AI szójegyzék
Az AI és a vállalati technológia kulcsfogalmai — gyakorlatias, közérthető magyarázatok.
135 terms
A
A/B tesztelés AI modelleknél
Az AI modellek A/B tesztelése több modellverziót hasonlít össze éles környezetben, hogy statisztikai megbízhatósággal meghatározza, melyik nyújt jobb üzleti eredményeket.
Tovább olvasom →A2A (Agent-to-Agent Protocol)
Protokoll különböző gyártók AI-ügynökei közötti kommunikációhoz — lehetővé téve a Google, Microsoft, Salesforce ügynökeinek együttműködését.
Tovább olvasom →Adatannotáció
Az AI-modelltrening tanítási adatainak felcímkézési folyamata, amely alapvetően befolyásolja a modell minőségét és képességeit.
Tovább olvasom →Adatdrift (Data Drift)
A betanítási adatok és az éles adatok statisztikai tulajdonságainak megváltozása, amely a modellteljesítmény romlásához vezet, ha nem monitorozzák.
Tovább olvasom →Adatmérgezés (Data Poisoning)
AI-biztonsági fenyegetés, amelyben a támadók rosszindulatú adatokat injektálnak a tanítási készletbe, hogy manipulálják a modell viselkedését.
Tovább olvasom →Adversarial támadások AI ellen
Szándékosan tervezett bemenetek, amelyek AI-modelleket hibás előrejelzések adására tévesztenek meg, komoly biztonsági és megbízhatósági kihívásokat teremtve.
Tovább olvasom →AI a gyártásban
Hogyan optimalizálja az AI a gyártást a minőségellenőrzésen, prediktív karbantartáson, folyamatoptimalizáláson és okosgyár-automatizáláson keresztül.
Tovább olvasom →AI a HR-ben és toborzásban
Az AI alkalmazásai az emberi erőforrásokban — jelöltek szűrésétől a munkavállalói elköteleződésig —, különös tekintettel az elfogultsági és szabályozási kockázatokra.
Tovább olvasom →AI a jogi iparban
Hogyan alakítja át az AI a jogi munkát a dokumentumelemzésen, szerződésvizsgálaton, jogi kutatáson és megfelelőség-automatizáláson keresztül.
Tovább olvasom →AI a logisztikában
Hogyan optimalizálja az AI az ellátási láncokat, az útvonaltervezést, a kereslet-előrejelzést és a raktárirányítást a nagyobb hatékonyság érdekében.
Tovább olvasom →AI a marketingben
Hogyan alakítja át az AI a marketinget a személyre szabáson, tartalomgeneráláson, célzáson és kampányoptimalizáláson keresztül.
Tovább olvasom →AI a pénzügyi szektorban
Hogyan alakítja át az AI a pénzügyi szolgáltatásokat a csalásdetekción, kockázatértékelésen, kereskedési automatizáláson és szabályozási megfelelésen keresztül.
Tovább olvasom →AI a szoftvertesztelésben
Az AI alkalmazása a tesztesetek automatikus létrehozására, végrehajtására és karbantartására, a lefedettség javítására és a hibák korábbi felismerésére.
Tovább olvasom →AI az egészségügyben
Hogyan fejleszti az AI az orvosi diagnózist, a gyógyszerfelfedezést, a betegellátást és az egészségügyi rendszer hatékonyságát a szabályozási követelmények betartása mellett.
Tovább olvasom →AI az ellátási láncban
Gépi tanulás és AI alkalmazása az ellátási lánc láthatóságának, előrejelzésének, optimalizálásának és a rugalmassági képességeinek javítására.
Tovább olvasom →AI az ügyfélszolgálatban
Hogyan alakítja át a mesterséges intelligencia az ügyfélszolgálatot az intelligens automatizáláson, személyre szabáson és 24/7-es elérhetőségen keresztül.
Tovább olvasom →AI benchmark és teljesítménymérés
Standardizált értékelési keretrendszerek az AI-modell képességek összehasonlítására különböző feladatokon, lehetővé téve az objektív teljesítményösszehasonlítást.
Tovább olvasom →AI érettségi modell
Keretrendszer annak értékelésére, hogy egy szervezet mennyire képes az AI hatékony bevezetésére és skálázható implementálására, azonosítva az előrehaladáshoz szükséges területeket.
Tovább olvasom →AI és GDPR
A GDPR-megfelelőség AI-rendszerek esetén gondos személyes adatkezelést igényel a gépi tanulási életciklus egészén, a betanítástól az inferenciáig.
