all
Tech Trends 2030: A generatív AI következő korszaka
Ez a Tech Trends jelentés feltárja a generatív ipari mesterséges intelligencia fejlesztéseit és azok ipari hatását. Fedezze fel a legfontosabb trendeket és a jövőbeli forgatókönyveket.
Mesterséges intelligencia – szójegyzék
Az AI területe a diszciplínák és technológiák széles körét foglalja magában. A legfontosabb fogalmakat tartalmazó szójegyzék segíthet bővíteni ismereteit, és mélyebben elmerülni ebben a lenyűgöző világban.
A
Az Agentic AI olyan fejlett AI-rendszerekre utal, amelyek túlmutatnak a puszta parancsvégrehajtáson; tartalmat hoznak létre, autonóm módon hajtanak végre feladatokat, és célokat érnek el. Ezek a rendszerek az önálló tervezés és cselekvés érdekében következtetési képességeket, memóriafunkciókat és visszacsatolási hurkokat kombinálnak, gyakran különféle digitális eszközöket használva, és tanulás révén igazítva megközelítésüket. A hagyományos AI-val ellentétben az Agentic AI önállóan és más AI-ügynökökkel együttműködve is képes működni, autonóm döntéseket hozva, miközben különböző platformokkal és rendszerekkel lép kapcsolatba összetett feladatok végrehajtása érdekében.
Ipari környezetben az Agentic AI olyan AI-rendszerek alkalmazását jelenti, amelyek képesek önállóan monitorozni, elemezni és irányítani az ipari műveletek különböző aspektusait, például a prediktív karbantartást, a minőségellenőrzést, a készletgazdálkodást vagy a gyártási folyamatok optimalizálását.
A mesterséges intelligencia (AI) olyan szoftverre utal, amely képes tanulni és alkalmazkodni. Az AI olyan feladatokat képes megoldani, amelyek során értelmeznie kell a bemeneti adatok jelentését, és alkalmazkodnia kell a követelményekhez. Jellemzően olyan feladatokról van szó, amelyeket korábban csak a természetes intelligencia tudott megoldani. Az AI-módszereknek több típusa létezik, amelyek alkalmazási területeik, lehetőségeik és a hozzájuk kapcsolódó kockázatok tekintetében jelentősen eltérnek egymástól. Az AI alapelveit a 20. században dolgozták ki. Mivel minden AI-módszer nagy mennyiségű betanítási adatot igényel, a technológia a digitalizáció és a big data révén mára egyre nagyobb jelentőségre tett szert.
Olyan technológia, amely lehetővé teszi, hogy digitális információk kerüljenek rávetítésre valós környezetekre és objektumokra, jellemzően immerzív 3D virtuális valóság használatával. Az AR a fizikai világ kibővített változatát teszi lehetővé digitális vizuális, hang- és egyéb érzékszervi elemek hozzáadásával.
Olyan rendszerek, amelyek emberi beavatkozás nélkül képesek működni, például az önvezető autók és a drónok.
Olyan járművek, amelyek emberi beavatkozás nélkül képesek működni, például az önvezető autók és tehergépjárművek.
B
Nem szándékos előítélet vagy részrehajlás, amely az AI-rendszerekben elfogult betanítási adatok vagy algoritmusok miatt fordulhat elő.
Nagy méretű és összetett adathalmazok, amelyeket gyakran ipari érzékelők, de vállalatok, szervezetek és emberek is létrehoznak. Mivel ezek az adatok gyakran strukturálatlanok, hiányosak vagy hibásak, a nem AI-alapú szoftverek általában nem tudják őket érdemben feldolgozni.
C
AI-alapú program, amely szöveges vagy hangalapú kommunikáció révén képes kapcsolatba lépni emberekkel.
Az AI egyik típusa, amely az emberi kognitív folyamatok, például az észlelés, a következtetés és a döntéshozatal utánzására törekszik.
Az AI egyik részterülete, amely lehetővé teszi a számítógépek számára, hogy vizuális tartalmakból, például képekből és videókból információt nyerjenek ki, hogy megértsék és értelmezzék azokat.
Stratégiák, intézkedések és eszközök, amelyek segítenek megvédeni a digitális információkat a külső támadókkal szemben. Az AI felhasználható kibertámadások észlelésére és megelőzésére, valamint a biztonsági incidensek azonosítására és kezelésére.
