Az egyes szabadalmi területek közül a számítástechnika veszi át a vezetést , amely a mesterséges intelligencia(AI) olyan területeit foglalja magába, mint a gépi tanulás és a mintafelismerés, 2024-ben 16 815 szabadalmi bejelentéssel először végzett az élen. Az elektromos gépek, berendezések és az energia tavaly a legerőteljesebb növekedést mutatta (+8,9% 2023-hoz képest), amit a tiszta energiával kapcsolatos technológiák, különösen az akkumulátor-innováció (+24,0%) fejlődése hajtott. Eközben a digitális kommunikáció, amely a mobilhálózatokkal kapcsolatos találmányokat foglalja magában, 6,3%-os csökkenést mutatott.

A legtöbb szabadalmi bejelentéssel rendelkező műszaki területek(2024)

Globális és európai trendek

Az Egyesült Államok megőrizte pozícióját az európai szabadalmi bejelentések első számú származási országaként, amelyet Németország, Japán, Kína és Dél-Korea követ. Az EPO tagállamai a bejelentések 43%-át adták, míg 57%-a Európán kívülről érkezett. Figyelemre méltó, hogy a legnagyobb növekedést Dél-Korea (+4,2%), illetve Kína(+0,5%) mutatta fel, míg az USA-ból (-0,8%) és Japánból (-2,4%) érkező vállalatok és feltalálók kevesebb bejelentést tettek.

Az EPO 39 tagállamából érkező szabadalmi bejelentések száma +0,3%-kal nőtt, ezen belül Svájcból (+3,2%) és az Egyesült Királyságból (+3,1%) származott az egy évvel korábbinál több, míg az EU 27 tagállamából érkező bejelentések száma -0,4%-kal csökkent.

Németország (+0,4%) és Franciaország (+1,1%), volt Európa két legtöbb bejelentést tevő országa, amelyek egyben növelték is szabadalmaik számát 2024-ben. Az egy főre jutó szabadalmak tekintetében továbbra is Svájc áll az élen, amelyet több skandináv ország követ.

Magyarországról 139 szabadalmi bejelentést regisztrált a szervezet, ezzel hazánk Görögország (107 bejelentés) és Szlovénia (156 bejelentés) között foglal helyet. Közvetlen szomszédaink közül Szlovákia 62 bejelentéssel, Románia pedig 63-mal szerepel a listán.

„Ahhoz, hogy Európa globálisan versenyképes maradjon, többet kell tennie a feltalálókért, hogy segítse találmányaik felfuttatását és kereskedelmi hasznosítását, különösen az olyan kritikus területeken, mint a zöld technológiák, az AI és a félvezetők” – António Campinos, az EPO elnöke.

Ami az egyes vállalatokat jelenti 2024-ben az EPO-nál a Samsung lett újra első számú bejelentő (legutóbb 2020-ban vezette a rangsort), a Huawei a második helyre esett vissza, őt követi az LG, a Qualcomm és az RTX. A top 10-ben az európaiak között a legelőkelőbb 6. helyen a Siemens áll, rajta kívül a BASF, az Ericsson és a Bosch található még.

A Siemens 1830 szabadalmat adott be 2024-ben, amelyek negyede a gépi tanulás és a mesterséges intelligenciához kötődik. A német technológiai vállalat munkatársainak közel 16 százaléka dolgozik a kutatás-fejlesztés területén. Erre a tevékenységre tavaly 6,3 milliárd eurót fordított a cég.

A Siemens világszerte már több mint 41 ezer elfogadott szabadalommal rendelkezik. A vállalat megoldásai többek közt az intelligens adatelemzéstől, a digitális ikrek szimulációjáig terjednek.

Sok a kkv és egyre több a női feltaláló

Kedvező tendencia, hogy az Európából származó bejelentések negyede női feltalálóktól érkezett. A legtöbb női innovátort felmutató ország közé sorolható Spanyolország (42%), Belgium (32%) és Franciaország (31%).

Tavaly az Európából az EPO-hoz benyújtott szabadalmi bejelentések 22%-a egyéni feltalálóktól vagy a 250 főnél kevesebb alkalmazottat foglalkoztató kkv-kból származott. További 7% forrásai az egyetemek és az állami kutatószervezetek.

The post Európai innovátorok – A szabadalmak negyede női feltalálóé appeared first on digitrendi.hu.

Az AI-technológia a következő években nemcsak a PC-k világát alakítja át, hanem legalább ekkora mértékben kihat majd az okostelefonokéra is.

Az ilyen készülékek iránt főleg a fiatalabb, műszakilag fogékonyabb felhasználók érdeklődnek, annak ellenére, hogy ezek a prémium eszközök a többe kerülnek, mint az átlagos készülékek.

Jó néhány márka megjelent már az AI-képes modelljeivel, de a jövőben szinte minden gyártó azt tervezi, hogy bizonyos mértékig beépíti a gépi tanulást és a nagy nyelvi modelleket az új telefonjaiba. Ezáltal ezeknek az eszközöknek a szállítása látványosan megugrik a következő években.

A jelenleg rendelkezésre álló adatok szerint 2028-ra az AI-képes okostelefonok az összes szállítás 54%-át teszik ki, vagyis nagyjából háromszor többet, mint az idénre várható 16 százalék – derül ki a Statista és a Canalys adatai alapján a Stocklytics.com által készített elemzésből.

Hasonló növekedést mutatnak az IDC adatai is, amelyek a kiszállítandó AI-képes készülékek számát jelezték előre. A gyártók idén már mintegy 234 millió GenAI okostelefont fognak kiszállítani, négyszer többet, mint tavaly. Ez a mutató 2028-ra elérheti a 912 milliót is.

Jól jött az AI berobbanása az iparágnak

Két év komoly visszaesés után, jól jött az okostelefoniparnak az AI berobbanása. A Samsung, az Apple és a Google már versenyben vannak a legtöbb, legjobb, mesterséges intelligenciával felszerelt csúcstechnológiás telefonok kiszállításáért, de a következő évek piaci előrejelzése is meglehetősen optimista.

Bár az AI-technológia okostelefonokban való használata számos funkciót kínál, beleértve az optimalizált akkumulátor-üzemidőt és a garantált biztonságot, a mesterséges intelligencia által működtetett fordítóeszközöket és az intelligens szövegbeviteli asszisztenseket, vagy az AI által támogatott egészség- és fitneszkövetést, szakértők szerint ezek egyike sem nyomós ok arra, hogy az emberek ilyen tudású okostelefont vásároljanak.

A Samsung 2024-es globális mesterségesintelligencia-kutatása szerint, amelyet 5 ezer fogyasztó részvételével végeztek, a válaszadók több mint fele azért döntött ezen modellek mellett, hogy a még intelligensebb kereséssel még többet megtudjon valamiről. További 53%-uk pedig fényképek és videók szerkesztésére kívánja használni az AI-tudást.

A Canalys felmérése azt is kimutatta, hogy a legjobban a kínaiak lelkesednek az AI-okostelefonokért, 43%-uk különösen nagyon érdeklődik ezen eszközök iránt.

Az Egyesült Államokban az AI okostelefon-rajongók aránya jelenleg csak 15%. A németek több mint a fele pedig azt mondta, hogy most még nem érdeklik őket az AI-képes telefonok.

A kutatásból az is megtudható, hogy a válaszadók közel fele maximum 100 dollárt költene AI-tudású okostelefonokra, míg csak 12%-uk fizetne 1000 dollárnál is többet ezekért az eszközökért.

The post Az új okostelefonok több mint fele 2028-ra már AI-alapú lesz appeared first on digitrendi.hu.

A hazai szolgáltatóipari ágazatban a kiszervezés egyik formájaként két évtizede jelentek meg az úgynevezett SSC-k (Shared Services Center), amelyek kezdettől fogva magas hozzáadott értéket képviseltek.

A vállalatok fő tevékenységéhez közvetlenül nem kapcsolódó részfolyamatokat (HR, IT szolgáltatások, létesítmények, logisztika vagy épp ügyfélszolgálat) végeztették el velük.

Ezekben a központokban halmozódik fel az összes céges információ, hiszen itt rendszerezik a világ legnagyobb vállalatainak termelési, foglalkoztatási, beszerzési, értékesítési és üzletviteli adatait.

Ez azonban már nem elég a multinacionális vállalatoknak, így még több hozzáadott értéket várnak el az SSC-k-től.

„A technológia fejlődésével színre lépett az adatalapú gazdaság, az SSC társaságok háttérintézményekből vállalati agytrösztökké léptek előre. Kézenfekvő tehát, hogy a felhalmozott adatokat itt értékeljék, elemezzék, sőt, ide települjön a vállalati döntéselőkészítési folyamat és számos más, meghatározó jelentőségű szellemi tevékenység az adatbányászattól a jogi munkákon és a folyamatelemzésen keresztül az informatikai tervezésig.

Ez pedig már nem SSC, sokkal inkább GBS, vagyis Global Business Services, ami már közelebb áll a klasszikus tanácsadói tevékenységhez, mint egy egyszerű adatkezeléshez” – emeli ki Horváth Balázs, a KPMG partnere.

Az ágazat itthon a GDP 3 százalékát adja

Az SSC szektorban Magyarország látványosan jól teljesít, hiszen mintegy 200 multinacionális cég több mint 100 ezer munkavállalót foglalkoztat itthon, zömmel Budapesten és néhány vidéki nagyvárosban is, mint Szeged vagy Debrecen. Az ágazat mára a GDP 3 százalékát adja.