Tovább olvasom →AI Guardrails
Védelmező mechanizmusok, amelyek korlátozzák az AI-modell viselkedését — tartalomszűrők, kimenetvalidálás, jogosultsági korlátozások és biztonsági kontrollok.
Tovább olvasom →AI integráció meglévő rendszerekbe
AI-képességek beillesztésének stratégiái és minták a vállalati szoftverkörnyezetekbe, biztosítva a zökkenőmentes kompatibilitást és értékteremtést.
Tovább olvasom →AI képgenerálás vállalati alkalmazásokban
AI alapú eszközök szöveges leírásokból, vázlatokból vagy más vizuális referenciákból képek szintetizálásához, marketing, design és tartalom-munkafolyamatokhoz.
Tovább olvasom →AI kiválósági központ (CoE)
Dedikált szervezeti egység, amely szakértelemmel, szabványokkal, bevált gyakorlatokkal és megosztott erőforrásokkal vezeti az AI-bevezetést.
Tovább olvasom →AI kockázati osztályozás
Az AI-rendszerek rendszeres kockázatértékelési folyamat alapján történő kategorizálása, az EU AI Act és más szabályozási keretrendszerek szerint.
Tovább olvasom →AI kódgenerálás
Nagy nyelvi modellek alkalmazása kód automatikus írásához, teszteléséhez és dokumentálásához, a szoftvertervezési termelékenység és minőség javításához.
Tovább olvasom →AI megfelelőségi tesztelés
Módszerek az AI-rendszerek értékelésére a szabályozási követelményeknek, az etikai elveknek és az iparági standardoknak való megfelelés szempontjából.
Tovább olvasom →AI mint szolgáltatás (AIaaS)
Felhőalapú AI-szolgáltatások, amelyek lehetővé teszik a szervezetek számára, hogy az infrastruktúra nulláról való kiépítése nélkül férhessenek hozzá AI-képességekhez.
Tovább olvasom →AI Red Teaming
AI-rendszerek biztonságának tesztelése szimulált támadásokkal — sebezhetőségek, guardrails-megkerülések és modellmanipulációs módszerek felkutatása.
Tovább olvasom →AI teljes tulajdonlási költsége (TCO)
Átfogó keretrendszer az AI-telepítések valódi gazdasági hatásának megértéséhez, beleértve a rejtett és folyamatos költségeket a nyilvánvaló eszközköltségeken túl.
Tovább olvasom →AI videógenerálás
AI-rendszerek szöveges leírásokból, képsorokból vagy más bemenetekből videók szintetizálásához, forradalmasítva a tartalomkészítést és a vizuális kommunikációt.
Tovább olvasom →AI vízjelzés (AI Watermarking)
Technikák az AI által generált tartalmak azonosítására digitális vízjelek beágyazásával, amelyek elősegítik az eredetiség felismerését és a hitelesség megőrzését.
Tovább olvasom →AI-alapú adatanonimizálás
Személyes adatok (PII) automatikus eltávolítása vagy maszkolása képzési adatkészletekben és AI-modell-lekérdezésekben, GDPR-megfelelően.
Tovább olvasom →AI-alapú ajánlórendszerek
Gépi tanulási rendszerek, amelyek személyre szabott tartalmat, termékeket vagy döntéseket sugallnak a felhasználói preferenciák, viselkedési minták és kontextus alapján.
Tovább olvasom →AI-alapú OCR (Optikai karakterfelismerés)
Modern, mélytanulási megközelítések szöveg kinyerésére képekből és dokumentumokból, messze meghaladva a hagyományos szabályalapú OCR-megoldások pontosságát és rugalmasságát.
Tovább olvasom →AI-alapú párprogramozás
AI kódolási asszisztensek alkalmazása szoftverfejlesztőkkel való együttműködésre, javítva a termelékenységet, a kód minőségét és az fejlesztők élményét.
Tovább olvasom →AI-alapú tudásmenedzsment
AI technológiák alkalmazása a szervezeti tudás rögzítésére, szervezésére, kereshetőségére és terjesztésére, javítva a döntéshozatalt és a munkahatékonyságot.
Tovább olvasom →AI-audit
AI-rendszerek szisztematikus értékelése biztonság, szabályozási megfelelőség, eredményminőség és üzleti kockázat szempontjából.
Tovább olvasom →AI-beszerzés
Az AI-megoldások értékelési, kiválasztási és megszerzési folyamata, amely a hagyományos IT-bszerezésnél speciálisabb kritériumokat igényel.
