Mesterséges intelligencia központ nyílik Budapesten

– A mesterséges intelligencia az automata vezetés fejlesztésének alapvető kompetenciája. Tovább bővítjük szakértelmünket a mély gépi tanulás területén, hogy megvalósíthassuk az automata vezetést, és támogassuk a Vision Zero célkitűzésünket, egy balesetek nélküli jövőt – jelentette ki Karl Haupt, a Continental fejlett vezető támogató rendszerek üzleti egységének üzletágvezetője.

A technológiai aktivitás növekedése Magyarországon

– A Continental hazai egységeinek sikeres autóipari tevékenysége egyre több technológiai és fejlesztési folyamattal bővül. A csúcstechnológiai fejlesztéseinkhez magasan képzett szakemberekre van szükségünk, akik alappillérei a jövőbeni sikereinknek és a fenntarthatóságnak – emelte ki Rábai Dániel, Continental csoport Magyarország országkoordinátora.

Új munkahelyek Budapesten

– Azért választottuk Budapestet, mert itt már adott az aktív autóipari környezet, számos egyetem és kutatóközpont, valamint az általunk keresett specialisták is rendelkezésre állnak. Körülbelül 100 szoftver és hardver szakértő felvételét tervezzük az új egységünkhöz. Ezt a célkitűzést rendkívül hamar szeretnénk megvalósítani – mondta Markus Strothjohann, magyarországi HR vezető.

Jens Brüning, az új budapesti kompetencia központ vezetője arra hívta fel a figyelmet, hogy folyamatosan keresnek gépi tanulásban jártas szakembereket, big data mérnököket, hardver-szoftver tervezőket, beágyazott rendszer mérnököket és alkalmazás mérnököket. Azt is hozzátette, hogy a Budapest belvárosában található új fejlesztési iroda a legújabb eszközökkel lesz felszerelve, így az alkalmazottak a lehető legkiválóbb környezetben dolgozhatnak a jövő mobilitásán.

Budapest továbbra is a fókuszban

– A Continental új kompetencia központjának létrehozása tovább növeli Magyarország versenyképességét, és erősíti az önvezető autózáshoz kapcsolódó kutatás-fejlesztésben betöltött regionális szerepét, amely területen már több mint 1000 mérnök dolgozik. A projekt fontos mérföldkő a magyarországi járműiparban, és jól mutatja, hogy a gazdaság „Made in Hungary”-ből az „Invented in Hungary” időszakába való továbblépése nem csupán a stratégiai célunk, hanem már zajló folyamat – mondta el Ésik Róbert, a Nemzeti Befektetési Ügynökség (HIPA) elnöke.

A mély gépi tanulás kompetencia központ

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

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 lehetőség nyílik 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 az automata vezetéshez.

A mély gépi tanulás fontossága az automata vezetésben

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 átméretezhetőek, így a több adat és a nagyobb számítási teljesítmény jobb teljesítményt fog eredményezni.