Fogalomtár123 fogalom
AI fogalmak magyarázattal
Az AI-val való munka során előkerülő legfontosabb szakszavak rövid, érthető magyarázattal. Minden fogalomnál megmutatjuk, miért fontos, és hova kattinthatsz tovább.
A
- A/B értékelésKét modell, beállítás vagy munkafolyamat összehasonlítása azonos feladaton vagy összevethető körülmények között.
- A2A (Agent2Agent)Nyílt szabvány, amellyel különböző rendszerekben készült agentek kommunikálnak és feladatot adnak át egymásnak.
- AdatcímkézésAdatpéldákhoz rendelt címkék vagy kategóriák készítése, amelyek megmutatják, hogyan értelmezze vagy osztályozza őket egy modell.
- Adatkészlet (dataset)Összetartozó adatok rendezett gyűjteménye, amelyet például modell tanítására, ellenőrzésére vagy elemzésére használnak.
- AdatmérgezésA tanító- vagy működési adatok szándékos megrontása úgy, hogy az AI-rendszer viselkedése hibás vagy támadható legyen.
- Adatvédelem AI-használatnálAz AI-eszközök használata során alkalmazott gyakorlatok összessége, amelyek célja a személyes vagy bizalmas adatok szükségtelen megadásának, tárolásának vagy továbbításának megelőzése.
- Agent (AI Agent)Olyan AI rendszer, amely önállóan képes többlépéses feladatokat tervezni és végrehajtani eszközök segítségével, emberi közbeavatkozás nélkül.
- Agent harnessMinden, ami a modell körül egy agentet működtet: a prompt, az eszközök, a köztes logika és a környezet.
- Agent SkillHordozható mappa SKILL.md fájllal, amely egy adott feladat elvégzésének módját tanítja meg az agentnek.
- Agentic loop (agent-hurok)Az a ciklikus működés, amelyben az agent tervez, eszközt használ, értékeli az eredményt, majd újratervez és ismétel. Ettől válik önállóan dolgozó rendszerré, nem csak reagáló chatfelületté.
- AGENTS.mdNyílt fájlformátum, amelyben a projekt a kódoló agenteknek írja le a build-lépéseket, teszteket és kódolási szabályokat.
- AGI (általános mesterséges intelligencia)Hipotetikus AI-rendszer, amely általánosan, emberi szintű rugalmassággal képes gondolkodni és problémát megoldani bármely területen — nem csak egy szűk feladattípusban.
- AI-asszisztensOlyan AI-val működő segéd, amely kérdések megválaszolásában, információfeldolgozásban vagy feladatok előkészítésében támogat.
- AI-átláthatóságAnnak érthető bemutatása, hogy egy AI-rendszer mire szolgál, hogyan használják, milyen korlátai vannak, és ki felel a működéséért.
- AI-detektorOlyan eszköz, amely becslést ad arról, hogy egy szöveg vagy más tartalom mesterséges intelligenciával készülhetett-e.
- AI-keresésOlyan keresési mód, amely AI-val értelmezi a kérdést, forrásokat keres, majd összefoglaló választ állít össze.
- AI-megtérülés (ROI)Az AI-bevezetés eredményeinek és teljes költségeinek összevetése, például időmegtakarítás, minőség vagy új kapacitás alapján.
- AI-memóriaA rendszer azon képessége vagy beállítása, amellyel korábbi beszélgetésekből vagy megadott adatokból később is felhasználható információkat őriz meg.
- AI-műveltségAz a tudás és gyakorlati képesség, amely segít megérteni az AI működését, használatát, korlátait és lehetséges hatásait.
- AI-stratégiaAnnak szervezeti terve, hogy az AI-t milyen célokra, milyen felelősségi rendben és milyen feltételek mellett alkalmazzák.
- Alapmodell (Foundation Model)Széles körű adatokon előtanított, nagyméretű modell, amely különböző feladatokra adaptálható anélkül, hogy minden felhasználási esethez nulláról kellene tanítani.
