Bevezetés az MI alkalmazásába.

A

AI policy (MI-használati szabályzat)70. dia →

Egy szervezet belső szabályzata arról, ki, mire, milyen eszközzel és milyen adattal használhat MI-t, ki hagyja jóvá az új eszközt, és ki felel érte.

aktivációs függvény11. dia →

A neuron súlyozott összegét kimenetté alakító függvény. A dián S-görbe, amely bármekkora számot 0 és 1 közé szorít.

alapmodell35. dia →

Nagy, általános célú modell, amelyre mások saját alkalmazásokat építenek; szakmai kifejezés, az AI Act helyette az „általános célú MI-modell” fogalmát használja.

alkalmazandóság49. dia →

Az, hogy egy hatályos jogszabály adott rendelkezését már ténylegesen alkalmazni kell; az AI Act rendelkezései 2025 és 2028 között, lépcsőzetesen váltak, illetve válnak alkalmazandóvá.

alkalmazó (AI Act)50. dia →

Az a személy vagy szervezet, amely a felügyelete alá tartozó MI-rendszert használja, kivéve a személyes, nem szakmai jellegű használatot; például a pontozó MI-t használó egyetem.

AlphaFold32. dia →

MI-rendszer, amely a fehérje építőköveinek sorrendjéből megjósolja a térbeli szerkezetét; érte Demis Hassabis és John Jumper megkapta a 2024-es kémiai Nobel-díj felét.

általános célú MI-modell (GPAI)35. dia →

Az AI Act 3. cikk 63. pontja szerint jelentős általánosságot mutató MI-modell, amely sokféle feladatot képes szakszerűen elvégezni, és számos rendszerbe vagy alkalmazásba beépíthető.

általánosítás14. dia →

A modell képessége, hogy a tanítás során sosem látott, új esetekre is jól válaszoljon. Ez a tanulás igazi mércéje.

átláthatósági kötelezettség47. dia →

Az AI Act 50. cikkének szabályai: az embernek tudnia kell, ha MI-vel beszél, a generált tartalmat gépileg jelölni kell, és fel kell tüntetni, ha egy kép, hang vagy videó deepfake.

automatizált döntés3. dia →

Emberi közreműködés nélkül, kizárólag gépi adatkezelésen alapuló döntés. Ha joghatással jár vagy hasonlóan jelentősen érinti az embert, a GDPR 22. cikke korlátozza.

autoregresszív generálás16. dia →

Az a működés, amelyben a modell a kimenetét darabonként állítja elő, és minden új darabot az addig előállított szöveg alapján választ ki.

B

beágyazás (embedding)18. dia →

A token számszerű ábrázolása: hosszú számsor, vagyis egy pont egy sokdimenziós térben, ahol a hasonló jelentésű szavak egymáshoz közel kerülnek.

C

címke10. dia →

A tanítópéldához tartozó helyes válasz, például „spam” vagy „nem spam”. A gép ehhez méri a saját tippjét, ezért a hibás címkét is megtanulja.

CSAM48. dia →

Child sexual abuse material: gyermekek szexuális bántalmazását ábrázoló anyag; az AI Act 5. cikk (1) bb) pontja a 2011/93/EU irányelv 2. cikk c) és e) pontjára (gyermekpornográfia, pornográf előadás) utal.

D

deepfake24. dia →

MI által generált vagy manipulált kép-, hang-⁠ vagy videotartalom, amely létező személyre, tárgyra, helyre, entitásra vagy eseményre hasonlít, és megtévesztő módon valóságosnak tűnne (AI Act 3. cikk 60. pont).

diffúziós modell23. dia →

Olyan generatív modell, amely a tanítás során megtanulja a zajt lépésenként eltávolítani, így tiszta zajból új képet állít elő; a képgenerátoroknál ezt a szöveges utasítás tereli.

Digital Omnibus47. dia →

Az (EU) 2026/1744 rendelet, amely 2026. július 27-én lépett hatályba: módosította az AI Actet, kitolta a nagy kockázatú szabályok határidejét, enyhítette az MI-jártassági kötelezettséget, és új tilalmakat hozott.

due diligence62. dia →

Átvilágítás: például cégfelvásárlás előtt az ügyvédek végignézik a célcég szerződéseit, pereit és engedélyeit, hogy kiderüljenek a jogi kockázatok.

