A Neuron Solutions szakértőiként régóta alkalmazzuk a nagyméretű nyelvi modelleket (LLM-eket) intuitív chatbotok fejlesztésére és üzleti folyamatok hatékonyabbá tételére. A hagyományos megoldások már önmagukban is komoly előnyöket kínáltak – gyorsabb ügyfélkiszolgálást, pontosabb adatfeldolgozást, illetve a mindennapi feladatok automatizálását. Az üzleti környezet folyamatos változása és egyre komplexebbé válásának hatására világossá vált, hogy egy új szintű megközelítésre van szükség. Így jelentek meg a mesterséges intelligencia legújabb képviselői: az ügynökök – olyan fejlett MI-alapú rendszerek, amelyek már nem csupán válaszolnak, hanem képesek önállóan gondolkodni, tervezni és cselekedni, akár összetett, egymással összefüggő feladatsorokon keresztül. Az ügynök olyan autonóm MI-egység, amely nem csupán nyelvi műveletekre képes, hanem komplex lépéssorozatok megtervezésére és végrehajtására is. Ha definícióval élnénk: „az ügynök képes érzékelni a környezetét, önálló döntéseket hozni

A következő összefoglaló a Millásreggeli 2025. március 17-i beszélgetése alapján készült, melyben Szabados Levente, a Frankfurt School docense és a Neuron Solution társalapítója a programozás automatizálásának jövőjéről fejtette ki gondolatait. A programozás, mint automatizálható tevékenység A programnyelvek fejlődésének történetében érdekes ellentmondás figyelhető meg: bár a hatvanas évek vége óta számos új programnyelv született, maga a programozás folyamata évtizedek óta viszonylag állandó maradt. Szabados Levente kiemelte a fejlesztői világban ismert mondást: „amit 30 perc alatt meg lehet csinálni, azzal megéri másfél órán át szenvedni, hogy automatizáljuk.” Ez a szemlélet most a programozásra is kiterjed – a mesterséges intelligencia képes lehet átvenni bizonyos programozói feladatokat. A programozás kettős természete Szabados szerint a programozás alapvetően egy nyelv, amelyet a mesterséges intelligencia is képes

Egy hipermarket villamosenergia-fogyasztásának negyedórás időközönként történő elemzése önmagában is komoly kihívást jelent, azonban mi történik akkor, ha az előrejelzés pontosságát kívánjuk növelni? Obádovics Csilla és Szabados Levente tanulmánya pontosan erre a kérdésre keresi a választ, bemutatva egy módszertani kísérletet, amely a hagyományos előrejelzési eljárások és a legmodernebb mesterséges intelligencia alapú modellek összehasonlítására fókuszál.  A kutatás háttere  A szerzők egy magyarországi hipermarket 2007 szeptembere és 2008 júliusa közötti részletes fogyasztási adatait vizsgálták, amelyeket negyedórás bontásban rögzítettek. A cél az volt, hogy időjárási adatok, látogatószám és egyéb változók figyelembevételével 48 órára előre jelezzék az ipari fogyasztók villamosenergia-felhasználását. A kutatás egyik fő célkitűzése egy szabványosítható energiagazdálkodási irányítási rendszer alapjainak lefektetése.  Az előrejelzés gazdasági jelentősége  A pontos energiafogyasztási előrejelzések kiemelt szerepet játszanak a villamosenergia-beszerzés