tanítóadat-összefoglaló

angolul: training data summary (training content summary)

haladóterjedő

Nyilvános dokumentum, amelyben egy általános célú AI-modell fejlesztője az EU előírása szerint nagy vonalakban bemutatja, milyen tartalmakon tanította a modellt.

Érthetően

Az élelmiszerek csomagolásán ott az összetevők listája: nem a pontos recept, de megtudod belőle, miből készült a termék. A tanítóadat-összefoglaló ugyanez az AI-modelleknél: nem sorol fel minden egyes szöveget és képet, de megmutatja, milyen forrásokból állt össze a tanítóanyag.

Az EU mesterségesintelligencia-rendelete (AI Act) írja elő az általános célú AI-modellek szolgáltatóinak, vagyis azoknak a cégeknek, amelyek a csevegőrobotok és képgenerátorok mögötti nagy modelleket készítik. Az összefoglalót egységes uniós sablon szerint kell kitölteni, és bárki számára elérhetővé kell tenni.

Leginkább arra jó, hogy a szerzők, kiadók, fotósok és más jogosultak lássák, kerülhetett-e a munkájuk egy modell tanítóanyagába, és ha kell, felléphessenek a jogaikért. Nem műszaki leírás és nem teljes adatlista: szándékosan áttekintő szintű, hogy az üzleti titok is védve maradjon.

Hogyan működik

A fejlesztő számba veszi, miből tanult a modell: nyilvános adatkészletekből, licencelt tartalmakból, a webről begyűjtött oldalakból, a felhasználóktól származó adatokból és mesterségesen előállított (szintetikus) adatokból.
Kitölti az Európai Bizottság MI-hivatala által kiadott sablont: megadja a modell alapadatait, a tanítóadat típusait (szöveg, kép, hang, videó) és hozzávetőleges méretét.
A webről gyűjtött tartalmaknál felsorolja a legnagyobb súlyú internetes domaineket, és leírja, hogyan gyűjtötte az adatot, illetve hogyan vette figyelembe a szerzői jogi tiltakozásokat (opt-out).
Az összefoglalót közzéteszi a saját weboldalán, és frissíti, ha a modellt új adatokon tanítja tovább: ilyenkor legalább félévente, lényeges változásnál hamarabb.
A szabály betartását az Európai Bizottság ellenőrzi az MI-hivatalán keresztül, és a mulasztásért bírságot szabhat ki: ennek felső határa az előző év világpiaci forgalmának 3 százaléka vagy 15 millió euró, a kettő közül a magasabb összeg.

Példa a mindennapokból

Újságíróként vagy fotósként kíváncsi vagy, tanulhatott-e egy népszerű csevegőrobot a te munkáidból. A fejlesztő honlapján megkeresed a modell tanítóadat-összefoglalóját, és megnézed, szerepel-e a felsorolt nagy webes források között az a portál, ahol publikálsz.

Kit érint

jogász, állampolgárSzerzőként vagy jogosultként ebből tudhatod meg, hol érdemes utánajárnod, felhasználták-e a műveidet, és ez adhat alapot a jogérvényesítéshez. → Jog

fejlesztőHa általános célú modellt készítesz vagy tanítasz tovább jelentős mértékben, neked kell elkészítened és közzétenned az összefoglalót. → Kód

vállalkozó, vezetőAmikor AI-modellt választasz a cégednek, az összefoglalóból felmérheted, mennyire átlátható és jogilag rendezett a beszállítód adatháttere.

mindenkiFelhasználóként láthatod, hogy a szolgáltató a felhasználók adatait is bevonta-e a tanításba.

Gyakori félreértés

TévhitAz összefoglalóból pontosan kikereshető, hogy az én cikkem vagy fényképem benne volt-e a tanítóadatban.

ValójábanAz összefoglaló csak forráskategóriákat, nagyobb adatkészleteket és a legfontosabb domaineket nevezi meg, egyedi műveket nem. Támpontot ad, de bizonyítékot önmagában nem.

Korlátok és kockázatok

Az összefoglaló a fejlesztő saját nyilatkozata: a tartalmát nem ellenőrzi előre független szervezet, a hatóság utólag vizsgálhatja.
A részletesség korlátozott, mert a szabály az üzleti titkot is védi, így a kisebb források jellemzően rejtve maradnak.
Csak az EU piacán elérhető általános célú modellekre vonatkozik, és a 2025. augusztus 2. előtt piacra került modellek 2027. augusztus 2-ig kaptak haladékot.
Abból, hogy egy forrás szerepel benne, még nem következik, hogy jogsértés történt: ezt külön jogi eljárás döntheti el.

Hasonló, de nem ugyanaz

modellkártya – A modellkártya a modell képességeit, korlátait és ajánlott felhasználását írja le, jellemzően önkéntesen, míg a tanítóadat-összefoglaló kötelező, és csak a tanítóanyag eredetéről szól.
adatkészlet-adatlap – Az adatlap egyetlen adatkészletet dokumentál részletesen, kutatói gyakorlatként, az összefoglaló viszont egy modell teljes tanítóanyagát mutatja be áttekintő szinten, jogszabályi kötelezettségként.
műszaki dokumentáció – A műszaki dokumentáció részletes, nem nyilvános, és a hatóságoknak készül (a modellt beépítő cégek külön tájékoztatást kapnak), az összefoglaló viszont rövidebb, és bárki elolvashatja.

Kapcsolódó fogalmak

Tágabb

átláthatóság, EU MI-rendelet, AI-szabályozás

Szűkebb

szerzői jogi opt-out, webes adatgyűjtés

Rokon

tanítóadat, általános célú AI-modell, modellkártya, adateredet, szintetikus adat

Röviden a története

A kötelezettséget az EU 2024-ben elfogadott mesterségesintelligencia-rendelete vezette be, az 53. cikk (1) bekezdésének d) pontjában. Az Európai Bizottság 2025 júliusában tette közzé a kötelező sablont, a szabály pedig 2025. augusztus 2-ától alkalmazandó az új általános célú modellekre.

Hol tart most

2026 végén az új általános célú modellekre már él a kötelezettség, és az Európai Bizottság az MI-hivatalán keresztül 2026. augusztus 2. óta bírságolhat is. A korábban piacra került modelleknek 2027. augusztus 2-ig kell megfelelniük.

Állapot: 2026. november

Más nevei

tanítóadat-összefoglaló · tanítási tartalmak összefoglalója · tanítóadatok nyilvános összefoglalója · betanítási adatok összefoglalója · training data summary · training content summary · public summary of training content · AI Act training data template

Források

Wikipedia: Artificial Intelligence Act

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