Gazdaság

Úton az iparosított mesterséges intelligencia felé

A mesterséges intelligenciával ellátott döntéstámogató rendszerek és alkalmazások bevezetésére irányuló projektek száma rohamos tempóban növekszik, mely a következő években alapfeltétele lehet a versenyben maradásnak.

A hatékony fejlesztés és üzemeltetés előfeltétele az informatikai szakterületek összehangolt együttműködésének megteremtése, így igény mutatkozik a mesterséges intelligencia iparosítására. Az MLOps (Machine Learning Operations) olyan irányítási rendszert nyújt a vezetők számára, mely egységes, etikus, jogszabálykövető, agilis modellfejlesztést és üzemeltetést eredményez. Az MLOps 2021 egyik kiemelt trendje, a Deloitte Tech Trends elemzése szerint.

A Deloitte már tizenkettedik éve elemzi a technológiai szektor globális fejlődését, és a Tech Trends kiadványban azokat a piacot formáló aktuális trendeket publikálja, amelyek meghatározzák a vállalatok számára a következő évek fejlődési irányait. A 2021-es kiadvány egyik kiemelt trendje az iparosított mesterséges intelligencia.

Az intelligens rendszerek ipari és üzleti alkalmazásainak lehetőségei az előző években rendkívüli érdeklődésre tettek szert. Ez nagyrészt a technológiai környezet dinamikus fejlődésének (pl. Big Data) és az üzleti hatékonyságnövelésre vonatkozó igényeknek volt köszönhető. Az intelligens rendszerek alkalmasak az üzleti adatok kinyerésére, értelmezésére, előrejelzések és kimutatások készítésére, továbbá nyelvi elemek, képek és videók feldolgozására. Magas színvonalon képesek üzleti feladatok automatizálására, a szervezeti ellenálló képesség növelésére.

A fejlett szervezetek – melyek már számos mesterséges intelligenciával és gépi tanulással ellátott rendszerimplementációs projektet tudhatnak a hátuk mögött – felismerték, hogy az üzleti értéket teremtő intelligens alkalmazásfejlesztés és üzemeltetés során az agilis módszertanok kiaknázása nagyban segíti céljaik elérését. Ugyanakkor kiemelt figyelmet kell fordítani az intelligens szoftverek életciklusából fakadó egyedi igények beépítésére is. Az intelligens rendszerek fejlesztési fázisai merőben eltérnek a tradicionális szoftverfejlesztési megközelítésektől, ezért kulcsfontosságú a felhasznált keretrendszerek finomhangolása és testre szabása.

Elhúzódó implementálás és megtérülés

A felmérésében résztvevő, közel 750 szervezet csupán 8 százaléka nyilatkozott úgy, hogy a mesterséges intelligenciára vonatkozó fejlesztési és üzemeltetési irányelvek egységes keretet alkotnak. A megkérdezettek több, mint 40 százaléka szerint az éles környezetbe történő implementálás lassú, és a tervezettekhez képest csak jóval később érezhetők az üzleti előnyök. Az ezekhez kapcsolódó várakozások elmaradása a sikertelen projektek fő okozója, mely a részletesen kidolgozott, az üzleti célkitűzéseket követő és az egész szervezetet átölelő sztenderd gyakorlatok hiányából ered.

Miért sikertelenek a projektek?

A sikertelen projektek karakterisztikáit vizsgálva számos esetben tapasztalható, hogy az intelligens rendszerek üzletileg hatékony kiaknázásának előfeltétele; az egységes adatmenedzsment kultúrája nem erősség a szervezetben. Az adatok tárolására, feldolgozására és elemzésére vonatkozó erőfeszítések izoláltan működnek a különböző funkcionális szakterületek között. Ez könnyen vezethet szabályozói környezettel kapcsolatos kockázatokhoz. További kihívásokat eredményezhet, ha kreatív adattudósok és adatelemzők saját elképzeléseik szerint, tapasztalatok, preferenciák, egyéb inkonzisztens gyakorlatok alapján hajtják végre a feladatokat. Ezen kockázatokat a mesterséges intelligencia fejlesztési és üzemeltetési gyakorlatait egységesítő keretrendszer használatával lehet mérsékelni. Így jelentkezett igény az iparosított mesterséges intelligencia megalkotására.

