Egy 2026-ban megjelent, az Európai Bizottság számára készített tanulmány azonban már most megpróbálja kijelölni azokat az AI-területeket, amelyek stratégiai jelentőségűek lehetnek a 2027 utáni uniós kutatási és innovációs finanszírozásban. A dokumentum nem egy elfogadott pályázati program és nem a jövőbeli felhívások hivatalos listája. Sokkal inkább egy előzetes technológiai térkép, amely szakértői konzultációk, Delphi-felmérések (többlépcsős szakértői konszenzusfelmérések), publikációs és szabadalmi adatok, valamint piaci elemzések alapján mutatja meg, mely AI-technológiákra érdemes Európának hosszabb távon építenie.
Az egyik legfontosabb területet a foundation modellek (alapmodellek) jelentik. Ezek nagy és sokféle adathalmazon betanított általános AI-modellek, amelyek később számos konkrét alkalmazás alapjául szolgálhatnak. Európának nem feltétlenül az amerikai általános célú modellek egyszerű másolására kell törekednie. Sokkal nagyobb jelentősége lehet a szuverén, többnyelvű és ágazatspecifikus modelleknek, például az egészségügy, a jog, a közigazgatás vagy az ipar területén. Ez egyszerre technológiai és szuverenitási kérdés: ha egyre több digitális szolgáltatás ugyanarra a néhány, Európán kívül fejlesztett alapmodellre épül, az hosszú távon jelentős függőséget hozhat létre.
Ehhez szorosan kapcsolódik az AI-agentek (MI-ügynökök) fejlődése. Az agentek már nem pusztán kérdésekre válaszoló rendszerek, hanem olyan autonóm vagy félautonóm AI-k, amelyek képesek egy cél alapján több lépést megtervezni, eszközöket és külső rendszereket használni, majd feladatokat végrehajtani. Egy vállalati AI-agent például adatokat gyűjthet, dokumentumokat elemezhet, különböző rendszereket kérdezhet le és ezekből döntési javaslatot készíthet. A technológiai lehetőség óriási, de ugyanilyen fontos kérdés a megbízhatóság, az ellenőrizhetőség és az, hogy meddig engedhető egy ilyen rendszernek önállóan cselekedni. Ezért a jövő támogatásai várhatóan nem pusztán „okosabb agenteket”, hanem biztonságos és értelmezhető agentarchitektúrákat kereshetnek.
A következő nagy irány az olyan AI, amely nemcsak mintázatokat ismer fel, hanem jobban követhető módon gondolkodik és magyaráz. Ide tartozik a causal (oksági) AI és különösen a neurosymbolic (neuroszimbolikus) AI. Utóbbi a neurális hálózatok adatból történő tanulását próbálja ötvözni a klasszikus, szabály- és logikaalapú mesterséges intelligenciával. Ez azért lehet fontos, mert a jelenlegi AI-modellek egyik alapvető gyengesége a következtetések korlátozott ellenőrizhetősége. A neuroszimbolikus megközelítés kisebb adatigényt, átláthatóbb érvelést és bizonyos esetekben formálisabb helyességi garanciákat kínálhat.
Hasonlóan európai erősség lehet az ember–gép kezelőfelület fejlődése. Az intelligens kezelőfelületek, természetes nyelvű irányítás, prediktív támogatás vagy akár a robotokkal való együttműködés különösen fontos az európai iparban. A cél itt nem feltétlenül az ember kiváltása. Sok alkalmazás inkább arra épülhet, hogy az AI-val támogatott gép vagy szoftver hatékonyabbá teszi az ember munkáját. Ez a megközelítés jól illeszkedik az EU által gyakran emberközpontú mesterséges intelligencia elképzeléséhez.
