Stratify AI tudástár

AI szakszótár – mesterséges intelligencia érthetően

A mesterséges intelligencia, a generatív AI, a gépi tanulás és a felelős vállalati AI-használat legfontosabb fogalmai rövid, közérthető magyar magyarázatokkal.

194 kifejezésMagyar magyarázatokkal
KifejezésMagyar megfelelő / témakörMagyarázat
AI (Artificial Intelligence)Mesterséges intelligenciaGyűjtőfogalom olyan informatikai rendszerekre, amelyek emberi intelligenciához kötött feladatokat, például felismerést, előrejelzést vagy döntéstámogatást végeznek.
AGI (Artificial General Intelligence)Általános mesterséges intelligenciaOlyan, ma még nem létező AI, amely sokféle szellemi feladatot emberhez hasonló rugalmassággal képes megoldani.
ANI (Artificial Narrow Intelligence)Szűk mesterséges intelligenciaEgy meghatározott feladatra, például képfelismerésre vagy ajánlásra fejlesztett AI-rendszer.
AI-asszisztensDigitális AI-segítőTermészetes nyelven használható alkalmazás, amely információt keres, tartalmat készít vagy munkafolyamatokat támogat.
AI-agentÖnállóan cselekvő AICélt kapó rendszer, amely lépéseket tervez, eszközöket használ, eredményt ellenőriz és részben önállóan hajt végre feladatokat.
Agentic AIÜgynökszerű AIOlyan megközelítés, amelyben az AI nemcsak válaszol, hanem több lépésből álló munkát kezdeményez és koordinál.
AlgoritmusEljárás, szabálysorEgy probléma megoldásához vagy számítás elvégzéséhez használt pontos lépések sorozata.
Gépi tanulás (Machine Learning, ML)Adatokból tanuló módszerAz AI egyik területe, ahol a rendszer példákból ismer fel mintázatokat anélkül, hogy minden szabályt külön beprogramoznánk.
Mélytanulás (Deep Learning)Többrétegű neurális tanulásSokrétegű neurális hálózatokra épülő gépi tanulás, amely különösen képek, hang és szöveg feldolgozásában erős.
Generatív AI (GenAI)Tartalom-előállító AIOlyan mesterséges intelligencia, amely új szöveget, képet, hangot, videót, kódot vagy más tartalmat hoz létre.
LLM (Large Language Model)Nagy nyelvi modellNagy szövegállományon tanított modell, amely képes természetes nyelvű szöveget értelmezni és létrehozni.
SLM (Small Language Model)Kis nyelvi modellKevesebb paraméterrel működő nyelvi modell, amely olcsóbb, gyorsabb és helyben futtatva adatvédelmi előnyt adhat.
Multimodális AITöbb adattípust kezelő AISzöveget, képet, hangot vagy videót együttesen értelmező és gyakran előállító mesterséges intelligencia.
Foundation modelAlapmodellNagyméretű, általános célú modell, amely sok későbbi alkalmazás és finomhangolt megoldás kiindulópontja.
TransformerTransformer-architektúraA mai nyelvi modellek alapját adó neurális hálózati felépítés, amely hatékonyan kezeli a szövegen belüli kapcsolatokat.
PromptUtasítás, bemenetAz AI-modellnek adott kérés, szöveg, adat vagy példa, amely meghatározza a kívánt feladatot és választ.
Prompt engineeringPrompttervezésAz AI-nak adott utasítások tudatos megfogalmazása, tesztelése és javítása a megbízhatóbb eredmény érdekében.
System promptRendszerutasításAz AI viselkedését, szerepét és korlátait magas prioritással meghatározó háttérutasítás.
Context windowKontextusablakAz a maximális információmennyiség, amelyet a nyelvi modell egy feldolgozás során figyelembe tud venni.
TokenSzövegegységA modell által feldolgozott szövegrészlet; lehet szó, szórész, írásjel vagy karakterek csoportja.