D
Az adatok elemzésének és értelmezésének folyamata a felismerések feltárása és a megalapozott döntéshozatal érdekében.
Olyan számítógépes rendszerek, amelyeket arra terveztek, hogy releváns információk és elemzések biztosításával segítsék az embereket a döntéshozatalban.
A gépi tanulás egyik részterülete, amely több rétegből álló neurális hálózatok használatával teszi lehetővé, hogy a gépek adatokból tanuljanak.
Olyan matematikai modell, amely egy fizikai objektum vagy folyamat viselkedését írja le. Szimulációs környezetben a digitális iker arra használható, hogy szimulálja, mi történne a valós világban, ha a rendszer paraméterei megváltoznának. A digitális ikrek a termék teljes életciklusa során alkalmazhatók, beleértve a tervezési, gyártási, üzemeltetési és szervizelési fázisokat is. A digitális ikrek vizuális megjelenítése úgy néz ki és úgy viselkedik, mint fizikai megfelelőjük: leképezi a valós világot, és valós időben alkalmazkodik az ott zajló eseményekhez.
E
Az edge computing olyan rendszerarchitektúra, amely a felhőalapú számítástechnikával ellentétben közelebb viszi a számítási és adattárolási kapacitást az adatforrásokhoz (az „edge”-hez). Segít csökkenteni a válaszidőt és az adattovábbításhoz szükséges energia mennyiségét. A peremhálózati AI-rendszerek fizikailag is megvalósíthatók a tényleges végrehajtó eszköz közelében. Ezek az eszközök felhőkapcsolat nélkül is képesek AI-alkalmazásokat futtatni.
Olyan AI, amelyet arra terveztek, hogy kapcsolatba lépjen a fizikai világgal és eligazodjon benne, gyakran robotok vagy autonóm járművek használatával.
Az erkölcsi elvek tanulmányozása és alkalmazása az AI fejlesztése és használata során, beleértve az olyan kérdéseket is, mint az elfogultság, az adatvédelem és az elszámoltathatóság.
Olyan AI, amelyet átláthatóra és magyarázhatóvá terveztek, lehetővé téve az emberek számára annak megértését, hogyan és miért hozott a gép egy adott döntést.
F
A gépi tanulás egyik betanítási módszere, amelyben több különálló eszköz saját (különálló) adathalmazával tanít be egy gépi tanulási modellt. A hálózat fő szereplőjével csak a végeredményeket osztják meg.
G
Olyan AI, amelyet arra terveztek, hogy meglévő tartalmak kombinálásával és az azokból való tanulással új tartalmakat, például képeket, videókat és zenét hozzon létre.
Egy alkalmazás, például CAD-szoftver képessége arra, hogy meghatározott korlátozó feltételek alapján autonóm módon több tervezési alternatívát hozzon létre. Olyan technikákat használ, mint az AI, az optimalizálás és a szimuláció.
I
Az ipari AI az AI alkalmazását jelenti azokban az iparágakban, amelyek gazdaságaink gerincét alkotják – az iparban, az infrastruktúrában, a mobilitásban és az egészségügyben.
Az ipari alapmodellek (Industrial Foundation Models, IFM-ek) iparágspecifikus adatokon arra betanított modellek, hogy mélyen megértsék a mérnöki tervezés, az automatizálás és a gyártás „nyelvét”, valamint hogy lehetővé tegyék az AI-megoldások gyorsabb és pontosabb bevezetését. Szabványosított kiindulópontot biztosítanak, így méretgazdaságosság révén időt, erőforrást és energiát takarítanak meg. Az IFM-eket valós ipari kihívások megoldására alakították ki. Az Industrial Copilotok mögött álló intelligenciarétegként működnek, és elősegítik a tudásátadást, valamint az ágazatok közötti együttműködést. Nemcsak a szöveget, képeket és hangot támogatják, hanem a 3D modelleket, 2D rajzokat és más összetett struktúrákat is, például az iparágspecifikus idősoros adatokat (lásd még: multimodális LLM-ek).
Az ipari szintű AI olyan minőségi szintet jelöl, amely biztonságos és megbízható működésre tervezett, hogy megfeleljen a legigényesebb professzionális környezetek szigorú követelményeinek és szabványainak.