- Alignment (igazítás)Annak biztosítása, hogy egy AI-rendszer valóban azokat a célokat szolgálja, amelyeket a fejlesztők és felhasználók szánnak neki — ne optimalizáljon félrevezetően, ne tegyen kárt.
- APIKét önálló szoftver közötti kommunikációs interfész, amelyen keresztül azok képesek funkciókat és adatokat megosztani egymással emberi beavatkozás nélkül.
- Átadás (handoff)Többagentes minta, amelyben az irányítás és a beszélgetés átkerül egy specialista agenthez.
- Attention (figyelem-mechanizmus)A Transformer belső logikája, amely eldönti, hogy egy új szó generálásakor a kontextus mely részei számítanak a legjobban. Emiatt tud a modell egy mondat végéről visszautalni annak elejére.
B
- BenchmarkSzabványosított feladatsorokból álló iparági teszt, amellyel a különböző mesterséges intelligenciák teljesítményét mérik össze matematikai, kódolási vagy logikai kategóriákban.
- BeszédfelismerésBeszédhang gépi átalakítása szöveggé, amelyet keresni, szerkeszteni vagy további feldolgozásra használni lehet.
- Bias (torzítás)Szisztematikus hiba a modell kimenetében, amelyet a tanítóadatok, a tréningmódszer vagy a mérési logika egyoldalúsága okoz. Nem véletlenszerű hiba — ismételten, azonos irányba térít el.
C
- Chatbot (beszélgető robot)Olyan szoftveres felület, amely üzenetváltás formájában válaszol a felhasználóknak, szabályokkal vagy AI-modellel.
- Chunking (darabolás)A dokumentumok kisebb, feldolgozható egységekre bontása indexelés előtt. A darabolás módja erősen befolyásolja, hogy mit talál vissza később a rendszer.
- Constitutional AIAz Anthropic által ismertté tett tréningmódszer, amelyben a modell előre rögzített elvek alapján értékeli és javítja a saját válaszait. Ezzel részben kiváltható az emberi értékelők egy része a biztonsági finomhangolásban.
- Context engineering (kontextus-tervezés)Annak tudatos megtervezése, hogy milyen információt, milyen sorrendben és milyen keretek között adunk az AI-nak. Tágabb és rendszerszintűbb gyakorlat, mint egyetlen prompt megírása.
D
- DeepfakeAI-val létrehozott vagy módosított kép, hang vagy videó, amely valós személyt vagy eseményt hihetően utánoz.
- Desztilláció (Knowledge Distillation)Kisebb modell tanítása úgy, hogy egy nagyobb, erősebb modell kimeneteit utánozza — így a kisebb modell jobb lesz, mintha csak az eredeti adatokon tanult volna.
- Diffúziós modellGeneratív AI-architektúra, amely úgy tanul képet generálni, hogy megtanulja a zajos képből az eredeti visszaállítását. A Midjourney, a DALL-E és a Stable Diffusion alapja.
E
- EmbeddingAz a matematikai fordítási folyamat, amely a számunkra érthető szavakat vagy dokumentumokat sűrű számsorokká (vektorokká) alakítja, hogy az AI értelmezni tudja a jelentésüket.
- Emberi felügyeletOlyan szervezési és technikai megoldások összessége, amelyek lehetővé teszik az AI működésének emberi ellenőrzését és szükség esetén megállítását.
- Emergens képességekOlyan új képességek, amelyek nagyobb modellekben hirtelen megjelennek, miközben kisebb modellekben még egyáltalán nem láthatók — nem lineárisan fejlődnek a méretnöveléssel.
- Epoch (tanítási korszak)A modell tanításában egy epoch azt jelenti, hogy a tanítóadatok teljes készletén egyszer végigfut a tanulási folyamat.