TokenizálásSzöveg tokenekre bontásaAz a folyamat, amely a szöveget a modell által kezelhető kisebb egységekre alakítja.
InferenceKövetkeztetés, modellfuttatásA betanított modell használata új bemenet feldolgozására és válasz, osztályozás vagy előrejelzés készítésére.
HallucinációValótlan AI-válaszAmikor a generatív AI meggyőzően hangzó, de hibás, kitalált vagy nem igazolható információt ad.
GroundingForrásokhoz kötésAz AI-válasz megbízható vállalati adatokhoz, dokumentumokhoz vagy ellenőrzött külső forrásokhoz kapcsolása.
RAG (Retrieval-Augmented Generation)Visszakereséssel támogatott generálásA módszer előbb releváns dokumentumrészeket keres, majd ezek alapján készíttet választ a nyelvi modellel.
EmbeddingVektoros reprezentációSzöveg, kép vagy más adat számsorozattá alakítása úgy, hogy a jelentésbeli hasonlóság mérhető legyen.
VektoradatbázisEmbedding-adatbázisVektoros reprezentációk tárolására és gyors hasonlósági keresésére optimalizált adatbázis.
Szemantikus keresésJelentésalapú keresésNemcsak azonos szavakat, hanem a kérdéshez jelentésben kapcsolódó tartalmakat is megtaláló keresési módszer.
Kulcsszavas keresésLexikális keresésA lekérdezésben szereplő szavak vagy azok változatai alapján dokumentumokat rangsoroló eljárás.
Hibrid keresésKombinált keresésA kulcsszavas és szemantikus keresés eredményeit egyesítő módszer a jobb találati pontosság érdekében.
ChunkingDokumentumdarabolásHosszú dokumentumok kisebb, kezelhető szövegrészekre bontása kereséshez vagy nyelvi modellben történő feldolgozáshoz.
RerankingTalálatok újrarangsorolásaA visszakeresett dokumentumrészek pontosabb modell segítségével történő ismételt sorrendbe állítása.
TemperatureVáltozatossági paraméterA generált válasz kiszámíthatóságát szabályozza: alacsonyan következetesebb, magasan változatosabb eredményt ad.
Top-p samplingValószínűségi mintavételA modell a következő token kiválasztását a legvalószínűbb lehetőségek egy dinamikus körére korlátozza.
Zero-shot promptingPélda nélküli utasításA modell úgy kap feladatot, hogy az utasítás mellett nem adunk neki megoldási mintát.
One-shot promptingEgy példás utasításA prompt egyetlen mintát mutat a modellnek a kívánt válaszformára vagy gondolkodásmódra.
Few-shot promptingNéhány példás utasításNéhány bemeneti és kimeneti példa segítségével pontosítja a modell számára az elvárt feladatot.
Chain-of-thoughtKöztes következtetési láncÖsszetett feladat lépésekre bontására épülő technika; üzleti használatban inkább rövid indoklás és ellenőrizhető eredmény kérendő.
Structured outputStrukturált kimenetElőre meghatározott sémában, például JSON-formátumban előállított AI-válasz, amelyet más rendszerek biztonságosabban feldolgozhatnak.
Function callingFüggvényhívásLehetővé teszi, hogy a modell meghatározott műveleteket és külső eszközöket szabályozott paraméterekkel hívjon meg.
Tool useEszközhasználatAz AI külső keresőt, adatbázist, kalkulátort, API-t vagy üzleti alkalmazást használ a feladat megoldásához.
Agent orchestrationAI-agentek koordinációjaTöbb specializált agent feladatainak, sorrendjének, jogosultságainak és kommunikációjának összehangolása.
Human in the loop (HITL)Emberi ellenőrzés a folyamatbanAz ember jóváhagyja, javítja vagy felülbírálja az AI fontos döntéseit és kimeneteit.