Az a fogalom, amelyet a negyedik ipari forradalom leírására használnak, és amely az AI, az IoT és más fejlett technológiák gyártásba és iparba történő integrációját foglalja magában.
Szenzorokkal, szoftverrel és kapcsolódási képességekkel ellátott műszaki eszközök hálózata, amely lehetővé teszi az adatcserét. Az IoT a digitalizáció és a big data egyik fő hajtóereje.
K
Olyan adatbázis, amely a tudást egymással összekapcsolt csomópontok és élek gráfjaként jeleníti meg, és amelyet AI-alkalmazásokhoz, például NLP-hez és kereséshez használnak.
L
Olyan AI-nyelvi modell, amelyet hatalmas mennyiségű adaton, például a GPT-3-on tanítanak be, hogy emberszerű szöveget hozzon létre.
M
Az AI egyik részterülete, amely algoritmusok és statisztikai modellek használatával teszi lehetővé, hogy a gépek tapasztalatból vagy adatokból tanuljanak.
Az AI egyik részterülete, amely lehetővé teszi a kamerával felszerelt gépek számára, hogy vizuális információkat nyerjenek ki környezetük megértéséhez és értelmezéséhez.
A multimodális LLM-ek egyszerre többféle adattípust – például szöveget, képeket, hangot vagy szenzoradatokat – képesek megérteni és feldolgozni. Olyan alkalmazásokba integrálják őket, mint a számítógépes látás, az autonóm járművek és a robotika. Javítják az objektumfelismerést, a jelenetértelmezést, és lehetővé teszik, hogy a gépek összetett utasításokat kövessenek. A multimodális LLM-ek képesek lehetnek ugyanúgy hatást gyakorolni az iparágspecifikus adatok – például az idősorok, a 2D és 3D modellek vagy a gépi látáshoz szükséges adatok – feldolgozására és előállítására, ahogyan a hagyományos LLM-ek hatással voltak a szöveg- és beszédfeldolgozásra.
N
Az AI egyik részterülete, amely a számítógépek és az emberi nyelv közötti interakcióra összpontosít.
Olyan felület, amely lehetővé teszi az emberek számára, hogy természetes gesztusok, beszéd és más kifejezési formák segítségével lépjenek kapcsolatba a számítógépekkel.
A gépi tanulási algoritmusok egyik típusa, amelyet az emberi agy szerkezetének mintájára alkottak meg, és amelyet az adatokban található mintázatok felismerésére használnak.
Olyan folyamat, amely több alegységből álló épületek vagy gépek feszültség- és áramváltozásait elemzi annak érdekében, hogy megállapítsa az egyes eszközök egyedi hozzájárulását a rendszerben.
P
A fizikai AI a mesterséges intelligencia olyan gépekbe – például robotokba – történő integrációjára utal, amelyek érzékelni képesek környezetüket, és cselekedni tudnak abban. Az emberi szenzomotoros ciklus által inspirált fizikai AI feldolgozza az érzékszervi bemeneteket (például a 3D kamerákból vagy tapintásérzékelőkből származó adatokat), ezekből vezérlési parancsokat generál, és lehetővé teszi, hogy a gépek összetett feladatokat adaptív és autonóm módon hajtsanak végre fizikai, 3D környezetekben.
A fizikai törvények által támogatott AI, más néven fizikai törvényeket figyelembe vevő AI, a mesterségesintelligencia-módszerek új osztályát jelöli, amely közvetlenül beépíti a fizikai törvényeket a betanítási folyamatba. A hagyományos AI-megközelítésekkel ellentétben, amelyek nagymértékben nagy adathalmazokra támaszkodnak a viselkedés elsajátításához, a fizikai törvények által támogatott AI fizikai alapú korlátozásokat integrál a tanulás irányítására. Ez lehetővé teszi, hogy az AI-rendszerek akkor is következtessenek és előrejelzéseket készítsenek, amikor a valós adatok korlátozottan állnak rendelkezésre, mivel felhasználják a fizikai világ működésére vonatkozó meglévő ismereteinket. Ahelyett, hogy kizárólag példákból tanulnának, ezek a modellek a fizikai törvényekre vonatkozó tudásukat használják arra, hogy a tanulást optimálisabb és fizikailag következetesebb megoldások felé irányítsák.
