A mesterséges intelligencia, a generatív AI, a gépi tanulás és a felelős vállalati AI-használat legfontosabb fogalmai rövid, közérthető magyar magyarázatokkal.
| Kifejezés | Magyar megfelelő / témakör | Magyarázat |
|---|---|---|
| AI (Artificial Intelligence) | Mesterséges intelligencia | Gyűjtőfogalom olyan informatikai rendszerekre, amelyek emberi intelligenciához kötött feladatokat, például felismerést, előrejelzést vagy döntéstámogatást végeznek. |
| AGI (Artificial General Intelligence) | Általános mesterséges intelligencia | Olyan, ma még nem létező AI, amely sokféle szellemi feladatot emberhez hasonló rugalmassággal képes megoldani. |
| ANI (Artificial Narrow Intelligence) | Szűk mesterséges intelligencia | Egy meghatározott feladatra, például képfelismerésre vagy ajánlásra fejlesztett AI-rendszer. |
| AI-asszisztens | Digitális AI-segítő | Természetes nyelven használható alkalmazás, amely információt keres, tartalmat készít vagy munkafolyamatokat támogat. |
| AI-agent | Önállóan cselekvő AI | Célt kapó rendszer, amely lépéseket tervez, eszközöket használ, eredményt ellenőriz és részben önállóan hajt végre feladatokat. |
| Agentic AI | Ügynökszerű AI | Olyan megközelítés, amelyben az AI nemcsak válaszol, hanem több lépésből álló munkát kezdeményez és koordinál. |
| Algoritmus | Eljárás, szabálysor | Egy probléma megoldásához vagy számítás elvégzéséhez használt pontos lépések sorozata. |
| Gépi tanulás (Machine Learning, ML) | Adatokból tanuló módszer | Az AI egyik területe, ahol a rendszer példákból ismer fel mintázatokat anélkül, hogy minden szabályt külön beprogramoznánk. |
| Mélytanulás (Deep Learning) | Többrétegű neurális tanulás | Sokrétegű neurális hálózatokra épülő gépi tanulás, amely különösen képek, hang és szöveg feldolgozásában erős. |
| Generatív AI (GenAI) | Tartalom-előállító AI | Olyan mesterséges intelligencia, amely új szöveget, képet, hangot, videót, kódot vagy más tartalmat hoz létre. |
| LLM (Large Language Model) | Nagy nyelvi modell | Nagy szövegállományon tanított modell, amely képes természetes nyelvű szöveget értelmezni és létrehozni. |
| SLM (Small Language Model) | Kis nyelvi modell | Kevesebb paraméterrel működő nyelvi modell, amely olcsóbb, gyorsabb és helyben futtatva adatvédelmi előnyt adhat. |
| Multimodális AI | Több adattípust kezelő AI | Szöveget, képet, hangot vagy videót együttesen értelmező és gyakran előállító mesterséges intelligencia. |
| Foundation model | Alapmodell | Nagyméretű, általános célú modell, amely sok későbbi alkalmazás és finomhangolt megoldás kiindulópontja. |
| Transformer | Transformer-architektúra | A mai nyelvi modellek alapját adó neurális hálózati felépítés, amely hatékonyan kezeli a szövegen belüli kapcsolatokat. |
| Prompt | Utasítás, bemenet | Az AI-modellnek adott kérés, szöveg, adat vagy példa, amely meghatározza a kívánt feladatot és választ. |
| Prompt engineering | Prompttervezés | Az AI-nak adott utasítások tudatos megfogalmazása, tesztelése és javítása a megbízhatóbb eredmény érdekében. |
| System prompt | Rendszerutasítás | Az AI viselkedését, szerepét és korlátait magas prioritással meghatározó háttérutasítás. |
| Context window | Kontextusablak | Az a maximális információmennyiség, amelyet a nyelvi modell egy feldolgozás során figyelembe tud venni. |
| Token | Szövegegység | A modell által feldolgozott szövegrészlet; lehet szó, szórész, írásjel vagy karakterek csoportja. |
| Tokenizálás | Szöveg tokenekre bontása | Az a folyamat, amely a szöveget a modell által kezelhető kisebb egységekre alakítja. |
