Fogalomtár
AI-fogalomtár magyarul
A mesterséges intelligencia legfontosabb fogalmai közérthetően, magyarul. Kattints egy fogalomra a részletes magyarázatért és a kapcsolódó hírekért.
A
- AI-ágens (AI agent) Olyan AI-rendszer, amely önállóan érzékeli a környezetét, célokat követve döntéseket hoz, és eszközök segítségével cselekvéseket végez.
- Alapmodell (foundation model) Hatalmas adathalmazon előtanított, sokoldalú mesterséges intelligencia modell, amely alapul szolgál számos specifikus feladathoz igazított rendszer kifejlesztéséhez.
- Algoritmikus torzítás (bias) Amikor egy mesterséges intelligencia rendszer szisztematikusan igazságtalan vagy pontatlan eredményeket ad bizonyos csoportokra nézve.
- Általános mesterséges intelligencia (AGI) Olyan hipotetikus mesterséges intelligencia, amely az emberhez hasonlóan bármilyen szellemi feladatot képes megtanulni és megoldani.
B
C
D
- Deepfake Mesterséges intelligenciával készített hamis kép, hang vagy videó, amely valós személyt hitelesen, de megtévesztő módon jelenít meg.
- Diffúziós modell (Diffusion Model) Olyan generatív mesterséges intelligencia modell, amely zajból lépésről lépésre állít elő új, valósághű adatot, például képet.
E
- Előtanítás (pretraining) Egy nagy neurális modell nagy mennyiségű, általános adaton történő kezdeti betanítása, mielőtt konkrét feladatra finomhangolnák.
- Embedding (beágyazás) Szavakat, mondatokat vagy más adatokat számokból álló vektorokká alakító technika, amely megőrzi a köztük lévő jelentésbeli hasonlóságot.
- Emberi visszajelzésen alapuló megerősítéses tanulás (RLHF) Nyelvi modellek finomhangolási módszere, amely emberi preferenciák alapján tanított jutalommodellel igazítja a modell válaszait az elvárt viselkedéshez.
- EU MI-rendelet (AI Act) Az Európai Unió átfogó jogszabálya, amely a mesterséges intelligenciás rendszereket kockázati szint szerint szabályozza.
F
G
- Generatív ellenséges háló (GAN) Két, egymással versengő neurális hálóból álló architektúra, amely valósághű, mesterségesen generált adatok (pl. képek) létrehozására tanítható.
- Gépi tanulás (ML) A mesterséges intelligencia azon ága, amelyben a rendszerek adatokból tanulnak mintázatokat explicit programozás helyett.
- Gondolatmenet-ösztönzés (chain-of-thought, CoT) Olyan promptolási technika, amely arra ösztönzi a nyelvi modellt, hogy a válasz előtt lépésről lépésre kifejtse a gondolatmenetét.
- GPU és TPU (Graphics Processing Unit és Tensor Processing Unit) Speciális processzorok, amelyek párhuzamos számítási képességük miatt ideálisak a mesterséges intelligencia modelljeinek betanítására és futtatására.
- Gradiens csökkentés (gradient descent) Optimalizálási eljárás, amely a hibafüggvény gradiensének irányával ellentétesen lépkedve fokozatosan csökkenti a modell hibáját.
H
I
K
- Kontextusablak (context window) A kontextusablak az a maximális szövegmennyiség, amit egy nyelvi modell egyszerre képes figyelembe venni egy válasz generálásakor.
- Kvantálás (Quantization) Neurális hálók számainak alacsonyabb pontosságú (pl. 8 vagy 4 bites) ábrázolására való átalakítása a memória- és számításigény csökkentésére.
M
- Megerősítéses tanulás (Reinforcement Learning, RL) Olyan gépi tanulási módszer, amelyben egy ágens próba és hiba útján, jutalmak és büntetések alapján tanulja meg az optimális viselkedést.
- Mély tanulás (Deep Learning) A gépi tanulás egyik ága, amely sok rétegű mesterséges neurális hálókkal tanul mintázatokat közvetlenül nyers adatokból.
- MI-biztonság (AI safety) Az MI-biztonság azzal foglalkozik, hogyan lehet a mesterséges intelligencia rendszereket megbízhatóvá, kiszámíthatóvá és az emberi értékekkel összhangban lévővé tenni.
- Mixture of Experts (MoE) Olyan neurális háló architektúra, amely több specializált „szakértő” alhálóból áll, és minden bemenethez csak néhányat aktivál közülük.
- Model Context Protocol (MCP) Nyílt szabvány, amely egységesíti, hogyan kapcsolódhatnak a mesterséges intelligencia modellek külső adatforrásokhoz és eszközökhöz.
- Multimodális modell Olyan mesterséges intelligencia modell, amely egyszerre több adattípust – például szöveget, képet, hangot vagy videót – képes értelmezni és generálni.
N
O
P
- Paraméter A neurális háló belső, tanítás közben módosuló számértéke, amely a modell tudását és viselkedését kódolja.
- Prompt (utasítás) A prompt az a szöveges (vagy más formátumú) bemenet, amellyel a felhasználó egy mesterséges intelligencia modelltől választ vagy cselekvést kér.
- Prompt engineering Az a gyakorlat, amikor nagy nyelvi modelleknek szánt bemeneti utasításokat úgy fogalmazunk meg, hogy a lehető legjobb kimenetet kapjuk.
R
S
T
- Token A nyelvi modellek által feldolgozott szöveg legkisebb egysége, ami lehet szó, szótöredék vagy karakter.
- Transformer architektúra Neurális hálózati architektúra, amely az önfigyelem (self-attention) mechanizmussal dolgozza fel a sorozatokat, és a mai nagy nyelvi modellek alapja.
- Tudásdesztilláció (knowledge distillation) Eljárás, amellyel egy nagy, komplex modell tudását egy kisebb, hatékonyabb modellbe sűrítik.
- Túltanulás (overfitting) Amikor egy modell a tanítóadatok apró részleteit és zaját is megtanulja, ezért új adatokon rosszul teljesít.
V
- Vektoradatbázis (Vector Database) Olyan adattár, amely szövegek, képek vagy más adatok numerikus vektoros (embedding) reprezentációit tárolja és hasonlóság alapján keresi vissza.
- Visszaterjesztés (backpropagation) Neurális hálók tanítására használt algoritmus, amely a hiba gradiensét a kimenettől a bemenet felé haladva számítja ki a súlyok frissítéséhez.