Tovább olvasom →AI-elfogultság (AI Bias)
Szisztematikus előítéletek az AI-modell kimeneteiben, amelyek egyenlőtlen képzési adatokból erednek — diszkrimináció és szabályozási meg nem felelés kockázata.
Tovább olvasom →AI-etika vállalati környezetben
Az AI-rendszerek etikus kialakításának, fejlesztésének és telepítésének elvei, biztosítva az igazságosságot, az átláthatóságot és a pozitív hatást.
Tovább olvasom →AI-folyamat (Pipeline)
Az AI-folyamat automatizált adatfeldolgozási, modell-betanítási, kiértékelési és telepítési lépések sorozata, amely termelésre kész AI-rendszereket állít elő.
Tovább olvasom →AI-governance
Szervezeti keretrendszer az AI vállalatban való kezeléséhez — irányelvek, folyamatok, felelősségek és szabályozási megfelelőség.
Tovább olvasom →AI-homokozó (Sandbox)
Izolált környezet az AI-modellekkel való biztonságos kísérletezéshez, új megközelítések teszteléséhez és megoldások validálásához az éles telepítés előtt.
Tovább olvasom →AI-illesztés (AI Alignment)
Az a kihívás, hogy az AI-rendszerek az emberi értékekkel, szándékokkal és biztonsági követelményekkel összhangban viselkedjenek.
Tovább olvasom →AI-inferencia
A betanított AI-modell válaszgenerálásának folyamata — az éles szakasz, amelyben a modell feldolgozza a bemeneteket és visszaadja az eredményeket.
Tovább olvasom →AI-írástudás
2025 februárjától kötelező — az AI megértésének és felelős használatának képessége, amelyet az AI Act 4. cikke ír elő.
Tovább olvasom →AI-megfigyelhetőség
AI-rendszerek valós idejű monitorozása — teljesítmény, költségek, válaszminőség és anomáliák nyomon követése éles környezetben.
Tovább olvasom →AI-megoldások bevezetése
Az AI-projektek ötlettől a termelési megvalósításig való sikeres bevezetésének bevált módszertana a műszaki, szervezeti és emberi tényezők figyelembevételével.
Tovább olvasom →AI-megoldások méretezése
Stratégiák és legjobb gyakorlatok az AI-rendszerek kísérletektől a nagy léptékű termelési telepítésekig való méretezéséhez.
Tovább olvasom →AI-orkesztráció
Több AI-modell és -ügynök összehangolása összetett feladatokon — az erőforrás-elosztástól az adatfolyam-kezelésig.
Tovább olvasom →AI-tokenizáció
Szöveg tokenekké (szó-/karaktertöredékekké) való átalakítási folyamata, amelyeket az AI-modell feldolgoz — közvetlenül befolyásolja a költségeket és a minőséget.
Tovább olvasom →Alapmodell (Foundation Model)
Nagy, előre betanított AI-modell, amely alapul szolgál — fine-tuninggal testre szabható konkrét alkalmazásokhoz.
Tovább olvasom →Autonóm AI-ügynökök
AI-rendszerek, amelyek minimális emberi beavatkozással önállóan terveznek, végrehajtanak és alkalmazkodnak összetett célok eléréséhez.
Tovább olvasom →Az AI befektetés megtérülése (ROI)
Az AI-telepítések gazdasági értékének mérési keretrendszere, beleértve mind a közvetlen megtakarításokat és bevételhatásokat, mind a közvetett stratégiai előnyöket.
Tovább olvasom →B
Beszédfelismerés és szöveg-hang konverzió
AI technológiák a hangbeszéd szöveggé (STT) és szöveg hanggá (TTS) konvertálásához, lehetővé téve a hangvezérelt alkalmazásokat és az akadálymentességi megoldásokat.
Tovább olvasom →Bizalmas számítástechnika (Confidential Computing)
Hardveres biztonsági technológia, amely az adatokat feldolgozás közben védi, lehetővé téve az AI-számítást érzékeny adatokon titoktartási garanciákkal.
Tovább olvasom →C
Chain of Thought
Promptolási technika, amelyben az AI-modell „hangosan gondolkodik" — lépésről lépésre következtet, javítva a pontosságot összetett kérdéseknél.
Tovább olvasom →Chatbot vs. AI-ügynök — kulcskülönbségek
A hagyományos chatbotok és modern AI-ügynökök közötti különbségek megértése segít a vállalkozásoknak kiválasztani a megfelelő automatizálási megközelítést.