| Inference | Következtetés, modellfuttatás | A betanított modell használata új bemenet feldolgozására és válasz, osztályozás vagy előrejelzés készítésére. |
| Hallucináció | Valótlan AI-válasz | Amikor a generatív AI meggyőzően hangzó, de hibás, kitalált vagy nem igazolható információt ad. |
| Grounding | Forrásokhoz kötés | Az AI-válasz megbízható vállalati adatokhoz, dokumentumokhoz vagy ellenőrzött külső forrásokhoz kapcsolása. |
| RAG (Retrieval-Augmented Generation) | Visszakereséssel támogatott generálás | A módszer előbb releváns dokumentumrészeket keres, majd ezek alapján készíttet választ a nyelvi modellel. |
| Embedding | Vektoros reprezentáció | Szöveg, kép vagy más adat számsorozattá alakítása úgy, hogy a jelentésbeli hasonlóság mérhető legyen. |
| Vektoradatbázis | Embedding-adatbázis | Vektoros reprezentációk tárolására és gyors hasonlósági keresésére optimalizált adatbázis. |
| Szemantikus keresés | Jelentésalapú keresés | Nemcsak azonos szavakat, hanem a kérdéshez jelentésben kapcsolódó tartalmakat is megtaláló keresési módszer. |
| Kulcsszavas keresés | Lexikális keresés | A lekérdezésben szereplő szavak vagy azok változatai alapján dokumentumokat rangsoroló eljárás. |
| Hibrid keresés | Kombinált keresés | A kulcsszavas és szemantikus keresés eredményeit egyesítő módszer a jobb találati pontosság érdekében. |
| Chunking | Dokumentumdarabolás | Hosszú dokumentumok kisebb, kezelhető szövegrészekre bontása kereséshez vagy nyelvi modellben történő feldolgozáshoz. |
| Reranking | Találatok újrarangsorolása | A visszakeresett dokumentumrészek pontosabb modell segítségével történő ismételt sorrendbe állítása. |
| Temperature | Változatossági paraméter | A generált válasz kiszámíthatóságát szabályozza: alacsonyan következetesebb, magasan változatosabb eredményt ad. |
| Top-p sampling | Valószínűségi mintavétel | A modell a következő token kiválasztását a legvalószínűbb lehetőségek egy dinamikus körére korlátozza. |
| Zero-shot prompting | Példa nélküli utasítás | A modell úgy kap feladatot, hogy az utasítás mellett nem adunk neki megoldási mintát. |
| One-shot prompting | Egy példás utasítás | A prompt egyetlen mintát mutat a modellnek a kívánt válaszformára vagy gondolkodásmódra. |
| Few-shot prompting | Néhány példás utasítás | Néhány bemeneti és kimeneti példa segítségével pontosítja a modell számára az elvárt feladatot. |
| Chain-of-thought | Köztes következtetési lánc | Összetett feladat lépésekre bontására épülő technika; üzleti használatban inkább rövid indoklás és ellenőrizhető eredmény kérendő. |
| Structured output | Strukturált kimenet | Előre meghatározott sémában, például JSON-formátumban előállított AI-válasz, amelyet más rendszerek biztonságosabban feldolgozhatnak. |
| Function calling | Függvényhívás | Lehetővé teszi, hogy a modell meghatározott műveleteket és külső eszközöket szabályozott paraméterekkel hívjon meg. |
| Tool use | Eszközhasználat | Az AI külső keresőt, adatbázist, kalkulátort, API-t vagy üzleti alkalmazást használ a feladat megoldásához. |
| Agent orchestration | AI-agentek koordinációja | Több specializált agent feladatainak, sorrendjének, jogosultságainak és kommunikációjának összehangolása. |
| Human in the loop (HITL) | Emberi ellenőrzés a folyamatban | Az ember jóváhagyja, javítja vagy felülbírálja az AI fontos döntéseit és kimeneteit. |
| Copilot | AI-munkatárssegéd | A felhasználó mellett dolgozó AI, amely javasol és előkészít, miközben a végső irányítás az embernél marad. |
