éljenek vissza.

Bosch Magyarország Podcast: technológiáról közérthetően

A Bosch Magyarország Podcast az innováció és a kutatás-fejlesztés legaktuálisabb témáival, szakértő vendégek segítségével közérthető válaszokat keres a jövő technológiájának legégetőbb kérdéseire. Aki szeretne többet megtudni arról, milyen információkat képesek rólunk a kamerák , hogyan használják a gépi látást a gyártásban, és miért lehet szükség mesterséges intelligenciára az MI hamisítványok felismeréséhez, a válaszokat összegyűjteni, meghallgathatja, sőt meg is nézheti a Bosch Magyarország YouTube, Spotify, Apple Podcasts és Simplecast podcast-csatornáin!

www.bosch.hu

A Sokkal többet tudnak rólunk a kamerák, mint gondolnánk – a gépi látás egyre pontosabb, és lassan már lehetetlen eldönteni, valódi-e a kép, amit nézünk bejegyzés először ProdEngineer Média-én jelent meg.

A Siemens Zrt. és az UNIside közös kutatása feltárja a mesterséges intelligencia szerepét a magyar egyetemisták tanulmányaiban és mindennapjaiban.

A kutatás szerint a magyar egyetemisták körében valóságos MI-láz tombol: a válaszadók 75,3 százaléka hetente, de inkább napi több alkalommal veszi igénybe az MI-eszközöket. Ez a szám jóval magasabb, mint a már munkahellyel rendelkezők körében: a Gallup 2026 májusában készített felmérése alapján a munkavállalók nagyjából fele használ MI-eszközöket, de csak 15 százalékuk veszi igénybe a mesterséges intelligenciát naponta. 

A hallgatók döntő többsége önerőből, informálisan sajátítja el a tudást. Mindössze 3,6 százalékuk vett részt szervezett, MI-témájú egyetemi órán. Ez azt is jelentheti, hogy az intézmények lemaradásban vannak a hallgatói igényekhez képest, miközben a felsőoktatásban tanulók már rég belevetették magukat a mesterséges intelligencia világába. 

A kutatás során az MI-eszközökben való jártasságukról is kérdezték őket: 41,7 százalékuk „készségszinten” használja, 10,5 százalékuk pedig már profinak, „számtalan promptot író felhasználónak” tartja magát.

Bár tömegesen használják, a hallgatók kritikusan viszonyulnak az MI által generált információkhoz. Egy 10-es skálán, ahol az 1 a teljes bizalmatlanság, a 10 pedig az ellenőrzés nélküli elfogadás, az átlag mindössze 4,5 pont volt, ami azt jelenti, hogy a hallgatók többsége nem fogadja el vakon az MI válaszait; fenntartásokkal kezelik az MI által adott információkat, és visszaellenőrzik a válaszokat.

Emellett a kutatás szerint a bizalom a használat gyakoriságával nő. Aki kevésbé jártasnak vallotta magát az MI-eszközök használatában, mindössze átlagosan 3-ast adott a bizalmi skálán, míg akik többet használják e megoldásokat, azoknál 5-re jön ki a szám. Ez még mindig nem azt mutatja, hogy a hallgatók MI-generált beadandókkal teljesítenék az egyetemi tanulmányaikat.

Mire jó az MI az egyetemen?

A megkérdezettek túlnyomó része két területen találja hasznosnak az MI-t:

• Szövegírásban, ahol egy 10-es skálán 7,9-et,
• és összefoglalók készítésében, ahol 7,6-ot kapott az MI.

A mesterséges intelligencia emellett még a forráskutatásban és a szövegírásban spórolja meg a legtöbb időt a hallgatóknak. Azonban nem minden területen tündököl az MI: kódírásban (4,7/10) és az MI-vel kapcsolatos beszélgetések slágereként számontartott kép- és videógenerálásban (5,4/10) tartják a legkevésbé hatékonynak.

Ezen a területen jön elő a legjobban az egyes szakok közötti különbség: a műszaki és informatikai hallgatók sokkal hasznosabbnak találják a kódírást (informatikusok: 7,1; műszakisok: 5,5), mint például a humán szakosok (3,7), míg a szövegírás és -fordítás a gazdasági és társadalomtudományi képzéseken a legfontosabb.

Az egyetemek egyelőre le vannak maradva

A kutatásban arról is kérdezték a hallgatókat, hogy mennyire tartják fairnek a saját egyetemeik és oktatóik hozzáállását az MI használatához. Egy négyfokú skálán 3,3-at kapott az egyetemek MI-szabályzata, ami meglepően pozitív, míg az oktatók engedékenysége 10-ből 5,8-at kapott.

Azonban itt is van egy érdekes különbség: a műszaki és informatikai hallgatók kritikusabbak az intézményeik szabályozásával szemben, valamint szigorúbbnak látják a tanáraik hozzáállását is. Annak ellenére, hogy ők is ugyanolyan intenzíven használják az MI-t, mint más szakok hallgatói.

Ha a diákoknak kérdésük merül fel az MI-vel kapcsolatban, akkor sem az egyetemi forrásokhoz fordulnak, hanem inkább autodidakta módon próbálják megoldani a problémát. A kutatást kitöltők között így oszlik meg az információszerzés

• Internet: 74,5 százalék
• Maga az MI-eszköz: 37,9 százalék
• Szakirodalom: 29,3 százalék
• Egyetemi oktató: 26,8 százalék
• Ismerősök/csoporttársak: 24,8 százalék / 22,9 százalék
• Szülők: 5,0 százalék

Látható, hogy az oktatók nem az elsődleges forrásai az MI-vel kapcsolatos információnak, hanem csak egy a sok lehetőség közül. 

A megkérdezett egyetemi vezetők és szakértők beszámolói szerint a technológia tudatos használatára, nem pedig annak tiltására helyezik a hangsúlyt, és rugalmas kereteket alakítanak ki az intézményekben. Az MI használata alapvetően megengedett lehet a tanulásban, kutatásban és más munkafolyamatokban, ha azt az adott oktató nem korlátozza, és nem sérti az etikai, adatvédelmi vagy jogi előírásokat. A legfontosabb elv, hogy az MI segédeszköz maradjon, és ne váltsa ki a hallgató saját szellemi teljesítményét. A karok a központi egyetemi kereteket saját szakterületük szerint pontosíthatják, így az elvárások tantárgyanként is eltérhetnek. Mint elmondták, ugyanakkor minden esetben fontos az átláthatóság: a hallgatónak jeleznie kell, hogy egy feladat elkészítésének mely szakaszában és milyen mértékben használt MI-eszközt, szükség esetén a felhasznált promptok feltüntetésével. 