Külön kutatási és támogatási területté válik az AI biztonsága, megbízhatósága és értékelése is. A tanulmány külön említi az AI safety and security (a mesterséges intelligencia biztonsága és kiberbiztonsága), AI evaluation (mesterségesintelligencia-rendszerek értékelése), valamint trustworthy és explainable AI (megbízható és magyarázható mesterséges intelligencia) témákat. Minél nagyobb szerepet kapnak az AI-rendszerek egészségügyi, pénzügyi, ipari vagy közigazgatási döntésekben, annál fontosabb lesz annak bizonyítása, hogy egy modell valóban megfelelően működik. Ehhez új tesztelési módszerekre, benchmarkokra, biztonsági vizsgálatokra és megfelelőségértékelési technológiákra lesz szükség. Az EU AI Act rendelet miatt ez nem csupán kutatási kérdés: idővel önálló piac alakulhat ki az AI-rendszerek ellenőrzésére és tanúsítására.
Egy másik fontos irány a Green és Frugal AI (zöld és erőforrás-takarékos mesterséges intelligencia). A jelenlegi AI-fejlődés egyik problémája, hogy az egyre nagyobb modellek egyre több számítási teljesítményt és energiát igényelnek. Európa számára ezért stratégiai jelentőségű lehet olyan modellek és hardverek fejlesztése, amelyek kisebb energia-, adat- és számítási igény mellett is megfelelő teljesítményt nyújtanak. Ehhez kapcsolódik a neuromorphic computing (neuromorf számítástechnika), amely az emberi agy működéséből merítve próbál rendkívül energiahatékony számítási rendszereket létrehozni. (Az emberi agy körülbelül 20 watt teljesítménnyel működik, miközben a modern AI-adatközpontok energiaigénye ennek sokmilliószorosa lehet.)
Szintén egyre fontosabb az Edge AI (peremhálózati, helyi mesterséges intelligencia), vagyis amikor a mesterséges intelligencia nem távoli felhőben, hanem közvetlenül a gépen, szenzoron, járművön vagy más helyi eszközön fut. Ez gyorsabb reakciót, jobb adatvédelmet és kisebb cloudfüggőséget tesz lehetővé. Az Edge AI különösen jól illeszkedik Európa ipari erősségeihez: az automatizálás, az IoT, a beágyazott rendszerek és a félvezetőipar mind olyan területek, amelyekre erre épülő projektek támaszkodhatnak.
A hosszabb távú, nagyobb kockázatú kutatások között a dokumentum kiemeli a kvantumszámítástechnika és az AI összekapcsolását, valamint a nem hagyományos, akár nem szilícium-alapú számítási paradigmákat is. Ezek még nem feltétlenül a következő néhány év tömeges alkalmazásai, de az EU számára stratégiai jelentőségűek lehetnek, mert a következő generációs AI-rendszerek számítási alapjait érintik. A cél itt már nem egyszerűen jobb algoritmus létrehozása, hanem annak újragondolása, hogy milyen hardveren és milyen fizikai elvek alapján működjön a jövő mesterséges intelligenciája.
A 2027 utáni finanszírozási forgatókönyvben a források 32%-át alkalmazott kutatásra és technológiafejlesztésre, 22%-át tesztelési és technológiai infrastruktúrára, 19%-át alapkutatásra, 14%-át készségfejlesztésre és 13%-át ökoszisztéma-építésre fordítanák. Ez fontos jelzés lehet a jövőbeli pályázók számára. A következő uniós AI-programokban valószínűleg egyre kevésbé lesz elegendő önmagában azt bemutatni, hogy egy projekt „mesterséges intelligenciát alkalmaz”. A hangsúly várhatóan azon lesz, milyen technológiai problémát old meg, mennyire illeszkedik az európai stratégiai erősségekhez, csökkenti-e a külső technológiai függést, tesztelhető-e valós környezetben, és képes-e kutatási eredményből versenyképes európai technológiává válni. Ez tekinthető a 2027 utáni uniós AI K+F pályázati irányok egyik korai térképének.
Forrás: Európai Bizottság (2026): Study on strategic digital technologies for the EU Research and Innovation funding beyond 2027 – Annex 2: Technology Area Report – Artificial Intelligence. Technopolis Group.