Müncheni randevú a jövővel: az AI és a tudomány találkozása

A tudományos kutatás módszertana évszázadok alatt formálódott: jelenségek megfigyelése, hipotézis felállítása, kísérletek elvégzése, az eredmények publikálása. Ez a ciklus működött – de egyre lassabban tart lépést az exponenciálisan növekvő adatmennyiséggel és a diszciplínák közötti, egyre komplexebb összefüggésrendszerekkel. Ma már egyetlen kutató a saját szűkebb szakterületén megjelenő összes közleményt sem képes követni, nemhogy az érintkezési pontokon felbukkanó, más területekről érkező eredményeket.

Az AI nem helyettesíti a kutatót – de drámaian felerősítheti a képességeit. Órák alatt elvégezhető olyan irodalomelemzés, amelyhez korábban hónapok kellettek. Felszínre hozhatók az adatokban rejtőző mintázatok, amelyeket emberi szem sohasem vett volna észre. Szisztematikusan generálhatók hipotézisek, amelyek az egyik szakterület logikáját alkalmazzák egy teljesen más területen. Ez az AI for Science ígérete: nem csupán gyorsabb kutatás, hanem mélyebb, bátrabb és merészebb tudományos gondolkodás.

A Helmholtz AI Konferencia 2026 – AI for Science (HAICON26) rendezvényt június 8. és 11. között tartották Münchenben, és immár hatodik alkalommal gyűjtve össze az európai AI-kutatás meghatározó szereplőit. A konferencián vezető tudományterületi és AI-kutatók, AI-fejlesztők és ipari partnerek tárgyalták ki plenáris előadások, tematikus szekciók, poszterbemutatók és interaktív workshopok keretében, hogy milyen szerepet játszhat a mesterséges intelligencia a tudomány világában.

Hipotézisgenerátor a tudomány számára

Idén a HUN-REN Magyar Kutatási Hálózat és a körülötte formálódó közösség is komoly delegációval képviseltette magát. Jelen voltak a HUN-REN AI Szolgáltató Központ munkatársai, a Syxplain fejlesztői, valamint az idei Agentic Discovery Hackaton győztes GeNEX csapata is.

A HAICON26 poszterszekciójában bemutatták a Syxplain nevű tudományos AI-eszközt, amely a HUN-REN és az Óbudai Egyetem közös fejlesztéseként született. Az agentic rendszert annak vezető szerzői (Hollós Roland és Süli Patrik), valamint társszerzői (Szabó Gergő és Eigner György) tárták a közönség elé.

A Syxplain újdonsága, hogy tudományos adathalmazokból az adott kontextushoz illeszkedő, szakterületspecifikus megkötéseket alkalmazó szimbolikus regresszió segítségével matematikai törvényszerűségeket tár fel, majd automatikusan értelmezi is az eredményeket. Nem egyetlen „legjobb" egyenletet ad vissza, hanem a teljes Pareto-frontot: a pontosság és a komplexitás szempontjából egyaránt versenyképes megoldások egész spektrumát. Minden egyes kifejezést összevet a tudományos irodalommal, azonosítja a szimbólumokat, előkeresi a releváns publikációkat, és értékeli az elméleti kompatibilitást. A végeredmény egy idézetekkel alátámasztott, közérthető magyarázatokat tartalmazó jelentés, amely a felfedezett struktúrákat tudományos kontextusba helyezi, kiindulási pontot kínálva megalapozott hipotézisek megfogalmazásához.

A HUN-REN válasza: AI minden kutatónak

A HUN-REN hálózat a Syxplain alkalmazást hamarosan minden kutatója számára elérhetővé teszi az Agentic Discovery Platformján (ADP) keresztül. A HUN-REN AI Szolgáltató Központjának elsődleges feladata, hogy támogassa a tudományos kutatást és annak intézményrendszerét, felmérje a kutatók igényeit az AI-használattal kapcsolatban, és ezekre építve hozza létre szolgáltatási portfólióját, ami egyaránt tartalmaz személyes és intézményi kompetenciafejlesztést. Ennek egyik megnyilvánulása az AI4Science program, amely személyes konzultációt, valamint AI eszközökhöz való hozzáférést, továbbá infrastrukturális hátteret kínál.

Ez utóbbi terén a HUN-REN komoly erőforrásokkal rendelkezik. A HUN-REN Cloud – a HUN-REN SZTAKI és a HUN-REN Wigner Fizikai Kutatóintézet által közösen fejlesztett, tíz éves múltra visszatekintő tudományos felhőinfrastruktúra – jelenleg 72 GPU-kártyával áll rendelkezésre, és közel 30 szervezet több mint 300 kutatási projektjét szolgálta ki. Ezen felül a kutatók hozzáférhetnek a Komondorhoz, Magyarország legnagyobb K+F célú szuperszámítógépéhez, amely több mint 200 GPU-kártyával és dedikált AI-partícióval rendelkezik. A felhőinfrastruktúrán belül pedig a SZTAKI kialakított egy GenAI4Science szolgáltatást, amelynek segítségével a kutatók biztonságosan és az adatkezelési irányelvekkel összehangoltan vehetik igénybe a nagy nyelvi modellek nyújtotta lehetőségeket – akár saját adatok és dokumentumok felhasználásával

A hardveres háttér mellett a HUN-REN kiépítette saját kutatástámogató agentic platformját, a már említett ADP-t. Ez egy ágens alapú ökoszisztéma, amely speciális ügynököket, kutatási eszközöket, adatbázisokat és tudományterületi munkafolyamatokat integrál egyetlen, intelligens interfészen keresztül. Használatával a kutatók gyorsíthatják az irodalomkutatás, az adatelemzést, a hipotézisgenerálást és a szimulációtervezést, akár ténylegesen autonóm módon dolgozó AI-ügynököket alkalmazva. A platform folyamatosan bővül: hackathonok, kutatói projektek és nyílt forráskódú integrációk révén egyre több eszköz és kutatási munkafolyamat kerül bele.

A GeNEX csapat: a hackathon bajnokai Münchenben

Részt vett a konferencián a HUN-REN Agentic Discovery Hackathonját megnyerő GeNEX csapat is. A HUN-REN SZTAKI-ból, az ELTE-ről és a HUN-REN Ökológiai Kutatóközpontból érkező nyolctagú csapat – Bódis Balázs Márk, Gazdag Sándor, Kégl Marcell, Kovács Lóránt, Pálffy Balázs, Rózsa Márton, Seidl Máté, Tóth Tekla és Zsebők Sándor – egyik jutalma éppen a müncheni részvétel volt.

A GeNEX által javasolt rendszer nem a hagyományos, lépésről lépésre haladó kutatási logikát követi, hanem tudatosan egymástól távolálló kutatási területek között keresi az áttörésre alkalmas, meglepő kapcsolódásokat. Tudományos publikációk absztraktjait elemzi, és tanuló algoritmus segítségével szűri ki azokat a keresztkapcsolatokat, amelyek a valóban nagy hatású felfedezéssel kecsegtetnek, csökkentve a véletlenszerű találgatást és növelve az értékes felfedezések esélyét.

A HAICON26-on való magyar részvétel nem csupán a kutatói fejlődést szolgálja, hanem közvetlen lehetőség arra, hogy a HUN-REN kutatói párbeszédet folytassanak az európai és nemzetközi AI-tudomány élvonalával. Mert a nagy tudományos áttörések egyre ritkábban születnek egyedül, egy laborban – sokkal inkább ott, ahol különböző területek, intézmények és technológiák találkoznak.