A járműipar mellett az orvosi diagnosztika, az állattenyésztés és a sport területéről is vannak megbízásai, projektjei a kecskeméti Neumann János Egyetem bő egy éve indult Mesterséges Intelligencia Tudásközpontjának. „A fejlesztéseknek sosem szabad öncélúnak lenniük. Az irodában, a számítógép előtt nem fogod megtalálni az igazi problémákat. Kell az, hogy folyamatosan kapd a hatásokat a piacról, ehhez pedig elengedhetetlen az állandó jelenlét” – véli a központ 29 éves igazgatója, Szabó Lóránt, akivel munkáik mellett arról is beszélgettünk, ő milyen veszélyeket lát az MI térhódításával kapcsolatban.
Szabó Lóránt a GAMF-on végezte el a járműmérnök alapszakot, majd a mesterszakot a Budapesti Műszaki Egyetemen. Ez idő alatt végig részt vett a duális képzésben Kecskeméten egy multinacionális cégnél, sőt a BME-nél tagja volt az első duális évfolyamának.
„A tanulmányaimat sikerült jól összehangolni a munkával, emellett az, hogy egy nagy multinacionális cégnél megfigyelhettem, hogy miként kell optimalizálni a különböző munkafolyamatokat, rendkívül fontos tapasztalatszerzés volt. A vállalatnál mi hallgatók is dolgoztunk a gyártósoron, hogy érezzük: egyszer majd mérnökök leszünk ugyan, de a cégnél lévő összes kollégával egy csónakban evezünk, közös a célunk. Most, amikor rendszeresen dolgozunk ipari vállalatoknak, jól tudom kamatoztatni ezt a nevelést és az így elsajátított hozzáállást, még ha 19 évesen néha kicsit furának tűnt is” – idézi fel rövid, de annál tartalmasabb pályafutása kezdeti meghatározó élményeit Szabó Lóránt.
A cégnél a gyártás teljes folyamatát, a cég horizontális és vertikális működését átlátta: volt a minőség-ellenőrzésen, a gyártástámogatáson, az egyetem elvégzése után pedig az előfejlesztésen töltött még két évet mint teljes állású mérnök egy önvezető kamionos projekten. Ezután egy mesterségesintelligencia-alapú (MI, angolul: artificial intelligence, AI) kórházirányítási rendszer fejlesztésén dolgozott egy ötvenfős mérnöki cégnél. A kezdetektől egészen a kórházaknak történő értékesítésig részt vett a folyamatban. 2023 tavaszán kereste meg a Neumann János Egyetem azzal a szép feladattal, hogy hozzon létre egy csapatot, mely a mesterséges intelligencia alkalmazásában végez kutatásokat, és dolgoz ki a gyakorlatban hasznosítható megoldásokat.
Jókor vannak a jó helyen
A tudásközpont pedig összeállt, jelenleg nyolc főt számlál, jármű- és bionikamérnökök mellett diákok is helyet kaptak benne. „Elsőre úgy tűnhet, nem vagyunk sokan, de egy ekkora csapat Magyarországon már szép eredményeket érhet el. Büszke vagyok kollégáimra, szerintem válogatott szakembereket tudtunk idehozni” – véli Szabó Lóránt.
Szerinte úgyis az a fő kérdés az egyetemi kutatóközpontoknál, hogy mennyire gyorsan, milyen rugalmasan tudnak reagálni a piaci igényekre. Szerinte a Neumann János Egyetemnél ők most ideális helyzetben vannak, ahogy mondani szokás: jókor vannak a jó helyen.
„A nagyobb egyetemeknél jóval tagoltabb a hierarchia; lehet, hogy máshol lenne fölöttünk egy tanszék és egyetemi kar is. Így ha lenne egy ötletünk vagy kapnánk valahonnan egy megkeresést, sokkal lassabban tudnánk egyeztetni az egyetem vezetőségével, akár hónapok telhetnének el addig, hogy valamire engedélyt kapjunk. Itt akár pár napon belül biztosítanak arra lehetőséget, hogy az egyetem vezetésével beszélni tudjunk. Számomra az is nagyon pozitív dolog, hogy az este elküldött e-mailjeimre gyakran már másnap hajnalban vagy reggel választ kapok. Nagyon ritka az ilyenfajta gyors és pozitív, nyitott kommunikáció, ez jelentősen elősegíti a munkánkat” – jelenti ki az igazgató.