Tovább olvasom →Chunking — szöveg darabolása AI-alkalmazásokhoz
A szöveg kisebb szegmensekre bontásának stratégiája a RAG-rendszerek és más NLP-alkalmazások hatékonyságának javítása érdekében.
Tovább olvasom →CI/CD AI/ML-projektekhez
A szoftver CI/CD elvek kiterjesztése AI/ML modellekre, beleértve az automatizált tesztelést, validálást és a megbízható modelltelepítési folyamatokat.
Tovább olvasom →Computer Use (AI)
AI-modellek képessége a számítógép közvetlen vezérlésére — kattintás, gépelés, felületek navigálása, akárcsak egy ember.
Tovább olvasom →D
Deepfake — technológia és kockázatok
AI által generált szintetikus média, amely valósnak tűnik; megértése kritikus a digitális tartalom hitelességének, a dezinformáció és a biztonsági kockázatok kezelése szempontjából.
Tovább olvasom →Differenciális adatvédelem (Differential Privacy)
Matematikai keret az adatvédelemre, amely garantálja, hogy az egyéni adatok nehezen fedhetők fel az AI-rendszerekből, miközben az összesített elemzések pontossága megmarad.
Tovább olvasom →Digitális iker (Digital Twin)
Fizikai eszközök, folyamatok vagy rendszerek virtuális másolatai, amelyek az AI segítségével szimulálják a viselkedést, predikciókat készítenek és optimalizálják a teljesítményt.
Tovább olvasom →Dokumentumösszefoglalás AI-val
AI-rendszerek alkalmazása hosszú dokumentumok, jelentések és tartalmak tömör összefoglalójának létrehozásához, megőrizve a legfontosabb információkat.
Tovább olvasom →E
Edge AI
AI-modellek futtatása közvetlenül a végeszközökön — adatok felhőbe küldése nélkül, minimális késleltetéssel.
Tovább olvasom →Embedding (vektoros reprezentáció)
Szöveg, kép vagy hang számvektorokként való ábrázolása — a szemantikus keresés és RAG-rendszerek alapja.
Tovább olvasom →Emergent képességek (Emerging Abilities)
Olyan AI-modellképességek, amelyek hirtelen jelennek meg a modellek méretének növelésével, nem jósolhatók meg a kisebb modellek eredményeiből.
Tovább olvasom →EU AI Act útmutató
Az EU AI Act a világ első átfogó jogi keretrendszere a mesterséges intelligenciához, kockázati szintek alapján meghatározott szabályokkal.
Tovább olvasom →F
Feature engineering
Az a folyamat, amelynek során nyers adatokból olyan jellemzőket hoznak létre, amelyek javítják az ML-modellek prediktív erőit és teljesítményét.
Tovább olvasom →Felelős AI (Responsible AI)
Olyan AI-rendszerek fejlesztési és telepítési keretrendszere, amelyek megbízhatóak, igazságosak, átláthatóak és az emberi értékekkel összhangban vannak.
Tovább olvasom →Felhő vs. helyszíni AI-telepítés
Az AI-telepítési modell megválasztása — felhőalapú, helyszíni vagy hibrid — meghatározza a vállalati AI-architektúra rugalmasságát, biztonságát és gazdaságosságát.
Tovább olvasom →Figyelemmechanizmus (Attention Mechanism)
A Transformer alapmodellek mögötti fő innováció, amely lehetővé teszi a modell számára, hogy a bemenet releváns részeire összpontosítson, elforgatva a hagyományos szekvenciális feldolgozást.
Tovább olvasom →Fine-tuning
AI-modell újratanítása specializált adatokon — egy általános alapmodell adaptálása konkrét szakterületre vagy feladatra.
Tovább olvasom →Folyamatok automatizálása AI-val
Az AI alkalmazása ismétlődő üzleti folyamatok automatizálására a hatékonyság javítása, a hibák csökkentése és az emberi erőforrások felszabadítása érdekében.
Tovább olvasom →Föderált tanulás (Federated Learning)
Elosztott gépi tanulási megközelítés, amely lehetővé teszi modellek betanítását decentralizált adatokon anélkül, hogy az adatok egyetlen helyre kerülnének.
Tovább olvasom →Függvényhívás (Function Calling) LLM-eknél
Képesség, amely lehetővé teszi nagy nyelvi modellek számára strukturált API-hívások és eszközhasználati kérések generálását, hatékony ember-gép integrációt biztosítva.
Tovább olvasom →G
Generatív AI
AI-rendszerek, amelyek képesek új tartalmakat létrehozni — szöveget, képeket, kódot, hangot és videót — tanult mintázatokból.
