A mesterséges intelligencia látványosan fejlődik abban, hogy emberi módon válaszoljon a kérdéseinkre. Az autózásban, a navigációban és a logisztikában azonban a szép válasz önmagában kevés: ott az számít, hogy a javaslat a valóságban is helytálló-e. Egy chatbot magabiztosan megmondhatja, melyik a leggyorsabb út a raktárból az ügyfélhez — de ha közben nem tud a lezárt sávról, a súlykorlátozott hídról vagy az aktuális dugóról, akkor a magabiztos válasz a gyakorlatban félrevezető.
Egy modern flottairányító központban a térképi adatok, a járműpozíciók és a forgalmi információk elemzése segíti az MI-alapú útvonaltervezést és döntéstámogatást. (Forrás: AI generált illusztráció)
Miért nem elég, ha az MI „okosan beszél"?
A nyelvi modellek a szövegminták alapján találják ki, mi a legvalószínűbb folytatás egy mondatban. Ez kiválóan működik szövegnél, de a térbeli tájékozódás más műfaj: ott nem elég valószínűsíteni, ott pontosan ki kell számolni. Egy útvonalnál nincs „nagyjából jó" válasz — vagy elfér a kamion a kanyarban, vagy nem; vagy nyitva van még a gyógyszertár, mire odaér a futár, vagy nem. Amíg az MI csak beszélgetett velünk, ez nem volt feltűnő. Most viszont egyre több rendszer nemcsak válaszol, hanem cselekszik is helyettünk: útvonalat tervez, megállót választ, feladatot oszt ki. Itt pedig a tévedésnek azonnali ára van — elvétett címek, üresben megtett kilométerek, késedelmes kiszállítások.
Hol bukik el a gyakorlatban a térbeli tévedés?
Néhány hétköznapi példa jól mutatja, mikor kell az MI mögé valódi adat. Egy elektromos autósnak nem általában „valahol a közelben" kell töltő, hanem olyan, amely az útvonalától tényleg pár percre van, és épp működik is. Egy futárnál az a kérdés, hogy a megálló nem jelent-e fölösleges kerülőt a forgalmi helyzet mellett. Egy teherautónál komoly tét, hogy a tervezett út megfelel-e a súly- és magasságkorlátozásoknak. A szervizháttérben az számít, hogy a legközelebbi szabad technikus menjen ki a helyszínre, manuális egyeztetés nélkül. A flottáknál pedig folyamatosan, sok jármű és szűk időablak között kell újratervezni az útvonalakat, ahogy változik a forgalom. Ezek mind olyan döntések, amelyeknél a „nagyjából" nem elég.
Miért a valós adat a kulcs?
A megbízható térbeli döntéshez az MI-nek friss, ellenőrzött adatra van szüksége: arra, hogy milyen az úthálózat, milyenek a közlekedési szabályok az adott szakaszon, és épp milyen a forgalom. A lényeg, hogy a térbeli számítást ne maga a beszélgető modell végezze találgatással, hanem valós térkép- és forgalmi adatra támaszkodjon. Így ugyanarra a kérdésre nem háromféle, hangulattól függő választ ad, hanem egyetlen kiszámíthatót. Ráadásul, ha a rendszer pontosan tudja, hová kell fordulnia adatért, kevesebb fölösleges lekérdezést is indít, ami egyúttal gyorsabb és olcsóbb működést is jelent.
Miért érdekes ez a hazai cégeknek?
A téma közvetlenül érinti a magyar flottakezelőket, logisztikai cégeket, szervizhálózatokat és közlekedésszervezőket. A hazai piacon egyre több MI-alapú vezetéstámogató és önvezető fejlesztés zajlik, és a Bosch budapesti AI Symposiumán bemutatott, az utasbiztonságtól az autonóm vezetésig ívelő fejlesztések is jelzik, hogy a megbízható, valós idejű térbeli adat a járműbiztonság alapja. A flották és a kiszállítással foglalkozó vállalkozások számára a kiszámítható útvonaltervezés kézzelfogható megtakarítás — ugyanaz a logika, amely a hétköznapi navigációban is egyre erősödik, ahogy azt a Google Térkép legújabb, MI-asszisztenssel bővülő frissítése is mutatja. Tágabban pedig a városi közlekedésszervezés felé mutat az irány: a térbeli MI nemcsak a járművekben, hanem a forgalomirányításban is megjelenik, ahol már működik mesterséges intelligencia vezérelte városi rendszer — ezzel a hazai szabályozásnak és infrastruktúrának is lépést kell tartania.
A konkrét fejlesztést, amely épp ezt a hiányt célozza, a térkép- és helymeghatározó adatokkal foglalkozó HERE Technologies mutatta be, a Traffic Technology Today beszámolója szerint. A megoldás lényege, hogy a helyalapú kérdéseket valós térkép- és forgalmi adatra váltja át, és csak ez alapján ad útvonalra vagy megállóra vonatkozó javaslatot. A cég termékfejlesztési vezetője, Christopher Handley szerint „az MI le tudja írni a világot, de nem tudja kiszámítani, hogyan működik" — éppen ezt a hiányt akarják pótolni. A vállalat saját közlése szerint adatbázisa több mint 200 országra terjed ki; a megoldás egyelőre nem általánosan elérhető, válogatott partnerekkel indul.
A tanulság az autóiparra nézve túlmutat egyetlen terméken. Az MI következő nagy kérdése nemcsak az, hogy mennyire okos a modell, hanem az is, milyen valós adatra támaszkodik, amikor a fizikai világban kell döntenie. A magyar gyártóbázis és beszállítói hálózat számára ez azt jelenti, hogy a térképi, forgalmi és közlekedési adat kezelése legalább annyira meghatározó lesz, mint a hagyományos hardver.
Forrás: Traffic Technology Today — „Here Technologies launches Location Reasoning to ground AI in real-world spatial data"; HERE Technologies sajtóközlemény (2026. május) A képek illusztrációk, egyes esetekben mesterséges intelligencia által generáltak.