A régió egésze is sikeres – az immár GBS-nek hívott – szolgáltatói ágazatban, Csehországban 370, Lengyelországban 1800, Szlovákiában 70, Romániában pedig 280 GBS cég működik. A régió előnye a jó földrajzi elhelyezkedés, a versenyképes bérek, szakképzett munkaerő és a technológiai fejlettség.

Így igazodhatunk az új feltételekhez

„Ahhoz azonban, hogy a globális üzleti megoldások szektora is sikeres maradjon, meg kell találniuk a régiós, így a magyar cégeknek is a helyüket az új elvárások közepette” – hívta fel a figyelmet a KPMG partnere.

A technológia fejlődésével a GBS szektor legfontosabb hajtóereje a digitalizáció és az adatalapú döntéshozatalra való átállás lett. A verseny súlypontja az alacsony munkaerő és irodabérleti díjakról egyre inkább a jól képzett munkaerőre és a technológiai fejlődés támogatására helyeződik át.

Az új típusú feladatok magas szellemi hozzáadott értéket képviselnek, ami szaktudást, speciális készségeket, informatikai és matematikai tudást igényel, vagyis pont azt, amiben a világszerte a legnagyobb a verseny a munkavállalókért.

A szektorban dolgozók bére a közép-kelet európai régióban is gyorsan nőtt. A munkavállalók havi bruttó átlagbére Magyarországon mára meghaladja az 1600 dollárt, de a tudás alapú munkáknál sokkal inkább 2000 és 2500 dollár között mozog.

A jövedelem extrákkal együtt a szeniorok, az elemzők és a menedzserek körében általában meghaladja az évi 30 ezer dollárt, és mára ezekben a munkakörökben dolgozik a magyar GBS-ekben foglalkoztatottak 72 százaléka.

„Ebben a kiélezett versenyben Magyarország eddig jól teljesített, de a GBS szektorban a befektetőkért folytatott versenyt nem lehet egyszer és mindenkorra megnyerni” – hangsúlyozza Horváth Balázs.

Az új típusú verseny a mesterséges intelligencia (AI), a gépi tanulás és szoftverrobotizáció (RPA) köré tömörül. A magyar GBS-ek 92 százaléka alkalmaz már Process Automation megoldásokat, automata jelentéskészítést (85 %), RPA-t (67 %) és mesterséges intelligenciát (41 %).

A fő trend a gépi tanulás és a mesterséges intelligencia irányába mutat, a GBS felsővezetők 70 százaléka úgy gondolja, hogy elsődleges beruházási célpontja most a mesterséges intelligencia.

Horváth Balázs szerint új kihívás a szektor számára a fenntarthatósági (ESG) szempontok érvényesítése is. A GBS-szektor cégei mára a legmodernebb irodaházakban, emberközpontú irodákban működnek, és ezzel az egész irodapiacon trendszetterré váltak.

A szektornak globális szinten is állnia kell a versenyt, aminek a kulcsa egyértelműen a technológia és a digitalizáció, azon belül is a gépi tanulás és a mesterséges intelligencia.

The post Totális átalakulásban a szolgáltatóközpontok(SSC) – hogyan őrizhetjük meg a pozícióinkat? appeared first on digitrendi.hu.

Amilyen sebességgel zajlott 2023-ban a nagy nyelvi modellek térnyerése, hasonló tempóban forgatja fel a mesterséges intelligencia az üzleti szolgáltatások világát – már ebben az esztendőben.

A robbanásszerű fejlődés egyik velejárója, hogy az alkalmazkodásra nem jut elég idő. A Pató Pál uras – és Magyarországon amúgy sajnos tipikusnak számító – hozzáállás most egészen biztosan nem működik. A főleg az AI és a gépi tanulás terén megvalósuló eredmények eget rengető és villámgyors változásokat hoznak a kkv-k életében és digitalizációjában.

Azok az üzleti döntéshozók, akik lemondanak ezekről a lehetőségről vagy nem foglalkoznak velük, hónapok alatt behozhatatlan versenyhátrányban találhatják magukat a gyorsan ébredőkkel szemben.

A kkv-k üzleti döntéshozóinak nem arra a kérdésre kell választ adniuk, hogy mikor, hanem arra, hogy pontosan mit. Ebben igyekszem néhány támpontot adni, hiszen az AI már olyannyira a spájzban van, hogy számos akut problémára szolgálhat gyógyírként. Lássunk ezekből három jellegzeteset!

Nem úr ír, hanem AI ír

Néha produkálnak ugyan fura dolgokat, de a generatív AI-re épülő rendszerek – ilyenek például a nagy nyelvi modellek (Large Language Models, LLM) – ma már rengeteg repetitív feladat megoldására alkalmasak. Az LLM például arra, hogy az ember által lejegyzetelt kulcsszavakból jól megfogalmazott, gördülékenyen folyó szöveget faragjon.

Ugye, mennyire fájdalmas és hosszadalmas munka ez, ha nekünk kell megcsinálnunk? Az LLM-nek ez gyerekjáték, bár elsőre nem mindig jön össze a dolog.

Az AI azonban gyorsan tanul és nem felejt: megjegyzi az ember által megfogalmazott kívánalmakat, értelmezi a visszajelzéseket, ráadásul képes tömören össze is foglalni a lényeget – egyszóval időt spórol, illetve időt és energiát szabadít fel más tevékenységekhez. Gondoljunk csak bele, mennyi időt tud spórolni ezzel az értékesítő.

Hívások rendszerezve, kijegyzetelve

Ki ne tudná felidézni azt az érzést, amikor egy néhány órával korábban lefolytatott, fontos telefonbeszélgetés lényegét igyekszik előbányászni az ember memóriája egyik nehezen mozgósítható zugából?

A napnál is világosabban emlékszik rá, mennyire fontos volt az elhangzott néhány információ, de arra már nem igazán, hogy mi is volt a pontos tartalom. Nos, az AI képes jegyzeteket készíteni a hívásban elhangzottakból, vagy akár egy csinos kivonatot összerakni, ha arra van szükség. Mi több, ha már elsajátította az ember működését és elvárásait, esetleg kap egy kész template-et, amelyet használhat, akkor az igények szerint strukturált adatok és összefoglaló előállítására is képes.

Nem pusztán plusz időt ad, hanem megszabadítja az embert egy olyan tevékenységtől, amelyet többségünk – lássuk be – a háta közepére se kíván. Képzeljük el, mekkorát léphet az ügyfélélmény terén az az ügyfélszolgálat, ahol igénybe lehet venni ezt a segítséget!

Káoszból rend a levelezésben

Nemzetiségtől és időzónától függetlenül világszerte elterjedt az elektronikus levelek csillagozása. Ezzel igyekszünk kordában tartani az inboxunkat, priorizálni a fontos leveleket. Csakhogy ömlenek ránk az újabb és újabb e-mailek, a csillagok pedig előbb-utóbb elfogynak, és már mi magunk se ismerjük ki magunkat a saját rendszerünkben.

Még nagyobb a káosz esélye a közös mailboxokban (sales@, info@ és társaik), ezért a bölcs és előrelátó kkv-döntéshozó már be is vezethetett akár egy remek ticketing-rendszert: ebben feldolgozza, szortírozza és szétosztja a beérkező üzeneteket az erre kiképezett kolléga a felszedett információk alapján, de ő egyfelől – lévén ember – hajlamos hibázni, másfelől egész biztos, hogy nem ez álmai pozíciója.

Hozzá képest az AI-nak nincsenek különösebb ambíciói azon kívül, hogy a rá bízott feladatot a legjobban végrehajtsa, nem néz el dolgokat, és a leválogatáson kívül képes a korábban már részletezett feladatokra is: összefoglalót ír a feldolgozott üzenetből, továbbítja a cégnél annak, akihez az ügy tartozik, esetleg megtanul döntési opciókat összerakni az olvasottak alapján.

Ezzel már nem csak perceket, hanem órákat lehet nyerni, miközben olyan nyűgöktől mentesülünk, amelyeket nem szeretünk csinálni – ez közös ambíciója a kollégáknak, akár az értékesítésen, akár a HR-en dolgoznak.

Konklúzió helyett figyelmeztetés

Mostantól a könnyen használható üzleti intelligencia egyértelműen AI-alapokon nyugszik. Az innovatív technológiák azonban – legalábbis az első időkben – nem egymással fognak versenyezni, hanem a hagyományos megoldásokkal.

Ez pedig a kkv-k működésének gyakorlatilag az összes rétegére kihatással lesz, és nem csupán a már említett írósegédhez vagy az e-mail asszisztenshez hasonló egyszerű formákban. Olyan AI-alapú eszközök is érkeznek majd, amelyeknek akár az ügyfélszegmentálásban, akár az online marketingben lesz kimagasló hozzáadott értéke.

A bölcs és előrelátó üzleti döntéshozók ugyanis nem csupán a rutinfeladatok automatizálását bízzák az AI-ra, hanem olyan problémák megoldására is befogják majd, amelyekre korábban vagy nem állt rendelkezésre technológia, vagy az túlságosan drága volt.

Az AI ugyanis olyan tempóban fejlődve épül be a kkv-k mindennapjaiba, hogy nem feláras extratartozékként fogja kiszorítani onnan a klasszikus megoldásokat, hanem azokkal versenyképes árakon. Aki ezekkel nem él, és továbbra is papíron vezeti a cégét, az nem lesz képes versenyben maradni.