Első lépcső: DevOps

20 évvel ezelőtt az egyes informatikai szakterületek hatékonytalan együttműködésének javítására irányuló folyamat fejlesztések során születtek meg a DevOps gyakorlatok. (A Development és az Operations szoros együttműködésére kitalált kifejezés, melynek lényege, hogy a korábban elkülönült fejlesztési és üzemeltetési területek szorosan együttműködve, hatékonyabban tudják kezelni az IT folyamatokat.) Az automatikus alkalmazásfejlesztés, implementálás és információrendszer menedzsment irányelvek révén a DevOps sikeresen transzformálta az IT csapatok működését.

A DevOps folyamatok megfelelő használata magas szoftverminőséget, fejlesztési hatékonyságot és határidő érzékenységet eredményezett. Ez is alátámasztja az MLOps megalkotásának létjogosultságát. Elvárt a modellezési életciklus és fejlesztési eljárások felgyorsítása, effektív nyomonkövetése és monitorozása, egyszerűbb fenntarthatósága, mely összességében az éles vállalati környezetben üzemeltett mesterséges intelligencia alkalmazások minőségi javulásához vezethet. Az MLOps gyakorlatok kifejlesztése is kezdetét vette, összefoglalva mindazon eljárásokat, melyek az intelligens rendszerek hatékony és sikeres fejlesztési és üzemeltetési modelljét érintik. Fókuszában a végfelhasználói élmény fokozása és az üzleti igények minél teljesebb körű kielégítése áll.

Mivel tud többet az MLOps?

„Az MLOps, a DevOps-szal ellentétben, támogatást nyújt az adatmenedzsmentben, növelve az alkalmazott döntési modellek transzparenciáját és a jogszabályi megfelelőséget – ez például a GDPR-ban nyújthat komoly segítséget. A fejlesztők ugyanis gyakran kevés figyelmet fordítanak a felhasznált adatok jogszerűségére, ez pedig szabványosított keretrendszer és a szervezeten átívelő irányelvek alkalmazásával kiküszöbölhető. így a megfelelőség és a mesterséges intelligencia etikus használata kényszerré válik. Egy olyan szervezet, amely több ezer gépi tanuló modellt fejleszt és üzemeltet, egységes irányítási elvek nélkül kizárólag költségként fog tekinteni a mesterséges intelligenciára, nem pedig üzleti előnyként. Az MLOps tehát egy olyan irányítási rendszert nyújthat a vezetők kezébe, mely egységes, etikus, jogszabálykövető, agilis modellfejlesztést és üzemeltetést eredményez”

– foglalta össze Barta Gergő, a Deloitte IT Kockázatkezelési tanácsadás üzletágának menedzsere.

Az MLOps alappillérei

A mesterséges intelligencia világának az egyik legnagyobb próbatétele ma a szakértői pozíciók feltöltése: a Deloitte globális kutatása szerint a felsővezetők 68 százaléka nyilatkozott arról, hogy legalább mérsékelt szinten szakember hiánnyal küzd. A megkérdezettek 27 százaléka pedig extrém hiányt tapasztalt. A működési modell e specializált területének egyik fő megközelítése a kollaboráción alapszik, ezért hangsúlyos a rugalmas együttműködést lehetővé tévő szervezeti struktúra kialakítása.

„A másik kihívást az üzleti célokkal összhangban álló mesterséges intelligencia stratégia hiánya jelentheti. Nem elég arról dönteni, hogy szükségünk van mesterséges intelligenciával ellátott megoldásokra, stratégiát kell alkotni annak bevezetésére üzleti esetekkel alátámasztva. A stratégia részét kell, hogy képezze az olyan támogató szakterületek és folyamatok fejlesztése, mint az adatmenedzsment, a kockázatkezelési protokollok meghatározása, valamint a tehetséges szakemberek folyamatos képzésére és megtartására irányuló kultúra kialakítása. A mesterséges intelligencia stratégia megléte ma már alapfeltétele a versenyben maradásnak”

– mondta Barta Gergő.