CopilotAI-munkatárssegédA felhasználó mellett dolgozó AI, amely javasol és előkészít, miközben a végső irányítás az embernél marad.
Felügyelt tanulásSupervised learningCímkézett példákból tanuló módszer, ahol ismert a helyes kimenet, például csalás vagy nem csalás.
Felügyelet nélküli tanulásUnsupervised learningCímkézetlen adatokban keres csoportokat, összefüggéseket vagy szokatlan mintázatokat.
Félig felügyelt tanulásSemi-supervised learningKis mennyiségű címkézett és nagyobb mennyiségű címkézetlen adatot használ együtt.
Önfelügyelt tanulásSelf-supervised learningAz adatok belső szerkezetéből hoz létre tanulási feladatot, így kevés kézi címkézést igényel.
Megerősítéses tanulásReinforcement learningAz agent jutalmak és büntetések alapján tanulja meg, mely cselekvések vezetnek jobb hosszú távú eredményhez.
RLHFMegerősítéses tanulás emberi visszajelzésbőlEmberi értékelésekkel igazítja a modellt a hasznosabb, biztonságosabb és kívánatosabb válaszok felé.
RLAIFMegerősítéses tanulás AI-visszajelzésbőlAz emberi értékelést részben más AI-modellek visszajelzésével helyettesítő vagy kiegészítő tanítási módszer.
OsztályozásClassificationA bemenet előre meghatározott kategóriába sorolása, például pozitív vagy negatív ügyfélvélemény.
RegresszióRegressionFolytonos számszerű érték, például ár, kereslet vagy várható idő előrejelzése.
KlaszterezésClusteringHasonló adatok automatikus csoportokba rendezése előzetesen megadott címkék nélkül.
AnomáliadetektálásEltérésfelismerésA szokásostól jelentősen eltérő események vagy adatok azonosítása, például csalás vagy géphiba keresésekor.
AjánlórendszerRecommendation systemFelhasználói viselkedés és termékjellemzők alapján személyre szabott tartalmat vagy terméket javasló rendszer.
IdősorelemzésTime-series analysisIdőrendben mért adatok trendjeinek, szezonalitásának és változásainak vizsgálata.
Prediktív analitikaElőrejelző elemzésMúltbeli adatok alapján jövőbeli események vagy valószínűségek becslése.
Prediktív karbantartásPredictive maintenanceSzenzor- és üzemeltetési adatokból előre jelzi a várható meghibásodást és támogatja a karbantartás időzítését.
Neurális hálózatNeural networkEgymáshoz kapcsolt számítási egységekből álló modell, amely összetett mintázatokat tanul meg.
Bemeneti rétegInput layerA neurális hálózat első rétege, amely a feldolgozandó jellemzőket fogadja.
Rejtett rétegHidden layerA bemenetből belső reprezentációkat kialakító köztes neurális hálózati réteg.
Kimeneti rétegOutput layerA neurális hálózat végső eredményét, például kategóriát vagy becsült értéket előállító réteg.
Aktivációs függvényActivation functionA neuron kimenetét alakító matematikai függvény, amely nemlineáris kapcsolatok tanulását teszi lehetővé.
VeszteségfüggvényLoss functionA modell hibáját számszerűsítő függvény, amelyet a tanítás során minimalizálni próbálunk.
GradiensGradientMegmutatja, milyen irányban és mértékben változtassuk a modell paramétereit a hiba csökkentéséhez.
GradienscsökkenésGradient descentOptimalizálási eljárás, amely iteratívan módosítja a paramétereket a veszteségfüggvény csökkentésére.
BackpropagationHibavisszaterjesztésA neurális hálózat hibájának rétegenként visszafelé történő terjesztése a súlyok frissítéséhez.
ParaméterTanult modellértékA modell tanítás közben beállított belső értéke, például egy neurális hálózat súlya.
HiperparaméterTanítási beállításA fejlesztő által a tanítás előtt megadott érték, például tanulási ráta vagy rétegszám.