Relatíve egyszerű önvezető járművet fejleszteni
De tulajdonképpen mivel is foglalkoznak? Mint Szabó Lóránt elmagyarázta, az a legritkább, hogy egy ügyfélnek önmagában egy mesterséges intelligencia modulra van szüksége. Szinte mindig egy probléma megoldásához szeretnék alkalmazni az MI-t vagy az MI-vel kapcsolt fejlesztést, ehhez viszont azt az adott környezethez, feltételekhez kell alakítani, késztermékké formálni, hogy jól működjön.
Az NJE Mesterséges Intelligencia Tudásközpontja több, országos szinten kiemelkedő gyártó (főleg járműipari) céggel dolgozik együtt. Az ilyen vállalatoknál a megoldandó feladat általában a rendszeresen, sűrűn (repetitíven) ismétlődő folyamatok egyszerűsítése, szoftverrel történő kiváltása, hiszen a szoftver 6-7 óra munka után sem fárad el, az embernél azonban ez előfordul(hat). Nagyobb és izgalmasabb kihívás az MI-vel foglalkozó szakembereknek, ha nemcsak az objektív dolgokra kell figyelniük, hanem a szubjektívekre is.
„Azt nehéz megfogalmazni, hogy például mi a különbség szép és nem szép között, de az AI képes megvizsgálni és megtanulni, hogy egy adott terméket miért választanak a vásárlók, egy másikat pedig miért nem, azaz meg tudja érteni az emberi gondolkodást” – magyarázza Szabó Lóránt.
Mivel egy egyetem berkein belül tevékenykednek, fontos kérdés, hogy a kutatás milyen mértékben határozza meg munkájukat, és emellett mennyi kapacitásuk jut piaci megrendelések elnyerésére.
„Lehet, hogy furán hangzik, de onnan kezdem a választ, hogy aki ért ehhez, annak manapság egy önvezető járművet egészen könnyű fejleszteni egy bizonyos szintig. Természetesen összességében hihetetlenül komoly és összetett technológia, de az önvezető járművek igényének megjelenésekor rengeteg multi és startupvállalkozás kezdett foglalkozni a fejlesztéssel, az AI-val, így azt lehet mondani, hogy nagyon sok kész és félkész megoldás van, amit könnyen lehet adaptálni a saját technológiádra. Ám ha egy megrendelőtől olyan igény érkezik, amely eddig a világon talán máshol, másnál még nem merült fel, akkor az már sokkal nehezebb kihívás. Ilyenek az állatokkal kapcsolatos projektek” – mondja az igazgató.
Szinte mindegy, hogy strucc vagy autó
Példaként egy struccfarmhoz kapcsolódó munkájukat említi. Ennek során az a feladat, hogy kamerafelvételek alapján legyen mindig naprakész adat, statisztika arról, hogy eleget ettek-e és ittak-e a nagy méretű szárnyasok. A problémát nem is az egyes struccok felismerése jelenti, hanem folyamatos nyomon követésük akár heteken keresztül, méghozzá úgy, hogy az egyik strucc fogyasztása ne keveredjen össze egy másikéval.
„Az ilyen algoritmusok, fejlesztések messze nem annyira hétköznapiak, mint egy önvezető autónak detektálni egy másik járművet. Tehát ilyenkor a megbízás kutatássá alakul, hiszen nincsenek kész megoldások, kész válaszok.”
A végén viszont eljuthatnak egy olyan szintig, hogy a kifejlesztett megoldást egyrészt megrendeli a megbízó, másrészt olyan know-how-vá válik, amit kis átalakítások után más vállalatoknál, megbízóknál is alkalmazni lehet – példánknál maradva –, mondjuk, egy csirkefarmon. Szabó Lóránt ezt az adaptálhatóságot látja az MI rendkívül nagy előnyének.
Kis túlzással szinte mindegy, hogy struccal vagy autóval dolgoznak; ha megvan a jó megközelítés, megoldás, a végén minden – kép, videó, 3D-s pontfelhő – adattá konvertálódik, és nekik ezt az adathalmazt kell feldolgozniuk a mesterséges intelligencia segítségével. Pont emiatt mozognak könnyebben az egyes iparágak a különböző témakörök között, még ha elsőre nagyon specifikusnak tűnnek is.
Az edzők jobbkeze lehet majd az MI
A mesterséges intelligencia egy metódus mérhetetlenül sok adat feldolgozására. Mint Lóránt elmagyarázta, nagy segítséget jelent az orvosi diagnosztikában is. Például képes felismerni egy radiológiai felvételen a tüdőgyulladás és Covid közötti különbséget annak köszönhetően, hogy kitalálja az ehhez szükséges – nem túlzás! – körülbelül 26 millió paramétert, algoritmust. Ennyi függvényt leprogramozni emberi munkával lehetetlen küldetés lenne.