| Felügyelt tanulás | Supervised learning | Címkézett példákból tanuló módszer, ahol ismert a helyes kimenet, például csalás vagy nem csalás. |
| Felügyelet nélküli tanulás | Unsupervised learning | Címkézetlen adatokban keres csoportokat, összefüggéseket vagy szokatlan mintázatokat. |
| Félig felügyelt tanulás | Semi-supervised learning | Kis mennyiségű címkézett és nagyobb mennyiségű címkézetlen adatot használ együtt. |
| Önfelügyelt tanulás | Self-supervised learning | Az adatok belső szerkezetéből hoz létre tanulási feladatot, így kevés kézi címkézést igényel. |
| Megerősítéses tanulás | Reinforcement learning | Az agent jutalmak és büntetések alapján tanulja meg, mely cselekvések vezetnek jobb hosszú távú eredményhez. |
| RLHF | Megerősítéses tanulás emberi visszajelzésből | Emberi értékelésekkel igazítja a modellt a hasznosabb, biztonságosabb és kívánatosabb válaszok felé. |
| RLAIF | Megerősítéses tanulás AI-visszajelzésből | Az emberi értékelést részben más AI-modellek visszajelzésével helyettesítő vagy kiegészítő tanítási módszer. |
| Osztályozás | Classification | A bemenet előre meghatározott kategóriába sorolása, például pozitív vagy negatív ügyfélvélemény. |
| Regresszió | Regression | Folytonos számszerű érték, például ár, kereslet vagy várható idő előrejelzése. |
| Klaszterezés | Clustering | Hasonló adatok automatikus csoportokba rendezése előzetesen megadott címkék nélkül. |
| Anomáliadetektálás | Eltérésfelismerés | A szokásostól jelentősen eltérő események vagy adatok azonosítása, például csalás vagy géphiba keresésekor. |
| Ajánlórendszer | Recommendation system | Felhasználói viselkedés és termékjellemzők alapján személyre szabott tartalmat vagy terméket javasló rendszer. |
| Idősorelemzés | Time-series analysis | Időrendben mért adatok trendjeinek, szezonalitásának és változásainak vizsgálata. |
| Prediktív analitika | Előrejelző elemzés | Múltbeli adatok alapján jövőbeli események vagy valószínűségek becslése. |
| Prediktív karbantartás | Predictive maintenance | Szenzor- és üzemeltetési adatokból előre jelzi a várható meghibásodást és támogatja a karbantartás időzítését. |
| Neurális hálózat | Neural network | Egymáshoz kapcsolt számítási egységekből álló modell, amely összetett mintázatokat tanul meg. |
| Bemeneti réteg | Input layer | A neurális hálózat első rétege, amely a feldolgozandó jellemzőket fogadja. |
| Rejtett réteg | Hidden layer | A bemenetből belső reprezentációkat kialakító köztes neurális hálózati réteg. |
| Kimeneti réteg | Output layer | A neurális hálózat végső eredményét, például kategóriát vagy becsült értéket előállító réteg. |
| Aktivációs függvény | Activation function | A neuron kimenetét alakító matematikai függvény, amely nemlineáris kapcsolatok tanulását teszi lehetővé. |
| Veszteségfüggvény | Loss function | A modell hibáját számszerűsítő függvény, amelyet a tanítás során minimalizálni próbálunk. |
| Gradiens | Gradient | Megmutatja, milyen irányban és mértékben változtassuk a modell paramétereit a hiba csökkentéséhez. |
| Gradienscsökkenés | Gradient descent | Optimalizálási eljárás, amely iteratívan módosítja a paramétereket a veszteségfüggvény csökkentésére. |
| Backpropagation | Hibavisszaterjesztés | A neurális hálózat hibájának rétegenként visszafelé történő terjesztése a súlyok frissítéséhez. |
| Paraméter | Tanult modellérték | A modell tanítás közben beállított belső értéke, például egy neurális hálózat súlya. |
| Hiperparaméter | Tanítási beállítás | A fejlesztő által a tanítás előtt megadott érték, például tanulási ráta vagy rétegszám. |
