Ne ragadjanak a laborban a kutatási eredmények: így születhetnek piacképes innovációk

Napjainkban talán az önvezető autók fejlesztése az egyik legismertebb példa arra, hogy a kutatások és a gyakorlati alkalmazás közötti kapcsolat mennyire intenzívvé tud válni. Ezek a rendszerek összetett mesterséges intelligenciára, szenzorokra, adatfeldolgozásra és valós idejű döntéshozatalra épülnek – vagyis olyan tudományos eredményekre, amelyek már nem csupán elméleti szinten léteznek, hanem közvetlenül beépülnek a mindennapi technológiába.

Azáltal, hogy az önvezető jármű nemcsak a saját szenzoraira támaszkodik, hanem a közeli térfigyelő kamerák képéhez is hozzáfér, sokkal pontosabban érzékelheti a veszélyeket, akár egy váratlanul felbukkanó gyalogost is. Ugyanez a szemlélet alkalmazható az energetikai szektorban is, ahol a technológia segítségével optimalizálható az energiaelosztás, előre jelezhetők a terhelések és ezáltal jelentősen csökkenthetők a veszteségek.

Ezek a folyamatok is alátámasztják, hogy a kutatási világban szemléletváltásra van szükség. “A felfedező kutatások továbbra is nélkülözhetetlenek, de a tudományos eredmények gyakorlati hasznosítása és piaci értékké alakítása ma már meghatározó szerepet játszik a magyar gazdaság fejlődésében. Ezt a célt szolgálja a HUNRENTECH létrehozása is, amely feladata, hogy azonosítsa az ígéretes szellemi alkotásokat, támogassa azok szabadalmaztatását, hasznosítását, és megfelelő partnereket találjon a fejlesztésükhöz” – mondta el a Portfolio-nak Jakab Roland, a HUN-REN vezérigazgatója. 

Globális pályára áll a magyar kutatás és innováció

A HUN-REN-ben több mint 3500 kutató dolgozik, akik napi szinten olyan ötletekkel járulnak hozzá a tudományhoz, amelyek komoly társadalmi és gazdasági haszonnal járhatnak. A kutatóhálózatnak eddig azonban nem volt technológiatranszfer cége, amely segítette volna a kutatási eredmények hasznosítását, és a kutatók sem rendelkeztek azzal az üzleti szemlélettel, amellyel az innovációkat piacképes termékké vagy szolgáltatássá formálhatnák. Ennek következtében

a tudományos újdonságok gyakran más országokban váltak értékké és termékké, nem pedig Magyarországon.

“Értékláncban kell gondolkodnunk. Ha felfedezünk valamit, azonnal el kell kezdenünk azon dolgozni, hogy miként tehetjük hasznossá az ország számára. Fontos, hogy olyan szakembereink legyenek, akik felismerik a lehetséges felhasználási és értékesítési területeket, szabadalmi védettséget szereznek, és licencmegállapodásokat kötnek” – emelte ki a HUN-REN vezérigazgatója. 

A szolgáltatóközpont a kutató köré épül: olyan képzéseket kínál, amelyek segítenek megérteni az innováció piacra jutásának lépéseit, fejlesztik a projektvezetési készségeket, és támogatják a csapatmunkán alapuló kutatást. Emellett segítséget nyújt a nemzetközi pályázatokhoz is, ezzel erősítve a hazai kutatás hatékonyságát és nemzetközi jelenlétét.

Jakab Roland kiemelte, hogy a Magyar Kutatási Hálózat keretében működő technológiai transzfer vállalkozás elindításával több évtizedes hiányt pótolnak, és ehhez a világ egyik legsikeresebb technológia transzfer irodájának működése adja a mintát. A Cambridge Enterprise a módszertanuk és a jó gyakorlat megosztása mellett azt is felajánlotta, hogy tagokat delegál a szervezet igazgatótanácsába.

„Az a célunk, hogy a világ legsikeresebb modelljeit vegyük át, ezért együttműködünk a Massachusetts Institute of Technology-val (MIT), valamint közösen szerveztünk egy AI rendezvényt (AI Symposium 2025) a világ első számú AI egyetemével, a Nanyang Technological University-vel (NTU) itt Budapesten” – erősítette meg a HUN-REN vezérigazgatója.