Legalább ekkora veszélyt jelent azonban az átgondolatlan bevezetés, hiszen a mesterséges intelligenciának is vezérre van szüksége: egy vezetőre, akinek megvannak a határozott elképzelései, ehhez a megfelelően kialakított rendszere, és képes vezényelni, irányítani az AI-t, mint a kollégáit.

Ebben az esetben az AI olyan megoldásokat is a kkv-k rendelkezésére bocsát, amelyekről a döntéshozók talán még nem is álmodtak, alkalmazásukkal ugyanakkor nagyságrendekkel eredményesebb és hatékonyabb lehet a működés.

A szerző a MiniCRM vezérigazgatója

The post Nem varázsszer, de számos problémára gyógyír: mire jó az AI egy kkv életében? appeared first on digitrendi.hu.

Ez a téma volt idén a kiemelt fókusza az energiamenedzsment és automatizáció meghatározó piaci szereplőjének számító Schneider Electric hagyományos párizsi innovációs konferenciájának, az Innovation Summitnak.

Ezen a nagyszámú szakmai közönség közvetlen betekintést nyerhetett a cég adatközpontokhoz kapcsolódó fejlesztéseibe is. A piaci szegmens fontos a cég bevételei szempontjából is.

Hogy mennyire? Kérdésünkre elmondták, hogy az energiagazdálkodási üzletágon belül működő Secure Power divízió felelős az adatközpontok és a felhő, a végfelhasználói szegmensek, például az egészségügy, a kritikus energiaellátási, hűtési, elektromos és energiarendszerek közötti feladatokért.

Tőzsdén jegyzett vállalatként ugyanakkor a társaság nem oszthat meg konkrét adatközponti vagy termékalapú értékesítési adatokat, így csak annyit mondhattak, hogy a cég tavalyi 36 milliárd euró összesített éves bevételéből az energiagazdálkodási üzletág 28 milliárd eurót, a csoport teljes bevételének 79%-át adta.

Így készülnek az AI-alapú jövőre az adatközpontokban

De nézzük mi most a helyzet az AI és az adatközpontok között. Egy biztos, ez a jövő egyik nagy ígérete, és mint megtudtuk, több európai üzemeltető – köztük a konferencia idején meglátogatott francia Digital Realty – is dolgozik már az ezzel kapcsolatos terveken.

Mit tudnak ezek a létesítmények? A mesterséges intelligencia alapú adatközpontok általában nagy teljesítményű szerverekből, tárolórendszerekből, hálózati infrastruktúrából és speciális hardvergyorsítókból állnak.

Tetemes mennyiségű számítási erőforrással vannak felszerelve, biztosítva a komplex gépi tanulási modellek és algoritmusok betanításához és telepítéséhez szükséges infrastruktúrát.

Ezek a központok hatalmas adatfeldolgozást kezelnek, és ehhez kellenek olyan fejlett technikák, mint a mély tanulás, lehetővé téve az AI-alkalmazások nagyszabású fejlesztését és végrehajtását.

Az AI a számítási feladatokat a leghatékonyabb erőforrásokhoz rendeli, ezáltal is csökkentve az ehhez kapcsolódó költségeket. Az AI az IT-infrastruktúra hatékonyabb felhasználásában, az energiaelosztás és az állványterület finomhangolásában is jó szolgálatot tehet.

A prediktív karbantartás révén az AI-algoritmusok észrevehetik a problémákat, mielőtt azok bekövetkeznének, így jelentősen csökkentik az állásidőt és a hardvercsere költségeit.

Kihívások és várható kezelésük

Az AI azonban nemcsak áldás, hanem komoly kihívás is lehet az adatközpontok számára, többek között azért is, mert a különféle elemei a sokszorosát termelik a korábbi adatmennyiségeknek.

Az AI betanítása és megvalósítása önmagában is hatalmas számítási teljesítményt és adattárolást igényel. Egy friss jelentés szerint a generatív mesterséges intelligencia modellek betanítása és bevezetése 2028-ra világméretekben 76 milliárd dollárba fog kerülni.

A növekvő kereslet azt is megköveteli, hogy az adatközpontok maguk is új AI-alapú technológiákat alkalmazzanak, a hatékonyabb, biztonságosabb szolgáltatás érdekében.

Az adatközpontokban elsődleges kritérium a biztonság

Az AI az adatközpontok biztonságának az erősítésére is használható. A kiberfenyegetések folyamatos fejlődésével ugyanis a hagyományos biztonsági rendszereknél sokkal gyorsabban tanulnak meg új fenyegetéseket vagy hajtanak végre hatékony védelmi intézkedéseket.

A hagyományos biztonsági intézkedések inkább reaktívak, mint proaktívak. A valós idejű észlelés és AI-elemzés lehetővé teszi az adatközpontok számára, hogy előre jelezzék a potenciális fenyegetéseket és sebezhetőségeket.

Az adatok védelme érdekében az AI algoritmusok és technikák javíthatják az adatfeldolgozást, -tárolást és -biztonságot is.

Együtt könnyebb: Schneider-NVIDIA partnerség az AI-adatközpontok tervezésében

A konferencián emlékeztettek a cég korábbi bejelentésére, az NVIDIA -val való együttműködéssel kapcsolatban, építve utóbbi fejlett technológiáira, az AI-adatközpontok tervezésében.

Az együttműködés első szakaszában a Schneider Electric bevezeti az adatközponti referenciaterveket, amelyeket az NVIDIA gyorsított számítási klasztereihez alakítottak ki, és amelyet egyebek mellett adatfeldolgozáshoz, mérnöki szimulációhoz, tervezési automatizáláshoz, valamint a generatív AI-hez hoztak létre.

A kooperációban külön hangsúlyt kapnak a folyadékhűtési rendszerek, és az egyszerű üzembehelyezést, a megbízható működést biztosító kezelőszervek. A referenciatervek felhasználhatók lesznek a már meglévő adatközpontok számára is.

A partnerséghez kapcsolódóan az AVEVA, a Schneider Electric leányvállalata összekapcsolja digitális-iker platformját az NVIDIA valós idejű 3D-s grafikus platformjával az Omniverse -vel, egységes környezetet biztosítva a virtuális szimulációhoz és a mérnökök közötti együttműködéshez.

A megújulás nem áll meg az AI-nál, jön a kvantumszámítástechnika

Az innováció üteme a jövőben még inkább felgyorsulni látszik. Az adatközpontok következő generációját a még fejlettebb AI, a kvantumszámítástechnika és egyéb technológiák alakítják.

A kvantumszámítástechnika kapcsán, ami majd a sokszorosát termeli az AI-alapú adatmennyiségnek is, és lényegében felforgatja a technológiai ipart, Aparna Prabhakar, a Schneider Electric Secure Power & Data Center Business stratégiai és fenntarthatósági alelnöke a következőket válaszolta a digitrendi.hu-nak:

„A Schneider Electricnél a számítástechnika jövőjét a különféle számítási módok erőteljes keverékeként látjuk, ahol a mesterséges intelligencia és a kvantumtechnológiák végül együtt léteznek.

Fontos megjegyezni, hogy a kvantumszámítástechnika még a korai szakaszában jár, és az adatközpontokra gyakorolt pontos hatása is várat még magára.

Ma a kvantumszámítástechnika három részből álló stratégiai megközelítését alkalmazzuk:

Kapcsolat a kvantumökoszisztémával: szorosan nyomon követjük a kvantum-számítástechnikai tér fejleményeit, különösen azt, hogy ez hogyan metszi egymást az adatközpontok tervezésével.

A mesterséges intelligencia és a kvantumszerverek rendkívül eltérő energia- és hőigényei valószínűleg változtatásokat tesznek majd szükségessé az architektúrában, különösen az energiaelosztás és a hőkezelés terén.

Az ezen a területeken már megszerzett szakértelmünk alkalmas arra, hogy innovatív megoldásokat fejlesszünk ezekre a változó igényekre.

Tanulás az AI-tól a kvantum jövőért: felismertük, hogy mielőbb foglalkozni kell az AI adatközpontokra gyakorolt befolyásával.

Azáltal, hogy aktívan közösen tervezünk megoldásokat az ügyfelekkel, és referenciaterveket készítünk mesterséges intelligencia-optimalizált adatközpontokhoz (például az NVIDIÁ-val), értékes tapasztalatokra teszünk szert, amelyek nagyban hozzájárulnak majd a kvantumszámítástechnika jövőbeli integrációjára való felkészüléshez.

Proaktív kiberbiztonsági intézkedések: Tisztában vagyunk a kvantumszámítástechnika által jelentett potenciális biztonsági fenyegetésekkel, különösen a „szüreteld le most, használd fel később” megközelítéssel.

Ezért proaktív lépéseket teszünk a robusztus biztonsági megoldások értékelésére és bevezetésére mind a cégünk, mind az ügyfeleink számára”.

Így készüljünk fel a körkörös gazdaságra és fenntarthatóságra

Az exponenciálisan növekvő adatok tárolása növekvő kapacitást, utóbbi pedig növekvő energiafelhasználást is igényel. Az adatközpontok kapacitása 2030-ra várhatóan megduplázódik, ugyanakkor az energiafelhasználás ennél jóval kisebb ütemben növekszik.

Az évtized végére az adatközponti energiafogyasztás a világ energiaigényének kevesebb mint az 5 százalékára rúg majd.

