túltanulás
angolul: overfitting
A túltanulás az, amikor egy MI-modell bemagolja a tanítópéldáit, ezért azokon remekel, de új, ismeretlen esetekben gyengén teljesít.
Érthetően
Gondolj egy diákra, aki a tavalyi érettségi feladatsorok megoldásait szóról szóra megtanulja. A régi feladatokat hibátlanul visszamondja, de amint egy kicsit másképp teszik fel a kérdést, elakad. Nem a tananyagot értette meg, csak a konkrét példákat magolta be.
A gépi tanulásban ugyanez történik: a modell a példákból tanul, és a cél az, hogy a mögöttük lévő általános szabályt ragadja meg. Túltanuláskor ehelyett a példák véletlen részleteit, hibáit, egyedi furcsaságait is szabálynak veszi.
Ezért megtévesztő: a fejlesztő a saját adatain kiváló eredményt lát, a rendszer mégis csalódást okoz, amikor valódi emberek valódi helyzetekben kezdik használni. A túltanulás nem egy hasznos módszer, hanem hiba, amelyet a tanítás során folyamatosan figyelni és megelőzni kell.
Hogyan működik
- A fejlesztők az adatokat legalább két részre osztják: az egyiken tanul a modell, a másikat félreteszik, és csak ellenőrzésre használják. Gyakran egy harmadik részt is elkülönítenek a legvégső méréshez.
- Tanítás közben a modell egyre pontosabb a tanítóadatokon, mert fokozatosan hozzájuk igazítja a belső beállításait.
- Egy ponton túl már nem az általános mintát tanulja, hanem az egyes példák zaját és véletlen egybeeséseit is megjegyzi.
- Ezt az árulja el, hogy a tanítóadatokon tovább javul, a félretett, soha nem látott adatokon viszont romlani kezd az eredménye.
- Védekezni több és változatosabb adattal, egyszerűbb modellel, a tanítás időben történő leállításával vagy a túl bonyolult megoldásokat büntető eljárásokkal lehet.
Példa a mindennapokból
Egy önéletrajzokat szűrő program egy cég néhány tucat korábbi felvételi döntéséből tanul. Azt szűri le, hogy a jó jelölt egy bizonyos egyetemre járt, mert a kevés példa között véletlenül sok ilyen ember volt. Amikor te egy másik iskolából, de kiváló tapasztalattal jelentkezel, a rendszer hátrébb sorol, mert nem illeszkedsz a bemagolt mintába.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- A túltanulás kívülről nem látszik: csak független, a tanításhoz nem használt adatokon végzett ellenőrzés mutatja ki.
- A reklámokban és sajtóhírekben szereplő pontossági számok félrevezetők lehetnek, ha a tesztfeladatok vagy azok rokonai a tanítóanyagba is bekerültek.
- Teljesen kizárni nem lehet, csak mérsékelni. A gondos ellenőrzés sem véd meg mindentől: a tanítóadatoktól erősen eltérő helyzetekben a nem túltanult modell is gyengébben teljesíthet.
- Ha a túltanulás ellen túl erősen védekeznek, a modell a másik végletbe eshet, és a valódi összefüggéseket sem tanulja meg.
Hasonló, de nem ugyanaz
- alultanulás – Az alultanult modell túl keveset tanult vagy túl egyszerű, ezért már a tanítóadatokon is gyengén teljesít, nem csak az újakon.
- hallucináció – A hallucináció egy nyelvi modell magabiztosan előadott, de kitalált állítása, a túltanulás viszont a tanítás hibája, amely bármilyen gépi tanuló rendszert érinthet.
- torzítás – A torzítás az adatokban lévő rendszerszintű egyoldalúság átvétele, a túltanulás pedig a véletlen részletek bemagolása, bár a kettő gyakran együtt jár.
Kapcsolódó fogalmak
–
alultanulás, általánosítás, regularizáció, korai leállítás, adatszivárgás, tanítóadat, tesztadat, validáció, benchmark
Röviden a története
A jelenség a statisztikából ered, ahol a görbeillesztés kapcsán jóval a mai MI előtt ismerték: a túl bonyolult modell a mérési zajt is követi. A gépi tanulás örökölte a fogalmat, és a neurális hálók elterjedésével a tanítás egyik alapkérdésévé vált.
Hol tart most
A túltanulás ellenőrzése 2026 végén minden komoly MI-fejlesztés rutinszerű része. A nagy nyelvi modelleknél a vita főként arról szól, mennyire torzítják a nyilvános teszteredményeket a tanítóanyagba bekerült tesztfeladatok.
Más nevei
túltanulás · túlillesztés · túltanítás · túlilleszkedés · overfitting · overfit · over-fitting · overtraining
Források
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.