EpochTanítási ciklusEgy teljes áthaladás a tanító adathalmazon a modell betanítása során.
BatchAdatkötegA tanítóadat azon kisebb része, amelyet a modell egy paraméterfrissítés előtt feldolgoz.
Learning rateTanulási rátaMeghatározza, hogy az optimalizálás egy lépésben milyen mértékben módosítja a modell paramétereit.
TanítóadatTraining dataAz az adathalmaz, amelyből a gépi tanulási modell a mintázatokat megtanulja.
Validációs adatValidation dataA tanítás közbeni modellválasztásra és beállításra használt, elkülönített adathalmaz.
TesztadatTest dataA végleges modell elfogulatlan teljesítményértékelésére félretett, korábban nem használt adatok.
TúlillesztésOverfittingA modell túl jól megtanulja a tanítóadat sajátosságait, ezért új adatokon gyengén teljesít.
AlulillesztésUnderfittingA modell túl egyszerű vagy nem eléggé tanított, ezért még az alapvető mintázatokat sem ragadja meg.
RegularizációModell egyszerűsítéseA túlillesztést csökkentő technika, amely korlátozza a modell bonyolultságát vagy zajt ad a tanításhoz.
DropoutNeuronok véletlen kihagyásaTanításkor ideiglenesen kikapcsol egyes neuronokat, ezzel javítva a modell általánosíthatóságát.
AdataugmentációData augmentationMeglévő példák módosításával új tanítóadatokat hoz létre, például képek forgatásával vagy szöveg átfogalmazásával.
FeatureJellemző, változóA modell bemeneteként használt mérhető tulajdonság, például ügyfélkor, árbevétel vagy vásárlási gyakoriság.
Feature engineeringJellemzőképzésNyers adatokból a modell számára informatív változók kialakítása üzleti és statisztikai ismeretek alapján.
Címke (Label)Helyes célértékFelügyelt tanulásnál az a kategória vagy érték, amelyet a modellnek meg kell tanulnia előre jelezni.
AdatcímkézésData labelingTanítópéldák kategóriával, értékkel vagy jelöléssel történő ellátása emberi vagy automatizált módszerrel.
AdatminőségData qualityAz adatok pontosságának, teljességének, időszerűségének, következetességének és használhatóságának összessége.
AdattisztításData cleaningHibás, hiányzó, duplikált vagy következetlen adatok felismerése és javítása.
Szintetikus adatSynthetic dataMesterségesen előállított adat, amely valós mintázatokat utánoz, de nem feltétlenül tartozik valódi személyhez vagy eseményhez.
AdatsodródásData driftAz éles rendszer bemeneti adatainak időbeli eltérése a modell tanításakor látott eloszlástól.
ModellsodródásModel driftA modell üzleti környezet vagy adatkapcsolatok változása miatt fokozatosan romló teljesítménye.
AdatpipelineData pipelineAz adatok begyűjtését, tisztítását, átalakítását, tárolását és továbbítását végző automatizált folyamat.
ETLKinyerés, átalakítás, betöltésAdatintegrációs folyamat: az adatokat forrásokból kinyeri, egységesíti, majd célrendszerbe tölti.
Adattó (Data lake)Nyers adattárNagy mennyiségű strukturált és strukturálatlan adat eredeti vagy közel eredeti formában történő tárolóhelye.
Adattárház (Data warehouse)Elemzési adattárEgységesített, strukturált és lekérdezésre optimalizált vállalati adatok központi tárháza.
TudásgráfKnowledge graphEntitásokat és kapcsolataikat hálózatként tároló tudásmodell, amely összefüggések feltárását támogatja.
PrecisionPozitív találatok pontosságaA pozitívnak jelölt esetek közül megmutatja, mennyi volt valóban pozitív.
RecallTalálati arányA valóban pozitív esetek közül megmutatja, mennyit talált meg a modell.
