2020-1.1.2-PIACI-KFI-2021

A projekt adatai:
A projekt címe: Tudásfejlesztés támogatása a legújabb mesterséges intelligencia eszközök felhasználásával
Megvalósulás helyszíne: 1023 Budapest, Bécsi út 4. II. em.
Támogatás összege: 239 678 750 Ft, Támogatás intenzitása: 67,42%
Támogatási döntés dátuma: 2021.07.22.
Projekt megvalósítás tényleges kezdete: 2021.09.01.
Projekt megvalósítás tervezett befejezése: 2024.08.31.
Projekt azonosító száma: 2020-1.1.2-PIACI-KFI-2021-00236

Kedvezményezett neve:
Invigor Informatika Kft.
Székhely: 1114 Budapest, Bartók Béla út 15. d. ép.

Támogató: Innovációs és Technológiai Minisztérium

Cégünknél hagyomány a mesterséges intelligencia (MI) kutatások új eredményeinek aktív és innovatív felhasználása. Gondosan kiválasztott eszközökkel rendszeren elemezzük a vállalaton belüli értékeket és összevetjük azt a piaci környezetünkkel. Törekvésünk mindig összhangban van kollégáink személyes érdeklődésével és ügyfeleink igényeivel. A menedzsment támogatja a tudásfejlesztés különböző formáit és ezen belül folyamatosan erősíti a képzést az AI szakterületen is. Felismertük, hogy a legújabb intelligens keretrendszerek alkalmazásával olyan tanulási útra állítható a vállalatunk (Learning & Development), ami a gépi és az emberi intelligencia jól összehangolt együttműködésére épül.

 

Az intelligens rendszerek rohamosan fejlődnek, a jelenlegi elérhető eszközök megértésével és gyakorlati bevonásával minden magyar vállalat helyzeti előnyre tehet szert, erősíthetik szolgáltatásukat nemzetközi minőségi mércével mérve. Vállalati tanulási folyamatok sikeresen végig vezethetők egy kutatás-fejlesztés útvonalon. Számunkra professzionális tudás fejlesztéshez, jobb tréning programok összeállításához és eredményesség méréséhez járul hozzá nagy értékkel egy ilyen testre szabott MI megoldás.

 

A neurális hálózati modellre épülő tanulás széles körben elterjedt. Ezek bevonásával specifikus szakmai területeken is alkalmazható modellek, neurális architektúrák jöttek létre. Korábban a konvolúciós (CNN) rendszerek képfelismerésre, vagy a memóriával rendelkező neurális alap modellek (RNN) hangfeldolgozásra voltak használatosak. Újabb kutatásoknak köszönhetően bizonyított lett, hogy a neurális modellekre alapozva szöveg transzformációs feladat, illetve egyéb nem strukturált adathalmaz-vizsgálat is sikeresen betanítható. Tehát a klasszikus machine learning (ML) használatáról számos korábbi területen áttérhetünk neurális eszközökre (NN) sőt ezen belül deep learning (DL) is alkalmazhatóvá vált. A neurális modell alapú MI eszközök megfelelő speciális réteg kombinációjával tetszőleges tartalom típusok transzformálhatók. Új értelmet kapnak a korábbi klasszikus algoritmusok, mint entitás kinyerés, vagy hasonlóságelemzés. Az újabb „deep learning” architektúrák magasabb szinten támogatják közvetlen, tartalom-típus független modell szervezést, teret nyitva egy általánosabb tanulási koncepciónak. Megfelelő felkészültséggel a korábbi minta alapú folyamat elemzés tovább fejleszthető generatív tréning program fejlesztésre, egy sokkal kreatívabb tudás szervezési folyamatot hozhatunk létre.

 

Ahhoz, hogy sikeresen fenntartható legyen a vállalati fejlődési folyamat, szakértői csapatunk egy olyan intelligens megoldást készít, ami moduláris, az alapkoncepciót szolgálva könnyen üzemeltethető és megújítható. Az MI tanuló modell változatokat és eredményeket historikusan megőrizzük és mindezekből folyamatosan képesek vagyunk újabb tudás innovációs lépések önálló és sikeres megtervezésére. Az eredményül kapott magasabb szintű vállalati tudást arra képzett csapatunk elemzi. Céges kultúra részeként intelligens, újra szervezett tudástranszferrel felgyorsul a fejlődés, a digitalizáció magasabb szintjére léphetünk, megőrizzük és erősítjük piaci eredményeinket.

 

Megszerzett tapasztalatok beépítésével általánosan alkalmazható MI algoritmust készítünk, melyet külön technikai tudás nélkül bármely vállalat alkalmazhat. Nem szükséges konzultációs szolgáltatás megvásárlása, nem szükséges egy MI modell célirányos kifejlesztése. Tudásfejlesztés stratégia alkotásra koncentrálunk, így a meglévő tudásmenedzsment folyamat katalizátora lehetünk. A projekt során megcélzott értékeink:

• Az oktatási stratégia eredménye folyamatosan mérhetővé válik

• A tudásmenedzsment vállalat mérettől függetlenül kezelhetővé válik, mert az MI modell biztosítja a skálázhatóságot

• Magas szintű MI automatizációval könnyű integrálhatóság valósul meg más társ rendszerekhez

• Az alkalmazott MI eszközök magas szintű testreszabhatóságot biztosítanak, az felhasználó vállalat Learning&Development fejlődési útja felgyorsul

 

„A 2020-1.1.2-PIACI-KFI-2021-00236 számú projekt az Innovációs és Technológiai Minisztérium Nemzeti Kutatási Fejlesztési és Innovációs Alapból nyújtott támogatásával, a 2020-1.1.2-PIACI-KFI-2021 pályázati program finanszírozásában valósult meg.”