- EU AI Act (2024/1689 rendelet)Az Európai Unió mesterséges intelligenciára vonatkozó, 2024/1689 rendeletként hivatkozott jogi kerete.
F
- Felügyelet nélküli tanulásGépi tanulási módszer, amelyben a modell előre megadott helyes válaszok nélkül keres szerkezeteket vagy csoportokat az adatokban.
- Felügyelt tanulásGépi tanulási módszer, amelyben a modell példákból tanul, és minden példához ismert a kívánt válasz vagy címke.
- Fine-tuning (Finomhangolás)Egy már meglévő, általános tudású mesterséges intelligencia modell továbbképzése specifikus, saját adatok és példák betanításával.
- Function calling (eszközhívás)Az a képesség, amikor a modell nem csak szöveget ír, hanem strukturált hívást készít egy külső funkció vagy API felé. Ez az egyik alapja annak, hogy az AI valódi műveleteket tudjon indítani.
G
- Generatív AIOlyan AI rendszerek, amelyek új tartalmat hoznak létre: szöveget, képet, hangot, videót, kódot. A ChatGPT, a Claude, a Midjourney és a Suno mind generatív AI.
- Gépi látásKépekből vagy videókból információt kinyerő módszerek összessége; ide tartoznak az AI-alapú felismerési feladatok is.
- Gépi tanulás (Machine Learning)Az AI azon területe, ahol a rendszer nem előre megírt szabályok szerint működik, hanem adatokból tanulja meg, hogyan kell egy feladatot elvégezni.
- GPU (grafikus feldolgozóegység)Párhuzamos számításokra tervezett processzor, amely képfeldolgozás mellett számos AI-feladat gyorsítására is alkalmas.
- GradiensOlyan matematikai mennyiség, amely megmutatja, hogyan változik egy függvény értéke a bemeneti változók kis módosításakor.
- Ground truth (ellenőrzött alapigazság)Az ellenőrzött, helyes válasz, amellyel az AI kimenetét összehasonlítjuk — legyen az tréningcímke, emberi döntés vagy valódi adat.
- Grounding (tényekhez rögzítés)Az a megközelítés, amikor az AI válaszát külső, ellenőrizhető forrásokhoz kötjük. A cél, hogy a modell ne fejből improvizáljon, hanem a tényleges adatokra támaszkodjon.
- Guardrail (Korlát)A mesterséges intelligencia modellbe épített, vagy köré felhúzott biztonsági szabályrendszer, amely megakadályozza a káros, illegális vagy nem kívánt tartalmak generálását.
H
- HallucinációAmikor az AI magabiztos hangon, de tényszerűen hibás választ ad.
- HangklónozásEgy személy hangjának jellemzőit utánzó mesterséges beszéd előállítása hangminták alapján.
- Helyi AI-modellOlyan AI-modell, amely a felhasználó saját számítógépén vagy a szervezet által kezelt infrastruktúrán fut.
- Hibrid AI-modellOlyan AI-rendszer, amely gépi tanulást szabályokkal, szimbolikus logikával vagy más számítási módszerrel kapcsol össze.
- Hibrid keresésOlyan keresési módszer, amely a pontos kulcsszavas keresést szemantikus kereséssel kombinálja.
- Hőmérséklet (Temperature)A modell válaszainak kreativitását és kiszámíthatatlanságát szabályozó technikai beállítási érték.
I
- In-Context Learning (kontextuson belüli tanulás)Az a képesség, amellyel a modell a promptban megadott példák és utasítások alapján alkalmazkodik egy adott feladathoz — anélkül, hogy a belső súlyai frissülnének.
- InferenciaAz a folyamat és számítási fázis, amikor egy már betanított mesterséges intelligencia a kapott bemenet alapján ténylegesen legenerálja a választ.
J
- JailbreakingKísérlet arra, hogy egy AI modell biztonsági korlátait speciálisan megfogalmazott promptokkal megkerüljük, és olyat csináltassunk vele, amire alaphelyzetben nem hajlandó.
