A2A (Agent2Agent)
Nyílt szabvány, amely leírja, hogyan működjenek együtt és kommunikáljanak egymással az AI-ügynökök.
38. lecke
Ez a fogalomtár az előző leckék legfontosabb AI-, gépi tanulási és programozási szakkifejezéseit gyűjti össze. Nem kell elejétől a végéig elolvasnod: keress rá arra a fogalomra, amelynek a jelentését szeretnéd gyorsan tisztázni.

Nyílt szabvány, amely leírja, hogyan működjenek együtt és kommunikáljanak egymással az AI-ügynökök.
Meglévő adatból mesterségesen új, kicsit módosított változatok létrehozása (pl. egy kép elforgatása), hogy több tanítóadat álljon rendelkezésre.
Olyan AI, amely a legtöbb szellemi feladatban eléri vagy felülmúlja az embert. Egységesen elfogadott definíciója nincs.
Az Európai Unió átfogó, kötelező érvényű AI-szabályozása, kockázati kategóriákkal és szakaszos bevezetési határidőkkel.
Az a művelet, ami kiválasztja a legnagyobb valószínűségű kategóriát egy valószínűség-listából.
Az adatok összegének osztása a darabszámmal — az adatok 'középértéke'.
A Transformer-architektúra kulcseleme: minden szó 'megnézi', mennyire fontosak a mondat többi szavai a saját jelentése szempontjából.
A PyTorch beépített rendszere, ami automatikusan kiszámolja a deriváltakat (gradienseket) a tanítás során.
Adatok egy kisebb csoportja, amit a modell egyszerre dolgoz fel egy tanítási lépésben (nem az egész adathalmazt egyszerre).
Egy extra, tanulható szám minden neuronban, ami eltolja a kimenetet — rugalmasabbá teszi a modellt.
Prompt-technika: a modellt arra kérjük, lépésről lépésre gondolkodjon, mielőtt végső választ adna.
Táblázat, ami megmutatja, a modell hányszor találta el és hányszor tévesztette el az egyes kategóriákat.
Az adatok többszöri, más-más felosztással történő tanítási/tesztelési kiértékelése, megbízhatóbb eredményért.
Osztályozási feladatoknál használt hibafüggvény, ami a valószínűségi eltérést méri a helyes és a jósolt kategória között.
AI-val készített, valósághű, de hamis kép, hang- vagy videófelvétel valós emberekről.
Egy függvény meredekségének (változási ütemének) mérőszáma egy adott pontban — a gradient descent alapja.
Képgeneráló modelltípus, amely tiszta zajból lépésenként „kitisztít" egy képet.
Regularizációs technika: a tanítás során véletlenszerűen 'kikapcsolunk' neuronokat, hogy a modell ne tanuljon rá túlzottan az adatra.
A tanítás leállítása, amint a validációs hiba elkezd növekedni — a túltanulás megelőzésére.
Egy szó (vagy más objektum) számvektorrá alakítása úgy, hogy a hasonló jelentésű dolgok közel kerüljenek egymáshoz a vektortérben.
Egy teljes végigfutás a teljes tanítóadaton a tanítás során.
A precision és recall harmonikus átlaga — egyetlen szám, ami mindkét szempontot figyelembe veszi.
Egy már betanított modell továbbtanítása egy szűkebb, specifikus feladatra/adathalmazon.
Az EU általános adatvédelmi rendelete — a személyes adatok kezelését szabályozza.
Az EU AI Act fogalma: olyan AI-modell, ami sokféle feladatra alkalmazható (pl. maguk a nagy nyelvi modellek).
Grafikus processzor, ami rendkívül hatékony a neurális hálók tanításához szükséges párhuzamos számításokban.
Több változóra vonatkozó deriváltakból álló vektor — megmutatja, milyen irányban kell változtatni a súlyokat a hiba csökkentéséhez.
Optimalizációs algoritmus: a modell súlyait apró lépésekben a gradiens ellentétes irányába mozgatjuk, hogy csökkentsük a hibát.
Olyan beállítás (pl. tanulási ráta, rétegek száma), amit a fejlesztő állít be a tanítás előtt, nem a modell tanulja meg.
Amikor a modell a valódi cél helyett a mérőszámot „játssza ki", például a tesztet csapja be a feladat megoldása helyett.
Mérőszám: milyen hosszú (emberi szakértői időben mért) feladatot old meg egy modell 50%-os eséllyel.
Egyszerű algoritmus: egy új adatpontot a hozzá legközelebbi k darab ismert adatpont alapján sorolunk be.
Mennyire 'biztos' a modell a saját válaszában — jellemzően egy valószínűségi érték.
Sok fizikai qubitre szétterített, hibajavítással védett qubit — a hasznos kvantumszámításhoz ilyenek kellenek.
A kvantumszámítógép alapegysége: mérés előtt a 0 és az 1 súlyozott keveréke (szuperpozíciója) lehet, méréskor 0-t vagy 1-et ad.
Szám, ami megmutatja, mennyire téved a modell — a tanítás célja ennek a számnak a csökkentése.
Az EU AI Act egyik kockázati kategóriája: engedélyezett, de szigorú dokumentációs/felügyeleti követelményekkel.