Ez sem mindegy milyen forrásból származik, itt jön a képbe a fenntarthatóság, a zöld energiák és egyéb energiahatékonysági megoldások alkalmazása. Mindezek gyarapítják a szakemberigényt is, akikből a specifikus tudás miatt még közel sincs elegendő.

Egy másik, a konferenciára időzített bejelentés szerint, a Schneider Electric támogatja a globálisan is meghatározó adatközponti és kollokációs szolgáltató, a Digital Realty körkörös gazdasági és fenntarthatósági kötelezettségvállalásait, első körben annak párizsi PAR6 adatközpontjában.

A projektről részletesebben Hélène Macela Gouin, a Secure Power üzletág francia piacért felelős vezetője beszélt a digitrendi.hu-nak.

Elmondta, hogy az egyik fontos cél a létesítményben működő kulcsfontosságú rendszerek élettartamának a meghosszabbítása, beleértve a Schneider Electric elektromos és kapcsolóberendezéseit, a szünetmentes tápegységeket (UPS).

Ez magában foglalja az elektromos infrastruktúra és a fontos alkatrészek, felújítását, újrafelhasználását, vagy újrahasznosítását, az adatközponti üzemeltető e-hulladékának a csökkentése érdekében. Elősegíti továbbá a nagyhatású üvegház-hatású gázok, köztük az SF6 kivezetését is.

Innovatív kezdeményezésként a projekt magában foglalja az iparág első akkumulátor-megújítási pilotját is, amelyet 2025-re terveznek, és amelynek célja, hogy segítse a Digital Realty -t a meglévő UPS akkumulátorok életciklusának meghosszabbításában.

A körkörös gazdasági és fenntarthatósági projekt első néhány hónapja 3,7 tonna széndioxid megtakarítást jelentett a korszerűsítésből, a felújításokból és a UPS-berendezések cseréjéből. A Digital Realty körkörös gazdasági projektjének további eredményeit 2025-ben mutatják be.

The post Áldás vagy nagy kihívás? – mesterséges intelligencia az adatközpontokban appeared first on digitrendi.hu.

Az AI és újgenerációs hullámai

A mesterséges intelligencia az egyik meghatározó jövőbeni trend. Az üzleti digitalizációban kimutatható jelenlétéről és további fejlődési potenciáljáról Gergely Zsófia szenior presales konzultáns elmondta, hogy az AI már most sokkal több területen van jelen, mint azt gondolnánk. Idén a generatív hullám hozott egy nagyobb felhajtást a téma köré.

Az üzleti döntéshozatalban a legtöbb helyen már gépi tanulás alapú megoldás segíti a nagy adatmennyiség kezelését és elemzését, de személyre szabott ajánlatokat is kaphatunk internetes kereséseink alapján.

A Telekom eddigi legjelentősebb AI-alapú megoldása kétségkívül a Vanda, ami nemcsak Magyar Telekom, és DT-csoport, de a magyar piaci szereplők között is kiemelkedik az ügyfélszolgálati automatizáció területén. A már több mint 5 éve „dolgozó”virtuális asszisztens komoly edukációs hatással is van a magyar piacra.

„A nagymamám például első alkalommal még idegenkedve fogadta a virtuális ügyintézőt, de ma már örömmel meséli nekem, hogy a minap is hívta őt Vanda, és új díjcsomagot ajánlott neki” – emeli ki Gergely Zsófia.

Hozzáteszi: Vanda működésében is várható fejlődés 2024-ben, és számos olyan belső, AI alapú megoldás bevezetése is zajlik jelenleg, – ilyen a belső tudástárban keresés –, amik nem olyan közvetlenül érintik az ügyfeleket, mint a Vanda, de nagyban hozzájárulnak a hatékonyabb ügyfélkiszolgáláshoz.

Arra a kérdésre, hogy mennyire hátráltatja az AI technológia fejlődését a megfelelő jogi háttér hiánya, a szakértő válaszként utalt rá, hogy európai szinten már történt nagyobb előrelépés az AI Act-ben, ami viszont teljes mértékben csak két év múlva léphet hatályba.

Az OECD AI Principles is mutat irányadó elveket, az AI-ról szóló ISO standard is alakulóban van, és mint az ilyen normák általában, hatással lesz a piaci működésre.

„Piacvezető nagyvállalatként a teljes szabályozás meglétéig is felelősségünk az etikus, normáknak, megfelelő működés. Erre a Telekomnál is nagy hangsúlyt fektetünk a fejlesztéseinkben, ügyfeleknek szállított megoldásokban, és akár ilyen irányú konzultációval is tudjuk támogatni a partnereinket” – teszi hozzá.

Új és régi technológiák együttélése az ügyfelekkel való kapcsolattartásban

A technológia fejlődése az ügyfélélményt is átformálja, így ha egy adott vállalat ezen a téren is jövőállóvá szeretne válni, egyre több, AI-jal is támogatott digitális eszközt kell használnia a napi működés során is – hangsúlyozza Eppel Noel, szenior üzletfejlesztési portfólió-menedzser.

A legfontosabb felhasználási területek között említi az ajánlatok személyre szabhatóságát. Ezekhez a friss ügyféladatokon kívül kapóra jöhetnek a nagy mennyiségben rendelkezésre álló régebbi adatok is.

Együttes elemzésük ad lehetőséget ugyanis a prediktív ügyfélviselkedés előrejelzésére is. De vajon az AI valóban jobb egyedi ajánlatokat tud tenni, mint a hús-vér sales-es szakember?

„A fő kérdés nem az, hogy a mesterséges intelligencia valóban jobb tud-e lenni az értékesítőnél az egyénre szabott ajánlatokban, hanem hogy egyáltalán szükséges-e az AI ilyen mélységű alkalmazása egy olyan területen, ahol a személyes kapcsolat továbbra is kulcsfontosságú az ügyfélélmény maximalizálásában.

Az AI-t az értékesítésben inkább az adatelemzés és adminisztráció területén felmerülő repetitív feladatokra alkalmazzuk, ezzel is nagyobb kapacitást engedve át az értékesítőknek az ügyfelekkel való személyes kapcsolattartásra” – emeli ki Eppel Noel.

Az egyéb önkiszolgáló lehetőségek: tudástárak, chatbotok, CRM szoftverek, vagy az automatizált munkafolyamatok pedig nemcsak a működési költségeket csökkentik, hanem a rutinfeladatokat is képesek kezelni, ami javítja a válaszidőt.

A digitális csatornák együtt erősebbek, mint külön-külön

A szakember ugyanakkor arra is felhívja a figyelmet, hogy a digitális marketingcsatornák nem mindenhatóak, elfogadottságuk is folyamatosan változik, így inkább az együttes és kombinált alkalmazásukat ajánlja.

A digitális eszközök közül a legkézenfekvőbb a saját weboldal, vagy versenyképes alternatíva lehet a közösségi oldal is, ahol a közösségi média marketing segítségével építhető tovább a márkaismertség, közvetlenebb lehet az ügyfelekkel való kommunikáció és jobban kezelhetők a kommentek is.

A felhasználók eléréséhez a maga eszközeivel új idők, új technológiáit hozza magával a weboldalhoz kapcsolható mobilmarketing is, legyen az a kiterjesztett valóság(AR), vagy az SMS marketing, netán az applikáción belüli hirdetések.

Valaha világmegváltó innováció volt az e-mail, ami időközben a meglévő ügyfelek megszólításának az örökzöld csatornájává vált. Az elektronikus direkt marketing(eDM) kampányokkal együtt még mindig kiváló eszköz az ügyfélszerzést támogató leadek generálására, termékek promótálására, vagy a személyre szabott tartalomra.

Az ügyfélkezelés digitális eszköztárából nem hagyható ki a partner- és influencer marketing sem, ahol a vállalkozások partnerekkel, vállalatokkal vagy nagy követőbázissal rendelkező influencerekkel működnek együtt a termékeik vagy szolgáltatásaik népszerűsítése céljából.

Ezekre a technológiai trendekre figyel az üzleti távközlés

” A Deutsche Telekom(DT)csoport tagjaként a Magyar Telekom is azokra a trendekre fókuszál, amik az egyre komplexé váló hálózatok további fejlesztését és üzemeltetését adat alapokon és AI segítségével végzik, és egyben az ügyfelek digitális igényét támogató szolgáltatásokat nyújtanak” – mondja Horváth Bence, a DT B2B Coordination CoELeadje.

Hármat is kiemel közülük: az egyik az 5G standalone, ami a privát mobil hálózatokat, és erre épülő ipari megoldásokat támogatja. Ez a technológia ma még finomhangolásra szorul, de a tömeges használatnak szerinte nem az elérhető sebesség a korlátja.

Ügyfél oldalon se állnak még tömegével rendelkezésre azok az ezekhez a hálózatokhoz szükséges csatlakozó eszközök. Szükség van még további felhasználási esetekre, hogy üzletileg is alá lehessen támasztani az 5G SA-ba való befektetést.

A másik az AI, amely a hálózatfejlesztésben, -üzemeltetésben és a belső folyamatok támogatásában nyerhet egyre nagyobb teret. A hálózatbiztonságot pedig a blockchain és digitális-iker technológiák erősíthetik.

„Kicsit távolabbra tekintve már látszik az újabb hálózati generáció, a 6G és kvantumtechnológia is. Sci-fi rajongóként engem felvillanyoz, hogy más szolgáltatókkal és technológia partnerrel már a hologram alapú kommunikáció elterjesztésén is dolgozhatunk” – húzza alá a szakember.

