Gépi tanulási modellek kutatásában és fejlesztésében vesz részt az SZTE

A Szegedi Tudományegyetem konzorciumi partnerként vesz részt az Eureka szoftverinnovációs klasztere, az ITEA 4 nemzetközi pályázatában a török Experteam vezetésével. Az Optimal Management of Demand, röviden OMD pályázat célja egy egységesített, mesterséges intelligencia megoldásokon alapuló ügyfélkérelem kezelő rendszer fejlesztése, amely több szektorban együttesen működve képes ügyintézőket a számukra megfelelő feladatokhoz rendelni automatikusan és költséghatékonyan. A szektorok az egészségügy, igazságszolgáltatás, e-kereskedelem, fogyasztói elektronika és szoftverfejlesztés területeket jelentik. Ezek közül a szegedi székhelyű FrontEndART Szoftver Kft., a magyar konzorcium vezetője a szoftverfejlesztés területén specifikált használati esetével vesz részt a nemzetközi pályázatban. A használati eset egy szoftver minőségirányítási rendszer fejlesztése, amely képes a forráskód hibáinak együttes kezelésével az egyes fejlesztőkre vonatkozó egyéni jellemzők szerint optimálisan kiosztani a hibával kapcsolatos javítási feladatokat, mellyel a karbantartásra szánt idő és költség minimalizálható. A szükséges mesterséges intelligencián alapuló eljárások fejlesztése ehhez a rendszerhez a Szegedi Tudományegyetem feladata lesz.

A konzorcium az NKFIH Alapból a 2020-1.2.3-EUREKA keretében 68 036 322 Ft támogatást elnyert 2020-1.2.3-EUREKA-2021-00007 szerződés számú, „Optimalizált Ügyfél Kérelem Kezelés " c. projektjét 2022.01.01. napján megkezdte.

A projekt szakmai összefoglalója:

A folyamatosan gyorsuló kiszolgálói igények új automatizálási megoldások fejlesztését igénylik. A nemzetközi projektben tervezett OMD (Optimal Management of Demand) rendszer segíti a vállalkozásokat abban, hogy mesterséges intelligencián (MI) alapuló megoldások segítségével hatékonyan hozzárendeljék a megfelelő ügynököt egy adott szolgáltatási igényhez, nagymértékben rövidítve az ügyintézés idejét, és jelentősen csökkentve a műveleti költségeket. A hazai projekt a szoftverfejlesztői, karbantartói és üzemeltetői piacot célozza, és célja egy MI és gépi tanulási algoritmusokon (GT) alapuló eszköz fejlesztése, mely képes a szoftver-forráskód karbantartási feladatainak optimális szétosztására a fejlesztők között különböző kritériumok alapján. A kritériumokat a strukturált és nem strukturált adatok definiálják, melyek egyrészt a statikus kódanalízisből és a fejlesztői tevékenység naplózásából, másrészt a fejlesztők adatalapú profilépítéséből származnak. A FrontEndART Kft. QualityGate (QG) forráskód minőségirányítási rendszere képes figyelemmel kísérni egy szoftver evolúcióját és felderíteni abban a hibás és problémás kódrészeket. Azonban az egyes hibákhoz a legalkalmasabb fejlesztő automatikus kiválasztása összetett probléma: számos kódtól, hibától, és fejlesztői jellemzőtől függő komplex optimalizálási feladat, amire a hagyományos módszerek nem alkalmasak. Olyan feladatkiosztót tervezünk fejleszteni, mely MI/GT modelleket használva egy komplex jellemzőtér mellett képes azon fejlesztők kiválasztására, akik segítségével a szoftver hibás kódrészleteinek javítása optimalizálható. Az eszközt a hibákat dinamikusan kezelő ticketing rendszer és felhasználói felület segítségével integráljuk a QG rendszerbe és a nemzetközi projekt általános kérelemkezelő rendszerébe is. Az MI alapú optimális feladatkiosztás aktívan kutatott terület, így az eszközök fejlesztése üzleti és tudományos értéket egyaránt képvisel.

A projekt teljes futamideje három év, minden év végén egy mérföldkővel. A kutatás-fejlesztési feladatokban a konzorciumi partnerek együttműködnek, ugyanakkor minden főbb komponensnek megvan a saját felelőse. Az SZTE, mint kutatóintézmény elsősorban az MI/GT módszerek kutatásában és fejlesztésében vesz részt.

A kutatási folyamatok 2022. 01. 01-jén kezdődnek és 2024. 12. 31-ig tartanak.

SZTEinfo

Borítókép: Gépi tanulási modellek kutatásában és fejlesztésében vesz részt az SZTE Fotó: pexels.hu