tanítóadat

angolul: training data

alapelterjedt

A tanítóadat az a szöveg, kép, hang vagy más példa, amelyből egy mesterségesintelligencia-modell megtanulja a mintákat, mielőtt használni kezded.

Érthetően

A mesterséges intelligenciát nem úgy készítik, hogy valaki szabályról szabályra megírja, mit tegyen. Rengeteg példát mutatnak neki, és ezekből maga szűri le a szabályszerűségeket. Ezek a példák a tanítóadatok.

Olyan ez, mint amikor egy gyerek megtanul beszélni: senki sem magyarázza el neki a nyelvtant, mégis ráérez, mert évekig hallja a körülötte élőket. Ha otthon tájszólásban beszélnek, ő is úgy fog. A modell ugyanígy azt tükrözi vissza, amit a példáiban látott, a hibákkal és az egyoldalúságokkal együtt.

Ezért a tanítóadat legalább annyira meghatározza egy AI-rendszer tudását, mint maga a program. Amiről nem volt benne példa, arról a modell keveset vagy semmit sem tud. Ami torzan szerepelt benne, azt torzan adja vissza.

Fontos különbség: a tanítóadat a modell „iskolai tananyaga”, amelyet a készítése során dolgozott fel. Amit te beszélgetés közben beírsz vagy feltöltesz, az nem tanítóadat, hanem pillanatnyi munkaanyag. Hogy később felhasználják-e tanításra, az a szolgáltató szabályaitól és a te beállításaidtól függ.

Hogyan működik

Gyűjtés: a fejlesztők összeszedik a példákat, például weboldalakat, könyveket, képeket, hangfelvételeket, programkódot vagy egy cég saját adatait.
Tisztítás és címkézés: kiszűrik az ismétlődő, hibás vagy káros tartalmat, és sok esetben emberek megjelölik, mi látható vagy mi a helyes válasz az adott példán.
Tanítás: a modell sokszor végigmegy a példákon, tippel, a tippjét összevetik a helyes eredménnyel, és a belső beállításait (paramétereit) apránként úgy igazítják, hogy legközelebb kisebbet tévedjen.
Ellenőrzés: a modellt olyan adatokon próbálják ki, amelyeket tanulás közben nem látott, mert így derül ki, hogy valóban megtanulta-e a mintákat, vagy csak bemagolta a példákat.
Lezárás: a tanítás egy adott időpontig gyűjtött adatokkal ér véget, ezért a kész modell a későbbi eseményekről magától nem tud, csak ha keresőt vagy friss dokumentumot kap.

Példa a mindennapokból

Megkérdezed a chatbotot egy múlt heti hírről, és ő magabiztosan egy korábbi állapotot mesél el, vagy akár kitalál valamit. Nem hazudik szándékosan: a tanítóadatai egy korábbi időpontban lezárultak, és ami azután történt, azt csak akkor ismeri, ha közben rákeres az interneten.

Kit érint

mindenkiAmit nyilvánosan közzéteszel az interneten, az bekerülhet egy modell tanítóadatai közé, és a használt AI-eszközök válaszainak minőségét is ezek az adatok szabják meg.

munkavállalóNem mindegy, hogy a céges dokumentum, amelyet egy AI-eszközbe bemásolsz, felhasználható-e később a modell tanítására. → Munka és HR

vállalkozó, vezetőHa saját adataidon taníttatsz vagy hangoltatsz modellt, az eredmény legfeljebb annyira lesz jó és jogszerű, amennyire az adataid rendezettek és tiszták.

jogász, állampolgárA tanítóadatok körül zajlanak a legnagyobb szerzői jogi és adatvédelmi viták, és az EU MI-rendelete is külön követelményeket ír elő rájuk. → Jog

Gyakori félreértés

TévhitA modell adatbázisként eltárolja a tanítóadatokat, és a válaszait ebből keresi ki.

ValójábanA modell nem a szövegeket őrzi meg, hanem a belőlük leszűrt mintákat számok formájában, ezért nem tudja megbízhatóan megmondani, mit honnan tanult. Ritkán előfordul, hogy egy sokszor látott részletet szó szerint visszaad, de ez kivétel.

Korlátok és kockázatok

A tanítóadatok torzításait és tévedéseit a modell átveszi, így a válasza akkor is lehet egyoldalú vagy hibás, ha magabiztosan hangzik.
A tanítóadat egy adott időpontban lezárul, ezért friss eseményekről, árakról, jogszabályokról a modell magától nem tud.
A magyar nyelvű és magyar vonatkozású tartalom jóval kevesebb a tanítóadatokban, mint az angol, ezért a hazai témákban a modellek gyakrabban tévednek.
Kívülről ritkán tudható pontosan, min tanult egy modell, ezért nézd meg az eszköz adatkezelési beállításait, mielőtt érzékeny adatot adsz meg.

Hasonló, de nem ugyanaz

tesztadat – A tesztadatot szándékosan elzárják a modell elől a tanítás alatt, hogy a végén azon mérjék le, mennyire boldogul ismeretlen példákkal.
prompt – A prompt az a kérés, amelyet használat közben adsz a kész modellnek, és ez önmagában nem változtatja meg a modell tudását.
tudásbázis – A tudásbázisból az AI-rendszer válaszadáskor keres ki friss vagy céges információt, és ezt adja át a modellnek. A tanítóadat ezzel szemben a modell elkészítésekor épült be a működésébe.

Kapcsolódó fogalmak

Tágabb

adat, gépi tanulás, mesterséges intelligencia

Szűkebb

címkézett adat, szintetikus adat

Rokon

tesztadat, validációs adat, modelltanítás, finomhangolás, torzítás, tudáshatár, adatvédelem

Röviden a története

A fogalom a gépi tanulással együtt vált alapfogalommá. A gépi tanulás kifejezést Arthur Samuel tette ismertté 1959-ben, a dámajátékot tanuló programjáról írt tanulmányával. A nagy, gondosan címkézett adatgyűjtemények jelentőségét a 2009-ben bemutatott ImageNet képadatbázis mutatta meg. Igazán nyilvánvalóvá ez 2012-ben vált, amikor egy ezen tanított neurális háló (AlexNet) látványos áttörést ért el a képfelismerésben.

Hol tart most

Minden mai AI-rendszer tanítóadatokra épül, így a fogalom a szakmában és a közbeszédben is mindennapos. 2026 végén a viták főként a szerzői jogról, az engedélyezésről és az átláthatóságról szólnak. Az EU MI-rendelete 2025 augusztusa óta előírja az általános célú modellek szolgáltatóinak, hogy nyilvános összefoglalót tegyenek közzé a tanításhoz használt tartalmakról.

Állapot: 2026. november

A hírekben

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

Az LG AI Research eszköze 45-ször gyorsabban ellenőrzi a betanító adatok szerzői jogi kockázatát2026. nov. 4. · Jog
A Factory AI értéke öt hónap alatt megháromszorozódott, 5 milliárd dollárra nőtt2026. okt. 12. · Kód
Az amerikai kormány az OpenAI mellé állt a szerzői jogi vitában, Zuckerberg a szövetségi AI-szabályozó ellen2026. szept. 2. · Agent Age
Az Agile Robots fizikai AI-t visz a gyárakba és robotbetanítási adatot gyűjt2026. szept. 1. · Ipar

Más nevei

tanítóadat · tanító adat · tanítóadatok · betanító adat · tanítási adat · tanítóadat-készlet · training data · training dataset

Források

Wikipedia: Training, validation, and test data sets

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