Magyarországon már számos új technológia van jelen a piacon, a fejlesztések se csak Németországra korlátozódnak, a DT kompetenciaközpontjain belül a Magyar Telekom vezető szerepet tölt be a Campus Network,a kiberbiztonság és az AI technológiák fejlesztésében és csoportszintű elterjesztésében.

A DT arra is törekszik, hogy a leányvállalatok közös technológiai alapokon építsék fel a hálózati szolgáltatásokat. Ezáltal a tapasztalatok nemzetközi szinten oszthatók meg egymással és közösen fejleszthetjük tovább a szolgáltatásainkat.

Ami az üzleti kommunikációt illeti, a nemzetközi trendekkel összhangban Magyarországon is lecsökkent a súlya a régi vezetékes hanghálózatoknak. A legelterjedtebb technológia most a mobil, de a kommunikációs szokások változása ezen belül is egyre jobban tolja el a hangsúlyt a hangalapú kommunikációról a különböző üzenetküldő és kollaborációs platformok irányába (Teams, Zoom, Skype WhatsApp).

„Rövid távon az AI-alapú kommunikáció gyors elterjedése mellett tenném le a voksomat, de fontos szerepe lesz a kriptovaluták piacáról ismert blockchain technológiának is. A fejlődő hálózati megoldások pedig előrevetítik az AR, VR és XR technológiák térnyerését a kommunikációban. Izgalmas idők elé nézünk”– mondja Horváth Bence.

A szakembert arról is kérdeztük, hogy ha lehetősége és kedve lenne rá, az üzleti távközlés mely területén, milyen technológiára építve indítana saját vállalkozást?

„A technológia iránti kíváncsiságomat kielégíti, hogy a Magyar Telekomnál dolgozva nemzetközi szinten is betekinthetek, és részt vehetek a legújabb technológiák tesztelésében és bevezetésében. Ha mégis saját vállalkozást indítanék, akkor az AI területén vágnék bele, mert úgy gondolom, hogy hatalmas szerepe lesz a közeljövőben a gazdaság egészének a fejlesztésében, és Magyarország nemzetközi szinten is élen járhat ezen a területen” – válaszolja.

Cikkünk a Magyar Telekom támogatásával készült.

The post Ezek a trendek formálják a jövő távközlését és informatikáját – vajon Vanda is megfiatalodik? appeared first on digitrendi.hu.

Az elmúlt évszázadok során az emberiség számtalan átalakuláson ment keresztül, amelyek forradalmasították a mezőgazdaságot is. Ezek a „forradalmak” fontos szerepet játszottak a termelés növelésében és a gyártási folyamatok optimalizálásában.

A kulturális átalakulások hatása a mezőgazdaság termelékenységére

Hosszú és átfedésekkel tarkított út vezetett az első forradalomtól a negyedikig, a vadászattól és gyűjtögetéstől a digitalizációig és a mesterséges intelligenciáig. Nézzük a részleteket, íme a négy mezőgazdasági forradalom:

Az elsőt 1700-tól datáljuk. Ezt a korszakot a helyhez kötött gazdálkodás jellemzi, amely főként a kétkezi munkára, a lóerőre és az egyszerű szerszámokra épült. Ez azt jelenti, hogy a termelékenység ebben az időszakban viszonylag alacsony maradt.

A második mezőgazdasági forradalom 1914-1980 között zajlott. Ebben az időszakban a természetes nitrogén-kiegészítőket a szintetikus műtrágyák váltották fel.

A vetésforgó és a vízelvezetés bevezetésével látványosan nőtt a növény- és állatállomány hozama, javult a talaj termőképessége és csökkent a parlagon lévő területek mérete.
A termelés növekedése és a munkaerő-igény csökkenése elvándorláshoz és a városi lakosság növekedéséhez vezetett.

A harmadik mezőgazdasági forradalom az 1920-as években kezdődött és napjainkig tart. Ez a korszak a belsőégésű motorokról, a vidék villamosításáról, a biotechnológia és a géntechnológia bevezetéséről, és a számítógépes programok alkalmazásáról szól. Eredményességük jól látható a piacokon.

A negyedik mezőgazdasági forradalom az 1970-es években indult. Ebben a szakaszban ment végbe a váltás az ipari termelésről a digitális modellre, amely optimalizálja a gyártási folyamatokat, csökkenti az időráfordítást és a költségeket, valamint hozzáadott értéket hoz létre a vásárlók számára.

A mezőgazdasági ágazatnak olyan kulcsfontosságú új tényezői lettek, mint a dolgok internete(IoT), a big data, a mesterséges intelligencia, a felhőalapú megoldások, a szenzoros adatgyűjtés, az adatok összegyűjtése és feldolgozása óriási adattárházakban, amelyek mind a döntéshozatal alapjaivá váltak.

Az első és a második mezőgazdasági forradalom a kézi munkáról az üzemi termelésre való áttérésről, míg a harmadik és negyedik forradalom a digitalizációról és az adatgyűjtés fontosságáráról szól. Az agrárszektorban azonban még így is óriási nehézségek vannak, amelyekre megoldást a gépi tanulás adhat.

A hagyományos mezőgazdaság problémái és a gépi tanulás szerepe

Az agrártermékek iránti kereslet jelentősen megnőtt az elmúlt években, ami a közeljövőben az infláció egyik fő okozója lehet az egész világon. Az intenzív mezőgazdasági hozamnövekedés azonban számos külső ok miatt korlátozott:

Egyfelől globálisan limitált a mezőgazdasági művelésre alkalmas földterület, az éghajlati viszonyok és a talajminőségének változása, valamint a városok növekedése miatt.

A legfrissebb statisztikák szerint bolygónk földterületének körülbelül 40%-át dzsungel, sivatag, lakott terület vagy más természetes szárazföldi képződmény, például erdő borítja. Így nagyon kevés terület maradt a mezőgazdaság bővítésére.

Másfelől a fogyasztók folyamatosan változó táplálkozási szokásai arra késztetik a gazdálkodókat, hogy egyik termelési típusról a másikra térjenek át. Egy példa erre, hogy a társadalmi egyenlőtlenségek miatt bizonyos piacokon gyorsan növekszik a húskészítmények iránti kereslet.

Az elmúlt évszázadban továbbá a súlyosbodó éghajlatváltozás és a természeti katasztrófák extrém időjárási mintákat és az átlaghőmérséklet emelkedését vonták maguk után, ami ingadozó hozamot és termeléskiesést okozott a mezőgazdaságban.

A gépi tanulás alkalmazása enyhítheti a fent említett problémákat, nézzünk egy példát. Képzeljünk el egy gazdálkodót, aki főként a költségek és a megtermelt hozamok számításaira támaszkodik. Ez a gazda a nyereségét matematikai számítások alapján prognosztizálja.

Tegyük fel, hogy ugyanez a gazda a mezőgazdasági gépeire szenzorokat szerel, amivel adatokat gyűjt a termésről a GPS koordináták segítségével, más adatokat pedig drónokról kér le, és vet össze a Földrajzi Információs Rendszer (FIR)adataival.

Tegyük fel, hogy emellett még felhőszerverekről gyűjt adatokat az árképzésről, állatállományának aktuális lokációjáról és a termékei iránti keresletről (1. ábra).

Mindezek együttesen pontos képet adnak a termékeinek potenciális értékéről és keresletéről. Emellett az időjárás-előrejelzések egyértelműen prognosztizálják a következő hét várható időjárási körülményeit.

A szenzorok észlelik a talaj nedvességét, ellenőrzik a növények és az állatok egészségi állapotát. Mindezek az adatok később is rendelkezésre állnak,további elemzések céljából.

A gazdálkodó és a fogyasztó minden terméket egyszerűen nyomon követhet és megfigyelhet egyetlen grafikus felületen. Ezen információk összegyűjtésével és elemzésével sok erőfeszítés takarítható meg, ami elősegítheti a gazdálkodók hatékonyabb munkáját, megoldást nyújtva a főbb problémákra.

A gépi tanulás és az adatmérnöki tevékenység integrálása az agráriumba

A Covid-19 világjárvány óriási hatással volt a mezőgazdaságra, ugyanakkor a gépi tanulás és az adatmérnöki megoldások fejlődésére is. A mezőgazdaság és a gépi tanulás integrációjának fő célja a terméshozam növelése, az energia- és erőforrások megtakarítása, valamint a növények és az állatok fejlődésének teljes körű ellenőrzése.

A gépi tanulás számos technikája segíti a mezőgazdasági adatok összegyűjtését és megkönnyíti a gazdálkodók munkáját. Az alábbi alkalmazások nagyon hasznosak lehetnek az adatgyűjtés és a tényleges termelés közötti összefüggések fejlesztésére.

1) Egységes protokoll

Célszerű, ha az elektronikus berendezések és alkatrészek kompatibilisek egymással, azaz egységes protokollra épülnek. Minden mechanikus eszköznek és mezőgazdasági gépjárműnek úgy kell egymáshoz illeszkednie, mint a LEGO daraboknak.

Így kell egyetlen nagy „gépet” alkotniuk, amelyben minden elem protokollok által kommunikál egymással. Ez az egységes protokoll az ISO 11783 nemzetközi szabványon alapul, amit 2008-ban kezdtek el alkalmazni világszerte.

2) A „dolgok internete” (IoT)

A rendszer különböző eszközeinek kapcsolódniuk kell az internethez, így valós időben tudnak kommunikálni egymással (2. ábra).

