grounding

alapelterjedt

A grounding azt jelenti, hogy az AI a válaszát ellenőrizhető forrásokra – dokumentumokra, adatbázisra, friss keresési találatokra – támasztja, nem pusztán a betanult emlékezetére.

Érthetően

Képzeld el, hogy két diák felel ugyanabból a tételből. Az egyik fejből mondja, amire emlékszik, és ha valami nem jut eszébe, magabiztosan kitalálja. A másik kinyithatja a tankönyvet, és meg is mutatja, melyik oldalról olvas. A grounding a második helyzet: az AI „nyitott könyvvel” válaszol.

A nyelvi modellek alapból a betanításuk során látott szövegek mintázataiból dolgoznak. Ez a tudás lezárult egy adott időpontban, nem tartalmazza a te céged szabályzatát vagy a tegnapi híreket, és a modell a hiányokat hajlamos hihetően hangzó, de téves állításokkal kitölteni. A grounding ezt a rést tömi be: a válasz elé odateszi a releváns, valódi forrásokat.

Emiatt lehet egy AI-válasz alatt hivatkozásokat látni, és emiatt tud egy ügyfélszolgálati csevegő a tényleges szerződési feltételekből válaszolni. A grounding nem egyetlen technika, hanem cél: a válasz legyen visszavezethető valamire, amit te is megnézhetsz.

Hogyan működik

Felteszel egy kérdést, a rendszer pedig először nem válaszol, hanem eldönti, milyen forrásból érdemes utánanézni: webes keresőben, céges dokumentumtárban, adatbázisban vagy egy általad feltöltött fájlban.
Kikeresi a kérdésedhez leginkább illő részleteket – jellemzően néhány bekezdést vagy adatsort, nem egész könyveket.
Ezeket a részleteket a kérdéseddel együtt átadja a nyelvi modellnek, azzal az utasítással, hogy ezekre támaszkodva válaszoljon.
A modell megfogalmazza a választ, és jó esetben megjelöli, melyik állítás melyik forrásból származik.
Fejlettebb rendszerekben egy utólagos ellenőrzés is lefut: megnézi, hogy a válasz állításait valóban alátámasztják-e a források, és ha nem, jelzi vagy kihagyja őket.

Példa a mindennapokból

Megkérdezed egy AI-asszisztenstől, mennyi idén a minimálbér, és a válasz alatt kis számozott hivatkozásokat látsz, amelyek hivatalos oldalakra mutatnak. Ez a grounding: az asszisztens nem emlékezetből mondott egy számot, hanem rákeresett, és megmutatja, honnan vette. Ha rákattintasz a forrásra, magad is ellenőrizheted.

Kit érint

mindenkiA forrásokkal alátámasztott választ ellenőrizni tudod, a forrás nélkülit csak elhinni vagy nem elhinni.

vállalkozó, vezetőA céges AI-asszisztens csak akkor ad használható választ a saját termékeidről és szabályaidról, ha a saját dokumentumaidhoz van kötve.

fejlesztőAz AI-agentek és csevegők megbízhatósága nagyrészt azon múlik, milyen jól oldod meg a forráskeresést és a hivatkozást. → Kód

jogász, állampolgárJogi vagy hivatalos ügyben a kitalált hivatkozás komoly kárt okozhat, ezért itt különösen számít, hogy a válasz valós jogszabályra vagy iratra mutasson. → Jog

Gyakori félreértés

TévhitHa az AI forrást is megad a válasza mellé, akkor az a válasz biztosan igaz.

ValójábanA grounding csökkenti a tévedések esélyét, de nem szünteti meg: a modell félreértheti vagy pontatlanul foglalhatja össze a forrást, és maga a forrás is lehet hibás vagy elavult.

Korlátok és kockázatok

A válasz legfeljebb annyira jó, mint a forrás: rossz, elfogult vagy régi dokumentumból rossz válasz lesz, csak éppen hivatkozással.
Előfordul, hogy a megadott hivatkozás létezik, de nem azt állítja, amit az AI a nevében leírt. Fontos ügyben nyisd meg és olvasd el.
Ha a keresés nem találja meg a megfelelő részletet, a modell szó nélkül visszaválthat a saját emlékezetére, és ezt kívülről nem mindig látod.
A forrásként beolvasott weboldalak vagy fájlok rejtett utasításokat is tartalmazhatnak, amelyekkel megpróbálhatják eltéríteni az AI-t.

Hasonló, de nem ugyanaz

RAG – A grounding a cél (a válasz forrásokra támaszkodjon), a RAG pedig az egyik legelterjedtebb módszer ennek elérésére.
finomhangolás – A finomhangolás magát a modellt tanítja tovább, a grounding viszont a modellt változatlanul hagyja, és csak a válaszadás pillanatában ad a kezébe forrásokat.
tényellenőrzés – A tényellenőrzés egy már megfogalmazott állítás igazságát vizsgálja. A grounding a válasz megírásakor köti forrásokhoz a tartalmat, bár fejlettebb rendszerekben utólagos ellenőrzés is kiegészítheti.

Kapcsolódó fogalmak

Tágabb

megbízható mesterséges intelligencia, generatív mesterséges intelligencia

Szűkebb

RAG, forráshivatkozás, keresésalapú grounding

Rokon

hallucináció, nagy nyelvi modell, kontextusablak, tudásbázis, prompt injection, webes keresés

Röviden a története

A szó egyik fontos előzménye a kognitív tudományból származik. Stevan Harnad 1990-ben írta le a „szimbólumlehorgonyzási problémát”, vagyis azt a kérdést, hogyan kaphatnak a gép jelei valódi jelentést, és hogyan kapcsolódnak a világhoz. A nyelvtechnológiában és a robotikában már korábban is használták a fogalmat: a nyelvet érzékelt képekhez, tárgyakhoz vagy cselekvésekhez kötötték. A mai, forrásokra támaszkodó értelme a nagy nyelvi modellek korában terjedt el, különösen a RAG-módszert bemutató 2020-as tanulmány után.

Hol tart most

2026 végén a nagy AI-asszisztensek alapfunkciója a webes kereséssel és hivatkozásokkal alátámasztott válasz, a céges rendszereknél pedig a saját dokumentumokhoz kötés számít alapelvárásnak. A forráshűség megbízható mérése és garantálása viszont még nem megoldott.

Állapot: 2026. november

A hírekben

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

Hazai szakmai anyagok: a GEO nagyrészt a SEO-ra épül, bécsi konferenciatanulságok2026. nov. 5. · Marketing
UNESCO: vitaanyag az AI-korszak oktatásának közjóként való fenntartásáról2026. szept. 7. · Oktatás és család

Más nevei

grounding · groundolás · megalapozás · forráshoz kötés · tényalapozás · grounded generation · grounding with search · symbol grounding

Források

Lewis et al. (2020): Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv)

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