Related Topics:alkalmazás bevezetés deloitte intelligencia iparosított mesterséges mlops projekt tudomány

Up Next

A Telenor meghosszabbítja az oktatási oldalak ingyenes elérését

Don't Miss

Másfél év kell az Európai vállalatoknak a visszaálláshoz

Gazdaság

Így lehet még biztonságosabb és hatékonyabb az adatközpontok működése

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.

Server room, computer illustration.

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.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Gazdaság

A Széchenyi István Egyetem vezetésével indult kutatás az autópályák és közlekedési infrastruktúrák biztonságának növeléséért

A győri Széchenyi István Egyetem vezetésével zajlik az „Autópálya-rézsűk állapotelemzése és javítása önjavító ökológiai technológia kifejlesztésével katasztrófa kockázati körülmények között” című kutatás-fejlesztési projekt.

A Geoplan Mérnökiroda Kft.-vel konzorciumban megvalósuló program célja olyan innovatív technológiák kidolgozása, amelyek hozzájárulnak a geotechnikai kockázatok hatékony kezeléséhez, valamint a közlekedési infrastruktúrák hosszú távú biztonságának és ellenálló képességének növeléséhez.

A tavaly indult és 2028. második felében záruló projekt összköltsége 74,85 millió forint, amelyből 66,78 millió forint támogatást biztosít a Nemzeti Kutatási, Fejlesztési és Innovációs Alap. A Széchenyi István Egyetemre jutó támogatási összeg közel 47,93 millió forint.

A kutatás középpontjában a geológiai veszélyek intelligens előrejelzése és az ökológiai helyreállítás áll. A szakemberek kiemelten az autópályák rézsűinek stabilizálására fókuszálnak, különösen olyan területeken, ahol természeti vagy egyéb katasztrófakockázatok veszélyeztetik az infrastruktúra biztonságos működését. A cél olyan korszerű megoldások kidolgozása, amelyek a legmodernebb technológiák alkalmazásával segítik a geotechnikai problémák megelőzését, kezelését és a károk mérséklését.

A fejlesztések során a kutatók egyebek mellett gépi tanulási módszereket, térinformatikai rendszereken alapuló értékeléseket, numerikus szimulációkat és intelligens monitorozó rendszereket alkalmaznak. Ezek lehetővé teszik a geológiai veszélyek pontosabb azonosítását, előrejelzését és a szükséges beavatkozások időbeni megtervezését.

A projekt egyik legjelentősebb innovációja az önjavító ökológiai helyreállítási technológia fejlesztése. Ennek részeként a kutatók egy négy rétegből álló talajmodellre épülő talajrekonstrukciós és termékenységfenntartó megoldást dolgoznak ki, amely hatékonyan segíti az erózió és a kimosódás elleni védekezést. A technológia egyszerre szolgálja a környezeti fenntarthatóságot és az infrastruktúrák műszaki biztonságát.

A kutatás eredményei nemcsak az autópályák esetében hasznosíthatók. Az új módszerek és technológiák alkalmazhatók lehetnek vasúti és közúti hálózatok, valamint más kritikus infrastruktúrák állapotfelügyeletében és helyreállításában is. A demonstrációs projektek révén a fejlesztések gyakorlati környezetben is bizonyíthatják hatékonyságukat, hozzájárulva a biztonság, a környezetkímélés és a költséghatékonyság növeléséhez.

A projekt azonosítószáma 2024-1.2.8-TÉT-IPARI-CN-2025-0000

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Gazdaság

Folytatódhat a Demján Sándor Tőkeprogram

A Magyar Fejlesztési Bank 2026. augusztus 26-án vállalta, hogy biztosítja a feltételeknek megfelelő vállalkozások hitel- és tőkefinanszírozását, és négy hónappal meghosszabbította a befektetési időszakot.