| Epoch | Tanítási ciklus | Egy teljes áthaladás a tanító adathalmazon a modell betanítása során. |
| Batch | Adatköteg | A tanítóadat azon kisebb része, amelyet a modell egy paraméterfrissítés előtt feldolgoz. |
| Learning rate | Tanulási ráta | Meghatározza, hogy az optimalizálás egy lépésben milyen mértékben módosítja a modell paramétereit. |
| Tanítóadat | Training data | Az az adathalmaz, amelyből a gépi tanulási modell a mintázatokat megtanulja. |
| Validációs adat | Validation data | A tanítás közbeni modellválasztásra és beállításra használt, elkülönített adathalmaz. |
| Tesztadat | Test data | A végleges modell elfogulatlan teljesítményértékelésére félretett, korábban nem használt adatok. |
| Túlillesztés | Overfitting | A modell túl jól megtanulja a tanítóadat sajátosságait, ezért új adatokon gyengén teljesít. |
| Alulillesztés | Underfitting | A modell túl egyszerű vagy nem eléggé tanított, ezért még az alapvető mintázatokat sem ragadja meg. |
| Regularizáció | Modell egyszerűsítése | A túlillesztést csökkentő technika, amely korlátozza a modell bonyolultságát vagy zajt ad a tanításhoz. |
| Dropout | Neuronok véletlen kihagyása | Tanításkor ideiglenesen kikapcsol egyes neuronokat, ezzel javítva a modell általánosíthatóságát. |
| Adataugmentáció | Data augmentation | Meglévő példák módosításával új tanítóadatokat hoz létre, például képek forgatásával vagy szöveg átfogalmazásával. |
| Feature | Jellemző, változó | A modell bemeneteként használt mérhető tulajdonság, például ügyfélkor, árbevétel vagy vásárlási gyakoriság. |
| Feature engineering | Jellemzőképzés | Nyers adatokból a modell számára informatív változók kialakítása üzleti és statisztikai ismeretek alapján. |
| Címke (Label) | Helyes célérték | Felügyelt tanulásnál az a kategória vagy érték, amelyet a modellnek meg kell tanulnia előre jelezni. |
| Adatcímkézés | Data labeling | Tanítópéldák kategóriával, értékkel vagy jelöléssel történő ellátása emberi vagy automatizált módszerrel. |
| Adatminőség | Data quality | Az adatok pontosságának, teljességének, időszerűségének, következetességének és használhatóságának összessége. |
| Adattisztítás | Data cleaning | Hibás, hiányzó, duplikált vagy következetlen adatok felismerése és javítása. |
| Szintetikus adat | Synthetic data | Mesterségesen előállított adat, amely valós mintázatokat utánoz, de nem feltétlenül tartozik valódi személyhez vagy eseményhez. |
| Adatsodródás | Data drift | Az éles rendszer bemeneti adatainak időbeli eltérése a modell tanításakor látott eloszlástól. |
| Modellsodródás | Model drift | A modell üzleti környezet vagy adatkapcsolatok változása miatt fokozatosan romló teljesítménye. |
| Adatpipeline | Data pipeline | Az adatok begyűjtését, tisztítását, átalakítását, tárolását és továbbítását végző automatizált folyamat. |
| ETL | Kinyerés, átalakítás, betöltés | Adatintegrációs folyamat: az adatokat forrásokból kinyeri, egységesíti, majd célrendszerbe tölti. |
| Adattó (Data lake) | Nyers adattár | Nagy mennyiségű strukturált és strukturálatlan adat eredeti vagy közel eredeti formában történő tárolóhelye. |
| Adattárház (Data warehouse) | Elemzési adattár | Egységesített, strukturált és lekérdezésre optimalizált vállalati adatok központi tárháza. |
| Tudásgráf | Knowledge graph | Entitásokat és kapcsolataikat hálózatként tároló tudásmodell, amely összefüggések feltárását támogatja. |
| Precision | Pozitív találatok pontossága | A pozitívnak jelölt esetek közül megmutatja, mennyi volt valóban pozitív. |