A szabályok betartása ugyanakkor nem egyszerű: sok hallgató nincs tisztában az intézményi előírásokkal. Ezért elengedhetetlen felmenő rendszerben a mesterséges intelligencia etikus használatára nevelni már a középiskolákban is.

Az MI-vezérelt háztartási robotoknak egyelőre várniuk kell

A hallgatók döntő többsége, 78,5 százaléka támogatja az MI által vezérelt robotok ipari, gyártósori alkalmazását. Ezzel szemben az otthoni robotok kérdése már megosztóbb: a megkérdezettek 56 százaléka elfogadja a használatukat, 47 százalékuk pedig kipróbálna egy ilyen eszközt, de a hallgatók nagyjából fele kevésbé pozitívan áll a háztartási robotokhoz.

Azok, akik viszont igénybe vennének ilyen gépeket, főleg a fizikai háztartási munkákat bíznák a robotokra, mint például a porszívózás és a takarítás, nem meglepő módon pedig a társas funkciók voltak a legkevésbé népszerű opció a maga 3,6 százalékával.

A Siemens Zrt. és a UNIside közös kutatása világosan megmutatja, hogy a mesterséges intelligencia már nem egy jövőbeli lehetőség, hanem a jelen egyik legfontosabb egyetemi eszköze. A hallgatók tömegesen használják, beépítették a tanulásba, és sok esetben már előrébb járnak, mint azok az intézmények, amelyeknek irányt kellene mutatniuk nekik. 

A diákok nyitottak és gyakorlatiasak, nem naivak: az MI válaszait többnyire kritikával kezelik, vagyis nem egy technológiai vaklelkesedés, hanem egy tudatos alkalmazkodási folyamat zajlik. A valódi kérdés ezért már nem az, hogy megérkezett-e az MI az egyetemekre, hanem az, hogy a felsőoktatás hogyan tudja utolérni a saját hallgatóit, és hogyan tudja a leghatékonyabban beépíteni az MI-t az egyetemi képzésekbe.

www.siemens.hu

A Promptolás a padsorokban – Így használják az MI-t a magyar egyetemisták bejegyzés először ProdEngineer Média-én jelent meg.

A mesterséges intelligencia alkalmazások kiszolgálására létrehozott adatközpontokban gyorsan terjedő, 800 VDC-s áramellátási architektúra biztonságos kialakításához és működtetéséhez nyújt segítséget a Schneider Electric új, az ívzárlati kockázatokat vizsgáló elemzése. A tanulmány egyik legfontosabb eredménye, hogy az ilyen rendszerekkel kapcsolatos kockázatok a tipikus AC-rendszerekével összehasonlítható mértékűre csökkenthetők. 

A Schneider Electric, a világ egyik vezető energiatechnológiai vállalata által készített elemzés során az extrém nagy méretű (hyperscale) adatközpontokat működtető szolgáltatók tervezési mintái alapján két, különböző konfigurációjú 800 VDC-s architektúrát hasonlítottak össze. Az eredmények azt mutatják, hogy az ívzárlat következményei nagymértékben függenek az architektúrától, a kondenzátorok elhelyezkedésétől és a hibaelhárítási gyakorlattól.

Az elemzés egyik legfontosabb eredménye, hogy még a legszigorúbb forgatókönyv mellett is kezelhető az ívzárlat kockázata a 800 VDC-s rendszerekben, és sok esetben ez a kockázat a tipikus AC (váltakozó áramú) rendszerekével összehasonlítható mértékűre csökkenthető. Ezenfelül a fejlett szoftverek és a digitális ikrek segítségével végzett pontosabb modellezés hozzájárulhat az ívzárlat kockázatának megbízhatóbb meghatározásához.

A Schneider Electric által kiadott elemzés azért különösen aktuális, mert a 800 VDC-s architektúrákat egyre szélesebb körben alkalmazzák a mesterséges intelligencia (MI) támogatására szolgáló adatközpontokban a nagyobb teljesítménysűrűségű rackek kiszolgálására. Az NVIDIA vezetésével és a Schneider Electrichez hasonló energiatechnológiai partnerek közreműködésével megvalósuló átállás a 800 VDC-s adatközponti tápellátási infrastruktúrára lehetővé teszi majd, hogy a nagyméretű adatközpontokban és az MI-gyárakban* 400 kW-os és annál nagyobb teljesítményű IT-rackeket alakítsanak ki.

A 800 VDC-s elosztás a megawatt-nagyságrendű rackek hatékony áramellátásának gyakorlati megoldásaként jelent meg. Ugyanakkor a magasabb elektromos feszültség miatt szükséges az esetleges hibalehetőségek, a védelem és a biztonságos munkavégzési gyakorlatok átfogóbb megértése.

„A 800 VDC-s áramelosztás komoly változást jelent az adatközpontok tervezésében, ugyanakkor olyan biztonsági szempontokat is felvet, amelyeket alaposan meg kell vizsgálni. A világ vezető, extrém nagy méretű adatközpontokat üzemeltető vállalataival megvalósult együttműködésünk révén az elsők között biztosítunk gyakorlati keretrendszert az ívzárlat jelentette kockázatok értékeléséhez a mérnökök és a biztonsági szakemberek számára, amely strukturált megközelítést nyújt a hibajelenségek megértéséhez, a biztonságos munkavégzési gyakorlatok kialakításához és a hatékony védelmi rendszerek tervezéséhez. Célunk, hogy segítsük az iparágat abban, hogy magabiztosan és biztonságosan váltson át a magasabb feszültségű architektúrákra” – mondta el Manish Kumar, a Schneider Electric „Secure Power & Data Centers” területért felelős ügyvezető alelnöke. 