A tudásközpontnál a sportban is nagy lehetőségeket látnak, a játékelemzés és teljesítményoptimalizálás terén.
„Fontos az edzőknek objektív módon, adatok alapján látniuk, melyik játékos hogyan teljesít. Az AI például abban tud segíteni, hogy felismeri a csapatkohézióban látható anomáliákat, miért nem működik jól az együttes. Mérkőzés közben megmondja, kinek szeret egy adott játékos passzolni, kinek vannak alibiátadásai, ki az, aki a feladatát jól oldja meg. Ez az eddigi meccsek után videóelemzések, szubjektív értékelések formájában valósult meg. Vannak ugyan csodák, amikor egy, a számok szerint rosszabb csapat nyer, de az adatok, a paraméterek alapján hosszabb távon, nagy átlagban mégiscsak az jön ki, hogy a jobb játékosokból álló, erősebb kohéziót felmutató csapat lesz a végső befutó, mondjuk, egy bajnokság során. Az AI ebben támogat, és nemcsak az aktuális adatokat elemzi, hanem a már meglévő statisztikák alapján is javasol. És itt beszélhetünk labdarúgásról, kézilabdáról vagy akár jégkorongról is. Nem a sportág a fontos, hanem az, hogy a metódus meglegyen, és a megrendelő meg tudja fogalmazni a saját problémáit, hiszen mi erre tudunk megoldást keresni. Leteheted a világ legjobb szoftverét az asztalra, ha a másik fél nem tudja azt használni” – magyarázza Szabó Lóránt.
Útkeresés, határozott elképzelésekkel
Az igazgató úgy értékeli: szép eredményeket értek el, minőségi megbízásokat kaptak, nagyon sokféle projektben benne vannak – foglalkoznak energiamenedzsmenttel, versenysporttal, egészségüggyel, autóiparral, gyárakkal, állategészségüggyel –, de most éppen az útkeresésük zajlik. Szeretnék megtalálni azokat a területeket, amelyek egyelőre nem igazán kutatottak, és azokra fókuszálni. Lehet, hogy lesz köztük olyan is, amelyek iránt egyelőre nincs piaci igény, de ők úgy ítélik meg, hogy igenis érdemes munkaidejük egy részét a későbbi sikerek érdekében erre áldozni. Szabó Lóránt hangsúlyozza azt is: jelenleg számukra az a legfontosabb, hogy jó minőségben, belátható határidőkkel tudjanak szállítani a cégeknek, és az ügyfelek elégedettek legyenek.
„Mi nem kommunikálhatunk úgy, hogy tessék, itt a termék, szólj, ha rossz, de amúgy a te bajod. Nekünk fontos a bizalom elnyerése és megőrzése, ezért akár hatszor-hétszer is elmegyünk egy ügyfélhez, ha probléma merül fel. Az egész nem működik edukáció nélkül. Meg kell tanítanunk az adott cég munkatársait, a mérnököket, operátorokat a rendszer használatára” – emeli ki a tudásközpont igazgatója.
Zárásként pedig ezzel búcsúzik: „A fejlesztéseknek sosem szabad öncélúnak lenniük. Az irodában, a számítógép előtt nem fogod megtalálni az igazi problémákat. Kell az, hogy folyamatosan kapd a hatásokat a piacról, ehhez pedig elengedhetetlen az állandó jelenlét.”
Az ember elbutulása reális veszély
A mesterséges intelligenciával kapcsolatban lépten-nyomon felmerülő aggályok-félelmek, hogy hány ember munkáját veszi majd el, és vajon mikor ébred öntudatra, és fordul az ember ellen. „A gyakorlatban, napi szinten ezzel foglalkozva azért én azt látom, hogy rengeteg a megoldásra váró probléma az AI-val. A helyén kell kezelni. Véleményem szerint egyelőre ugyanúgy eszköz, mint egy számítógép vagy számológép. Nyilván sokkal fejlettebb ezeknél, de mégiscsak egy eszköz, mégpedig nagy mennyiségű adat feldolgozására. Azt, hogy az adatokat mire használja, vagy hogy mi legyen a kimenet, azt az embernek kell meghatároznia. Azt viszont valós veszélynek tartom, hogy elbutíthat minket azzal, hogy minden műveletet, feladatot elvégez helyettünk. Szóval az nagyon jó, hogy mi menedzseljük az adatokat, de mindig kellenek majd olyan szakemberek is, akik értik, hogyan működik egy akkumulátor, egy autó, egy matematikai modell, ehhez pedig megfelelő tudásra és készségekre lesz szükség.”