F1-scoreF1-mutatóA precision és recall harmonikus átlaga, különösen kiegyensúlyozatlan kategóriák esetén hasznos.
AccuracyÖsszesített pontosságAz összes előrejelzésen belül a helyes eredmények aránya.
Konfúziós mátrixConfusion matrixTáblázat, amely a helyes és téves pozitív, illetve negatív osztályozások számát mutatja.
ROC-görbeReceiver Operating CharacteristicKülönböző döntési küszöböknél mutatja a valódi és téves pozitív arány kapcsolatát.
AUCROC-görbe alatti területEgyetlen számmal méri, mennyire jól választja szét a modell a kategóriákat.
BenchmarkÖsszehasonlítási alapEgységes feladatsor, adatkészlet vagy üzleti kiindulóérték modellek és megoldások összevetésére.
Fine-tuningFinomhangolásElőtanított modell további tanítása célzott példákon egy feladat, stílus vagy szakterület jobb kezelésére.
PEFTParaméterhatékony finomhangolásA modell paramétereinek csak kis részét módosító, erőforrás-kímélő finomhangolási módszerek gyűjtőneve.
LoRALow-Rank AdaptationKis kiegészítő mátrixok tanításával igazítja a nagy modellt, a teljes modell átírása nélkül.
DistillationModelltömörítés tudásátadássalEgy nagyobb tanármodell tudását kisebb, gyorsabb tanulómodellbe viszi át.
QuantizationKvantálásA modell számainak kisebb pontosságú tárolása a memóriaigény és futtatási költség csökkentésére.
Mixture of Experts (MoE)Szakértőmodellek keverékeOlyan architektúra, amely bemenetenként csak néhány specializált modellrészt aktivál a hatékonyabb működéshez.
NLPTermészetesnyelv-feldolgozásA számítógépek emberi nyelv értelmezésével, elemzésével és előállításával foglalkozó AI-terület.
NLUTermészetesnyelv-megértésA nyelvi szándék, jelentés, entitások és összefüggések gépi felismerése.
NLGTermészetesnyelv-generálásAdatokból vagy modellreprezentációból ember számára érthető szöveg automatikus előállítása.
NERNév- és entitásfelismerésSzemélyek, szervezetek, helyek, dátumok és más meghatározott entitások azonosítása szövegben.
Sentiment analysisÉrzelem- vagy véleményelemzésSzöveg hangulatának, például pozitív, semleges vagy negatív jellegének automatikus meghatározása.
Computer visionGépi látásKépek és videók tartalmának automatikus felismerésével és értelmezésével foglalkozó AI-terület.
OCROptikai karakterfelismerésKépeken vagy beolvasott dokumentumokban található nyomtatott, illetve kézírásos szöveg gépi kiolvasása.
ObjektumfelismerésObject detectionTárgyak típusának és képen belüli helyének egyidejű azonosítása.
KépszegmentációImage segmentationA kép pixeleinek tartalmi régiókba vagy objektumokhoz történő besorolása.
ASRAutomatikus beszédfelismerésAz élő vagy rögzített emberi beszéd szöveggé alakítása.
TTSSzövegfelolvasásÍrott szöveg természetes hangzású gépi beszéddé alakítása.
Diffúziós modellDiffusion modelZajból fokozatos tisztítással képet, hangot vagy más adatot előállító generatív modell.
GANGeneratív versengő hálózatEgy generátor és egy megkülönböztető modell versenyére épülő tartalom-előállítási módszer.
CNNKonvolúciós neurális hálózatKülönösen képek helyi mintázatainak felismerésére kialakított neurális hálózat.
RNNRekurrens neurális hálózatSorozatos adatok korábbi elemeit belső állapotban figyelembe vevő hálózat.
LSTMHosszú rövid távú memóriaAz RNN olyan változata, amely hosszabb távú függőségeket is képes megőrizni.