E

ELIZA-hatás28. dia →

Az a jelenség, hogy az emberek megértést tulajdonítanak egy gépnek, amely valójában csak előre megírt mintákat követ, ahogy ELIZA a kulcsszavakat.

előtanítás21. dia →

A nyelvi modell első tanítási lépcsője: hatalmas szövegmennyiségen a következő token jóslását gyakorolja, ebből tanul nyelvet és sok tényszerű mintát.

ember a hurokban62. dia →

Működési elv (angolul human in the loop): az MI munkáját a folyamat lépéseinél ember ellenőrzi, mielőtt felhasználják, így a döntés és a felelősség emberé marad.

emberi felügyelet15. dia →

Az a biztosíték, hogy ember figyelemmel kíséri az MI-rendszer működését, és szükség esetén beavatkozhat, felülbírálhatja a kimenetét vagy leállíthatja a rendszert.

F

fekete doboz12. dia →

Olyan rendszer, amelynek a bemenetét és a kimenetét látjuk, de a belső működéséből nem olvasható ki, miért adta az adott eredményt.

felróhatóság63. dia →

Akkor áll fenn, ha valaki nem úgy jár el, ahogy az adott helyzetben általában elvárható; a Ptk. 6:519. § szerint a károkozó mentesül, ha bizonyítja, hogy magatartása nem volt felróható.

few-shot prompt67. dia →

Olyan prompt, amely néhány mintapéldát is ad; a gép a példák szerkezetét és stílusát követi, de csak az adott beszélgetésben, a modell nem tanul belőlük tartósan.

figyelemfej19. dia →

A figyelemmechanizmus egyik párhuzamosan dolgozó egysége; minden fej más kapcsolatot tanul meg, például a névmás és a főnév vagy az ige és a cselekvő viszonyát.

figyelemmechanizmus19. dia →

A Transformer alapművelete: minden token súlyozza, hogy a többi token mennyit számít a jelentéséhez, és ilyen arányban veszi át az információjukat.

finomhangolás21. dia →

Egy előtanított modell további tanítása célzott példákon, itt emberek által írt kérdés-válasz párokon, hogy kövesse az utasításokat.

G

generatív MI9. dia →

Olyan MI, amely új tartalmat állít elő: szöveget, képet, hangot, videót vagy programkódot.

gépi tanulás9. dia →

Az MI-nek az az ága, amelyben a gép a szabályt nem kézzel kapja, hanem adatokból, jellemzően példákból és a hozzájuk tartozó helyes válaszokból tanulja meg.

GPT29. dia →

Generative Pre-trained Transformer, azaz generatív, előtanított Transformer: szöveget állít elő, hatalmas szövegmennyiségen előtanították, és a 2017-es Transformer-szerkezetre épül.

GPU35. dia →

Grafikus processzor: olyan chip, amely egyszerre rengeteg egyszerű számítást végez párhuzamosan, ezért alkalmas neurális hálók tanítására és futtatására.

gradiensereszkedés13. dia →

Tanítási módszer: a gép kiszámolja a hiba lejtőjét (a gradienst), és a súlyokat kis lépésekben a lejtőn lefelé, a kisebb hiba felé módosítja.

H

hallucináció22. dia →

A nyelvi modell magabiztosan előadott, de kitalált vagy téves állítása, például nem létező ítélet vagy hivatkozás; a működéséből következik, nem alkalmi hiba.

hangklón24. dia →

Egy valódi ember hangját utánzó, MI-vel előállított hang, amelyet jellemzően az illető hangfelvételeiből tanítanak.

hatálybalépés49. dia →

Az a nap, amelytől a jogszabály kötelező ereje beáll; az AI Act 2024. augusztus 1-jén lépett hatályba, de szabályainak többségét csak későbbi időponttól kell alkalmazni.

hibavisszaterjesztés13. dia →

Módszer, amely a kimeneten mért hibából rétegről rétegre visszafelé haladva kiszámolja, hogy az egyes súlyok kis módosítása mennyire és merre változtatná a hibát.

hízelgés (sycophancy)21. dia →

A modell hajlama arra, hogy a felhasználónak tetsző, vele egyetértő választ adjon akkor is, ha az nem helyes; részben az emberi visszajelzésen alapuló tanítás mellékhatása.

hőmérséklet20. dia →

A mintavétel beállítása (T): alacsony értéknél a legvalószínűbb szó szinte mindig nyer, magasnál a ritkább szavak is gyakrabban bekerülnek a szövegbe.

