Az AI jövője
(2026 június)
.
Ma az AI szűk keresztmetszete a megbízhatóság és a valós világgal való kapcsolata.
Az AI-t megelőző rendszer és termelésirányító algoritmusok és az AI között nagy az átfedés: el kellene különíteni őket, mert az algoritmusok nem valószínűségi alapon működtek, mint az AI. A klasszikus irányító algoritmusok és a modern, adatvezérelt MI közötti határvonalat a működési elvük határozza meg: a determinisztikus logika versus a valószínűségi megközelítés.
A klasszikus irányító algoritmusok (pl. a PID szabályozók, szakértői rendszerek) determinisztikus működésűek, ugyanarra a bemenetre a rendszer mindig ugyanazt a kimeneti választ adja. A működés szabályait, matematikai egyenleteket és határértékeket mérnökök előre rögzítették. A rendszer nem változtatja meg a saját belső logikáját a tapasztalatok alapján. A működésük 100%-ban átlátható, nem hallucinál, tesztelhető és matematikailag bizonyítható. Az általános mesterséges intekkigencia (AGI) még a messzi jövőben van, amig a mai hallucinál.
A mesterséges intelligencia (AI, gépi tanulás, neurális hálók) statisztikai és valószínűségi alapokon működnek, valószínűségeket számolnak, adatvezérelt működésűek, mintázatokat hasonlítanak össze nagy adatbázisban. A tapasztalatok (tanítóadatok) alapján folyamatosan finomítják a belső paramétereiket (súlyokat). Képes olyan helyzetekben is döntést hozni, amilyenekkel a tanítás során közvetlenül nem találkoztak, de hallucinálnak. A döntési folyamat gyakran annyira összetett, hogy nem követhető vissza (fekete doboz).
A mesterséges intelligencia (AI, gépi tanulás, neurális hálók) statisztikai és valószínűségi alapokon működnek, valószínűségeket számolnak, adatvezérelt működésűek, mintázatokat hasonlítanak össze nagy adatbázisban. A tapasztalatok (tanítóadatok) alapján folyamatosan finomítják a belső paramétereiket (súlyokat). Képes olyan helyzetekben is döntést hozni, amilyenekkel a tanítás során közvetlenül nem találkoztak, de hallucinálnak. A döntési folyamat gyakran annyira összetett, hogy nem követhető vissza (fekete doboz).
Bár mindkét terület célja az automatizálás és a problémamegoldás, az elméleti alapjuk (matematikai analízis/algebra vs. valószínűségszámítás/statisztika) alapvetően különbözik. A jövő a hibrid rendszereké, ahol a determinisztikus algoritmus és az MI együtt dolgozik, ahol az AI feladata a nagy hierarchikus rendszerek optimalizálása is. Az optimalizálás is egyfajta automatizálás, és nagy rendszereknél hatalmas a várható haszna.
Automatizálás -először analóg, aztán digitális- az AI előtt is volt*. Ma az AI gyors terjedése miatt egy minőségi ugrás korában vagyunk. A technológiai forradalmak történetében az újítók mindig felismerték, hol található a rendszer szűk keresztmetszete az adott korban. De az AI-beruházási hullám nem mutatja a kifulladás jeleit, sőt... A legnagyobb technológiai vállalatok növekvő mértékben költenek adatközpontokra, chipekre, memóriára és kapcsolódó infrastruktúrára, és még mire? Ők a kor valódi újítói.
Az Amazon, a Google, a Meta és a Microsoft AI-infrastruktúrára fordított beruházásai 2026-ra várhatóan közel háromszorosukra emelkednek a 2024-es szinthez képest. A bővülés üteme nyilván mérséklődni fog, és más fejlesztési területek kapcsolódnak be, ilyenek a lesznek humanoid robotok, melyek ma még csak inkább kísérletek.