| Recall | Találati arány | A valóban pozitív esetek közül megmutatja, mennyit talált meg a modell. |
| F1-score | F1-mutató | A precision és recall harmonikus átlaga, különösen kiegyensúlyozatlan kategóriák esetén hasznos. |
| Accuracy | Összesített pontosság | Az összes előrejelzésen belül a helyes eredmények aránya. |
| Konfúziós mátrix | Confusion matrix | Táblázat, amely a helyes és téves pozitív, illetve negatív osztályozások számát mutatja. |
| ROC-görbe | Receiver Operating Characteristic | Különböző döntési küszöböknél mutatja a valódi és téves pozitív arány kapcsolatát. |
| AUC | ROC-görbe alatti terület | Egyetlen számmal méri, mennyire jól választja szét a modell a kategóriákat. |
| Benchmark | Összehasonlítási alap | Egységes feladatsor, adatkészlet vagy üzleti kiindulóérték modellek és megoldások összevetésére. |
| Fine-tuning | Finomhangolás | Előtanított modell további tanítása célzott példákon egy feladat, stílus vagy szakterület jobb kezelésére. |
| PEFT | Paraméterhatékony finomhangolás | A modell paramétereinek csak kis részét módosító, erőforrás-kímélő finomhangolási módszerek gyűjtőneve. |
| LoRA | Low-Rank Adaptation | Kis kiegészítő mátrixok tanításával igazítja a nagy modellt, a teljes modell átírása nélkül. |
| Distillation | Modelltömörítés tudásátadással | Egy nagyobb tanármodell tudását kisebb, gyorsabb tanulómodellbe viszi át. |
| Quantization | Kvantálás | A modell számainak kisebb pontosságú tárolása a memóriaigény és futtatási költség csökkentésére. |
| Mixture of Experts (MoE) | Szakértőmodellek keveréke | Olyan architektúra, amely bemenetenként csak néhány specializált modellrészt aktivál a hatékonyabb működéshez. |
| NLP | Természetesnyelv-feldolgozás | A számítógépek emberi nyelv értelmezésével, elemzésével és előállításával foglalkozó AI-terület. |
| NLU | Természetesnyelv-megértés | A nyelvi szándék, jelentés, entitások és összefüggések gépi felismerése. |
| NLG | Természetesnyelv-generálás | Adatokból vagy modellreprezentációból ember számára érthető szöveg automatikus előállítása. |
| NER | Név- és entitásfelismerés | Személyek, szervezetek, helyek, dátumok és más meghatározott entitások azonosítása szövegben. |
| Sentiment analysis | Érzelem- vagy véleményelemzés | Szöveg hangulatának, például pozitív, semleges vagy negatív jellegének automatikus meghatározása. |
| Computer vision | Gépi látás | Képek és videók tartalmának automatikus felismerésével és értelmezésével foglalkozó AI-terület. |
| OCR | Optikai karakterfelismerés | Képeken vagy beolvasott dokumentumokban található nyomtatott, illetve kézírásos szöveg gépi kiolvasása. |
| Objektumfelismerés | Object detection | Tárgyak típusának és képen belüli helyének egyidejű azonosítása. |
| Képszegmentáció | Image segmentation | A kép pixeleinek tartalmi régiókba vagy objektumokhoz történő besorolása. |
| ASR | Automatikus beszédfelismerés | Az élő vagy rögzített emberi beszéd szöveggé alakítása. |
| TTS | Szövegfelolvasás | Írott szöveg természetes hangzású gépi beszéddé alakítása. |
| Diffúziós modell | Diffusion model | Zajból fokozatos tisztítással képet, hangot vagy más adatot előállító generatív modell. |
| GAN | Generatív versengő hálózat | Egy generátor és egy megkülönböztető modell versenyére épülő tartalom-előállítási módszer. |
| CNN | Konvolúciós neurális hálózat | Különösen képek helyi mintázatainak felismerésére kialakított neurális hálózat. |
| RNN | Rekurrens neurális hálózat | Sorozatos adatok korábbi elemeit belső állapotban figyelembe vevő hálózat. |