AI use caseAI alkalmazási esetKonkrét üzleti probléma vagy folyamat, ahol a mesterséges intelligencia mérhető értéket teremthet.
AI readinessAI-felkészültségA szervezet adatainak, technológiájának, kompetenciáinak, folyamatai és vezetői támogatásának alkalmassága az AI bevezetésére.
AI-stratégiaMesterségesintelligencia-stratégiaAz üzleti célokat, prioritásokat, technológiai irányokat, kockázatkezelést és megvalósítási tervet összekapcsoló keret.
AI roadmapAI megvalósítási ütemtervA kiválasztott alkalmazási esetek sorrendjét, függőségeit, felelőseit és mérföldköveit rögzítő terv.
AI maturityAI-érettségA szervezet AI-képességeinek fejlettsége a kísérletezéstől a szabályozott, vállalati szintű működésig.
PoC (Proof of Concept)KoncepcióigazolásKorlátozott kísérlet annak bizonyítására, hogy egy AI-megoldás technikailag működőképes lehet.
PilotKísérleti bevezetésValós működési környezetben, szűk felhasználói vagy folyamati körön végzett ellenőrzött bevezetés.
MVPMinimálisan életképes termékA megoldás legkisebb, már használható változata, amellyel gyorsan mérhető a felhasználói és üzleti érték.
Business caseÜzleti megtérülési indoklásA várható hasznot, költséget, kockázatot, erőforrásigényt és alternatívákat összefoglaló döntés-előkészítő elemzés.
ROIBefektetésarányos megtérülésA beruházás nettó hasznát a ráfordításhoz viszonyító üzleti mutató.
TCOTeljes birtoklási költségA beszerzésen túl a fejlesztés, integráció, üzemeltetés, licencek, felügyelet és változáskezelés teljes költsége.
KPIKulcsteljesítmény-mutatóA projekt üzleti vagy működési sikerét számszerűen mérő mutató.
Workflow automationMunkafolyamat-automatizálásIsmétlődő feladatok, döntési pontok és rendszerlépések automatikus végrehajtása, szükség esetén AI bevonásával.
Intelligent document processing (IDP)Intelligens dokumentumfeldolgozásDokumentumok osztályozása, adatainak kinyerése, ellenőrzése és üzleti rendszerbe továbbítása AI segítségével.
Vállalati tudástárEnterprise knowledge baseSzabályozott dokumentum- és információforrás, amely keresést, jogosultságkezelést és AI-alapú kérdezést támogathat.
APIAlkalmazásprogramozási felületSzabályozott kapcsolódási mód, amelyen keresztül szoftverek adatot cserélnek vagy funkciókat hívnak meg.
WebhookEseményalapú értesítésEgy rendszer automatikus HTTP-üzenete egy másik rendszernek, amikor meghatározott esemény történik.
LatencyVálaszidő, késleltetésA kérés elküldése és a rendszer válaszának megérkezése között eltelt idő.
ThroughputÁteresztőképességAz egységnyi idő alatt feldolgozható kérések, tokenek vagy adatok mennyisége.
Edge AIPeremhálózati AIAz AI-modell futtatása az adat keletkezésének közelében, például szenzoron, telefonon vagy helyi eszközön.
On-premises AIHelyben telepített AIA vállalat saját infrastruktúráján futó megoldás, amely nagyobb kontrollt adhat az adatok és üzemeltetés felett.
Cloud AIFelhőalapú AIFelhőszolgáltatói infrastruktúrán elérhető modellek és AI-szolgáltatások használata.
GPUGrafikus feldolgozóegységNagy párhuzamos számítási teljesítményű processzor, amely AI-modellek tanítására és futtatására különösen alkalmas.
NPUNeurális feldolgozóegységAI-műveletekre optimalizált, gyakran személyi eszközökbe épített speciális processzor.
MLOpsGépi tanulási üzemeltetésA modellek fejlesztését, verziózását, telepítését, megfigyelését és újratanítását szabályozó gyakorlatok összessége.