Az AI egyik nyertese az Nvidia**, a szűk keresztmetszetet a számítási kapacitás jelentette, ma a memória. Sokan úgy vélik, hogy az AI-infrastruktúra bővítését az energiaellátás és a hűtési kapacitás, a nagy teljesítményű memória fogja korlátozni. A legnagyobb nyereség néha ott keletkezik, ahol a rendszer legfontosabb korlátja található. De Elon Musk űripari és mesterséges intelligenciával foglalkozó vállalata 2026 június közepén a nyilvános részvénykibocsátás első körében 85,7 milliárd dollárt gyűjtött, és az Nvidia 20 milliárd dollárt (Reuters). A Tesla, a kaliforniai üzemében, Fremontban a fő gyártósort átalakították, és az autók helyett Optimus humanoid robotok-at szerelnek össze. Évi 1 milliós kapacitás elérése a cél. Az Nvidianak több ezer milliárd dolláros piacot jelenthet a Tesla Optimus általános felhasználású, humanoid robotjainak gyártása, ami az első lehet, amely a gyártott darabszámnak köszönhetően képes lesz egy többmilliárd dolláros üzletágat eltartani. A Tesla 2027-re mindenki számára elérhetővé tenné humanoid robotjait, és a robotok irányítása okostelefonokkal fog történni, tanításuk videókkal.
*Alexandriában az i. u. 1. században Hérón (https://hu.wikipedia.org/wiki/H%C3%A9r%C3%B3n) hidraulikus rendszert fejlesztett ki a templomok ajtóinak nyitására és zárására. A görög templomokban tűz égett az oltáron. Hérón egy rézedényt függesztett a tűz alá, félig vízzel töltve, a rézedény néhány további edényhez volt csatlakoztatva, amelyek egy csigarendszerre erősített súlyként működtek. Amikor a pap meggyújtotta a tüzet, a rézedényben lévő levegő tágult, és a vizet a tartályokba nyomta. Amikor a tartályok kellően megteltek, leereszkedtek, lehúzták a vonó köteleket, és kinyitották az ajtókat. Az ajtókat naponta egyszer nyitották ki, amikor a hívők megérkeztek a templomba. A rendszer több órát vett igénybe a tűzgyújtástól az ajtók kinyitásáig. A fő célja a hívők csodálatba ejtése volt. Heron számos pneumatikus és hidraulikus találmány mellett a Pneumatika (Schmidt XXXVIII.) című művében írta le a mechanizmust, és a "37-es számú gépezetnek" nevezte el. Heron szövege szerint Alexandria városkapujánál is hasonló automata ajtómüködtető hidraulikát épített.
A görög-római Egyiptomban említésre méltó az első hidraulikus gépi automaták megépítése Ctesibius (i. e. 270 körül) és Alexandriai Hero (i. u. 10-80) által. Hero több hidraulikus erővel működő munkagépet ír le, például szivattyút, amelyről számos római kori lelőhelyről tudjuk, hogy vízemelésre és tűzoltógépekben használták.
Gőzzel működő kapu (https://hu.heinda-cn.com/news/the-origin-of-automatic-doors-57038983.html)
A templom ajtaja kinyílt a tűz meggyújtása után, és automatikusan bezárult, amikor a tűz kialudt. Ha meggyújtották a tüzet a templom előtti oltáron és alatta, nyomás keletkezett egy edényben. A tartályban lévő folyadék egy tömlőn keresztül egy másik, a mennyezetre felfüggesztett és a templomajtó földalatti ajtófélfájához csatlakoztatott tartályba jutott. A víz súlya mozgatta az ajtókat csigás kötélzettel. Amikor a láng kialudt, a víz visszaszívódott az első edénybe, a második tartály könnyebbé vált, és az ellensúly bezárta az ajtót. A nézők számára csoda volt, azonban az ötletet hamar elvetették, mert úgy gondolták, hogy így a betörők könnyen bejutnak a templomba (https://hu.heinda-cn.com/news/the-origin-of-automatic-doors-57038983.html).