| LSTM | Hosszú rövid távú memória | Az RNN olyan változata, amely hosszabb távú függőségeket is képes megőrizni. |
| AI use case | AI alkalmazási eset | Konkrét üzleti probléma vagy folyamat, ahol a mesterséges intelligencia mérhető értéket teremthet. |
| AI readiness | AI-felkészültség | A szervezet adatainak, technológiájának, kompetenciáinak, folyamatai és vezetői támogatásának alkalmassága az AI bevezetésére. |
| AI-stratégia | Mesterségesintelligencia-stratégia | Az üzleti célokat, prioritásokat, technológiai irányokat, kockázatkezelést és megvalósítási tervet összekapcsoló keret. |
| AI roadmap | AI megvalósítási ütemterv | A kiválasztott alkalmazási esetek sorrendjét, függőségeit, felelőseit és mérföldköveit rögzítő terv. |
| AI maturity | AI-érettség | A szervezet AI-képességeinek fejlettsége a kísérletezéstől a szabályozott, vállalati szintű működésig. |
| PoC (Proof of Concept) | Koncepcióigazolás | Korlátozott kísérlet annak bizonyítására, hogy egy AI-megoldás technikailag működőképes lehet. |
| Pilot | Kísérleti bevezetés | Valós működési környezetben, szűk felhasználói vagy folyamati körön végzett ellenőrzött bevezetés. |
| MVP | Minimálisan életképes termék | A megoldás legkisebb, már használható változata, amellyel gyorsan mérhető a felhasználói és üzleti érték. |
| Business case | Üzleti megtérülési indoklás | A várható hasznot, költséget, kockázatot, erőforrásigényt és alternatívákat összefoglaló döntés-előkészítő elemzés. |
| ROI | Befektetésarányos megtérülés | A beruházás nettó hasznát a ráfordításhoz viszonyító üzleti mutató. |
| TCO | Teljes birtoklási költség | A beszerzésen túl a fejlesztés, integráció, üzemeltetés, licencek, felügyelet és változáskezelés teljes költsége. |
| KPI | Kulcsteljesítmény-mutató | A projekt üzleti vagy működési sikerét számszerűen mérő mutató. |
| Workflow automation | Munkafolyamat-automatizálás | Ismétlődő feladatok, döntési pontok és rendszerlépések automatikus végrehajtása, szükség esetén AI bevonásával. |
| Intelligent document processing (IDP) | Intelligens dokumentumfeldolgozás | Dokumentumok osztályozása, adatainak kinyerése, ellenőrzése és üzleti rendszerbe továbbítása AI segítségével. |
| Vállalati tudástár | Enterprise knowledge base | Szabályozott dokumentum- és információforrás, amely keresést, jogosultságkezelést és AI-alapú kérdezést támogathat. |
| API | Alkalmazásprogramozási felület | Szabályozott kapcsolódási mód, amelyen keresztül szoftverek adatot cserélnek vagy funkciókat hívnak meg. |
| Webhook | Eseményalapú értesítés | Egy rendszer automatikus HTTP-üzenete egy másik rendszernek, amikor meghatározott esemény történik. |
| Latency | Válaszidő, késleltetés | A kérés elküldése és a rendszer válaszának megérkezése között eltelt idő. |
| Throughput | Áteresztőképesség | Az egységnyi idő alatt feldolgozható kérések, tokenek vagy adatok mennyisége. |
| Edge AI | Peremhálózati AI | Az AI-modell futtatása az adat keletkezésének közelében, például szenzoron, telefonon vagy helyi eszközön. |
| On-premises AI | Helyben telepített AI | A vállalat saját infrastruktúráján futó megoldás, amely nagyobb kontrollt adhat az adatok és üzemeltetés felett. |
| Cloud AI | Felhőalapú AI | Felhőszolgáltatói infrastruktúrán elérhető modellek és AI-szolgáltatások használata. |
| GPU | Grafikus feldolgozóegység | Nagy párhuzamos számítási teljesítményű processzor, amely AI-modellek tanítására és futtatására különösen alkalmas. |