- Jellemző (feature)Egy adat vagy számított érték, amelyet egy gépi tanulási modell bemenetként használ egy minta leírására.
K
- Képgenerálás AI-val (fogalom)Képek létrehozása vagy átalakítása mesterséges intelligenciával, gyakran szöveges leírás alapján.
- KlaszterezésFelügyelet nélküli tanulási eljárás, amely hasonló adatpontokat csoportokba rendez előre megadott címkék nélkül.
- KontextusablakA maximális szövegmennyiség (tokenben), amelyet az AI egyszerre 'lát' – beleértve a bemenet és a kimenet összegét.
- Kvantálás (Quantization)A modell paramétereinek kisebb numerikus pontossággal való tárolása, ezzel csökkentve a memóriaigényt és gyorsítva a futtatást — kisebb minőségveszteség mellett.
L
- Láncolatos gondolkodás (Chain-of-Thought)Egy olyan technika, amely során az AI nem egyből a végeredményt adja meg, hanem lépésről lépésre, hangosan „gondolkodva” vezeti le a probléma megoldását.
- Latencia (válaszidő)Az az idő, amely a prompt elküldése és az első válaszelem megjelenése között telik el. Gyakorlati használatban ez a rendszer érzékelt gyorsasága.
M
- Magas kockázatú AI-rendszerAz EU AI Act szerinti kockázati kategóriába tartozó rendszer, amelynek használata jelentős hatással lehet emberek jogaira vagy biztonságára.
- Magyarázható AI (XAI)Olyan technikák és megközelítések összessége, amelyek érthetővé teszik, hogyan és miért hozott egy AI-rendszer adott döntést. A cél az átláthatóság növelése.
- Másodpilóta (copilot)Olyan AI-funkció vagy asszisztens, amely munka közben javaslatokat tesz, tartalmat készít vagy következő lépéseket segít előkészíteni.
- MCP (Model Context Protocol)Egy szabványosított kommunikációs híd, amelyen keresztül az AI modellek biztonságosan hozzáférhetnek a helyi gépen lévő fájlokhoz vagy külső szoftverekhez.
- Megerősítéses tanulásOlyan tanulási módszer, amelyben egy rendszer cselekvéseket próbál ki, és a kapott visszajelzés, például a jutalomjel alapján alakítja a viselkedését.
- Mélytanulás (Deep Learning)A gépi tanulás azon ága, amely többrétegű neurális hálózatokkal dolgozik. Ez az alapja a mai nagy nyelvi modelleknek, a képfelismerőknek és a generatív AI rendszereknek.
- Mesterséges intelligencia (AI)Olyan számítógépes rendszerek gyűjtőneve, amelyek emberi gondolkodásra jellemző feladatokat képesek elvégezni: következtetni, tanulni, dönteni, szöveget érteni és generálni.
- Mixture of Experts (MoE)Olyan modellarchitektúra, amelyben a nagy modell belül több specializált alhálózatból áll, és minden bemenetnél csak a releváns experteket aktiválja — a többit nem.
- MLOpsA gépi tanulási modellek fejlesztését, kiadását, megfigyelését és karbantartását támogató gyakorlatok összessége.
- Model Card (modellkártya)Egy modellhez készített szabványos dokumentáció, amely összefoglalja a modell képességeit, korlátait, tanítási módszerét, ismert biasait és ajánlott felhasználási területeit.
- Modell-driftA modell megbízható teljesítményének romlása, amikor megváltozik a valós környezet, az adat vagy a megoldandó feladat.
- ModelllopásEgy AI-modell vagy annak működését utánzó változat jogosulatlan megszerzése, lemásolása vagy rekonstruálása.
- Multi-agent rendszerOlyan AI-architektúra, amelyben több specializált agent dolgozik együtt egy nagyobb cél érdekében. A feladatok elosztva, részben párhuzamosan vagy egymás után futnak.