LLMOpsNagy nyelvi modellek üzemeltetéseLLM-alapú alkalmazások promptjainak, modelljeinek, költségeinek, minőségének és biztonságának életciklus-kezelése.
Model registryModellnyilvántartásA modellek verzióit, állapotát, tulajdonosát, mérőszámait és jóváhagyását központilag kezelő tár.
Model monitoringModellfelügyeletAz éles modell teljesítményének, adatainak, hibáinak, torzításának és költségének folyamatos figyelése.
ObservabilityMegfigyelhetőségNaplók, metrikák és nyomkövetés segítségével betekintést ad az AI-rendszer belső működésébe.
Shadow AINem felügyelt AI-használatA dolgozók által vállalati jóváhagyás, kontroll vagy nyilvántartás nélkül használt AI-eszközök és megoldások.
AI governanceAI-irányítás és szabályozásAz AI felelős kiválasztását, fejlesztését, használatát és ellenőrzését biztosító szabályok, szerepek és folyamatok rendszere.
Felelős AIResponsible AIOlyan AI-fejlesztés és használat, amely figyelembe veszi a jogszerűséget, biztonságot, méltányosságot és emberi kontrollt.
Megbízható AITrustworthy AIJogszerű, etikus, robusztus, átlátható és megfelelően felügyelt mesterségesintelligencia-rendszer.
AI-szabályzatAI policyA szervezetben engedélyezett AI-használatot, adatkezelést, felelősségeket és tiltásokat rögzítő belső dokumentum.
EU AI ActAz Európai Unió AI-rendeleteAz EU kockázatalapú jogi kerete, amely kötelezettségeket állapít meg AI-rendszerek szolgáltatóinak és alkalmazóinak.
Tiltott AI-gyakorlatProhibited AI practiceAz EU AI Act által elfogadhatatlan kockázata miatt nem engedett mesterségesintelligencia-használat.
Magas kockázatú AI-rendszerHigh-risk AI systemAz EU AI Act szerint érzékeny területen használt rendszer, amelyre szigorú kockázatkezelési és dokumentációs követelmények vonatkozhatnak.
GPAIÁltalános célú AI-modellSokféle feladat elvégzésére alkalmas modell; az EU AI Act külön kötelezettségeket írhat elő szolgáltatóinak.
AI literacyAI-műveltségAz AI lehetőségeinek, korlátainak, kockázatainak és felelős használatának megfelelő ismerete a munkatársak körében.
Algoritmikus torzításAlgorithmic biasRendszerszerű eltérés, amely egyes csoportokat vagy eseteket indokolatlanul előnybe vagy hátrányba hozhat.
FairnessMéltányosságAz AI döntéseinek olyan kialakítása és vizsgálata, hogy ne okozzanak indokolatlan vagy jogellenes megkülönböztetést.
Explainable AI (XAI)Magyarázható mesterséges intelligenciaOlyan módszerek összessége, amelyek érthetőbbé teszik, miért adott a modell egy eredményt.
ÁtláthatóságTransparencyAnnak egyértelmű kommunikációja, hogy hol, hogyan, milyen adatokkal és korlátokkal működik az AI.
ModellkártyaModel cardA modell célját, teljesítményét, korlátait, adatait, kockázatait és ajánlott használatát összefoglaló dokumentáció.
Adatlap (Datasheet)Adatkészlet-dokumentációAz adatkészlet eredetét, tartalmát, gyűjtését, minőségét, korlátait és megengedett felhasználását rögzíti.
Audit trailAuditnapló, visszakövethetőségMegváltoztathatatlan vagy védett nyilvántartás arról, ki, mikor, milyen AI-műveletet és jóváhagyást végzett.
AccountabilityElszámoltathatóságEgyértelmű felelősség kijelölése az AI-rendszer döntéseiért, kockázataiért és működéséért.