A prediktív AI statisztikai elemzést és gépi tanulást használ a gépekből és berendezésekből származó valós idejű és múltbeli működési adatok mintázatainak azonosítására, lehetővé téve a jövőbeli viselkedések előrejelzését, a rendellenességek észlelését, a lehetséges meghibásodások előrejelzését és a karbantartási intézkedések ajánlását. Az eszközállomány állapotának és megbízhatóságának javítására, a nem tervezett leállások csökkentésére és a gyorsabb, adatvezérelt döntéshozatal támogatására használják az ipari működés egészében.
Az AI és a statisztikai modellek használata a jövőbeli események vagy trendek előrejelzésére múltbeli adatok alapján.
Az AI használata annak előrejelzésére, hogy a gépeknek mikor lesz szükségük karbantartásra vagy javításra, valós idejű adatok alapján.
Q
Az AI használata a hibák észlelésére és annak biztosítására, hogy a termékek megfeleljenek a minőségi szabványoknak.
R
A gépi tanulás olyan típusa, amelyben a betanítatlan ágensek a végrehajtott műveleteket követően a rendszer büntetései és jutalmai révén sajátítanak el egy stratégiát.
Azok az AI-alkalmazások, amelyek megfelelnek a meghatározott etikai és erkölcsi normáknak.
A mérnöki tudományoknak és az AI-nak az az ága, amely a robotok tervezésére, felépítésére és működtetésére összpontosít.
S
Az AI használata a szövegben vagy beszédben kifejezett érzelmek és vélemények elemzésére és értelmezésére.
Olyan villamosenergia-hálózat, amely AI-t és más fejlett technológiákat használ a villamos energia termelésének, elosztásának és felhasználásának optimalizálására.
A speciális hardverek – például a Graphics Processing Unit (GPU) vagy a Language Processing Unit (LPU) által támogatott peremhálózati eszközök – az ipari AI egyik feltörekvő trendjét jelentik. Ezek az eszközök nagy teljesítményű számítási kapacitást biztosítanak a peremhálózaton, lehetővé téve az AI-algoritmusok valós idejű feldolgozását. Integrációjuk párhuzamos feldolgozást és gyorsított teljesítményt tesz lehetővé, ami az összetett AI-feladatok gyorsabb végrehajtását eredményezi. Ez a helyi feldolgozás csökkenti a késleltetést és a felhőalapú erőforrásoktól való függőséget, ami kulcsfontosságúvá teszi az időérzékeny alkalmazások esetében. A speciális hardverek emellett támogatják a fejlett AI-modelleket, ami jobb felismerésekhez és nagyobb teljesítményhez vezet. Ezenfelül csökkentik a költségeket azáltal, hogy minimalizálják a kiterjedt felhőinfrastruktúra és az adatátvitel szükségességét.
A gépek azon képessége, hogy felismerjék és értelmezzék az emberi beszédet.
Olyan tanulási módszer, amelynek során a gépi tanulási modelleket címkézett (ismert) adathalmazokkal tanítják be egy kimenet előrejelzésére.
Az áruk és anyagok áramlásának optimalizálása az ellátási láncban a költségek csökkentése és a hatékonyság javítása érdekében. Az AI-t gyakran használják a folyamatok automatizálására, a hatékonysághiányok felismerésére, az áruk minőségbiztosítására és a kereslet előrejelzésére.
Valós események helyett algoritmusok által létrehozott mesterséges adatok, amelyeket a gépi tanulási modellek betanítására és validálására használnak. A szintetikus adatok minősége kritikus jelentőségű. Ez határozza meg, hogy az AI a betanítás után képes lesz-e elfogadható eredményeket előállítani.
U
Olyan tanulási módszer, amelyben a gépi tanulási modellek korábban ismeretlen (nem címkézett) adatokban fedeznek fel mintázatokat és csoportosításokat.
V
A virtuális valóság (VR) digitálisan megjelenített környezetet jelenít meg, amely képes egy valós teret leképezni, alternatív valóságot létrehozni vagy a kettőt kombinálni. A felhasználó otthonról, irodából vagy az üzemi területről is bejárhatja a virtuális teret.