| NPU | Neurális feldolgozóegység | AI-műveletekre optimalizált, gyakran személyi eszközökbe épített speciális processzor. |
| MLOps | Gépi tanulási üzemeltetés | A modellek fejlesztését, verziózását, telepítését, megfigyelését és újratanítását szabályozó gyakorlatok összessége. |
| LLMOps | Nagy nyelvi modellek üzemeltetése | LLM-alapú alkalmazások promptjainak, modelljeinek, költségeinek, minőségének és biztonságának életciklus-kezelése. |
| Model registry | Modellnyilvántartás | A modellek verzióit, állapotát, tulajdonosát, mérőszámait és jóváhagyását központilag kezelő tár. |
| Model monitoring | Modellfelügyelet | Az éles modell teljesítményének, adatainak, hibáinak, torzításának és költségének folyamatos figyelése. |
| Observability | Megfigyelhetőség | Naplók, metrikák és nyomkövetés segítségével betekintést ad az AI-rendszer belső működésébe. |
| Shadow AI | Nem felügyelt AI-használat | A dolgozók által vállalati jóváhagyás, kontroll vagy nyilvántartás nélkül használt AI-eszközök és megoldások. |
| AI governance | AI-irányítás és szabályozás | Az AI felelős kiválasztását, fejlesztését, használatát és ellenőrzését biztosító szabályok, szerepek és folyamatok rendszere. |
| Felelős AI | Responsible AI | Olyan AI-fejlesztés és használat, amely figyelembe veszi a jogszerűséget, biztonságot, méltányosságot és emberi kontrollt. |
| Megbízható AI | Trustworthy AI | Jogszerű, etikus, robusztus, átlátható és megfelelően felügyelt mesterségesintelligencia-rendszer. |
| AI-szabályzat | AI policy | A szervezetben engedélyezett AI-használatot, adatkezelést, felelősségeket és tiltásokat rögzítő belső dokumentum. |
| EU AI Act | Az Európai Unió AI-rendelete | Az EU kockázatalapú jogi kerete, amely kötelezettségeket állapít meg AI-rendszerek szolgáltatóinak és alkalmazóinak. |
| Tiltott AI-gyakorlat | Prohibited AI practice | Az EU AI Act által elfogadhatatlan kockázata miatt nem engedett mesterségesintelligencia-használat. |
| Magas kockázatú AI-rendszer | High-risk AI system | Az EU AI Act szerint érzékeny területen használt rendszer, amelyre szigorú kockázatkezelési és dokumentációs követelmények vonatkozhatnak. |
| GPAI | Általános célú AI-modell | Sokféle feladat elvégzésére alkalmas modell; az EU AI Act külön kötelezettségeket írhat elő szolgáltatóinak. |
| AI literacy | AI-műveltség | Az AI lehetőségeinek, korlátainak, kockázatainak és felelős használatának megfelelő ismerete a munkatársak körében. |
| Algoritmikus torzítás | Algorithmic bias | Rendszerszerű eltérés, amely egyes csoportokat vagy eseteket indokolatlanul előnybe vagy hátrányba hozhat. |
| Fairness | Méltányosság | Az AI döntéseinek olyan kialakítása és vizsgálata, hogy ne okozzanak indokolatlan vagy jogellenes megkülönböztetést. |
| Explainable AI (XAI) | Magyarázható mesterséges intelligencia | Olyan módszerek összessége, amelyek érthetőbbé teszik, miért adott a modell egy eredményt. |
| Átláthatóság | Transparency | Annak egyértelmű kommunikációja, hogy hol, hogyan, milyen adatokkal és korlátokkal működik az AI. |
| Modellkártya | Model card | A modell célját, teljesítményét, korlátait, adatait, kockázatait és ajánlott használatát összefoglaló dokumentáció. |
| Adatlap (Datasheet) | Adatkészlet-dokumentáció | Az adatkészlet eredetét, tartalmát, gyűjtését, minőségét, korlátait és megengedett felhasználását rögzíti. |
| Audit trail | Auditnapló, visszakövethetőség | Megváltoztathatatlan vagy védett nyilvántartás arról, ki, mikor, milyen AI-műveletet és jóváhagyást végzett. |
