quotescamera408D8217-1508-42F1-8C7C-9B81D4D48B57BF2C6754-57F9-416E-81DD-671EE8AD8D71DD13BF45-FD0E-4F5E-BCB8-EE0968EEB4D2DD13BF45-FD0E-4F5E-BCB8-EE0968EEB4D292333EC4-7DF2-4B9F-A7BF-114B75EE0347chevron_thin_rightchevron-downchevron-firstchevron-lastchevron-leftchevron-nextchevron-prevchevron-right582A3CB2-04DA-4E39-837D-58C0907011FD582A3CB2-04DA-4E39-837D-58C0907011FDchevron-upA659D4DE-32ED-45A3-A6C5-A48FFE2B488D75140C12-4E5F-4759-9FD3-4300BCD98B0CB69DB86E-0DDE-4383-BD92-653067C2563303A7445C-E555-4556-9278-5815BF71C9AF16DD793C-5D61-45BF-AFAF-6DE315DB19D01A6A983E-3DA3-4A07-ACA8-60B780BA8F5Bsearch-bigD9E58768-0281-47D1-8191-45C7CE673AF893DB4080-7C8D-467D-8E27-6ECB71C8D144C6DE3A5E-B153-4D9B-9D7B-F226C80BCB9A1D118CCB-65D4-4236-8317-A87D534DDCA8001646AA-7655-4585-ADCC-738ED6F09280
2025. 02. 23. vasárnap
  -  Alfréd
Térség

Szoftverhibák javítását segítő megoldáson dolgoznak szegedi kutatók

2023. január 17.

Nemzetközi együttműködéssel egy, a feladatok optimális kiosztását végző keretrendszeren belül a szoftverhibák javítását segítő megoldáson dolgoznak a FrontEndART Kft. és a Szegedi Tudományegyetem (SZTE) kutatói – tájékoztatott a felsőoktatási intézmény közkapcsolati igazgatósága.

A közlemény szerint az SZTE és a FrontEndART Kft. konzorciumi partnerként vesz részt a hat ország vállalkozásai és intézményei által megvalósított Optimal Management of Demand (OMD – a kereslet optimális kezelése) projektben. Egy török informatikai vállalkozás, az Experteam által vezetett hároméves kezdeményezés célja egy olyan egységesített, mesterséges intelligencia megoldásokon alapuló ügyfélkérelmeket kezelő keretrendszer fejlesztése, amely több szektorban – az egészségügy, az igazságszolgáltatás, az e-kereskedelem, a fogyasztói elektronika és szoftverfejlesztés területén – képes ügyintézőket automatikusan és költséghatékonyan a számukra megfelelő feladatokhoz rendelni. Az adott probléma megoldásához a megfelelő szakértő kiválasztása jelentősen csökkentheti az ügyintézési időt és a költségeket.

A magyarországi projektelem a szoftverfejlesztői, karbantartói és üzemeltetői piacra olyan mesterséges intelligencián és gépi tanulási algoritmusokon alapuló eszköz fejlesztése, amely képes – különböző kritériumok alapján – a szoftver-forráskód karbantartási feladatainak optimális szétosztására a fejlesztők között.

A FrontEndART Kft. QualityGate forráskód minőségirányítási rendszere képes figyelemmel kísérni egy szoftver „evolúcióját” és felderíteni abban a hibás és problémás kódrészeket. Az egyes hibákhoz a legalkalmasabb fejlesztő automatikus kiválasztása számos kódtól, hibától, és fejlesztői jellemzőtől függő komplex optimalizálási feladat, amire a hagyományos módszerek nem alkalmasak. A projektben olyan feladatkiosztó megoldást fejlesztenek, amely mesterséges intelligencián és gépi tanuláson alapuló modelleket használva képes azon fejlesztők kiválasztására, akik segítségével a szoftver hibás kódrészleteinek javítása legjobban megoldható. Az ehhez szükséges adatok a statikus kódanalízisből és a fejlesztői tevékenység naplózásából, valamint a fejlesztők adatalapú profilépítéséből származnak.

Az SZTE munkatársai elsősorban mesterséges intelligencián és gépi tanuláson alapuló módszerek kutatásában és fejlesztésében vesz részt. A 2024 végéig tartó projekt megvalósítását a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal mintegy 68 millió forintos támogatása segíti.

Illusztráció: Pixabay.com