Az elmúlt években a mesterséges intelligencia fejlődése elsősorban a szoftveres áttörésekről szólt: a nagy nyelvi modellek, a generatív rendszerek és a felhőalapú infrastruktúrák uralták a technológiai párbeszédet. Ma azonban egyre nyilvánvalóbb, hogy a következő nagy ugrást nem a szoftver, hanem a mögötte álló hardver fogja meghatározni. 

Az energiahatékony, speciális AI-chipek, a fejlett félvezető-architektúrák és a neurális gyorsítók új korszakot nyitnak. A globális AI-hardver piac értéke 2024-ben 59 milliárd dollár volt, de 2034-re akár a 296 milliárd dollárt is elérheti, évi 18 százalékos növekedés mellett – derül ki a Global Market Insights 2025 júliusi elemzéséből. Ennek következtében egyre nagyobb értéke lesz azoknak a szakembereknek, akik a szoftveres tudás mellett a hardveres háttérben is jártasak.

A vezető technológiai cégek – a Microsoft, az Amazon, az Oracle, az Intel, a Qualcomm és a Google – saját AI-chipjeik fejlesztésébe kezdtek, hogy csökkentsék függőségüket az Nvidiától és optimalizálják rendszereiket energiafogyasztás, késleltetés és hĹątés szempontjából. Az Nvidia új H-sorozatú gyorsítóinak 500–1000 wattos fogyasztása jól jelzi, hogy a teljesítmény további növelését már fizikai korlátok határolják. Emiatt minden iparág – a mobiltechnológiától és az orvosi diagnosztikától kezdve a robotikán és az adattudományon át az ipari IoT-ig – új, hatékonyabb architektúrákat keres a fenntartható AI-feldolgozás érdekében.

A Very-Large-Scale Integration (VLSI) alapú AI-chiptervezés mellett ma már a Field Programmable Gate Array (FPGA) technológia is központi szerepet tölt be a digitális hardvertervezésben. Az FPGA-k rendkívül sokoldalú, rugalmasan testre szabható integrált eszközök, amelyek ideálisak olyan alkalmazásokhoz, ahol kiemelten fontos a nagy számítási teljesítmény, az alacsony késleltetés és a valós idejĹą mĹąködés – legyen szó repülésről, biztonságtechnikáról, pénzügyi rendszerekről vagy távközlésről. Mindez alapjaiban alakítja át a digitális rendszerek tervezésének módját.

Ezek a technológiai változások jelentősen átalakítják a mérnöki kompetenciaigényeket is. A modern mérnökinformatikusnak már nem elég kiváló szoftverfejlesztőnek lennie: tisztában kell lennie a számítási architektúrák mĹąködésével, az adatmozgatás fizikai korlátaival, az energiahatékonysági és hĹątési kérdésekkel, valamint az alkalmazott technológiák hardverigényével. A Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai Kara (PPKE ITK) – számos nemzetközi egyetemhez és kutatóintézethez hasonlóan – kiemelt hangsúlyt fektet arra, hogy a hallgatók a szoftver- és hardverfejlesztés teljes spektrumát elsajátítsák, és egy projektet a tervezéstől a megvalósításig végig tudjanak kísérni.

„A hallgatók már az első félévben bekapcsolódhatnak a kar kutatóközpontjaiba és laboratóriumaiba. Valós áramköröket és chipeket terveznek, amelyek az ipari fejlesztések logikáját követik, és ezeket valós időben tesztelhetik, módosíthatják. Így néhány nap alatt olyan architektúrák készülhetnek el, amelyek ipari környezetben akár éveket is igényelnek.” – emeli ki Dr. Nagy Zoltán, a PPKE ITK egyetemi docense, a Mérnökinformatikus szak felelőse.

A mesterséges intelligencia fejlődésének egyik legizgalmasabb és legmélyebb hatású iránya a „talk to your data” paradigma, amely lehetővé teszi, hogy a felhasználók természetes nyelven kommunikáljanak az adatbázisokkal, elemzőrendszerekkel vagy gépi tanulási modellekkel. Ez gyökeresen alakítja át az ember–gép kapcsolatot: az adat nem csupán lekérdezhető, hanem értelmezhető és kontextusba helyezhető. A mérnökinformatikusok számára ez új feladatokat és kompetenciákat hoz: a nyelvi modellek adatforrásokba való integrálását, a kontextusépítés és adat-előkészítés teljes folyamatát, valamint a prompt-alapú mĹąködés optimalizálását.

„Kiemelten fontosnak tartjuk, hogy megtanítsuk a hallgatókat hatékonyan együttmĹąködni az AI-val – adatokat elemezni, kódot generálni, modelleket finomhangolni természetes nyelvi lekérdezésekkel. A „talk to your data” szemlélet ma már nem a jövő, hanem aktív kutatási terület, amelyből szakdolgozatok és ipari együttmĹąködések születnek.” – teszi hozzá Lukács Gergely, a PPKE ITK egyetemi docense.

A szak kutatási fókusza a multimodális adattudomány: képi, hang- és szenzoradatok feldolgozása, gépi látás, biológiai adatelemzés, valamint az ezekhez kapcsolódó AI-alapú döntéstámogató rendszerek fejlesztése. E kompetenciák alapját a Pázmány ITK több évtizedes tudományos hagyományai adják – például a Roska Tamás nevéhez fĹąződő bionikai és gépi látáskutatások. A karon mĹąködik a Mesterséges Intelligencia Alkalmazásai szakirányú továbbképzés is, amely lehetőséget biztosít azok számára is, akik nem mérnöki háttérrel érkeznek, de szeretnék megismerni az MI kulcterületeit. Az intézmény korábbi hallgatói ma olyan szervezeteknél dolgoznak, mint a Google, a Lidl Data Competence Center, a Bosch, a Morgan Stanley, a Hi-Fly Labs, illetve a Krausz Ferenc által vezetett Center for Molecular Fingerprinting kutatócsoportjai.

English Summary

The recent surge in artificial intelligence has largely been driven by software innovations, such as large language models and generative systems. Today, however, the next major leap in AI will be defined by hardware, including energy-efficient AI chips, advanced semiconductor architectures, and neural network accelerators. This shift is changing the skill requirements for engineers, who now need expertise not only in software but also in hardware design, energy efficiency, and system architecture. Universities like Pázmány Péter Catholic University (PPKE ITK) are preparing students for this future by combining hands-on chip development, FPGA programming, and AI-driven data analysis. Additionally, emerging trends like the “talk to your data” paradigm and multimodal AI applications are transforming how humans interact with data and shaping new research and industrial opportunities.