- Multimodális AIOlyan AI rendszer, amely nemcsak szövegekkel, hanem többféle adatformátummal – képekkel, hangokkal, videókkal – is képes egyszerre dolgozni, azokat megérteni és generálni.
N
- Nagy nyelvi modell (LLM)Hatalmas mennyiségű emberi szövegen betanított statisztikai rendszer, amely képes megérteni a természetes nyelvet, és folyékonyan válaszolni a feltett kérdésekre.
- Neurális hálózatEgymáshoz kapcsolt, rétegekbe szervezett mesterséges neuronokból álló számítási modell, amely az emberi agy hálózatát lazán utánozza, és adatokból tanul mintákat.
- NLP (természetesnyelv-feldolgozás)Az AI azon területe, amely az emberi nyelv gépi megértésével és generálásával foglalkozik: szövegelemzéssel, fordítással, összefoglalással, kérdés-válasz feladatokkal.
- Nyílt súlyú modellOlyan AI-modell, amelynek betanított paraméterei letölthetők, és megfelelő feltételekkel saját környezetben is futtathatók.
- Nyomkövetés (trace)Egy AI-futás lépésenkénti naplója: modellhívások, eszközhasználat, keresések, költség és késleltetés.
O
- OCR (optikai karakterfelismerés)Képen vagy szkennelt dokumentumban található szöveg gépileg olvasható szöveggé alakítása.
- Orchestrator (irányító agent)Egy multi-agent rendszer vezérlő eleme, amely felosztja a munkát, kiosztja a részfeladatokat, és összefogja az eredményeket. Nem mindent maga csinál, hanem koordinál.
- Overfitting (túlillesztés)Amikor egy modell túlságosan rátanul a tréningadatokra, ezért az ismert példákon jól teljesít, de új helyzetekben gyengébben működik. Ilyenkor kevésbé tud általánosítani.
P
- PromptAz AI modell irányítására és feladatvégzésére szolgáló, emberi nyelven megfogalmazott szöveges utasítás vagy bemenet.
- Prompt injection (prompt-befecskendezés)Olyan támadás, amikor egy rosszindulatú bemenet megpróbálja felülírni az AI eredeti utasításait. Különösen veszélyes agenteknél és külső forrásokat olvasó rendszereknél.
- PromptkönyvtárVisszakereshető gyűjtemény olyan promptokból, amelyek egy adott feladathoz vagy munkafolyamathoz bevált kiindulópontot adnak.
R
- RAGRetrieval-Augmented Generation – olyan technika, ahol az AI válaszadás előtt releváns tartalmakat keres elő egy tudásbázisból.
- Reasoning modell (következtető modell)Olyan AI-modell, amelyet összetettebb, több lépéses problémák megoldására optimalizáltak.
- Red teaming (ellenséges tesztelés)Célzott, támadójellegű tesztelés, amelynek során szakértők szándékosan keresik egy AI-rendszer gyengeségeit, hibás viselkedését és biztonsági réseit — mielőtt éles használatba kerül.
- RegresszióFelügyelt gépi tanulási feladat, amelyben egy modell folytonos vagy számszerű értéket becsül a bemeneti adatok alapján.
- Rendszer-prompt (System prompt)A háttérben futó, a felhasználó elől gyakran elrejtett alaputasítás, amely meghatározza az AI viselkedését, szerepkörét és korlátait az egész beszélgetés során.
- Retrieval (visszakeresés)A RAG rendszerek azon lépése, amikor a modell válaszadás előtt megkeresi a releváns dokumentumdarabokat. A generálás minősége sokszor ezen áll vagy bukik.
- RLHF (emberi visszajelzésen alapuló megerősítéses tanulás)Olyan tréningmódszer, amelyben emberek értékelik a modell válaszait, és ezekből tanulja meg a rendszer, milyen válasz számít hasznosnak és elfogadhatónak. Így lesz a nyers modellből használható chatasszisztens.
