Mesterséges intelligenciát fejlesztenek Budapesten
Tovább bővítik szakértelmüket a mély gépi tanulás területén, hogy megvalósíthassák az automata vezetést – mondta el Karl Haupt, a Continental üzletágvezetője.

 

Markus Strothjohann, a cég magyarországi HR vezetője elmondta: azért választották Budapestet, mert itt már adott egy aktív autóipari környezet, számos egyetem és kutatóközpont, valamint az általuk keresett specialisták is rendelkezésre állnak. Körülbelül száz szoftver és hardver szakértő felvételét tervezik az új egységükhöz, mely célkitűzést rendkívül hamar szeretnénk megvalósítani.

"Folyamatosan keresünk gépi tanulásban jártas szakembereket, big data mérnököket, hardver-szoftver tervezőket, beágyazott rendszermérnököket és alkalmazás mérnököket” – hangsúlyozta Jens Brüning, az új budapesti kompetencia központ vezetője. Azt is hozzátette, hogy „az új fejlesztési irodánk Budapest belvárosában a legújabb eszközökkel lesz felszerelve, így az alkalmazottaink a lehető legkiválóbb környezetben dolgozhatnak a jövő mobilitásán.”

A budapesti mesterséges intelligencia központot az egyéb fejlesztési helyszíneken már jelen lévő globális szoftvergyártó hálózatba integrálják, a fejlett vezető támogató rendszerek üzletágon belül végzi majd tevékenységét. Az új fejlesztőközpontnál a fókusz a mély gépi tanulásra, azon belül is a biztonság szempontjából kritikus, valós idejű szoftveres alkalmazásokra helyeződik. „A kompetenciaközpontunkban komplex vezetési szituációk kezelésére szolgáló megoldásokat fejlesztünk majd ki ennek a rendkívül gyorsan fejlődő technológiának a segítségével” – tette hozzá Thomas Brohm fejlesztési vezető.

A fejlett vezető támogató rendszerek üzletág már évek óta épít a gépi tanulásra és a neurális hálózatok tudományára. Az új MFC 500 multifunkcionális kamera rendkívül nagyfokú számítási teljesítményének köszönhetően képesek vagyunk nagymértékben kiaknázni a mély neurális hálózatokban rejlő lehetőségeket. Ezáltal a komplex közlekedési helyzetek rendkívül pontosan rögzíthetőek, amelyek alapos és átfogó megértése óriási lépéssel visz közelebb minket az automata vezetéshez.

A mély gépi tanulás

Az intelligens járműveknek tudniuk kell, hogy az őket körülvevő, közlekedésben résztvevők hogyan fognak viselkedni. A komplex vezetési környezetben a döntéseket nem lehet csupán egy tárgy vagy egy érzékelő alapján meghozni. Mindennek folyamatosan biztonságosan kell működnie, függetlenül attól, hogy milyenek a körülmények. Ezt a bonyolult elvárást nagyon nehéz kezelni a kialakítás, megvalósítás és tesztelés szempontjából egyaránt.

A mély gépi tanulásra alapozott módszerek különböző szinteken nyújtanak segítséget ezeknek a komplex helyzeteknek a megoldásához, a környezeti érzékelőktől kezdve a vezetési stratégián át a tényleges járműirányításig. A mély tanulási módszerek átméretezhetők, így a több adat és a nagyobb számítási teljesítmény jobb teljesítményt fog eredményezni.

A kiberbűnözők kedvencei
Kiberbiztonsági szempontból nehéz éve volt a világnak: a legújabb Microsoft Security Intelligence Report szerint 2017 februárja és 2018 januárja között főleg a botnetek, a kis költségű támadások, illetve a zsarolóvírusok jelentettek fenyegetést a felhasználókra.
DC/DC kapcsolóüzemű feszültségátalakítók működése
A DC/DC konverterek napjaink telepes táplálású elektronikai készülékeinek elengedhetetlen alapelemei, hiszen ezek áramkörei gyakorta különböző tápfeszültséget igényelnek, de helyhiány miatt általában nincs lehetőség többfajta elem használatára.
Ipari kibervédelemben erősít a Siemens
Az idei Hannoveri Vásáron az ipari hálózatokban előforduló rendellenességek észlelésére szolgáló megoldást mutatnak be. Az anomáliát detektáló rendszer mesterséges intelligenciát is használ.
Az alkotás jövője - minden változik
A gépipar jelenleg olyan mértékű átalakulás küszöbén áll, amilyenre az ipari forradalom óta nem volt példa. Az iparág az elmúlt évek során új termékek, folyamatok és alapanyagok széles körével készítette elő a terepet.
Üzleti sikert hoz a szaktudás
A digitális technológiák egyre szélesebb körű térnyerése következtében az általános, minden iparág számára alkalmas megoldások helyett a cégek egyre inkább az egyedi igényeket figyelembe vevő alkalmazásokat és az ehhez szükséges szaktudást keresik.