AdatvédelemPrivacyA személyes adatok jogszerű, célhoz kötött, biztonságos és az érintettek jogait tiszteletben tartó kezelése.
AdatminimalizálásData minimizationCsak a meghatározott célhoz valóban szükséges személyes adatok gyűjtése és felhasználása.
AnonimizálásAnonymizationA személyes adatok visszafordíthatatlan átalakítása úgy, hogy az érintett már ne legyen azonosítható.
PszeudonimizálásPseudonymizationAz azonosítók elkülönítése vagy helyettesítése; kiegészítő információval az érintett továbbra is azonosítható lehet.
DPIAAdatvédelmi hatásvizsgálatMagas adatvédelmi kockázatú adatkezelés előtt végzett, GDPR szerinti strukturált kockázatelemzés.
Hozzáférés-vezérlésAccess controlMeghatározza, hogy mely felhasználó milyen adathoz, modellhez vagy funkcióhoz férhet hozzá.
RBACSzerepköralapú hozzáférésA jogosultságokat egyéni beállítás helyett munkaköri vagy szervezeti szerepekhez rendeli.
Prompt injectionPromptbefecskendezésOlyan támadás, amely megtévesztő utasítással próbálja eltéríteni a modellt vagy megkerülni a szabályait.
Indirect prompt injectionKözvetett promptbefecskendezésA káros utasítás nem a felhasználótól, hanem feldolgozott dokumentumból, weboldalból vagy más külső tartalomból érkezik.
JailbreakVédelmi korlát megkerüléseOlyan prompttechnika, amely az AI biztonsági szabályainak vagy tartalmi korlátozásainak kijátszására törekszik.
GuardrailAI-védőkorlátTechnikai vagy folyamatbeli ellenőrzés, amely korlátozza a nem kívánt bemeneteket, válaszokat és műveleteket.
Content filteringTartalomszűrésKáros, jogsértő, bizalmas vagy szabályzatellenes bemenetek és kimenetek automatikus felismerése és kezelése.
Red teamingTámadó szemléletű tesztelésSzakértők szándékosan keresik az AI-rendszer hibáit, kijátszhatóságát és veszélyes viselkedését.
Adversarial attackEllenséges támadásSpeciálisan módosított bemenet, amely félrevezeti a modellt vagy hibás eredményre készteti.
Data poisoningTanítóadat-mérgezésA tanítóadat szándékos manipulálása a modell teljesítményének vagy viselkedésének káros megváltoztatására.
Model stealingModelllopásA modell paramétereinek vagy működésének jogosulatlan megszerzése lekérdezések, fájlhozzáférés vagy más támadás útján.
PIISzemélyazonosításra alkalmas adatOlyan információ, amely önmagában vagy más adattal együtt természetes személy azonosítására használható.
DeepfakeAI-val manipulált médiatartalomValósághűen módosított vagy létrehozott kép, hang vagy videó, amely valótlan eseményt vagy személyt jeleníthet meg.
WatermarkingDigitális vízjelezésLátható vagy rejtett jel elhelyezése AI-val létrehozott tartalomban annak eredete vagy hitelessége jelzésére.
RobusztusságRobustnessAz AI-rendszer képessége arra, hogy zajos, változó vagy részben hibás körülmények között is elfogadhatóan működjön.
AI-kockázatértékelésAI risk assessmentAz AI használatából eredő jogi, üzleti, etikai, adatvédelmi, biztonsági és működési kockázatok strukturált vizsgálata.
IncidenskezelésAI incident responseAI-hiba vagy káros esemény felismerésének, korlátozásának, kivizsgálásának, jelentésének és javításának folyamata.
Nincs a keresésnek megfelelő kifejezés.

A szótár közérthető tájékoztatást nyújt; jogi, adatvédelmi vagy információbiztonsági döntéshez mindig az aktuális szabályozás és szakértői értékelés az irányadó.