Az ívzárlat-elemzés már bevett gyakorlat az AC adatközpontokban, de jelenleg nincs iparági szabvány vagy iránymutatás arra vonatkozóan, hogy a 800 VDC-s rendszerek esetében milyen elektromos veszélyekkel szembesülhetnek az üzemeltetést végzők. A Schneider Electric tanulmánya az ívzárlat jelentette kockázatok értékelése és kezelése mellett abból a szempontból is kiemelkedően fontos, hogy a 800 VDC-s architektúrák a meglévő áramellátó rendszerekhez hasonló biztonsági szintet érjenek el. Bebizonyosodott, hogy a jelenlegi szabványok túlbecsülik az ívzárlat-kockázatot, míg a fejlett szoftverek és a digitális ikrek pontosabban modellezik azt.

Két különböző 800 VDC-s architektúra értékelése

A Schneider Electric az első gyakorlati ívzárlati elemzést készítette el rackszintű, valamint létesítményszintű 800 VDC-s architektúrákról, lefedve a területen kialakuló főbb megvalósítási irányokat. A tanulmány értékeli a szabványokon alapuló módszereket, a szimulációt és a rendszerszintű modellezést. Az eredmények azt mutatják, hogy a meglévő ívzárlat-keretrendszerek alkalmazhatók a 800 VDC-s rendszerekre, ha azokat az architektúrát és az időtényezőt is figyelembe vevő módon használják, emellett kiderült az is, hogy a tervezési döntések hatással vannak az eredményekre.

• Rackszintű 800 VDC-s architektúrák: A konzervatív módszerek és forgatókönyvek alkalmazásával kapott eredmények azt mutatták, hogy az incidensenergia (villamos íváramütési energia) jóval az egyéni védőfelszerelések (PPE) esetében elfogadott 1,2 cal/cm²-es referenciaérték alatt maradt, még védelmi eszközök nélkül is.
• Központosított 800 VDC-s architektúrák: A létesítményi szintű esettanulmány azt mutatja, hogy a rackszintű tervezésekhez képest valamivel nagyobb incidensenergia alakulhat ki, ha egy konzervatív, kevésbé reális, túláramvédelem nélküli architektúrát veszünk figyelembe. Az elemzés a rendszer topológiájának hatását is értékeli, és bemutatja, hogy a fordított blokkoló diódák előtti, valamint az azok utáni hibahelyek hogyan befolyásolják a visszatáplálást, a csúcsáramot és az ívzárlattal kapcsolatos eredményeket. Ha a hiba hatását szabványos védelmi eszközökkel időben korlátozzák, az ívzárlat energiája a munkakörnyezetekhez megfelelő szintre csökken, és általában összhangba kerül a szokásos váltakozó áramú architektúrákkal.

A kutatás azt is megállapította, hogy:

• A tranziens viselkedés fontos: A 800 VDC-s rendszerekben az ívzárlatot az időfüggő hibák idézik elő, és az esemény első milliszekundumaiban a kondenzátor-kisülés dominál.
• A szimuláció javítja a pontosságot: Az üzemeltetők jelentősen csökkenthetik az ívzárlat kockázatát, ha védelmi stratégiájukat fejlett szoftverekkel és digitális ikrekkel, például az ETAP-pal támasztják alá.
• A tervezési döntések csökkentik a kockázatot: Az ívzárlat következményei az architektúrától és a rendszerkonfigurációtól függenek, nem csupán az egyenáramú elosztástól. A kondenzátorok elhelyezkedése, a visszaáram-gátló eszközök és a milliszekundum-szintű védelem kulcsfontosságú tényezők a biztonságos 800 VDC-s telepítésekhez.

„Az ipari szabványok továbbra is elengedhetetlenek az ívzárlat és az elektromos biztonság szempontjából, de a hagyományos módszerek túlságosan konzervatívak lehetnek, mivel nem tükrözik teljes mértékben az összetett egyenáramú rendszerek működését. A valós kockázat megértéséhez a mérnököknek értékelniük kell a rendszer topológiáját, a hibajelenségethiba jellegét, a védelmi koordinációt, a konverter reakcióját, a kapcsolási logikát és az aktív védelmi rendszereket. Az ETAP lehetővé teszi az üzemeltetést végzők üzemeltetők számára, hogy a 800 VDC-s rendszereket működés közben modellezzék és validálják, elősegítve ezzel az átállást a konzervatív feltételezésekről a pontosabb, mesterséges intelligenciával kiegészített, fizikai modelleken alapuló biztonsági és üzemeltetési döntésekre” – hangsúlyozta Tanuj Khandelwal, az ETAP vezérigazgatója. 

Az elemzés eredményei már elérhetők a „DC Arc Flash Analysis: A Practical Study on 800 VDC in Data Centers” című fehér könyvben.

*Az MI-gyár egy speciális számítástechnikai infrastruktúra, amelyet arra terveztek, hogy az adatokból értéket teremtsen a mesterséges intelligencia teljes életciklusának kezelésével.

www.se.com

A Úttörő elemzést készített a Schneider Electric a 800 VDC-s adatközponti architektúráról bejegyzés először ProdEngineer Média-én jelent meg.

A nem tervezett leállások számának akár 75 százalékos csökkenése, ötödével kisebb üzemeltetési költségek – többek között ezekkel az előnyökkel járhat az állapotalapú karbantartásra történő átállás az adatközpontok esetében. Az IDC új tanulmánya szerint a sűrűbb rack elhelyezés, a különböző gyártóktól származó rendszerek és a képzett szakemberek hiánya miatt a mesterséges intelligencia (MI) korszak adatközpontjaiban új megközelítésre van szükség a karbantartás és az ellenállóképesség növelése kapcsán.   

A mesterséges intelligenciával támogatott állapotalapú karbantartás (CBM – Condition Based Maintenance) korai alkalmazói kevesebb manuális beavatkozásról, az üzemeltetési költségek (OpEx) és a nem tervezett leállások számának csökkenéséről, hosszabb eszköz-élettartamról és általában nagyobb hatékonyságról számoltak be az IDC által kiadott „The Self-Aware Datacenter: How Condition-Based Maintenance Turns Fragmented, Multi-Vendor Datacenters into Predictable Infrastructure and System Intelligence” című Fehér Könyv szerint. 