S
- Sampling (mintavételezés)Az a folyamat, amellyel a modell kiválasztja a következő tokent a lehetséges opciók közül. A temperature és a top-p ehhez a választási folyamathoz tartozó beállítások.
- Shadow AI (árnyék-AI)Amikor a munkatársak a szervezet tudta, jóváhagyása vagy kontrollja nélkül használnak AI eszközöket valódi céges feladatokra. Ez tipikusan governance- és adatbiztonsági kockázat.
- Skálázási törvényekEmpirikusan megfigyelt összefüggések, amelyek leírják, hogyan javul a modell teljesítménye a méret, az adatmennyiség és a számítási kapacitás növelésével.
- Strukturált kimenetOlyan AI-válasz, amely előre meghatározott formátumot és mezőket követ, például egy JSON-objektum szerkezetét.
- SubagentSegéd-agent, amely saját kontextusban elvégez egy részfeladatot, és csak az eredményt adja vissza a fő agentnek.
- Szemantikus keresésOlyan keresési módszer, amely a lekérdezés és a tartalom jelentése, nem csupán a szó szerinti egyezés alapján keres.
- Szintetikus adatMesterségesen generált adat, amelyet valódi adatok helyett vagy kiegészítéseként használnak AI-modellek tanításához. Nincs mögötte valódi eset, mégis valószerű mintákat követ.
- Szövegfelolvasás (text-to-speech)Olyan technológia, amely írott szövegből gépi beszédhangot állít elő.
T
- TanítóadatAz a példaanyag, amelyből egy AI-modell a tanítás során mintázatokat sajátít el.
- TokenA legkisebb szövegegység, amelyet az AI feldolgoz. Hozzávetőleg 1 token ≈ 0,75 szó magyarul.
- Tokenizer (tokenizáló)Az a komponens, amely a szöveget tokenekre bontja, mielőtt a modell feldolgozná. A különböző tokenizálók eltérően darabolják ugyanazt a szöveget.
- Tool use (eszközhasználat)Az AI képessége arra, hogy külső szoftvereket, API-kat, böngészőt vagy fájlkezelő műveleteket használjon egy feladat végrehajtásához. Tágabb fogalom, mint a function calling.
- TPU és NPU (AI-gyorsítók)AI-műveletek gyorsítására kialakított processzoregységek, amelyeket egyes számítógépekben, telefonokban vagy szerverekben használnak.
- Transformer (architektúra)Az a neurális hálózati architektúra, amelyre a modern nagy nyelvi modellek épülnek. A 2017-es áttörést az hozta, hogy a modell a szöveg bármely részére tud figyelni, nem csak a közeli szavakra.
- Transzfer tanulásKorábban megszerzett tudás átvitele egy másik feladatra vagy területre — a modell nem nulláról kezdi az új feladatot, hanem az előző tapasztalataira épít.
- Tudás-határidő (knowledge cutoff)Az a dátum, ameddig a modell a tréningadataiból ismereteket hordoz. Az ezután történt eseményeket önmagától nem ismeri, csak ha külön forrást adunk neki.
- TudásgráfOlyan adatstruktúra, amely entitásokat és a köztük lévő kapcsolatokat csomópontokként és élekként ábrázolja.
U
V
- Vektoros adatbázisKifejezetten az AI számára optimalizált adattároló rendszer, amely a szövegeket, dokumentumokat matematikai jelentésük alapján, számok formájában rendezi sorba.
- Vibe codingOlyan kódolási munkamód, amelyben a fejlesztő természetes nyelven írja le a kívánt programot, az AI pedig kódot generál vagy módosít.
- Vízjel AI-tartalombanLátható vagy géppel felismerhető jelölés, amely egy tartalom eredetére vagy AI-val való előállítására utalhat.