| Accountability | Elszámoltathatóság | Egyértelmű felelősség kijelölése az AI-rendszer döntéseiért, kockázataiért és működéséért. |
| Adatvédelem | Privacy | A személyes adatok jogszerű, célhoz kötött, biztonságos és az érintettek jogait tiszteletben tartó kezelése. |
| Adatminimalizálás | Data minimization | Csak a meghatározott célhoz valóban szükséges személyes adatok gyűjtése és felhasználása. |
| Anonimizálás | Anonymization | A személyes adatok visszafordíthatatlan átalakítása úgy, hogy az érintett már ne legyen azonosítható. |
| Pszeudonimizálás | Pseudonymization | Az azonosítók elkülönítése vagy helyettesítése; kiegészítő információval az érintett továbbra is azonosítható lehet. |
| DPIA | Adatvédelmi hatásvizsgálat | Magas adatvédelmi kockázatú adatkezelés előtt végzett, GDPR szerinti strukturált kockázatelemzés. |
| Hozzáférés-vezérlés | Access control | Meghatározza, hogy mely felhasználó milyen adathoz, modellhez vagy funkcióhoz férhet hozzá. |
| RBAC | Szerepköralapú hozzáférés | A jogosultságokat egyéni beállítás helyett munkaköri vagy szervezeti szerepekhez rendeli. |
| Prompt injection | Promptbefecskendezés | Olyan támadás, amely megtévesztő utasítással próbálja eltéríteni a modellt vagy megkerülni a szabályait. |
| Indirect prompt injection | Közvetett promptbefecskendezés | A káros utasítás nem a felhasználótól, hanem feldolgozott dokumentumból, weboldalból vagy más külső tartalomból érkezik. |
| Jailbreak | Védelmi korlát megkerülése | Olyan prompttechnika, amely az AI biztonsági szabályainak vagy tartalmi korlátozásainak kijátszására törekszik. |
| Guardrail | AI-védőkorlát | Technikai vagy folyamatbeli ellenőrzés, amely korlátozza a nem kívánt bemeneteket, válaszokat és műveleteket. |
| Content filtering | Tartalomszűrés | Káros, jogsértő, bizalmas vagy szabályzatellenes bemenetek és kimenetek automatikus felismerése és kezelése. |
| Red teaming | Támadó szemléletű tesztelés | Szakértők szándékosan keresik az AI-rendszer hibáit, kijátszhatóságát és veszélyes viselkedését. |
| Adversarial attack | Ellenséges támadás | Speciálisan módosított bemenet, amely félrevezeti a modellt vagy hibás eredményre készteti. |
| Data poisoning | Tanítóadat-mérgezés | A tanítóadat szándékos manipulálása a modell teljesítményének vagy viselkedésének káros megváltoztatására. |
| Model stealing | Modelllopás | A modell paramétereinek vagy működésének jogosulatlan megszerzése lekérdezések, fájlhozzáférés vagy más támadás útján. |
| PII | Személyazonosításra alkalmas adat | Olyan információ, amely önmagában vagy más adattal együtt természetes személy azonosítására használható. |
| Deepfake | AI-val manipulált médiatartalom | Valósághűen módosított vagy létrehozott kép, hang vagy videó, amely valótlan eseményt vagy személyt jeleníthet meg. |
| Watermarking | Digitális vízjelezés | Látható vagy rejtett jel elhelyezése AI-val létrehozott tartalomban annak eredete vagy hitelessége jelzésére. |
| Robusztusság | Robustness | Az AI-rendszer képessége arra, hogy zajos, változó vagy részben hibás körülmények között is elfogadhatóan működjön. |
| AI-kockázatértékelés | AI risk assessment | Az AI használatából eredő jogi, üzleti, etikai, adatvédelmi, biztonsági és működési kockázatok strukturált vizsgálata. |
| Incidenskezelés | AI incident response | AI-hiba vagy káros esemény felismerésének, korlátozásának, kivizsgálásának, jelentésének és javításának folyamata. |
A szótár közérthető tájékoztatást nyújt; jogi, adatvédelmi vagy információbiztonsági döntéshez mindig az aktuális szabályozás és szakértői értékelés az irányadó.