**Az NVIDIA bevételei
A bevételeinek már a többségét a tervezett adatközponti és mesterséges intelligencia (AI) chipek tették ki. Korábban meghatározó lakossági játékokhoz gyártott videokártyák részaránya jelentősen visszaszorult. Az NVIDIA egy úgynevezett „fabless” (gyár nélküli) vállalat, a chipeket csak tervezik, a fizikai gyártást külső partnerekkel (főleg a tajvani TSMC-vel) végeztetik. A legfrissebb, 2026-os lezárt pénzügyi év hivatalos adatai alapján az NVIDIA termékkategóriáinak és piacainak százalékos megoszlása a teljes bevételből a következőképpen alakul:
Termékkategória - Piaci szegmens - Főbb termékek Bevételi részesedés (%) Éves árbevétel (USD)
Adatközpontok (Data Center), AI-gyorsítók (Hopper H100/H200, Blackwell B200),
szuperszámítógépes chipek, nagy sebességű hálózati eszközök (Mellanox). 8,7% 193,74 milliárd $
Lakossági PC-s videokártyák, GeForce RTX, konzolchipeket adó licencek (pl. Nintendo Switch). 7,4% 16,04 milliárd $
Professzionális vizualizáció, NVIDIA RTX kártyák fejlesztőknek, 3D stúdióknak (Omniverse). 1,5%3, 19 milliárd $
Autóipar NVIDIA DRIVE platformok, önvezető autós chipek és AI-szoftverek járművekbe. 1,1% 2,35 milliárd $ OEM, beágyazott rendszerek, kriptovaluta-bányászatra szánt chipek (CMP), licencek. 0,3% 0.619 milliárd $
Főbb trendek az Nvidia számok mögött: az adatközponti szegmens (Data Center) néhány év alatt a vállalat marginális ágából egy közel 90%-os óriássá nőtte ki magát a ChatGPT-hez hasonló nagy nyelvi modellek betanítása iránti igény miatt. Az NVIDIA a legújabb pénzügyi jelentéseiben már összevontan kezeli a lakossági, autós és professzionális piacokat Edge Computing gyűjtőnév alatt, elkülönítve azt az adatközpontoktól.
Az automatizálás jövője a következő 10-20 évben
Az AI statisztikai alapon működik, az alapelvében benne van a hibás működés lehetősége. De ha egy AI-agens működését addig javítgatjuk, hogy egy adott feladatnál már nem hibázhat, akkor az már mérnöki algoritmus, és nem AI-ügynök, ez a különbség meghatározza az AI jövőjét. Az AI a mintázatfelismerés alapján hallucinálhat, az ember a megismerés logikájában nem hibázhat.
A jövő az emberi felügyeletet nem igénylő hibrid rendszerek: az autonóm AI-agensek, a mérnöki-algoritmusok és az emberi felügyeletet igénylő AI-agensek elterjedéséről fog szólni. Míg a múltban az automatizálás a fizikai, ismétlődő gyári folyamatokra korlátozódott, addig a jövőben a fehérgalléros, szellemi és optimális döntéshozatalt igénylő munkakörök válnak sok területen automatizálttá. Az emberi felügyeletet igénylő AI-agensek lesznek a szakértők munkaeszközei, a hibrid rendszer más részeit az AI vezérli majd. Érdekes módon az AI fejlődésében látszik, hogy a "több paraméter és több GPU" már nem hoz akkora javulást, mint néhány évvel ezelőtt. A következő nagy előrelépéseket valószínűleg a jobb tanulási módszerek, a robotikai tapasztalatszerzés, utánzás, valamint a megbízhatóbb és önállóbban videókból tanuló rendszerek fogják meghatározni.
Technológiai trendek: digitális automatizálás és autonóm gyárak: egyes gépek képesek lesznek önmaguk konfigurálására, karbantartására és a hibák kijavítására mérnöki beavatkozás nélkül. A gyárakban sok helyen 24 órás, teljesen automatizált -világítás nélküli- termelés lesz. Humanoid robotok tömeges elterjedése várható, 10-20 éves távlatban a logisztikában, a mezőgazdaságban és a háztartásokban is általános segítőtárssá válnak. A mesterséges intelligencia és a robotok minden gazdasági ágazatban együtt fognak dolgozni. A munkakörök átalakulnak, az adatrögzítők, adminisztrátorok, alapszintű programozók és rutinszerű fizikai munkát végzők álláslehetőségei csökkenni fognak, autonóm AI-agensek végzik majd a munkájukat. A bonyolult, hierarchikus rendszerek optimalizálása, a problémamegoldás lesznek a szakértők és az AI-asszisztensek együttes működési területei. Folyamatos átképzési kényszerben vagyunk már ma is: a munkavállalóknak a rugalmas alkalmazkodás és a technológiával való együttműködés a legfontosabb képessége.
A legnagyobb kihívás az átképzés milliók számára, a kiberbiztonság, a hallucináció, az MI döntéseinek ellenőrzése. Kérdéses, hogy nem a technológia fejlődése, hanem inkább a társadalom alkalmazkodási sebessége lesz-e a korlátozó tényező. A robotok és az AI gyorsabban fejlődnek, mint ahogy a munkaerőpiac, az oktatás és a jogi szabályozás képes követni őket.