Megugró terhelés, hiányzó szakemberek

A Schneider Electric által támogatott tanulmány szerint az egy rackre jutó teljesítménysűrűség a standard adatközpontokban mért 15 kW-ról a mesterséges intelligencia alkalmazásokat kiszolgáló létesítményekben 300–600 kW-ra emelkedett. A kihívásokat tovább fokozza, hogy számos térségben korlátozott a rendelkezésre álló villamosenergia-kapacitás. Ennek következtében az új adatközponti kapacitások döntő többsége a már meglévő infrastruktúrára épül, miközben az üzemeltetők egyre inkább több telephelyből álló campusok kialakítása, helyszíni energiatermelés, valamint meglévő létesítmények fejlesztése és helyi szolgáltatók felvásárlása révén igyekeznek biztosítani a számítási kapacitás növeléséhez szükséges energiát. 

„Amikor az üzemeltetők egy teljesen új adatközpont felépítése helyett meglévő létesítményeket vásárolnak meg, akkor különböző gyártóktól származó, számukra ismeretlen berendezéskonfigurációkhoz jutnak hozzá, amelyekről nincsenek üzemeltetési előzmények, így szükséges az azonnali integrációjuk az eszközteljesítmény-kezelő rendszerekbe” – mutatott rá a Fehér Könyv szerzője, Luis Fernandes, az IDC vezető kutatási menedzsere.

Ugyanakkor a képzett műszaki szakemberek hiánya már fenntarthatatlan mértékűre nőtt: az Egyesült Államokban például minden 7 betöltetlen álláshelyre csupán 1 képzett szakember jut. Számos, világszerte végzett adatközponti felmérés a képzett munkaerő hiányát emeli ki a legfontosabb üzemeltetési problémaként. 

„Az állapotalapú karbantartás az MI-korszak infrastruktúrájára optimalizált üzemeltetési modell, amely csökkenti a manuális beavatkozások számát, mérsékli az üzemeltetési költségeket (OpEx) és meghosszabbítja az eszközök életciklusát. Azáltal, hogy a prediktív elemzést kiterjeszti a különböző gyártóktól származó eszközök és a potenciális hibalehetőségek közötti összefüggések feltárására, a CBM lehetővé teszi az üzemeltetők számára, hogy gépi vezérlésű, de ember által validált rendszerintelligenciát építsenek ki” – tette hozzá Luis Fernandes.

Jelentős előnyök

A Schneider Electric EcoCare szolgáltatásai a reaktív és ütemterv alapján megvalósított beavatkozásoktól az állapotalapú, eredményorientált eszközéletciklus-kezelés felé mozdulnak el. Az MI-alapú „Energy Intelligence” és szakértői felügyelet segítségével az EcoCare folyamatosan nyomon követi az eszközök és rendszerek viselkedését az üzemeltetési határértékekhez viszonyítva, azonosítja az eltéréseket, és előre jelzi a potenciális hibákat.

Az EcoCare szolgáltatáscsomag kézzelfogható eredményeket hoz az állapotalapú karbantartás bevezetésével:

• akár 75%-kal csökkenhet a nem tervezett leállások száma
• a beszámolók szerint 20%-kal mérséklődnek az üzemeltetési költségek (OpEx)
• csökkenő kockázatok. 

„A távfelügyeleti funkciók és a mesterséges intelligenciával támogatott koordináció ötvözésével betekintést nyerhetünk az eszközök és rendszerek aktuális állapotába, és lehetőség nyílik a később esetleg meghibásodáshoz vezető rendellenes működés korai felismerésére. Ez egyrészt biztosítja, hogy a leállások ideje a lehető legrövidebb legyen, másrészt azt is, hogy a szigorú specifikációk alapján működő berendezésekkel ne foglalkozzanak feleslegesen és ne állítsák le őket, amikor nincs arra szükség” – mondta el Jerome Soltani, a Schneider Electric „Services” területért felelős globális vezetője.

A Schneider Electric támogatásával készült teljes IDC Fehér Könyv innen tölthető le.

www.se.com

A Így lehet még biztonságosabb és hatékonyabb az adatközpontok működése bejegyzés először ProdEngineer Média-én jelent meg.

Az előzetes ütemezésnek megfelelően sikeresen leszállított több mint 290 millió dollár értékű mesterséges intelligencia (MI) infrastruktúra megoldást a TeraWulf Lake Mariner adatközpontjához a Schneider Electric, a világ egyik vezető energiatechnológiai vállalata, valamint a digitális infrastruktúra folyadékhűtési technológiájának fejlesztésében élen járó Motivair by Schneider Electric. A projekt jó példa arra, hogyan képes az integrált áramellátás, hűtés és digitális intelligencia új kapacitást biztosítani az MI-korszak által megkövetelt ütemben.

A már meglévő telephely és áramellátási infrastruktúra új generációs digitális infrastruktúra központtá alakítása révén a fejlesztést követően a Lake Mariner létesítmény várhatóan akár 750 MW energiaigényt is képes lesz kiszolgálni. A Buffalo közelében, Barkerben (New York állam, Egyesült Államok) található központ a Motivair iparágvezető folyadékhűtési megoldásait és a Schneider Electric integrált áramellátási infrastruktúráját használja a nagy teljesítményű számítástechnikai (HPC), felhőalapú és mesterséges intelligencia (MI) feladatok támogatására.

A műszaki tervezés, a mérnöki szakértelem, a fejlett energiainfrastruktúra, az innovatív hűtési technológiák, valamint a támogató szoftverek és szolgáltatások ötvözésével ez az együttműködés segíti a TeraWulfot az MI-kompatibilis adatközpontok iránti növekvő igény kiszolgálásában, ezzel egyidejűleg pedig az energiafelhasználás és az üzemeltetési teljesítmény optimalizálásában.

Stratégiai elhelyezkedésének köszönhetően a Lake Mariner létesítmény kihasználja az alacsony költségű, megbízható áramellátást és a skálázható infrastruktúrát, működését pedig a fő bérlők, a Core42 és a Fluidstack (amit a Google támogat) hosszú távú bérleti szerződései biztosítják. A telephely New York állam regionális villamosenergia-hálózatából kap ellátást, amelynek energiamixében mintegy 89 százalékot tesz ki a szén-dioxid-kibocsátásmentes, tiszta energia, emellett pedig jelentős többletenergiával rendelkezik az ügyfelek HPC és MI-terheléseinek kiszolgálására.

