A mesterséges intelligencia robbanásszerű fejlődése az elmúlt években elsősorban a szoftveres innovációkról szólt: a nagy nyelvi modellek, a generatív rendszerek és a felhőalapú számítás dominálták a technológiai diskurzust.

Mára azonban világossá vált, hogy a következő technológiai ugrást nem a szoftver, hanem a mögötte álló hardver fogja meghatározni. Az energiahatékony, célzott AI-chipek, a fejlett félvezető-architektúrák és a neurális hálózati gyorsítók új korszaka veszi kezdetét. A globális AI-hardver piac mérete 2024-ben 59 milliárd amerikai dollár volt, de a terület 2034-re elérheti a 296 milliárd dollárt is, 18 százalékos éves növekedési ráta mellett a Global Market Insights 2025 júliusi elemzése szerint. Ezáltal a munkaerőpiacon felértékelődik azoknak a szakembereknek a tudása, akik nemcsak szoftveres, hanem hardveres tudással is rendelkeznek.

A legnagyobb technológiai vállalatok — a Microsoft, az Amazon, az Oracle, az Intel, a Qualcomm, vagy éppen a Google  — ma már saját AI-chipeket terveznek, hogy függetlenedjenek az Nvidiától, és optimalizálják modelljeiket energiafogyasztás, késleltetés és hűtés szempontjából. Az Nvidia legújabb H-sorozatú gyorsítói 500–1000 W közötti fogyasztása jól mutatja, hogy a számítási teljesítmény további növelése fizikai korlátokba ütközik. Ezért minden szereplő — az okostelefongyártókon, diagnosztikán, genomikán és adattudományon át a robotikáig és az ipari IoT-ig — új, hatékonyabb architektúrákat keres, amelyek képesek fenntartható módon kiszolgálni a mesterséges intelligencia igényeit. 

A Very-Large-Scale Integration (VLSI) AI-chipek tervezése mellett mára a Field Programmable Gate Array (FPGA) alapú megoldások is kulcsszerepet játszanak az digitális hardvertervezés területén. Sokoldalú és nagymértékben testre szabható integrált eszközök, amelyek ideálisak a nagy teljesítményt, alacsony késleltetést és valós idejű feldolgozást igénylő alkalmazások széles köréhez, a repüléstől a biztonságtechnológián át a pénzügyekig és a távközlésig átalakítja a digitális rendszerek tervezésének és építésének módját.

Ezek a technológiai trendek alapjaiban változtatják meg a mérnöki kompetencia igényeket.

A mai mérnökinformatikusnak nem elég kiváló szoftverfejlesztőnek lennie; értenie kell a számítási architektúrákhoz, az adatmozgatás fizikai korlátaihoz, a hűtési és energiahatékonysági kérdésekhez, valamint az alkalmazott technológiák hardverigényéhez is. Számos nemzetközi egyetem és kutatóintézet mellett a Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai Kara (PPKE ITK) is kiemelt figyelmet fordít arra, hogy hallgatóik szoftver- és hardverfejlesztésben egyaránt képzettek legyenek, a tervezéstől a megvalósulásig végig tudjanak kísérni egy-egy projektet. 

„A hallgatók már az első félévben bekapcsolódhatnak a kar kutatási műhelyeibe és laborjaiba. Valós áramköröket és chipeket terveznek, amelyek a legnagyobb ipari fejlesztések logikáját követik. Ezek valós időben tesztelhetők, módosíthatók, így napok alatt létrehozhatók olyan architektúrák, amelyekhez ipari környezetben akár évek szükségesek” – emelte ki Dr. Nagy Zoltán, a PPKE ITK egyetemi docense, a Mérnökinformatikus képzés szakfelelőse. 

A mesterséges intelligencia fejlődésének egyik leglátványosabb, de egyben legmélyebb hatású iránya a „talk to your data” paradigma: az a képesség, hogy a felhasználók természetes nyelven kommunikáljanak az adatbázisokkal, elemzőrendszerekkel vagy épp gépi tanulási modellekkel. Ez a trend radikálisan átalakítja az ember–gép interakciót: az adat többé nem csak lekérdezhető, hanem értelmezhető és kontextusban kezelhető a mesterséges intelligencia révén.

A mérnökinformatikusok számára ez több szempontból is meghatározó.

  • Egyrészt a hagyományos adatbázis- és szoftverfejlesztési tudás kiegészül a nyelvi modellek integrálásának ismeretével, vagyis azzal, hogyan lehet egy adatforrást generatív AI-rétegen keresztül elérhetővé tenni.
  • Másrészt új típusú adatarchitektúrák és biztonsági kihívások is megjelennek: a természetes nyelvi lekérdezésekhez szükséges kontextusépítés, adat-előkészítés (data curation), valamint a prompt-vezérelt folyamatok noptimalizálásának mérnöki feladata. 

„Kiemelt hangsúlyt helyezünk arra, hogy a hallgatóinkat megtanítsuk hatékonyan együttműködni az AI-jal. A természetes nyelvi lekérdezésekkel adatokat elemezni, kódot generálni, modelleket finomítani. A „talk to your data” szemlélet ma már nem jövőkép, hanem valós kutatási téma, amelyből szakdolgozatok és ipari együttműködések is születnek” – tette hozzá Lukács Gergely, a PPKE ITK egyetemi docense, a mérnökinformatikus képzés oktatója. 

A szak kutatási fókuszában a multimodális adattudomány áll: kép-, hang- és szenzoradatok feldolgozása, gépi látás, biológiai adatok elemzése, valamint az ezekhez kapcsolódó AI-alapú döntéstámogató rendszerek fejlesztése. Ezekhez a kompetenciákhoz a Pázmány ITK több évtizedes tudományos háttere biztosít alapot, mint például a Roska Tamás-féle bionikai és gépi látáskutatások, de a karon működik a Mesterséges Intelligencia Alkalmazásai szakirányú továbbképzés is, hiszen fontosnak tartják, hogy olyanok is megismerhessék az MI lényeges területeit, akik nem mérnöki háttérrel érkeznek vagy más területről jönnek. Az egykori hallgatók mára olyan cégeknél dolgoznak, mint a Google, a Lidl Data Competence Center, a Bosch, a Morgan Stanley és a Hi-Fly Labs projektjei, valamint a Krausz Ferenc féle Center for Molecular Fingerprinting kutatási programjai.