13. lapszám · nov. 2–8. 2026Kiadások · Fogalomtár · Archívum · Módszer · RSS · HU / ENG

Az AI-korszak hírei, hetente válogatva

Fogalomtár › Tanítás és adat

adatcímkézés

angolul: data labeling

alapelterjedt

Az adatcímkézés az a munka, amikor képekhez, szövegekhez vagy hangfelvételekhez hozzáírják a helyes választ, hogy a mesterséges intelligencia ebből tanulhasson.

Érthetően

Képzeld el, hogy egy kisgyereknek képeskönyvből tanítod az állatokat: rámutatsz a képre, és kimondod, hogy „ez kutya”, „ez macska”. Az adatcímkézés ugyanez, csak gépnek és milliós nagyságrendben. A nyers adat (egy fotó, egy mondat, egy röntgenfelvétel) önmagában néma, a címke mondja meg, mi látható vagy mi a helyes válasz rajta.

A címke sokféle lehet: egyetlen szó („spam” vagy „nem spam”), egy keret a képen a gyalogos körül, egy hangfelvétel leirata, vagy egy értékelés arról, hogy egy chatbot két válasza közül melyik a jobb. A modell a sok ezer példából maga szűri ki a szabályt, amelyet aztán új, sosem látott adatokra is alkalmaz.

Ez a mesterséges intelligencia legkevésbé látványos, mégis az egyik legfontosabb munkafázisa. A modell minősége nagyban függ a címkék minőségétől: néhány véletlen hibát még elvisel, de ha a tananyag rendszeresen hibás vagy elfogult, a gép a hibát és az elfogultságot is megtanulja.

Hogyan működik

  1. Összegyűjtik a nyers adatot (képeket, szövegeket, hang- vagy videófelvételeket), és kiválasztják belőle azt a részt, amelyet érdemes megjelölni.
  2. Írásos útmutatót készítenek arról, mit és hogyan kell jelölni: milyen kategóriák vannak, és mi a teendő a határesetekkel.
  3. A címkézők (emberek, egyre gyakrabban egy előcímkéző modell segítségével) egy erre szolgáló szoftverben ellátják az adatokat címkével.
  4. Minőségellenőrzés következik: ugyanazt az adatot több ember is megjelöli, az eltéréseket összevetik, a vitás eseteket tapasztalt szakértő dönti el.
  5. A kész, címkézett adathalmazon tanítják és tesztelik a modellt, a tévedései alapján pedig újabb adatokat címkéznek vagy javítják a régieket.

Példa a mindennapokból

Amikor egy weboldal arra kér, hogy jelöld be az összes négyzetet, amelyen gyalogátkelő vagy közlekedési lámpa látható, elsősorban azt ellenőrzi, hogy ember vagy-e, de a válaszaiddal mellesleg te is címkézel. Ugyanez történik, amikor a levelezőprogramodban egy üzenetet spamnek jelölsz: a szűrő a te jelzésedből is tanul.

Kit érint

mindenkiA naponta használt fordítók, keresők, spamszűrők és chatbotok minősége jelentős részben azon is múlik, milyen gondosan címkézték és értékelték emberek a tanításukhoz használt adatokat.
vállalkozó, vezetőHa a céged saját adataira szabott modellt szeretnél, a címkézés gyakran a projekt egyik legtöbb időt és pénzt felemésztő része, bár a nagy, előre betanított modellekhez ma már jóval kevesebb címkézett példa is elég lehet.
fejlesztőA címkézési útmutató és a minőségellenőrzés gyakran többet javít a modellen, mint az algoritmus finomítása. → Kód
beteg, orvosA diagnosztikai MI-rendszerek orvosok által megjelölt felvételekből tanulnak, így a címkék pontossága közvetlenül hat a leletek megbízhatóságára. → Egészség

Gyakori félreértés

TévhitA mesterséges intelligencia magától tanul, emberi munka nélkül.
ValójábanA legtöbb rendszer mögött rengeteg emberi címkézőmunka áll, amelyet világszerte emberek tömegei végeznek, sokszor alacsony bérért. A nagy nyelvi modellek ugyan az alaptudásukat címkézetlen szövegekből szerzik, de a finomításukhoz és az ellenőrzésükhöz ott is emberek írnak mintaválaszokat és értékelik a modell válaszait.

Korlátok és kockázatok

Hasonló, de nem ugyanaz

Kapcsolódó fogalmak

Tágabb

adatelőkészítés, gépi tanulás, tanítóadat

Szűkebb

képannotáció, szövegannotáció, közösségi címkézés, automatikus címkézés

Rokon

felügyelt tanulás, adathalmaz, szintetikus adat, torzítás, megerősítéses tanulás emberi visszajelzéssel

Röviden a története

A címkézett tanítóadat a felügyelt gépi tanulás kezdete óta alapkövetelmény. A tömeges címkézés korszakát a 2009-ben bemutatott ImageNet képadatbázis nyitotta meg, amelynek több millió képét az interneten, az Amazon Mechanical Turk platformon toborzott emberek jelölték meg. Az erre épülő áttörés, az AlexNet nevű neurális háló 2012-ben megmutatta, mekkorát javul a gépi képfelismerés, ha a mély neurális hálók sok, gondosan címkézett adatból és nagy számítási kapacitással tanulhatnak.

Hol tart most

2026 végén az adatcímkézés önálló, világszerte kiépült iparág, amelyben a rutinfeladatok egyre nagyobb részét maguk a modellek végzik előcímkézéssel. Az emberi munka súlypontja a szakértői ellenőrzés és a nyelvi modellek válaszainak értékelése felé tolódik.

Állapot: 2026. november

A hírekben

6 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

Más nevei

adatcímkézés · címkézés · adatannotáció · annotálás · data labeling · data labelling · data annotation · data tagging

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.