A májusban megrendezett AI Symposium másik előremutató eredménye az a stratégiai együttműködés, amelynek elkezdődött a gyakorlati megvalósítása, vagyis a közös doktori programok előkészítése, csereprogramok indítása, valamint részvétel a nemzetközi kutatási konzorciumokban. “Az ilyen nemzetközi kapcsolatok által tudást, inspirációt nyerünk és lehetőséget teremtünk a magyar kutatók, fiatal tehetségek és innovatív vállalkozások számára a hazai és nemzetközi térben egyaránt."

Ezt a nemzetközi szemléletet és az innováció ösztönzését jól példázza a Magyar Kutatási Hálózat mesterséges intelligencia tematikájú hónapjának keretében megrendezett AI Hackathon is. A versenyt egy olyan ötlet nyerte meg, amely tudományos problémák megoldására törekszik azáltal, hogy teljesen eltérő tudományterületekről keres analógiákat. A kétnapos eseményen csaknem ötvenen vettek részt, a csapatok pedig nemcsak diszruptív, hanem megvalósítható ötleteken dolgoztak. A kutatókat hazai és nemzetközi mentorok segítették, köztük két OpenAI solution architect is, emellett az OpenAI technológiai támogatást is nyújtott a Hackathon számára.

Egyre több kutatás indul AI által előkészített háttérinformációk alapján

Már konkrét példák is léteznek arra, hogyan lehet a modern mesterséges intelligencia-eszközökkel kutatást végezni. Ilyen például az ún. ágens keretrendszer (agent framework), amely 2023 októbere óta elérhető, és egyik ismert alkalmazása a Google AI Co-Scientist.

Ezek az új modellek már képesek PhD-szintű tudást megjeleníteni egy-egy tudományterületen.

Ez azért is nagy előrelépés, mert egy kutató eddig jellemzően egy egész kutatócsoporttal dolgozott: PhD-hallgatókkal és vezető kutatókkal közösen meghatároztak egy témát, majd együtt kutatták. Ha viszont az AI képes PhD-szintű tudást nyújtani, a kutató akár tízezer virtuális „PhD-ügynököt” is bevethet ugyanazon probléma megoldására. Ezek az ügynökök hipotéziseket alkotnak, kísérleteket terveznek és hajtanak végre, majd publikálnak – az eredményekből újabb hipotézisek születnek, és a ciklus folytatódik. Ez a tömeges, párhuzamos kutatás drámaian felgyorsíthatja a tudományos felfedezések ütemét.

És akkor még az innovációról nem is esett szó. Az ágens keretrendszer abban is segíthet, amikor egy kutatási eredményből vagy szabadalomból piacképes terméket szeretnének fejleszteni. A célzott, szakterület-specifikus virtuális PhD-ügynökök elemezhetik az ötletet: miről szól valójában, hol lehet hasznosítani, milyen technológiai vagy gazdasági területen alkalmazható.

Ezek az ágensek képesek felismerni, hogyan válhat egy ötletből termék vagy szolgáltatás.

Ha az első ágens feltárja, hogy az ötlet beépíthető egy termékbe, például az autóiparban, akkor a következő ágens megvizsgálja, mely cégek foglalkoznak ezzel a területtel. Ezután egy újabb ágens azt elemzi, mely részlegek lehetnek érintettek a termékfejlesztésben, majd a rendszer továbbhalad: például megkeresi a releváns munkatársakat a LinkedInen, elemzi a profiljukat, aktivitásukat, érdeklődési körüket. Ennek alapján személyre szabott marketingüzenetet ír, amit csak el kell küldeni. Mindez a folyamat automatizálható, néhány óra alatt végigvihető, míg korábban hónapokba, akár évekbe telt volna. Ez radikálisan felgyorsítja az innovációs folyamatot, és az új ötletek sokkal gyorsabban juthatnak el a piacra.

Jakab Roland szerint különösen izgalmas, ha belegondolunk, milyen lehetőségek nyílnak meg, ha ezek az eszközök általánossá válnak a kutatási és innovációs területeken.

Ha a fejlett modellek és szimulációk beépülnek a tudományos ökoszisztémába, belátható időn belül akár minden ismert betegségre találhatunk megoldást.

“Ezért fontos megértenünk, hogyan működnek ezek az eszközök, és hogyan tudjuk őket beépíteni a mindennapi életünkbe és kutatásainkba. Ha nem kezdjük el használni őket, és a hagyományos módszereknél maradunk, a hazai kutatás gyorsan versenyképtelenné válhat. Akik viszont élnek ezekkel a lehetőségekkel, sokkal gyorsabban és eredményesebben jutnak el a felfedezésekig.”

A cikk megjelenését a HUN-REN támogatta.

A címlapkép illusztráció. Címlapkép forrása: Getty Images