Nyílt szabvány, amellyel az AI-alkalmazások egységes módon kapcsolódnak külső eszközökhöz és adatforrásokhoz.
Gyakorlatok/eszközök összessége egy gépi tanulási modell éles, megbízható üzemeltetéséhez.
Jelenség, amikor egy éles modell teljesítménye idővel romlik, mert a valós adatok megváltoznak a tanítóadathoz képest.
Regressziós hibafüggvény: a jósolt és valós érték közti különbségek négyzetének átlaga.
Többféle adatot (szöveg, kép, hang) egyszerre kezelő modell.
PyTorch réteg, ami egy mátrixszorzást (plusz bias hozzáadást) végez — egy neurális háló egy rétege.
Adatok átskálázása egy fix tartományba (pl. 0-1 közé) — segít a tanítás stabilitásában.
Kategóriák (pl. színek) átalakítása számvektorokká, ahol csak egy elem 1, a többi 0.
Amikor a modell 'bemagolja' a tanítóadatot, de új, korábban nem látott adaton rosszul teljesít.
Hagyományos gépeken futó titkosítási eljárások, amelyekről úgy gondoljuk, hogy egy kvantumszámítógéppel sem törhetők fel.
Annak biztosítása, hogy egy AI-rendszer valódi céljai és viselkedése megfeleljenek annak, amit a készítői és a társadalom szántak neki.
Kvantumos kapcsolat qubitek között: a mérési eredményeik úgy függnek össze, ahogy az egyes qubitek külön-külön nem írhatók le.
A pozitívnak jósolt esetek közül hány volt ténylegesen pozitív — 'ha a modell azt mondja igen, mennyire hihetjük el?'
Egy nyelvi modell első, nagy adathalmazon (pl. az egész internet szövegén) végzett tanítási fázisa.
API-funkció: ismétlődő, hosszú kontextus-részek újrafeldolgozás nélküli felhasználása — jelentős költségcsökkentéssel.
Támadás, amelynél az AI által beolvasott tartalomba (weboldal, e-mail) rejtett utasítás téríti el a modellt.
A nyelvi modell a saját dokumentumokból kikeresett részletek alapján válaszol.
A ténylegesen pozitív esetek közül hányat talált meg a modell — 'a valódi igenekből mennyit fogtunk el?'
Technikák gyűjtőneve (dropout, L1/L2, early stopping), amik a túltanulás ellen védenek.
Egyszerű, gyakran használt aktivációs (nemlinearitást bevezető) függvény: negatív értékeknél 0, pozitívnál önmaga.
Nyelvi modellek finomhangolási módszere emberi értékelések/preferenciák alapján.
Görbe és mögötte lévő terület, ami megmutatja, mennyire jól különbözteti meg a modell a két osztályt, különböző küszöbértékeknél.
A gradient descent egy gyakorlati változata, ami az adatok kisebb részhalmazain (batch-ein) dolgozik.
Függvény, ami nyers számokat valószínűségekké alakít úgy, hogy azok összege pontosan 1 (100%) legyen.
Adatok átalakítása úgy, hogy az átlaguk 0, a szórásuk 1 legyen — összehasonlíthatóvá tesz különböző skálájú adatokat.
Mérőszám, ami megmutatja, mennyire szóródnak az adatok az átlag körül.
A qubit mérés előtti állapota: a 0 és az 1 amplitúdókkal súlyozott kombinációja.
Olyan értelem, amely gyakorlatilag minden fontos területen messze felülmúlja az embert.
Számok tömbje tetszőleges dimenzióban — a PyTorch alapvető adatszerkezete (vektor és mátrix általánosítása).
Egy szövegdarab (kb. szórészlet), amire a nyelvi modell a szöveget bontja feldolgozás előtt.
Az adatok három részre osztása: tanításra, a tanítás közbeni ellenőrzésre, és a végső, elfogulatlan kiértékelésre.
Egy már betanított modell tudásának újrafelhasználása egy másik, rokon feladathoz.
2017-ben publikált neurális hálózati architektúra, ami az attention-mechanizmusra épül — a mai nagy nyelvi modellek alapja.
Amikor a modell túl egyszerű ahhoz, hogy megtanulja az adatban lévő mintázatokat — a tanítóadaton is rosszul teljesít.
Rendezett számlista — az AI-ban minden adat (kép, szó, mérési adat) végül vektorrá alakul.
Olyan adatbázis, amely jelentésbeli hasonlóság (vektorok közelsége) alapján keres.
A fogalomtár a technikai, angol eredetű vagy speciális jelentésű szakkifejezésekre koncentrál. Ha egy fogalom nincs itt, érdemes annak a leckének a szövegében visszakeresni, ahol először találkoztál vele — a kontextus sokszor többet segít, mint egy egymondatos definíció.
1. Keress rá 3–4 saját kulcsszóra a fenti keresővel, és nézd meg, mely fogalmak kapcsolódnak egymáshoz.
2. Válassz ki 5 olyan fogalmat, amelyekben még bizonytalan vagy, és menj vissza a megjelölt leckékhez.
3. Próbálj meg 5 fogalmat saját szavaiddal úgy elmagyarázni, mintha olyan embernek mondanád, aki nem foglalkozik programozással. Ha egyszerűen el tudod mondani, valóban érted.