„A TeraWulf stratégiájának középpontjában a skálázható, energiahatékony infrastruktúra biztosítása áll, amely képes támogatni az egyre növekvő MI- és HPC-terheléseket. Az olyan iparági vezető vállalatokkal megvalósuló szoros együttműködés révén, mint a Schneider Electric és a Motivair, felgyorsítjuk az MI-kompatibilis kapacitás fejlesztését a Lake Mariner létesítményünkben, miközben megerősítjük azokat a stabil működési alapokat, amelyek szükségesek a hosszú távú ügyféligények kiszolgálásához” – mondta el Sean Farrell, a TeraWulf operatív igazgatója.

Mivel a TeraWulf tizenkét hónapon belül akart kialakítani több, kifejezetten az MI támogatására szolgáló adatközpontot a telephelyen, vezető stratégiai energiatechnológiai partnerként a projekt során szigorú építési és üzemeltetési határidőket kellett betartania a Schneider Electricnek és a Motivairnek. A TeraWulf emellett műszaki tervezési és mérnöki tanácsadást is igényelt a Schneider Electric Galaxy VX szünetmentes tápegységeinek (UPS), Galaxy lítium-ion akkumulátor-rendszereinek, Motivair hűtőfolyadék-elosztó egységeinek (CDU-k), rack-be építhető elosztócsöveknek és hűtött ajtóknak, valamint a NetShelter rackeknek és szekrényeknek a telepítéséhez. Ezen felül a fejlett felügyelet és a digitális intelligencia érdekében integrálták a Schneider Electric díjnyertes szoftvermegoldását, az EcoStruxure IT Data Center Expertet, míg a Motivair „Client Services” szolgáltatását a kockázatok előrejelzésére, a zavarok minimalizálására és a hűtési beruházás hatékonyságának maximalizálására használták.

„Ahogy az MI-infrastruktúra iránti igény gyorsul, a „time to power” a növekedés meghatározó korlátjává vált. Az üzemeltetőknek olyan partnerekre van szükségük, akik képesek összehangolni a fejlett infrastruktúrát, a szolgáltatásokat és az energiatechnológiai szakértelmet a nagyméretű MI-adatközpontok megvalósításának felgyorsítására. A TeraWulf-fal kötött partnerségünk eredményeként egy olyan stratégiai koncepciót valósítunk meg, ami lehetővé teszi egy hagyományos ipari telephelyen is a helyszíni áramellátás, a mesterséges intelligenciával támogatott automatizálás, a fejlett folyadékhűtés és a digitális intelligencia összekapcsolását. Rugalmas, hatékony és skálázható adatközponti megoldásokat szállítunk az MI-korszak által megkövetelt sebességgel és méretben” – hangsúlyozta Manish Kumar, a Schneider Electric „Secure Power & Data Centers” részlegének ügyvezető alelnöke.

www.se.hu

A Fontos mérföldkőhöz érkezett a Schneider Electric és a TeraWulf együttműködése bejegyzés először ProdEngineer Média-én jelent meg.

…a világhírű Marc Pollefeys már a nyitónapon fellebbentette a fátylat a gépi látás új korszakáról

Ha az első nap ilyen fordulatokat hoz, mi jöhet még? A számítógépes látás és a kiterjesztett valóság (AR) világának egyik legelismertebb globális szakértője, Marc Pollefeys, az ETH Zürich professzora és a Microsoft zürichi Spatial AI Lab igazgatója Budapesten tartott exkluzív előadást a HUN-REN Magyar Kutatási Hálózat és a szingapúri Nanyang Technological University (NTU) közös szervezésében megrendezett AI Symposium 2026 konferencián. Az ETH Zürich, a Bosch és a svájci USI egyetem kutatói bemutatták, hogyan lép át a mesterséges intelligencia a digitális térből a fizikai valóságba, és miként változtatja meg a gépi látás a robotikát, az önvezető járműveket, valamint a mindennapi térérzékelésünket. A szimpóziumon bemutatott legújabb nemzetközi kutatások azonban rávilágítottak: ahhoz, hogy a mesterséges intelligencia megértse a minket körülvevő világot, először a legbonyolultabb biológiai rendszert – magát az embert, a mozgást és az agyat – kell tudnia lemodellezni.

Vannak olyan emberi tevékenységek, képességek, amelyek teljesen természetesnek tűnnek – ilyen például a járás vagy a tárgyak felismerése és térbeli helyzetüknek a meghatározása. Csak akkor vesszük észre, mennyire bonyolultak is ezek, amikor mesterségesen próbáljuk modellezni vagy szimulálni őket.

Ezzel találta szembe magát például Guan Cuntai, az NTU Számítástechnikai és Adattudományi Karának (CCDS) helyettes dékánja. Az agy-számítógép interfészek (brain-computer interface, BCI) területének egyik globális vezető kutatója a járás közben lezajló agyi folyamatokat vizsgálja. Először egészséges páciensek neurális jeleit gyűjtötték, míg megbízható összefüggést nem tudtak kimutatni a járás fizikai tevékenysége és az ennek során jelentkező neurális jelzések között. Egy másik kísérletsorozatból az is kiderült, hogy ugyanezek a neurális jelzések megfigyelhetők akkor is, amikor a gerincsérülés miatt lebénult páciens próbált járni – csak éppen a jelek eltérnek a normál mintázattól. A mintázat eltérései, időbeli változásai fontos adatokkal szolgálhatnak a terápia vagy az idegrendszert stimuláló implantátumok megtervezése során.

Más formában szembesült a mozgás nehézségeivel Yanan Sui, a Tsinghua Egyetem docense és kutatócsoportja, amikor vezérelhető emberi modellt akart megalkotni. Élethű emberi modellek már léteznek – elég megnézni bármilyen videójátékot –, de azok mozgását az animátor kedve szerint alakítja, a fizikához vagy az emberi anatómiához nincs közük. Az általuk létrehozott MS-Human-700 modell viszont hűen követi az emberi váz- és izomrendszer anatómiáját, pedig az emberi testben 700 izom-ín egység van (innen is van a modell neve). A szabadon hozzáférhető modellt megerősítéses tanulással tréningezik, és bár a mozgás még sokszor esetlen, egyre jobb eredményeket érnek el.