I

iteratív prompt67. dia →

Körről körre finomító promptolás: az első választ nyersanyagnak tekintjük, és újabb utasításokkal (rövidebben, formálisabban) javíttatjuk ugyanabban a beszélgetésben.

J

jogalap15. dia →

A GDPR 6. cikk (1) bekezdésében felsorolt jogszerűségi feltételek egyike, például hozzájárulás, szerződés teljesítése vagy jogos érdek; ezek egyike nélkül személyes adat nem kezelhető jogszerűen.

jogorvoslat45. dia →

Jogi eszköz, amellyel az érintett megtámadhat egy döntést, hogy azt egy másik, jellemzően magasabb szintű fórum felülvizsgálja; ilyen például a fellebbezés.

K

kockázatalapú szabályozás46. dia →

Szabályozási módszer, amelyben a kötelezettségek szigora a felhasználás kockázatától függ: a legveszélyesebbet tiltják, a kockázatosat feltételekhez kötik, a többit alig vagy egyáltalán nem szabályozzák külön.

kontextusablak17. dia →

Az a tokenmennyiség, amelyet a nyelvi modell egyszerre figyelembe tud venni; ami nem fér bele, azt a modell nem látja, akkor sem, ha beillesztették.

L

lépésenkénti (chain-of-thought) prompt67. dia →

Olyan prompt, amely arra kéri a gépet, hogy a válasz előtt írja le a részlépéseket; összetett feladatnál gyakran pontosabb, de egy hibás lépés továbbgyűrűzhet.

M

magyarázhatóság30. dia →

Az a tulajdonság, hogy egy MI-rendszer döntésének okai ember számára érthetően megadhatók; a tanult modelleknél ez gyakran nehéz, mert a szabályt senki nem írta le.

mélytanulás9. dia →

Gépi tanulás sokrétegű neurális hálóval, amely a nyers adatból (pixelből, hangból) maga alakítja ki a fontos jellemzőket.

mesterséges intelligencia (MI)9. dia →

Gyűjtőfogalom: minden technika, amellyel gép olyan feladatot old meg, amelyhez embernél értelem kell. Az AI Act ((EU) 2024/1689 rendelet) jogi MI-rendszer-fogalma ettől eltér (25. dia).

mesterséges neuron11. dia →

A neurális háló legkisebb számolóegysége: a bemeneteit súlyozva összeadja, majd egy aktivációs függvénnyel kimenetet képez. Lazán az idegsejt mintájára készült.

MI-detektor59. dia →

Szoftver, amely megbecsli, hogy egy szöveg mekkora részét írhatta MI; az eredménye csak jelzés, téves is lehet, ezért önmagában nem alapozhat elmarasztalást.

MI-felelős71. dia →

A szabályzatban kijelölt személy, aki a szervezet MI-használatáért felel, például jóváhagyja az új eszközt, és incidensnél őt értesítik.

MI-használati nyilatkozat59. dia →

Írásbeli munkához csatolt nyilatkozat (MI-nyilatkozat), amelyben a hallgató kijelenti, hogy ismeri a szabályokat, ellenőrizte a generált tartalmat, és vállalja a teljes szerzői felelősséget.

MI-irányítás (AI governance)4. dia →

Az a szervezeti keretrendszer (szabályok, felelősök, folyamatok, ellenőrzések), amellyel egy szervezet az MI fejlesztését és használatát a jogszabályoknak és a saját céljainak megfelelően kézben tartja.

MI-jártasság49. dia →

Azok a készségek, ismeretek és értelmezési képességek, amelyekkel valaki tájékozottan használ MI-rendszert, és ismeri az MI lehetőségeit, kockázatait és az általa okozható károkat (AI Act 3. cikk 56. pont).