A szenzorok és az alkalmazások száma évről évre nő, a következő öt évben elérheti akár a 250 milliárdot is. A szoftveres szenzorok eme hihetetlen mértékű növekedése következtében nem triviális feladat lesz az információk egy helyen történő gyűjtése és tárolása.

3) Drónok és a távérzékelés

Az informatika és az agrártudomány fejlődése lehetővé tette a távérzékelő drónok alkalmazását, ami a precíziós gazdálkodás elterjedéséhez vezetett. Egy ilyen rendszer maximális profitot és termést biztosít, minimális ráfordítással és optimális erőforrás-felhasználással.

Az egyik érdekes alkalmazás a globális helymeghatározó rendszeren (GPS) és a földrajzi információs rendszeren (FIR) alapul, amelyekkel megtervezhető például a traktorok optimális útvonala.

A gépi tanulás algoritmusaival a bonyolult egyetemi trigonometria-feladat így egyszerűen megoldható lesz, a megtakarított üzemanyag pedig pénzben mérhető(3. ábra).

4) Adatgyűjtés és a közösségi hálózatok

Ennek kulcsa egy hatékony kommunikációs lánc létrehozatala a helyi élelmiszertermelési és állattenyésztési rendszerekkel. Ez a megközelítés elősegíti a teljes élelmiszer-ellátási lánc hatékonyságának jobb megértését.

A két rendszer integrációja pedig hosszú távon pozitív környezeti hatást és nagyobb élelmiszerbiztonságot eredményez.

5) Számítógépes látás

A képelemzés és képfelismerés az informatikai kutatások egyik leggyorsabban fejlődő területe. Minden automata gép szenzorokkal van ellátva, és leggyakrabban kamerákat használnak arra, hogy adatokat gyűjtsenek a termésről és a betakarítási terület földrajzi elhelyezkedéséről.

Ez lehet egy RGB-kamera, mélységmérő kamera vagy lézeres távolságmérő rendszer. A képeket a gépi tanulási rendszer következő fázisába továbbítják, ahol az adatokat hatékony osztályozási módszerekkel szelektálják, például támogatóvektor-gépekkel(SVM), neurális hálózatokkal, k-klaszterezéssel, elsődleges főkomponens-analízissel (PCA), a fő jellemzők kiemelésével.

A különböző alkalmazások közül a következőket érdemes megemlíteni:

Növénybetegségek azonosítása. A gazdálkodók hagyományosan nem túl tájékozottak a betegségek korai szakaszban történő felismerésével kapcsolatban.

Mivel nem rendelkeznek ismeretekkel a növények betegségeiről, ezért szakértők támogatására és javaslataira van szükségük. A fertőzések korai stádiumban történő diagnosztizálása sok termést menthet meg.

Gyümölcsök válogatása és osztályozása. A piacon a gyümölcsöket a méret és az ehhez tartozó ár szerint szelektálják. Ez a válogatás általában kézzel történik, ami nem objektív, illetve időigényes. Ez a folyamat az elsők között automatizálható.

Termőterület felmérése. A műholdak által gyűjtött információk sokasága a képszenzorok használatával bővült. A növekvő vagy eltűnő erdők területeit idősoros formában lehet gyűjteni és elemezni, a potenciális problémák felismerése érdekében.

Gyomfelismerés. Minden növény végső soron egy vadon élő gyomból származik. Ezért az ismeretlen növények felismerése, osztályozása, és közülük a legjobbak kiszűrése rendkívül fontos a jövőbeni mezőgazdasági hozam szempontjából.

A kutatók képfeldolgozási módszereket javasolnak a mezőgazdasági paraméterek elemzésére és annak leírására, hogy a különböző spektrumú képfeldolgozások, mint például az infravörös és hiperspektrális röntgen hogyan lehet hasznos a vegetációs indexek meghatározásában, a lombkorona mérésében, az öntözött talaj feltérképezésben és számos más területen (4. ábra).

6) Adatok átláthatósága és a blokklánc

A blokklánc az adatok titkosításának olyan módszere, amely minden egyes, egy célegységre alkalmazott transzformáció, például tárolás, összekapcsolás és visszaállítás esetén keresést végez.

A modern agráripar felgyorsult, ma már a mezőgazdasági értékláncban is blokkláncot használnak, mivel ez megfelelő mechanizmus lehet a különböző problémák optimalizálására – ilyen például az átláthatóság, a költséghatékonyság, a nyomonkövethetőség, a minőségi ellátórendszerek.

A francia Carrefour élelmiszerlánc például 2018 óta blokklánc-megoldásokat használ termékei nyomon követhetőségére. A cél az, hogy a fogyasztók egy QR-kód beszkennelésével mobiltelefonjaikra letölthessék a termékre vonatkozó adatokat , például a gyártás helyét és idejét, a termék összetételét, a termesztés módját és hasonlókat.

7) Kiterjesztett valóság

Ez a terület még fejlesztési stádiumban van, de máris nagy lehetőségeket kínál egy olyan speciális, 3D-s képfelbontást igénylő területen, mint a mezőgazdaság.

Felhasználási területe lehet az állatbetegségekvagy a terméskárok vizualizálása, a szükséges kezelések felmérése és elvégzése érdekében. A kiterjesztett valóság már a közeljövőben is nagy eredményeket ígér, különösen, ha mesterséges intelligenciával (MI) kombinálják.

Nem szabad alábecsülni a gépi tanulás és az adatfeldolgozás jelentőségét a mezőgazdaságban. Az új technológiák bevezetése biztosan mindenkinek javára válik: a gazdálkodóknak bevételnövekedést, a fogyasztóknak pedig időmegtakarítást eredményez.

A szerző szoftverfejlesztő, adatmérnök a Sigma Software Groupnál

The post Gépi tanulás és adatmérnöki alkalmazások az agrárium kihívásaira appeared first on digitrendi.hu.

Az AI–t elfogadó vállalkozásoknál a szoftverfejlesztők mellett megjelenik az AI-stratégák, az AI-etikusok, vagy épp az AI- minőségbiztosítók iránti igény. A mesterséges intelligencia azonban messze túlmegy ezeken a szakmákon, hiszen a folyamatok szinte mindenki munkáját befolyásolják, átalakítják.

Ezért a cégeknek továbbképzéssel és átképzéssel is fel kell készülniük az új korszak eljövetelére. Ez a summázata az ARISA(Artificial Intelligence Skills Alliance) európai szövetség tanulmányának, ami tizenkét ország több mint négyszáz vállalatának a bevonásával készült.

Az AI Skills Needs Analysis elkészítésében a Műegyetem, a Digitális Vállalkozások Szövetsége(IVSZ) és 45 hazai vállalat is részt vett. A felmérés alapján készülhet el az Európai Unió AI-készségekről szóló stratégiája. A stratégiára építve a megfelelő képzéseket is kidolgozzák.

A legkurrensebb AI-szakmák

A kutatás alapján jelenleg az adatmérnökök, gépi tanulás mérnökök (Machine Learning Engineers) és adattudósok a legkeresettebb technológiai munkakörök, de hamarosan egyre több NLP-mérnökre (Natural Language Processing Engineer, vagyis természetesnyelv-felismerésre szakosodott mérnök), illetve gépi látásra specializálódott mérnökre (Computer/Machine Vision Engineer) lesz szükség.

AI-generálta új szakmák

A kutatásban azt is felmérték, hogy a vállalatok milyen, az AI-hoz kapcsolható készségeket várnak el a dolgozóiktól. Így nagyon keresettek már ma is azok a munkavállalók, akik képesek megérteni a mesterséges intelligencia bevezetéséből keletkező üzleti lehetőségeket.

Az a képesség ugyanis, hogy felismerjék és kihasználják a mesterséges intelligencia technológiák potenciális előnyeit a szervezetük összefüggésében, nagyon fontos lehet a stratégiai döntéshozatal és a versenyelőny fokozása miatt.

Hasonlóan hasznos készség az adatok kiváló minőségű begyűjtése, hiszen precíz források, helyes adatkezelés és -feldolgozás nélkül az AI algoritmusok és modellek sem tudnak hatékonyan működni, és a döntéseket megfelelően előkészíteni a vezetés számára.

Lassan már az alaptudáshoz sorolhatják a vállalatok, hogy az alkalmazottaik at AI különböző szakterületein átfogó ismeretekkel rendelkezzenek, vagy hajlandóak legyenek azt elsajátítani.

A cégeken belül a mesterséges intelligenciához a szoftverfejlesztők mellett már most is a leginkább a projektmenedzsereknek, termékmenedzsereknek és üzletági menedzsereknek ajánlott érteniük.

Őket követik majd a felsővezetők, az auditorok és a pénzügyi vezetők, vagyis maga a döntéshozói kör, akiknek kritikus szerepük lesz a mesterségesintelligencia-stratégiák pénzügyi műveletekbe, ellenőrzési folyamatokba és vezetői szintű döntéshozatalba való integrálásában.

AI-készségeket igénylő hagyományos munkakörök

Képzések a legjobban hiányzó AI-készségek elsajátításához

Az ARISA, vagyis a Mesterséges Intelligencia Készségek Szövetsége azzal a céllal jött létre, hogy felgyorsítsa a munkavállalók, munkakeresők, üzleti vezetők és jogalkotók mesterséges intelligenciával (MI) kapcsolatos át- és továbbképzését.

A szövetség 2023 végéig célzott képzési programokat tervez a három legégetőbb témában, amelyből a gazdasági folyamatokat befolyásoló szakpolitikusoknak sem szabad kimaradniuk.

