tanítóadatok

angolul: training data

alapelterjedt

A tanítóadatok azok a példák – szövegek, képek, hangok, számok –, amelyekből a mesterséges intelligencia megtanulja, amit később tud.

Érthetően

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

Olyan ez, mint amikor egy gyerek megtanulja, mi a kutya: senki nem ad neki definíciót, csak sok kutyát lát, és egyszer csak felismeri azt is, amelyikkel még sosem találkozott. Ha viszont csak tacskót látott, a bernáthegyinél el fog bizonytalanodni. A gép ugyanígy csak abból tud általánosítani, amit elé tettek.

Ezért mondják, hogy a modell olyan jó, amilyen az adata. A tanítóadatok mennyisége, minősége és összetétele dönti el, miben lesz erős a rendszer, miben gyenge, és milyen torzításokat hordoz magában.

A tanítóadat más, mint az, amit te beírsz egy csevegőrobotnak. Az előbbiből a modell a tudását szerzi a tanítás során, az utóbbit csak az adott beszélgetésben használja fel.

Hogyan működik

Gyűjtés: a fejlesztők összeszedik a nyersanyagot, például weboldalakat, könyveket, képeket, hangfelvételeket, programkódot vagy céges nyilvántartásokat.
Tisztítás és címkézés: kiszűrik a hibás, ismétlődő vagy káros tartalmat, és ahol kell, emberek megjelölik, mi látható vagy olvasható egy-egy példán (például „ezen a képen macska van”).
Felosztás: az adat nagy részén tanul a modell, egy kisebb, félretett részen pedig azt ellenőrzik, hogy olyan példákkal is boldogul-e, amelyeket még nem látott.
Tanítás: a modell újra és újra végigmegy a példákon, tippel, a tévedéseiből pedig apránként állítja a belső beállításait, amíg a tippjei elég jók nem lesznek.
Lezárás: a kész modell nem az adatok másolatát őrzi, hanem a belőlük leszűrt mintázatokat, és a tudása nagyjából ott ér véget, ahol a tanítóadatok gyűjtése befejeződött.

Példa a mindennapokból

Megkérdezel egy csevegőrobotot a múlt heti hírekről, és azt feleli, hogy erről nincs információja, vagy magabiztosan elavult adatot mond. Ez azért van, mert a tanítóadatait hónapokkal, akár több mint egy évvel korábban lezárták, és ami azóta történt, azt csak akkor tudja, ha közben keresni is tud az interneten.

Kit érint

mindenkiAmit nyilvánosan közzéteszel az interneten, az bekerülhet egy modell tanítóadatai közé, és a modellek válaszai is ezekből az adatokból fakadnak.

vállalkozó, vezetőTudnod kell, hogy az általad használt AI-szolgáltatás felhasználja-e a céges adataidat tanításra, mert ezen üzleti titok és ügyféladat múlhat.

jogász, állampolgárA szerzői jog és az adatvédelem egyik legvitatottabb kérdése ma az, hogy kinek a művein és adatain szabad modellt tanítani. → Jog

fejlesztőEgy modell vagy agent megbízhatósága nagyrészt azon múlik, milyen adaton tanult, ezért az adat ismerete nélkül nem tudod megítélni a korlátait. → Kód

Gyakori félreértés

TévhitA mesterséges intelligencia egy hatalmas adatbázis, amelyből előkeresi a betanult szövegeket.

ValójábanA modell nem tárolja és nem keresi vissza a tanítóadatokat, hanem a belőlük megtanult mintázatok alapján állít elő új választ. Előfordul, hogy egy sokszor látott szövegrészt szó szerint visszaad; ez ritka, de szerzői jogi viták tárgya.

Korlátok és kockázatok

Ha a tanítóadat egyoldalú vagy előítéletes, a modell is az lesz: az adatban meglévő torzításokat átveszi, sőt fel is erősítheti.
A modell tudása a tanítóadatok lezárásának időpontjában megáll, a frissebb eseményekről külön keresés nélkül nem tud.
A nagy modellek tanítóadatainak pontos összetétele többnyire nem nyilvános, ezért kívülről nehéz ellenőrizni, miből tanultak.
Mielőtt bizalmas adatot írsz be egy AI-szolgáltatásba, nézd meg a beállításokban, hogy a beszélgetéseidet felhasználják-e későbbi tanításra, és ha lehet, tiltsd le.

Hasonló, de nem ugyanaz

tesztadatok – A tesztadatokat szándékosan nem mutatják meg a modellnek tanítás közben, mert ezeken mérik, mennyire boldogul ismeretlen példákkal.
prompt – A prompt az, amit használat közben írsz be a modellnek; ez közvetlenül nem változtatja meg a modell tudását, csak az adott választ irányítja.
tudásbázis – A tudásbázisból a rendszer válaszadáskor keres ki friss információt, a tanítóadat viszont a tanítás során épül be a modellbe, és utólag csak újabb tanítással módosítható.

Kapcsolódó fogalmak

Tágabb

gépi tanulás, adatkészlet, modelltanítás

Szűkebb

címkézett adat, szintetikus adat

Rokon

validációs adatok, tesztadatok, torzítás, finomhangolás, adatcímkézés, tudáshatár, nagy nyelvi modell

Röviden a története

A példákból tanuló gép gondolata a gépi tanulással egyidős; magát a „gépi tanulás” kifejezést Arthur Samuel tette ismertté 1959-ben. A nagy tanítóadat-készletek korszakának egyik legfontosabb mérföldköve a 2009-ben bemutatott, több millió címkézett képet tartalmazó ImageNet volt.

Hol tart most

2026 végén minden gépi tanuláson alapuló rendszer tanítóadatokra épül, a vita pedig arról folyik, kinek a tartalmán és milyen feltételekkel szabad tanítani. Az EU MI-rendelete (AI Act) már előírja az általános célú modellek szolgáltatóinak, hogy összefoglalót tegyenek közzé a felhasznált tanítóadatokról.

Állapot: 2026. november

A hírekben

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

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

Más nevei

tanítóadat · tanító adatok · tanítási adatok · betanítási adatok · tanítóhalmaz · training data · training set · 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.