A mesterséges intelligencia más területeken is komoly szerepet kap az agykutatásban. Jagath Chandana Rajapakse vagy Yiping Ke – mindketten az NTU egymástól függetlenül dolgozó kutatói – arról beszéltek, hogy egyre fontosabbá válik az agyi kapcsolatok teljességének, az úgynevezett connectome-nak a feltérképezése. Ennek során külön nehézséget jelent, hogy elkülönítsék az öregedésből eredő elváltozásokat a betegségek (mint a skizofrénia vagy a Parkinson-kór) okozta elváltozásoktól. Yiping Ke szerint az egyik fontos irány az lenne, ha az új AI modellek már nem csak a meglévő, hanem a hiányzó vagy gyenge agyi kapcsolatokat is fel tudnák térképezni, és szükség lenne a különféle modalitással készült, egy területre fókuszáló modellek helyett egy összesített agyi alapmodellre (brain foundation model) is, amely már fejlett előrejelző képességekkel bírna.

A tárgyak érzékelése és térbeli kapcsolataik feltérképezése is alapvető emberi képesség – a mesterséges intelligenciának azonban ez sem olyan egyszerű. A gépi látás nem újkeletű tudományág, és már vagy tíz éve voltak olyan megoldások, amelyek két képen megtalálták az azonos részleteket – mesélt a kezdetekről Marc Pollefeys, a terület egyik legnagyobb szaktekintélye. Az újabb fejlesztések már egészen elképesztő dolgokra képesek. A DepthSplatnek például elég hat, egymást részben átfedő fotó egy lakásbelsőről, hogy azokból bemutató videót készítsen, mintha az operatőr átsétálna az egyik helyiségből a másikba.

A következő nagy lépcsőfokot az jelenti majd, ha a képi információkban a geometria mellett megjelenik a szemantika is – vagyis mondjuk a rendszer nem csak azt tudja, hogy miként néz ki a szobabelső, hanem azt is, hogy melyik tárgy micsoda és milyen fizikai tulajdonságokkal bír. Egy videóból például a robot megtanulhatja, hogyan és mekkora erővel kell kinyitni egy ajtót vagy kihúzni egy fiókot, vagy a HoloLenset viselve hasznos információkat kaphatunk az előttünk lévő tárgyról. Utóbbi például különösen hasznos lehet egy gyárban, ahol a szerelő azonnal láthatná, hogy melyik alkatrészt és hogyan kell kicserélni.

Más előadók is egyetértettek azzal, hogy a mesterséges intelligencia akkor tud igazán jól működni a valós világban, ha nemcsak felismeri a környezetet, hanem pontosan, több nézőpontból és több adatforrásból is képes értelmezni azt. Különösen fontos ez a járműiparban, hangsúlyozta Oliver Lange, a Bosch Research Interior Sensing Systems területéért vezetője. A környezet teljeskörű feltérképezéséhez együtt kell kezelni a radar, a LIDAR és a kamera képét – sőt, már azt vizsgálják, hogyan növelheti a közlekedésbiztonságot az utastér figyelése. A belső szenzorok figyelik a vezetőt, az ülőpozíciót, felismerik a figyelmetlenség jeleit, vagy akár bizonyos egészségügyi problémákat is észlelhetnek – adott esetben súlyos balesetet előzve meg.

A fenti példák is jól mutatják, hogy az AI igazi előnyei a tudományágak és kutatócsoportok akár határokon átnyúló együttműködése során mutatkoznak meg, ahogy ezt a konferenciaházigazdái is hangsúlyozták köszöntőbeszédeikben.

„Nagy örömmel tölt el bennünket, hogy ezt a szimpóziumot az NTU-val, a világ vezető természettudományi és műszaki intézményeinek egyikével közösen szervezzük meg. Az NTU részvétele és nemzetközi vendégeink jelenléte tükrözi a nyitottság, az együttműködés, valamint az ötletek határokat és tudományágakat átívelő szabad áramlásának fontosságát a tudományos haladás előmozdításában” – mondta Gulyás Balázs, a HUN-REN Magyar Kutatási Hálózat elnöke.

„A nemzetek és intézmények jövőbeli versenyelőnye nem feltétlenül a legnagyobb MI-modelleken vagy a leggyorsabb számítási kapacitáson múlik majd. Legalább ennyire meghatározó lehet a sokszínű tudás, a megbízható intézmények és az erős nemzetközi kapcsolatrendszerek összehangolt mozgósítása. Az elmúlt néhány napban magam is meggyőződhettem arról, milyen széles spektrumú képességek koncentrálódnak a magyarországi tudományos, technológiai és kutatási ökoszisztémában. Az ország szilárd természettudományos, mérnöki és matematikai hagyományai értékes alapot – és valódi ugródeszkát – kínálnak a mesterséges intelligencia és a fejlett technológiák területén kibontakozó jövőbeli együttműködésekhez” – fogalmazott Heng Swee Keat, a szingapúri National Research Foundation elnöke köszöntőbeszédében.

„A mesterséges intelligencia nem egyszerűen egy újabb eszköz a tudomány arzenáljában: új működési modell a tudomány számára. Ezért az elmúlt évek során az egyik legfontosabb tudományos célkitűzésünk mindvégig az volt, hogy megértsük: hogyan alakítja át az AI a tudomány és hogy segítsünk a magyar kutatói közösségnek aktív alakítói lenni ennek az átalakulásnak” – tette hozzá Jakab Roland, a HUN-REN vezérigazgatója.

A HUN-REN Magyar Kutatási Hálózat és az NTU az AI Symposiumon együttműködési megállapodást is kötött. Ebben megerősítik, hogy kiterjesztik a 2024. októberében megkötött előző egyezményt: a 2025-ben elindított első közös seed grant program tapasztalataira építve tovább mélyítik a kutatási együttműködést, közös PhD-ösztöndíjprogramokat indítanak, és hosszú távú intézményi partnerségként kívánják pozícionálni a két szervezet kapcsolatát az NTU CCDS és a HUN-REN kutatási intézményei között.

www.hun-ren.hu

A „A gépek végre megtanulnak látni, nem csak nézni.” – Elképesztő jövőképpel indult az AI Symposium 2026 bejegyzés először ProdEngineer Média-én jelent meg.