MI-leltár71. dia →

Egy szervezet MI-használatának felmérése: milyen MI-eszközöket használnak, ki használja őket, mire és milyen adattal.

mintavétel20. dia →

Az a lépés, amelyben a nyelvi modell a következő tokent az esélyek szerint kisorsolja, ahelyett hogy mindig a legvalószínűbbet választaná.

MI-rendszer (jogi fogalom)25. dia →

Az AI Act 3. cikk 1. pontja szerint különböző autonómiaszinteken történő működésre tervezett gépi alapú rendszer, amely a kapott bemenetből kikövetkezteti, miként generáljon kimenetet, például előrejelzést, tartalmat, ajánlást vagy döntést.

MI-tél28. dia →

Az az időszak, amikor a be nem váltott ígéretek után elapad az MI-kutatás támogatása; ellentéte az MI-tavasz, a nagy várakozások és bőséges befektetések ideje.

modell10. dia →

A gépi tanulás eredménye: a tanítás során beállított rengeteg számra épülő szabály, amely a bemenetből kimenetet állít elő. Nem olvasható paragrafus, hanem számítás.

N

nagy kockázatú MI-rendszer47. dia →

Az AI Act szerint szigorú követelményekhez kötött MI-rendszer: a III. melléklet felhasználásai (például felvételi, toborzás, hitelbírálat) és bizonyos, az I. mellékletben felsorolt termékszabályok alá eső MI.

nagy nyelvi modell (LLM)16. dia →

Hatalmas szövegmennyiségen tanított neurális háló, amely a szöveg folytatásához a következő szódarab esélyeit számolja ki; erre épülnek a csevegőprogramok, például a ChatGPT.

négy szem elve43. dia →

Belső kontrollszabály: fontos lépést, például nagy összegű utalást, két ember hagy jóvá, így egyetlen megtévesztett vagy hibázó ember nem indíthatja el egyedül.

neurális háló12. dia →

Rétegekbe rendezett mesterséges neuronokból álló hálózat, amelyben minden réteg az előző réteg kimenetét dolgozza tovább, a bemenettől a kimenetig.

Ö

önjogú fél41. dia →

Peres fél, aki ügyvéd nélkül, saját maga jár el a bíróság előtt (angolul pro se); a magyar perjog jogi képviselő nélkül eljáró félnek nevezi.

P

paraméter12. dia →

A modell tanítással beállított számértéke, elsősorban a súlyok. Számuk a modell méretét jelzi: a GPT-3-nak 175 milliárd volt.

percentilis33. dia →

Helyezési mérték: a 62. percentilis azt jelenti, hogy az összehasonlított csoport kb. 62%-a ennél gyengébb eredményt ért el.

pontosság14. dia →

A helyesen besorolt esetek aránya. Ha a tanítópéldákon mérik, mint a demóban, optimista képet ad; a valós teljesítményt a félretett tesztadaton mért érték becsüli jobban.

preambulumbekezdés25. dia →

Az uniós jogi aktus elején álló, számozott indokolás; nem önálló szabály, de a cikkek értelmezéséhez fontos támpontot ad.

profilalkotás48. dia →

Személyes adatok automatizált kezelése, amellyel egy ember személyes jellemzőit értékelik, elemzik vagy előre jelzik, például munkahelyi teljesítményét, megbízhatóságát, viselkedését vagy tartózkodási helyét (GDPR 4. cikk 4. pont).

prompt65. dia →

Az az utasítás vagy kérdés, amelyet a felhasználó egy MI-modellnek ír; a modell ebből és a beszélgetés korábbi részeiből állítja elő a választ.

proxy változó42. dia →

Helyettesítő adat, például lakóhely, iskola vagy egy klub neve, amely egy kihagyott védett tulajdonságra, például a nemre utal, így azon keresztül is torzíthat a modell.

R

rejtett réteg12. dia →

A bemeneti és a kimeneti réteg közötti réteg. Köztes eredményeit kívülről nem látjuk; ezekben alakulnak ki a tanult jellemzők.

RLHF21. dia →

Megerősítéses tanulás emberi visszajelzésből: értékelők rangsorolják a modell válaszait, ebből egy pontozó modell tanulja meg az ízlésüket, és a modellt a magasra pontozott válaszok felé hangolják.