● alapvető AI-készségek a szakpolitikusok és döntéshozók számára: néhány órás kurzusokban sajátíthatják el a döntéshozók az alapismereteket

● AI tanácsadói készségek: nagyjából egy hetes hosszúságú kurzus kifejezetten a politikai döntéshozók, lobbisták és informatikai igazgatói tanácsadók számára

● átfogó prompt engineering kurzus: tanfolyam kifejezetten gyakorlati szakemberek, például szoftverfejlesztők, gépi tanulás mérnökök számára, akik a kurzuson bővíteni tudják a prompt mérnöki technikákkal kapcsolatos szaktudásukat.

Az említett területeken való készségek fejlesztésére az ARISA projekt keretein belül új tananyagokat állítanak össze, illetve pilotprojekteket indítanak.

“A magyar gazdaság számára is hatalmas lehetőség az AI-ben rejlő potenciál kihasználása, ha ezt nem tesszük meg, lemaradunk versenytársainktól. Ehhez szükség lesz átképzési programokra, munkaadók és munkavállalók számára nyújtott célzott támogatásokra, hogy a felkészítsük a jövőre a jelen munkavállalóit.

Ez nemzetgazdasági szempontból is fontos érdek: az a gazdaság tud jól teljesíteni, versenyképes maradni ebben az AI által fémjelzett korban, ahol a munkavállalók készségszinten használják a modern technológiát, és képesek arra, hogy a mesterséges intelligenciára építve újabb innovatív megoldások születését támogassák” – kommentálta a kutatási eredményeket Tajthy Krisztina, az IVSZ főtitkára.

The post Felkészültél az AI-korszakra? Ezekre a készségekre biztosan szükséged lesz appeared first on digitrendi.hu.

A ThinkStation Px, P7 és P5 modellek a kínai gyártó eddigi – technológiailag legkorszerűbb – asztali munkaállomásai. Az új hardvereket úgy tervezték újra, hogy a nagyon nagy számítási igényű munkaterhelésnek is megfeleljenek, ezért az Intel legújabb, akár 120 magos processzortechnológiájával és a csúcskategóriás NVIDIA RTX professzionális grafikus kártyákkal(GPU) rendelkeznek.

Az újgenerációs munkaállomásokat a hibrid munkára épülő iparági elvárásoknak megfelelően tervezték, egyaránt alkalmasak a virtuális valóság és a virtuális gyártás, a gépi tanulás, az adattudomány, a számítógépes mérnöki munkafolyamatok és a mesterséges intelligencia kezelésére.

Újítás a szerszámmentes vázkialakítás

A berendezések vázának a megtervezésében pedig a Lenovo a luxusautó-gyártó Aston Martin márkával működött együtt. Korábban a két cég között klasszikus vevő-szállító kapcsolat működött, a vevő az IT megoldásokat rendelő Aston Martin volt.

A Lenovo és az Aston Martin mérnökei az újfajta együttműködés keretein belül közösen dolgoztak a végső kialakításon, aminek eredményeként a berendezés számos testreszabhatósági funkcióval is rendelkezik.

A Lenovo és az Aston Martin mérnökei közös munkája nyomán végül egy olyan modell született, amelyben a bonyolult munkafolyamatok minden lépését megkönnyíti az új, szerszámmentes vázkialakítás, nagyobb rugalmassággal és még ergonomikusabb elrendezéssel.

A váz rácsát az Aston Martin ikonikus DBS sportautója ihlette, a mérnökei pedig a nagyteljesítményű autóipari szegmensből származó tervezési ismereteket alkalmazták az asztali munkaállomásnál is. Az újratervezett légterelők és a nagyobb szellőzőnyílások, valamint a Lenovo szabadalmú háromcsatornás hűtőrendszer biztosítja a hideg levegő maximális be- és a meleg levegő maximális kiáramlását.

Ezek az újítások jót tesznek a központi egységek(CPU-k), GPU-k, memóriák és tárolók teljesítményének is. Mindhárom új munkaállomás moduláris kialakítású, elölről hozzáférhető meghajtókkal rendelkezik a könnyű szervizelhetőség és a frissítési rugalmasság érdekében.

(A budapesti premieren jelenlévő újságírók,köztük a szerző is, kipróbálhatták „szervizes” vénájukat, a számítógép szét-, illetve összeszerelésével.)

Az asztali gépektől az adatközpontokig

A ThinkStation PX sorozat az asztali és adatközponti környezetekhez egyaránt szükséges rugalmasságot biztosítja, lehetővé téve a zökkenőmentes átmenetet a két felhasználói terület között. Ezen felül a munkaállomás erős: 1850 W-os tápegységet és opcionális tápegységeket is kínál.

A ThinkStation P7 új számítási architektúrával rendelkezik, amely akár 56 magot is támogat egyetlen foglalatban, így nyújtva nagyobb teljesítményt a számításigényes, többszálas feladatok megoldásához is.

A modell a bemutatón elhangzottak szerint ideális a tartalomkészítők, építészek, tervezők, mérnökök és adattudósok számára, akiknek a lehető legnagyobb grafikai, vizualizációs, valós idejű renderelési, CAE és AI teljesítményre van szükségük.

A sorozat P5-ös modelljét számos iparági területre tervezték, megfelelve a felhasználók nagyobb teljesítményre, IT-bővíthetőségre és egyszerű menedzsmentre vonatkozó igényeinek.

A munkaállomás újonnan tervezett vázzal, a legújabb, akár 24 magot kínáló Intel Xeon W processzorokkal és akár két NVIDIA professzionális grafikus kártyával rendelkezik.

Az építészek, tervezők, mérnökök és kreatívok számára optimalizált munkaállomás a szilárd modellezés és a számításigényes feladatok, köztük a BIM, az összetett 3D CAD, a valóságmegragadás és a térbeli vizualizáció, a vizuális effektek területén is jól használható.

The post A számítógépgyártó találkozása a luxusautó-márkával appeared first on digitrendi.hu.

Digitrendi: Még ha nincs is kristálygömbje, ön szerint milyen lesz az SAP vagy az egész üzleti szoftverbiznisz, mondjuk 10-15 év múlva?

Martin Heinig: Ez egy nagyon-nagyon hosszú időtáv ahhoz, hogy kellő módon előrelássunk, mert a ciklusok, amelyeket a szoftveriparban látunk, az utóbbi időben különösen felgyorsultak.

Amit biztonsággal meg tudnék becsülni, az az, hogy a számítástechnika erőteljes fejlődését fogjuk látni, így 15 év múlva lehet, hogy már kvantumszámítógépünk lesz, ez megvalósíthatónak és reálisnak tűnik.

Látni fogunk továbbá egy látványos elmozdulást a szoftverek és a szoftverfejlesztés terén is, ami már a kód nélküli, vagy alacsony kódú eszközökkel el is kezdődött. A kódolás területén a további fejlődéssel, különösen a generatív AI kapcsán, sokkal több kódolást és segítséget fogunk megtapasztalni, mi több a generatív AI segítségével akár kódgenerálást is.

Harmadikként említeném a hálózati kapcsolatokban várható változásokat. Az 5G már itt van, valószínűleg egy kicsit később jön a 6G is, a lényeg, hogy nagyon erős hálózati képességek várhatók, és majd a Web3-ban is előrelépés következhet be.

Átállunk az internet következő generációjára, ahol már a digitális javak birtoklásának lehetőségét is megteremtjük, olyan újfajta gazdasági forma létrehozatalával, mint a metaverzum.

Egyre több a mesterséges intelligencia az ERP-rendszerekben

D.: Tehát azt mondja, hogy felelősséggel egyelőre maximum a következő öt évre érdemes inkább tervezni?

M.H.: Igen, mint amikor új vállalkozásokkal, technológiákkal és csapattal indulunk el. Elsőként a hosszú távú perspektívából indulunk ki, és elgondolkodunk azon, hogy mi lesz itt öt-tíz éven belül.

Az SAP szempontjából például megnézzük, melyek azok a nagy változások, amelyekre a szoftveriparban számíthatunk. Aztán megpróbáljuk alkalmazni őket egy középtávú horizontra, ami három-öt év. Különben, ha a nagyobb távlatról, 10 évről beszélünk, akkor az azirányú feltételezéseinket már nagyon nehéz lenne igazolni az ügyfeleinknél.

Így most inkább három-öt évre előre nézzük meg, mi lenne reális, mit tehetünk már ma is, vagy mit tehetünk még ma, hogy megtudjuk például azt, hogyan alkalmazzuk a kvantumszámítást azokra a problémákra, amelyek az SAP-rendszerekben vannak, és esetleg az ügyfeleinknél is jelentkeznek, és hol tudunk nekik ebben segíteni.

D.: Milyen új technológiákkal számolnak még a közeljövőben?

M.H.: Már a közeljövőben azt láthatjuk, hogy a vállalatirányítási rendszerek(ERP) sokkal több mesterséges intelligenciát tartalmaznak majd, mint azt valaha is tették. A kiindulópont az automatizálás, amiből lesz bőven az üzleti folyamatokban.

Az üzleti technológiai platformon is vannak már bizonyos eszközök ehhez, aztán majd azoknál a részeknél, ahol a vevő nem tud, vagy nem akar automatizálni, megjelenik az üzleti felhasználó „kiterjesztése”. Ez utóbbi alapvetően azt jelenti, hogy a rendszer kellően intelligens lesz ahhoz, hogy megértse az összefüggést, és személyre szabottan tudjon segíteni a feladatok végrehajtásában, gyorsabban és kevesebb hibával.