A klíma és az AI
A jövőkutatók szerint a klímaváltozás ellenszere és legnagyobb veszélye egyben a mesterséges intelligencia (AI). Klímaváltozás nem lesz, hanem már ma visszaveti a gazdaságot. Bár az új technológiák hatalmas esélyt kínálnak a szén-dioxid-kibocsátás csökkentésére és az erőforrások optimalizálására, az MI rohamos terjedése ökológiai lábnyomot hagy a Földön. A technológia ígérete a hatékonyság növelése: az MI képes pontosan modellezni és optimalizálni az energiafelhasználást, a mezőgazdasági öntözést, és radikálisan csökkentheti az épületek vagy a logisztikai hálózatok karbonlábnyomait. Az AI-algoritmusok segítségével előrejelezhetőek az időjárási események és az ökoszisztémák változásai. Az MI felgyorsítja az új technológiák (például hatékonyabb akkumulátorok, fúziós energia, kvantumszámítógépek) kutatását és fejlesztését. 2030-ra megháromszorozzák a megújuló energiaforrások telepítését. Az MI energiafelhasználása gyorsan csökken: terjednek a lokális, kisméretű és energiatakarékos modellek, az edge AI: a mesterséges intelligencia közvetlenül laptopokon, az eszközökön (okostelefonokon, háztartási gépeken, ipari gépeken) fut, és nem, vagy csa részben a felhőben.
A világ legnagyobb technológiai vállalatainak kibocsátáscsökkentési ígéretei – például a Google és a Meta célja, hogy 2030-ra elérjék a nettó zéró kibocsátást – nehézségekbe ütköznek a mesterséges intelligencia térnyerése miatt is. A Google kibocsátása a legutóbbi éves adatok szerint körülbelül kétharmadával nőtt 2020-hoz képest, a Meta pedig 64%-os emelkedést jelentett, adatközpontjainak villamosenergia-fogyasztása világszerte több mint egyharmadával nőtt 2023-ban, közel 15 millió megawattórára, és 2019 óta megháromszorozódott. A Microsoft szén-dioxid-lábnyoma 2020 óta több mint 40%-kal emelkedett. Az Amazon az elmúlt két évben csökkenő szennyezést jelentett, ám megkérdőjelezték a megújuló energia jóváírásokra támaszkodó stratégiáját. Az Apple ezzel szemben arról számolt be, hogy a tiszta energia gyártásban való alkalmazása és a jobb újrahasznosítás révén 2015 óta több mint felére csökkentette kibocsátását. Lehet, hogy a jövő nem hatékonyság növelésről, a megújuló energiaforrásokról vagy az újrahasznosított alapanyagokról fog szólni, hanem arról, hogy lemondunk-e arról, amit eddig „haladásnak” neveztünk. Valódi változást csak akkor érhetünk el, ha a fenntarthatóságot nem távoli célként, hanem napi alapvetésként kezeljük.
Valódi változás lesz az ellátási láncok összeomlása
A hagyományos gyártási modellben, az olcsóbb munkaerő miatt, a termelést távoli régiókba, főként Ázsiába vagy Kelet-Európába szervezték ki. A "költségoptimum" azonban hosszú elosztóláncot, raktárbázisokat és folyamatos készletezést igényel. Ahogy a távoli régiókban drágul a munkaerő és a raktározás, megtakarítás érhető el a visszaszervezett gyártással. Helyben fog történni a tervezéstől az eladásig a szabványosított szoftvervezérelt gyártás. Az AI és robotikai megoldásokat integráló rendszerek az Al-alapú, de már nem kizárólag felhőalapú helyi gyártási szoftverek mérnöki pontossággal működhetnek, a folyamatos adatgyűjtéseknek köszönhetően önmagukat folyamatosan optimalizálják. A több mint egy évszázada működő tömeggyárak új kihívást kapnak az egyedi igényekre szabott, lokális, a fogyasztói piacok közvetlen közelében működő, magasan automatizált középméretű gyárak megjelenésével.
A kisebb gyárak kevesebb erőforrást igényelnek: a berendezések és a rendszerek méretét közvetlenül a végtermék adottságaihoz, formájához, csomagolhatóságához igazítják, így a gyár alapterülete és ezzel együtt a szükséges tőkebefektetés, valamint a működési költségek is csökkennek. A tényleges termelés nem raktárra történik, akkor indul el, amikor a gyártóhoz beérkezik a megerősített, vagy már kifizetett, megelőlegezett rendelés. Mindig a valós fogyasztói igény generálja a termelést.