Több mint 1100 magyar középiskolás vett részt a Bosch Mobilis élményalapú innovációs programján

• Több mint 1100 középiskolás diák vett részt a Bosch és a Mobilis Interaktív Élményközpont második alkalommal megvalósult pályaorientációs programsorozatán a 2025/2026-os tanévben
• A program célja az volt, hogy digitális készségeik fejlesztésével készítse fel a fiatalokat az MI-korszak kihívásaira, segítve őket a továbbtanulásban és a karrierépítésben
• A diákok önvezető LEGO-járművek programozásán, robotizált eszközök tervezésén, és MI-alapú programokon keresztül mélyíthették el tudásukat a jövőt formáló technológiákról
• Pótsa Mátyás, Bosch: „Hiszünk abban, hogy a jövő szakmáihoz nemcsak korszerű tudásra, hanem nyitottságra, kíváncsiságra és gyakorlati tapasztalatra is szükség van. Szeretnénk támogatni a fiatalokat abban, hogy jobban értsék a körülöttük zajló változásokat, és magabiztosabban, felkészültebben tudjanak dönteni a jövőjükről.”
• Nincs könnyű dolguk a mai tizenéveseknek, ha a jövőjükről kell dönteniük. A robotika, a digitalizáció és a mesterséges intelligencia szédítő ütemben fejlődik. Az innováció nemcsak a mindennapokat írja át, de óriási hatással van a munkaerőpiacra is. Új szakmák születnek, új készségek válnak nélkülözhetetlenné, ám a fiatalok – bár napi szinten használják – mégsem mindig látják át, hogyan működnek a jövőt meghatározó technológiák.

Sikerélményt és kézzelfogható tudást kaptak a diákok

A magyarországi Bosch csoport, a győri Mobilis Interaktív Élményközpont és a Széchenyi István Egyetem együttműködésében frissen lezárult programsorozat ebben segített a tinédzsereknek: a jövő tudományos innovációit valós problémákon keresztül hozta kézzelfogható közelségbe a középiskolások számára. A foglalkozások élményalapú tanulásra épültek, ahol a diákok kreatív feladatok megoldásával saját maguk fedezhették fel a robotika, a szenzorok, a programozás és a mesterséges intelligencia napról napra változó világát.

A második alkalommal megvalósult Bosch-Mobilis középiskolás program célja az volt, hogy fejlessze a fiatalok digitális készségeit, kompetenciáit és tudását, támogatva őket a továbbtanulásban, a későbbi karrierépítésben. A 2025 októberétől idén áprilisig tartó programsorozatban 43 középiskolás osztály, összesen több mint 1100 diák vett részt Győr-Moson-Sopron, Vas, Komárom-Esztergom és Veszprém vármegyéből. Az ősztől tavaszig tartó program nemcsak inspirációt és kézzelfogható tudást adott a középiskolásoknak: a csapatmunkát, a kreatív feladatmegoldást és a problémamegoldó gondolkodást is erősítette. Külön érdekesség, hogy a diákokat oktató tanárok is részt vehettek a program kifejezetten pedagógusoknak szánt zárórendezvényén, hogy első kézből tapasztalhassák meg a módszertan hatékonyságát.

Önvezető LEGO-autót, robotporszívót és MI-alapú programot fejlesztettek a középiskolások

A pályaorientációs program során a diákok sok más mellett elsajátíthatták a robotépítés és -programozás alapjait: a LEGO-elemekből készített autókat különböző szenzorokkal és kódokkal „okosították”, hogy alkalmassá tegyék minirakományok szállítására és a tesztpályákon való manőverezésre. A fiatalok saját tervezésű robotporszívót is építettek újrahasznosított alapanyagokból és 3D nyomtatott alkatrészekből, majd szenzorok beépítésével a készüléket önjáró működésre programozták, és a helyszínen rögtön munkára is fogták. A diákokat legjobban az MI „különóra” hozta lázba, ahol elsajátították a hatékony promptolás receptjét, így nemcsak chateltek a mesterséges intelligenciával, hanem a rendszer segítségével logót terveztek, valamint kézjeleket, érzelmeket és hibákat felismerő rendszert hoztak létre, miközben bepillantást nyertek a gépi tanulás, valamint a neurális hálózatok műhelytitkaiba.

A jövő szakmáira készített fel a Bosch-Mobilis középiskolás program

A magyarországi Bosch csoport régóta kiemelt figyelmet fordít a fiatal generációk oktatására és szakmai fejlődésük előmozdítására. A vállalatcsoport stratégiájának fontos része, hogy a középiskolákkal és a felsőoktatási intézményekkel együttműködve hozzájáruljon a hazai innovációs kultúra fejlődéséhez, és betekintést adjon a technológiai és természettudományos pályákban rejlő izgalmas lehetőségekbe. „Vezető technológiai vállalatként folyamatosan a jövő kihívásaira keressük a válaszokat. Hiszünk abban, hogy a holnap szakmáihoz nemcsak korszerű tudásra, hanem nyitottságra, kíváncsiságra és gyakorlati tapasztalatra is szükség van. Szeretnénk támogatni a fiatalokat abban, hogy jobban értsék a körülöttük zajló változásokat, és magabiztosabban, felkészültebben tudjanak dönteni a jövőjükről” – mondta el Pótsa Mátyás, a magyarországi Bosch csoport innovációs ökoszisztéma vezetője a Bosch-Mobilis középiskolás program zárórendezvényén.

Keszthelyi Bernadett, a Mobilis ügyvezetője az együttműködés kapcsán hangsúlyozta: „A mostani középiskolás generációnak merőben más skillekre és képességekre lesz szükségük majd a munkaerőpiacon, mint amire a hagyományos oktatási rendszer felkészíti őket. Alapvető lesz a digitális írástudás, a technológiai fókusz bármely munkakörben, nemcsak a műszaki, mérnöki területeken. A diákoknak olyan új készségekkel kell bírniuk, mint a kritikus gondolkodás, a kreatív problémamegoldás, a projekt-centrikus gondolkodás és a kollaboráció, amely innentől már nemcsak ember-ember közötti valósul meg, hanem sok esetben az AI és az ember közötti együttműködést is jelenti majd. Erre pedig célzottan kell készülni: meg kell tanítanunk a fiataloknak, hogyan lehet tudatosan és kritikusan használni ezt az exponenciálisan növekvő technológiát, hiszen a mai diákok a munkaerőpiacon számos területen már nagy valószínűséggel nemcsak humán társaikkal versenyeznek a jövőben. A Mobilis hisz abban, hogy ezt a szemléletformálást idejében el kell kezdeni, és örülünk annak, hogy ezt olyan világcégekkel együttműködésben tehetjük meg, mint a Bosch csoport, akik maguk is fontosnak tartják az innovatív oktatási projekteket, és értéket látnak ebben a programban.”

www.bosch.hu

A Nem tankönyvből tanulnak: robotokkal és MI-vel készülnek a diákok a jövő kihívásaira bejegyzés először ProdEngineer Média-én jelent meg.