A mintegy 43,9 milliárd forintos forrásrészlet még nem érkezett meg az MKIK Tőkealap-kezelő Zrt.-hez: az MFB a vezetőváltást követően előbb meg kíván győződni az alapkezelő jogszerű működéséről, valamint arról, hogy az új vezetés elkötelezett a bankkal korábban egyeztetett befektetési stratégia következetes végrehajtása mellett. Az MKIK ehhez minden szükséges dokumentumot, információt és garanciát megad.

A program kedvezményes hitel- és tőkefinanszírozással segíti a magyar kis- és középvállalkozások beruházásait és növekedését. A forrást az MFB biztosítja, az MKIK tulajdonában álló MKIK Tőkealap-kezelő Zrt. pedig a magántőkealap kezelőjeként felel a befektetések lebonyolításáért, a szerződéskötésekért és a finanszírozás vállalkozásokhoz történő eljuttatásáért.

A program eredetileg bejelentett 150 milliárd forintos keretét három, egyenként 50 milliárd forintos részletben tervezték biztosítani. Az első részletet az MFB már az alap rendelkezésére bocsátotta, ennek terhére valósul meg a program első finanszírozási szakasza. A mostani döntés a másodikra vonatkozik: az MFB és az alapkezelő 168 pályázó vállalkozást értékelt pénzügyi, gazdasági, működési és üzletbiztonsági szempontból, közülük 145 felelt meg maradéktalanul a feltételeknek, így az eredetileg 50 milliárd forintos részletből 43,9 milliárd forint szolgálhatja a finanszírozásukat. A harmadik, további 50 milliárd forintos részlet nem tárgya az MFB mostani döntésének; rendelkezésre bocsátásáról az MKIK információi szerint jelenleg nincs végleges döntés, ezért a teljes, eredetileg bejelentett keret jelenleg nem áll az alapkezelő rendelkezésére.

A vezetőváltás előzménye, hogy az MKIK elnöke 2026 júniusában szabályszerűségi vizsgálatot indított az alapkezelő működésével kapcsolatban. Az ügyvédi, számviteli és informatikai szakértők bevonásával zajló átvilágítás első megállapításait követően került sor a vezérigazgató visszahívására és munkaviszonyának megszüntetésére; ezek a lépések az MKIK álláspontja szerint jogszerűen történtek. A vizsgálat első fázisa várhatóan a jövő hét folyamán zárul le, megállapításairól először az MKIK vezetése kap tájékoztatást.

Az MKIK álláspontja szerint a volt vezérigazgató részéről az elmúlt napokban több sajtóorgánumban megjelent állítások tényszerűen megalapozatlanok, és a vizsgálat menetére nincsenek hatással. Az átvilágítás dokumentumok alapján, szakértők bevonásával zajlik, azt nyilatkozatok nem befolyásolják. Az MKIK elnöke kitart a tények teljes körű feltárása mellett, és ettől a személyét vagy a Kamarát érő megalapozatlan és nemtelen támadások sem tántorítják el.

Az alapkezelő működése folyamatos: az MKIK álláspontja szerint a döntéshozatalhoz, a képviselethez és az operatív működéshez szükséges szervezeti és aláírási rend az új vezérigazgató kinevezéséig is biztosított. Az MKIK és az MKIK Tőkealap-kezelő Zrt. együttműködik az MFB-vel, és haladéktalanul a bank rendelkezésére bocsátja a kért dokumentumokat, információkat és garanciákat.

A befektetési időszak négy hónapos meghosszabbításával elegendő idő állhat rendelkezésre a szerződéskötések és a finanszírozás lebonyolítására. Ezek tényleges ütemezését a forrás beérkezése és a kötelező ellenőrzések lezárása határozza meg; a teljesen előkészített ügyleteknél ezt követően rövid időn belül sor kerülhet a szerződéskötésre és a folyósításra.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!