Az AI mint másodpilóta a fejlesztésekben

D.: Mi lesz pontosan az AI szerepe a szoftver- vagy megoldásfejlesztésben, és valóban segít-e a globálisan is tapasztalható szakemberhiányon?

M.H.: A szoftverfejlesztésnél az AI jelentősen megnöveli a sebességet a szoftverfejlesztők számára, mert nem csak a kódolás ismeretében segít, hanem egyfajta másodpilótaként is jelen lesz a teljes folyamatban.

Ezen kívül jó példákkal szolgálhat, hibákat kereshet, vagy segít néhány unalmas feladatban, például a dokumentálásban vagy a tesztgenerálásban.

Azt is látni fogjuk, hogy ott lesz még a teljesen autonóm módon létrehozott kód is, amihez elegendő lesz csak azt „mondanom a „gépnek”, hogy ez itt a probléma, erre szeretnék megoldást.

Tehát ezek az irányok drámai módon segítenek majd, egyebek mellett abban is, hogy lejjebb viszik a belépési küszöböt is, mivel még sokkal könnyebb lesz a használata, mint az alacsony kódú, vagy kód nélküli technológiáké. Így egyfelől enyhít a szakemberhiányon, de ugyanakkor új készségeket is elvár a dolgozóktól, amikre ki kell majd őket képezni.

D.: Vagyis ön nem akarja azzal riogatni az IT-szakembereket, hogy az élő programozói munkaerő elveszíti az állását?

M.H.: Szerintem továbbra is szükség lesz fejlesztőkre, vagy az olyan élő munkaerőre, aki megérti a különböző eszközök használatát. Ez nem újkeletű jelenség, hiszen a programozás sem ugyanaz ma, mint 20 évvel ezelőtt.

Elég csak arra gondolnom, hogy amikor informatikát tanultam az egyetemen, még Assembler nyelven tanultam programozni, ami a maiaktól nagyon eltérő programozási nyelv. Ez azonban nem jelenti azt, hogy ma már felesleges ez a tudás, vagy nem segít megérteni a számítógép működését, inkább könnyebb alkalmazkodást jelent.

Több segítséget kapnak a jövőben a programozók, de akkor is szükségük lesz arra, hogy megértsék mit is akarnak csinálni, és a végén valahogy tudatniuk is kell a géppel azt is, hogy milyen eredményt várnak el tőle.

Még sok minden tisztázásra vár a kvantumszámítástechnikában

D.: Már szóba hozta a kvantumszámítástechnikát. Hogy látja milyen időintervallumon belül és milyen területeken érdemes ezzel terveznie az SAP-nak?

M.H.: Ezt is nagyon nehéz megjósolni, mert ma még az sem világos, hogy melyik kvantumtechnológia lesz az, amelyik tényleg képes lesz skálázni a kvantumbiteket a különböző kvantumlapka készletekben. Szóval még semmi sem elég világos ezen a területen.

A legtöbb szakértő talán azt mondaná, hogy a terjedéséhez kell legalább 5-10 év. A mi szemszögünkből viszont fontos előbb megérteni a technológia működését és azt, hogyan alkalmaznánk akár ma is, hogy készen álljunk, ha majd maga a technológia már készen áll.

Ez amúgy egy nagyon érdekes, izgalmas terület, ami különösen a mi optimalizálási megoldásainkat fogja erősíteni, legyen az az ellátási lánc vagy a termeléstervezés, vagy épp a logisztika optimalizálása. Ha majd alkalmazni tudjuk a gépi tanulásban, az a gépi tanulási AI-t is egy teljesen más szintre emelheti.

D.: A már említetteken felül, milyen olyan egyéb technológiákkal is számol az SAP, amelyek ma még laboratóriumi fázisban vannak?

M.H.: Vegyük a blokklánc Web3 technológiát, vagyis a decentralizált főkönyvi technológiákat, amelyeket három cél érdekében is tüzetesebben vizsgálunk. Az egyik a digitális identitás, amelyet a vállalatok az üzleti hálózatokba való egyszerű beléptetéshez vagy üzleti folyamatok aláírásához használnak. Ezek az egymástól különböző vállalatokban, különböző rendszereken futhatnak, akár nem SAP rendszereken is.

A második, hogyan segítsünk az ilyen típusú üzleti folyamatok irányításában a különféle vállalatok között, hogyan lehet szinkronizálni az üzleti folyamatokat a vállalati határokon átnyúlóan.

A harmadik pedig a megbízható adatmegosztásról szól. Itt is látok egy jó lehetőséget, különösen a nagy ellátási láncokban, ahol az üzleti szereplők megbízható módon szeretnének megosztani az adatokat, hogy azok minden fél számára hozzáférhetőek legyenek. Ilyenek lehetnek például a széndioxid-kibocsátáshoz kapcsolódó adatok.

Ezekről rendelkeznie kell egy adott cégnek, de közben nem szeretné mondjuk felfedni az összes beszállítóját vagy a beszállítói nevét. Mégis szeretné ugyanakkor nyomon követni a szénlábnyomot a teljes ellátási láncban, nekik segíthetnek az ilyen típusú blokklánc-technológiák, amikkel jó ideje foglalkozunk már.

Szoros szimbiózisban a technológiai startupokkal

D.: Milyen lehetőségeket lát az SAP a technológiai startupokban? Bevonja őket az új megoldások fejlesztésébe? Ha igen, milyen módon vehetnek ezekben részt?

M.H.: Az SAP erős ökoszisztémát szeretne maga köré, amiben jut szerep a startupoknak is. Van egy dedikált csapatunk, amely az új vállalkozások és technológiák területén dolgozik, és a korai szakaszban lévő startupokkal foglalkozik.

A startupok bevonása ma alapvetően úgy működik, hogy keressük a fehér foltokat a jelenlegi kínálatunkban. Ha érkezik is rá konkrét ügyfélkérés, hogy ilyen, vagy olyan funkciókat szeretnének még az adott megoldásban, de ezek a funkciók nagyon testreszabottak, nem érné meg nekünk szabványtermékként kifejleszteni, akkor keressük az induló vállalkozásokat, hogy hol tudnának ebbe bekapcsolódni.

Olyan startupokat keresünk, amelyek alkalmasak arra, hogy behozzuk őket az SAP ökoszisztémába, úgymond bekerüljenek az „SAP áruházba”, ahol találkozhatnak az ügyfelekkel és a speciális igényeikkel. Az újonnan felmerülő üzleti probléma megoldásához általában új technológiákra van szükség, amire ezek a startupok felkészültek.

Így összességében ez egy minden fél számára tipikusan nyerő helyzet, a startupoknak például azért is, mert hozzáférhetnek az SAP ügyfélköréhez.

D.: Hogyan működik az ügyfélkérések kezelése?

M.H.: Rendszeresen kapcsolatban vagyunk az ügyfeleinkkel, hogy megtudjuk, mire van szükségük. Ezen kívül időről-időre megmutatjuk nekik, hogy merre tartunk, mi az útitervünk. Ez utóbbi inkább rövidebb távra vonatkozik.

Ami az én területemet, az új vállalkozások és technológiákat illeti, potenciális megoldásokat vagy szolgáltatásokat találunk ki, ahol előbb még ellenőriznünk kell, hogy lesz-e ezeknek megfelelő piaca. Itt jönnek a képbe az ügyfelek, akik segíthetnek ennek eldöntésében. Kérünk tőlük adott technológia konkrét felhasználási területeire vonatkozó javaslatokat is.

Vegyük például az egyik érdekes bétaszolgáltatásunkat az úgynevezett „folyamatos intelligenciát”, ahol gépi tanulási algoritmusokat használunk az adatfolyamok vizsgálatára és az anomáliák felderítésére, hogy proaktívan jelezzük a felhasználónak, valami nincs rendben.

A közösségi média visszajelzéseit is szeretjük mérni, főleg ha új terméket dobunk piacra, hogy azonnal reagálhassunk, akár pozitív, akár negatív a reakció.

Természetesen valódi adatokra is szükségünk van ahhoz, hogy a fejlesztések valós környezetben is megállják a helyüket, ne csak a laborban. És ha megvannak ezek az „ügyfél-érvényesítési pontok”, akkor már nyugodtak lehetünk, hogy az adott témát érdemes a szabványos fejlesztés felé tolni.

Amiről még érdemes az új trendek kapcsán beszélni, az az üzleti folyamatok jövője, ami nagyon izgalmas terület, nem véletlenül került a portfoliónkba két éve az ezzel foglalkozó cég. A Signavio megoldásai révén az üzleti folyamatokat valóban a szoftvereink középpontjába tudjuk helyezni.

Ez azt jelenti, hogy nem egy előre összeállított szoftvercsomagból indulnánk ki, ahol az üzleti folyamatokat konfigurálhatjuk, hanem kezdhetjük magával az üzleti folyamattal, amihez a rendszer később automatikusan beállítja magát.

Nagyon izgalmas területnek ígérkezik, igaz még nagyon a korai szakaszában van, de azt látjuk, hogy az üzleti folyamatok kiterjesztése érdekében az SAP nagyon erős irányt vesz efelé, egyre inkább hasonlítva egyfajta folyamatmenedzsmentre, egyrészt a moduláris ERP-vel, majd a Signavióval és további üzleti technológiai platformokkal.

The post Így látja a technológiai ipar főbb irányait az SAP „vizionáriusa” appeared first on digitrendi.hu.