S

súly11. dia →

Szám, amely megadja, mennyire és merre számít egy bemenet: a pozitív felfelé, a negatív lefelé húzza az összeget. A tanulás ezeket a számokat állítja be.

Sz

szakértői rendszer28. dia →

Olyan program, amelyben a szakértők tudását kézzel írt „ha ez, akkor az” szabályokba öntik, és a gép ezekből vezeti le a választ; tanulni nem tud.

szerepalapú prompt66. dia →

Olyan prompt, amely szerepet ad a gépnek (például „Viselkedj tapasztalt egyetemi oktatóként.”); a szerep a nézőpontot, a hangnemet és a szakmai szintet hangolja, tudást nem ad hozzá.

szolgáltató (AI Act)50. dia →

Az a személy vagy szervezet, amely MI-rendszert vagy általános célú MI-modellt fejleszt vagy fejlesztet, és saját neve vagy védjegye alatt forgalomba hozza vagy üzembe helyezi.

T

támogató MI-használat58. dia →

A Károli Gáspár Református Egyetem szabályai szerint megengedett használat: az MI kiegészíti a saját munkát, például ötleteléssel, szakirodalom-feltárással vagy nyelvi javítással, de nem végzi el helyette.

tanítás13. dia →

Az a folyamat, amelyben a modell a tanítóadat példáin tippel, megméri a hibáját, és ennek alapján lépésenként módosítja a súlyait.

tanítóadat10. dia →

Az a példagyűjtemény, amelyből a modell tanul, például a címkézett e-mailek. A minősége nagyban meghatározza, mennyire lesz jó és mennyire torz a modell.

társadalmi pontozás48. dia →

Emberek értékelése vagy osztályozása társas viselkedésük vagy személyes jellemzőik alapján; tilos, ha a pontszám más összefüggésben vagy indokolatlanul, aránytalanul hátrányos bánásmódhoz vezet (AI Act 5. cikk (1) bekezdés c) pont).

tech stack35. dia →

Azoknak az egymásra épülő rétegeknek a sora a chiptől a felhasználóig, amelyekre egy MI-alkalmazás támaszkodik.

tesztadat14. dia →

A tanításból félretett adat, amelyen a kész modellt kipróbálják. Mivel a modell nem tanult belőle, becslést ad arra, hogyan teljesít majd új eseteken.

tiltott gyakorlat48. dia →

Az AI Act 5. cikkében felsorolt MI-gyakorlat, amely az EU-ban tilos: az érintett MI-rendszert, pontonként eltérő terjedelemben, nem lehet forgalomba hozni, üzembe helyezni vagy használni, szűk kivételekkel.

token17. dia →

Szövegdarab, jellemzően gyakori szó vagy szódarab, amelyet a nyelvi modell állandó sorszámmal azonosít; a modell a szöveget tokenekként dolgozza fel, és a díjat is jellemzően tokenben mérik.

torzítás (bias)42. dia →

Rendszerszintű, egy irányba húzó hiba: a modell egyes csoportokat következetesen kedvezőtlenebbül kezel, jellemzően mert a tanítóadat korábbi, hátrányos megkülönböztetést tartalmazó emberi döntéseket tükröz.

Transformer19. dia →

A mai nyelvi modellek 2017-ben bemutatott szerkezete: a figyelemmechanizmusra épül, és a szöveget párhuzamosan dolgozza fel, ezért óriási szövegmennyiségen tanítható.

túltanulás14. dia →

Amikor a modell a tanítópéldákat a véletlen sajátosságaikkal együtt bemagolja: a régi példákon kiváló, az új eseteken gyenge.

Turing-teszt29. dia →

Turing 1950-es imitációs játéka: egy kérdező írásban beszélget egy emberrel és egy géppel; ha nem tudja megbízhatóan eldönteni, melyik a gép, a gép átment.

V

vízjelezés49. dia →

Az MI által generált tartalom gépileg olvasható megjelölése, amelyből felismerhető, hogy mesterségesen készült vagy manipulálták; az AI Act 50. cikk (2) bekezdése írja elő a generatív MI-rendszerek szolgáltatóinak.

Z

zero-shot prompt67. dia →

Olyan prompt, amely csak utasítást ad, mintapéldát nem, például: „Foglald össze a GDPR 5. cikkét.”