Fogalomtár › Tanítás és adat

általánosítás

angolul: generalization

Az általánosítás az AI-modell képessége arra, hogy a tanultakat olyan új esetekre is helyesen alkalmazza, amelyeket a tanítás során soha nem látott.

Érthetően

Gondolj két diákra a matekdolgozat előtt. Az egyik bemagolja a gyakorlófeladatok megoldásait, a másik megérti a módszert. Ha a dolgozatban új számokkal jön ugyanaz a feladattípus, csak a második boldogul. Az AI-nál ezt a második képességet hívjuk általánosításnak.

Egy modellt mindig véges számú példán tanítanak, a való világ viszont végtelenül változatos. A modell ezért annyit ér, amennyire jól teljesít ismeretlen eseteken. A tanítópéldákon elért jó eredmény önmagában keveset mond.

Az általánosítás kudarcát szaknyelven túltanulásnak hívják. Ilyenkor a modell a tanítóadatok apró részleteit és véletlen sajátosságait is megjegyzi, mintha magolna, új helyzetben pedig hibázik.

Hogyan működik

1. A fejlesztők szétosztják az adatokat: a nagyobb részén tanul a modell, egy kisebb részt pedig félretesznek tesztelésre, és ezt a modell tanulás közben nem láthatja. Gyakran egy harmadik részt is elkülönítenek, amelyen a tanítás közbeni beállításokat ellenőrzik.
2. Tanítás közben a modell mintázatokat, szabályszerűségeket keres a példákban, és ezekhez igazítja a belső beállításait.
3. A tanítás után a félretett, ismeretlen példákon mérik le a teljesítményt. A tanult és az új adatokon mért eredmény különbsége mutatja meg, mennyire általánosít a modell.
4. Ha a modell a tanult adatokon kiváló, az újakon gyenge, akkor túltanult. Ilyenkor több és változatosabb adattal, a modell túlzott alkalmazkodását fékező technikákkal (szaknyelven regularizációval), egyszerűbb modellel vagy a tanítás korábbi leállításával javítanak rajta.
5. Élesítés után is figyelni kell a modellt, mert a világ változik, és a korábban jól általánosító modell teljesítménye idővel romolhat.

Példa a mindennapokból

Kit érint

Gyakori félreértés

Korlátok és kockázatok

• A modell jellemzően csak a tanítóadatokhoz hasonló helyzetekre általánosít jól; a nagyon szokatlan, ritka eseteknél megbízhatatlanná válhat.
• A modell akkor is magabiztos választ adhat, amikor számára ismeretlen terepen jár, ezért a hibát nem mindig veszed észre.
• A nyilvános ranglisták eredményei torzíthatnak, mert a tesztfeladatok egy része bekerülhetett a tanítóadatok közé, és a modell ezeket egyszerűen megjegyezhette.
• Ha a tanítóadatokból egy csoport vagy helyzet hiányzott, a modell arra rosszul általánosít, és ez méltánytalan döntésekhez vezethet.

Hasonló, de nem ugyanaz

• túltanulás – A túltanulás az általánosítás kudarca: a modell a tanítópéldákat magolja be, és nem a mögöttük lévő szabályt tanulja meg.
• memorizálás – A memorizálás a látott példák visszaadása, az általánosítás a belőlük leszűrt szabály alkalmazása új esetekre.
• transzfertanulás – A transzfertanulás egy módszer, amellyel az egyik feladaton szerzett tudást egy másik feladatra viszik át; az általánosítás maga a képesség, hogy a modell új esetekkel boldogul.

Kapcsolódó fogalmak

Röviden a története

Az általánosítás matematikai elméletét Vlagyimir Vapnyik és Alekszej Cservonenkisz 1971-es munkája alapozta meg, Leslie Valiant pedig 1984-ben adott formális keretet annak, mit jelent példákból megbízhatóan tanulni. 2016-ban egy sokat idézett tanulmány kimutatta, hogy a mély neurális hálók akár véletlenszerű címkéket is képesek bemagolni, mégis jól általánosítanak, és ezt a klasszikus elmélet nem magyarázza meg kielégítően.

Hol tart most

Az általánosítás a gépi tanulás alapfogalma, minden modell értékelésének ez a központi mércéje. 2026 végén is nyitott kutatási kérdés, hogy a nagy nyelvi modellek és az agentek mennyire általánosítanak valóban új helyzetekre, és mennyire csak a tanult mintákat ismétlik.

Állapot: 2026. november

Más nevei

általánosítás · generalizáció · általánosítóképesség · általánosítási képesség · generalization · generalisation

Források

• Wikipedia: Generalization error
• Zhang et al.: Understanding deep learning requires rethinking generalization (arXiv, 2016)

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