A Konecta, az ügyfélélmény és a digitális szolgáltatások globális piacvezetője bejelentette stratégiai szövetségét a technológiai szektor meghatározó szereplőjével, a Lenovóval. Az együttműködés a kategóriaelső technológiai megoldásokat ötvözi a fejlett ügyfélkezelési szakértelemmel, hogy alapjaiban formálja át a digitális munkahelyi megoldásokhoz és a munkavállalói élményhez fűződő piaci megközelítést. A partnerség alapgondolata egy égető piaci kérdésre ad választ: miért épülne a digitális munkahely széttagolt IT-szerződésekre és egymástól független szolgáltatókra, ha működhetne egységes, mesterséges intelligencia által vezérelt élményplatformként is? A felek piacformáló szereplőként kívánják átírni az iparági játékszabályokat: közvetlen alternatívát kínálnak a merev, hagyományos IT-outsourcing modellekkel szemben, újradefiniálva a vállalati szolgáltatások beszerzését és üzemeltetését.

Beszállítói viszonyból stratégiai összefonódás

Ami kezdetben hagyományos partneri kapcsolatnak indult, az mára mély stratégiai együttműködéssé fejlődött. Miközben a Konecta globális programot indított saját munkahelyi infrastruktúrájának modernizálására, a Lenovo túllépett a technológiai beszállító szerepén: kulcsfontosságú partnerré vált egy olyan AI-alapú működési modell kidolgozásában, amely az automatizáció révén jelentősen csökkenti az emberi erőforrás-igényt. A Konecta globális hálózatában – amely több mint 100 000 munkavállalót érint – már megkezdődött a Lenovo szolgáltatásainak fokozatos bevezetése.

Ezzel párhuzamosan a Konecta vette át a Lenovo e-kereskedelmi tevékenységének támogatását, és a felek már tárgyalnak a CX-üzleti folyamatok kiszervezéséről (BPO), valamint az AI-támogatott szolgáltatási képességek kiterjesztéséről. A folyamatok 2025-ben, Egyiptomban sikeresen elindultak, tovább erősítve ezzel is a régió növekvő szerepét globális CX- és digitális központként.

Diszruptív modell a digitális munkahelyekért

A Konecta és a Lenovo egy közös, teljes körű digitális munkahelyi ajánlatot fejlesztett ki, amely közvetlenül versenybe száll a piacon már elterjedt, bevett rendszerekkel.

Míg korábban a vállalatok bonyolult és széttagolt ökoszisztémákra – külön eszközgyártókra, infrastruktúra-szolgáltatókra és IT-támogatókra – támaszkodtak, az új modell az egységre törekszik.

Az ajánlat a Konecta AI-vezérelt szolgáltatásmenedzsmentjére és CX-szakértelmére épít, amelyet a Lenovo a digitális munkahelyek integrátoraként emel a következő technológiai szintre. A cél a teljes technológiai ökoszisztéma egyesítése, ahol az AI-képes eszközök és a vállalati platformok közvetlenül az üzleti célokat szolgálják.

Fogyasztói szintű élmény bevezetése a szervezeti működésbe

Míg az ügyfélélmény az elmúlt évtizedben jelentős fejlődésen ment keresztül, a belső munkavállalói folyamatok gyakran továbbra is reaktívak, folyamatvezéreltek és hibajegy-alapúak maradtak. A partnerség egyik központi célja, hogy a fogyasztói CX-szabványokat a belső munkavállalói élményre is alkalmazza.

Az új modellben a munkavállalókra kiemelt ügyfélként tekintenek: az AI-alapú chat- és önkiszolgáló funkciók villámgyors ügyintézést tesznek lehetővé, míg a többcsatornás (omnichannel) elérés a kommunikáció zökkenőmentességét garantálja. Az adatközpontú személyre szabás révén a rendszer érezhetően hatékonyabbá teszi a mindennapi munkát, így az IT-támogatás egy reaktív folyamatból valódi prémium digitális szolgáltatássá lényegül át.

Jövőbe mutató alternatíva

Ahogy a vállalatok modernizálják technológiai környezetüket és a munkavállalói élményt (EX) is fejlesztik, a Konecta–Lenovo stratégiai szövetség a hagyományos IT-szolgáltatási modellekkel szemben egy jövőbe mutató alternatívát kínál.

A Konecta-Lenovo partnerség az egyszerűsítést választotta a komplexitás helyett. Az eszközpark, a háttérinfrastruktúra és a terméktámogatás egységesítésével egy olyan rugalmas szemléletmódot alakítottak ki, amely képes a digitálisan fejlett munkaerő legmagasabb igényeit is kiszolgálni.

„Ez a szövetség tükrözi azt az ambíciónkat, hogy újragondoljuk a technológia és a szolgáltatás találkozását. A Lenovo technológiai fölényének és a Konecta CX-szakértelmének ötvözésével egy olyan modellt alkottunk, amely az intelligenciára és a felhasználói elégedettségre épül” – hangsúlyozta Julien Vidal, a Konecta csoport növekedési igazgatója (CGO).

„A Digital Workplace kezdeményezések középpontjában az áll, hogy javítsuk a munkavállalói élményt, ezáltal felszínre hozzuk a produktivitást, az innovációt, sőt még a kreativitást is” tette hozzá Rakshit Ghura, a Lenovo Digital Workplace Solutions alelnöke és általános igazgatója. „A Konectával közösen segítünk a szervezeteknek abban, hogy hatékonyabb és eredményközpontúbb munkakörnyezetet teremtsenek.”

www.konecta.com

A A Konecta és a Lenovo stratégiai partnersége: AI-alapú megoldásokkal a hatékonyabb IT-kiszervezésért és a kiemelkedő munkavállalói élményért bejegyzés először ProdEngineer Média-én jelent meg.