Tovább olvasom →Gépi látás (Computer Vision)
Az AI-mező, amely lehetővé teszi gépeknek digitális képek és videók megértését és értelmezését, alkalmassá téve számos ipari és üzleti alkalmazásra.
Tovább olvasom →GPU és TPU az AI-ban
Speciális gyorsítóhardver, amely lehetővé teszi a mélytanulási modellek nagy léptékű tanítását és inferenciáját a hagyományos CPU-hardverrel szemben.
Tovább olvasom →Grounding AI
Technika az AI-modell válaszainak tényszerű adatokhoz való horgonyzására — hallucináció kiküszöbölése megbízható forrásokból származó kontextus biztosításával.
Tovább olvasom →H
Hiperautomatizálás
Átfogó megközelítés az összes automatizálható üzleti folyamat azonosítására és automatizálására, az AI, ML, RPA és folyamatintelligencia kombinálásával.
Tovább olvasom →Human-in-the-Loop
Tervezési minta, amelyben ember ellenőrzi és jóváhagyja az AI döntéseit — minőség- és biztonsági ellenőrzés.
Tovább olvasom →K
Kontextusablak
A maximális szövegmennyiség (tokenek), amelyet egy AI-modell egyetlen lekérdezésben képes feldolgozni — az LLM teljesítményének kulcskorlátja.
Tovább olvasom →Konverzációs AI
A természetes nyelvű interakciókat lehetővé tevő AI-rendszerek, amelyek emberi jellegű dialógusokat szimulálnak vállalati és fogyasztói alkalmazásokban.
Tovább olvasom →L
LLM hőmérséklet és top-p (sampling paraméterek)
Az LLM-kimenetek véletlenszerűségét szabályozó kulcsparaméterek, amelyek befolyásolják a kreativitást, a sokféleséget és a következetességet az AI által generált szövegekben.
Tovább olvasom →LLM Routing
Lekérdezések intelligens irányítása a megfelelő nyelvi modellhez — az összetettség, a költség és az elvárt válaszminőség alapján.
Tovább olvasom →M
Magyarázható AI (XAI)
Technikák, amelyek lehetővé teszik annak megértését, hogy az AI-modell miért hozott egy adott döntést — kulcsfontosságú a bizalom, az auditálás és az AI Act megfelelőség szempontjából.
Tovább olvasom →MCP (Model Context Protocol)
Nyílt szabvány az AI-modellek és külső adatforrások, illetve eszközök közötti kommunikációhoz — a „mesterséges intelligencia USB-C-je".
Tovább olvasom →Mixture of Experts (MoE)
Neurális hálózat architektúra, amely specializált "szakértő" almodellekből áll, ahol kapuátvevők döntik el, hogy az egyes bemenetekre melyik szakértőt alkalmazzák.
Tovább olvasom →MLOps — ML műveletek és életciklus-menedzsment
Az ML modellek fejlesztése, telepítése, monitorozása és karbantartása iparági szinten bevált DevOps-elvekkel, biztosítva a megbízható, reprodukálható és méretezhető AI-rendszereket.
Tovább olvasom →Modelkártya (Model Card)
Rövid dokumentumok az AI-modellekhez, amelyek összefoglalják a teljesítményjellemzőket, a tréningadatokat, az értékelési eredményeket és az etikai megfontolásokat.
Tovább olvasom →Modell-inferencia és serving (Model Serving)
Az AI-modellek éles kérések kiszolgálására való kitétele hatékony és megbízható infrastruktúra segítségével, amely megfelel a termelési késleltetési, rendelkezésre állási és skálázási követelményeknek.
Tovább olvasom →Modelldesztilláció (Knowledge Distillation)
Technika egy kisebb, hatékonyabb "diák" modell betanítására egy nagyobb "tanár" modell kimeneteinek felhasználásával, az intelligencia tömörítésével és az inferencia gyorsításával.
Tovább olvasom →Modellek verziókezelése
Az ML-modellek különböző verzióinak nyomon követési és kezelési rendszere, lehetővé téve a reprodukálhatóságot, a visszagörgetést és az irányítást.
Tovább olvasom →Modellértékelés és teljesítménymérés
Az AI-modellek szisztematikus értékelési keretrendszerei a teljesítmény, a megbízhatóság és az üzleti célokkal való összhang mérésére.
Tovább olvasom →Modellkvantálás (Quantization)
Technika az AI-modell memóriaigényének és számítási terhelésének csökkentésére kisebb pontosságú reprezentációk alkalmazásával, lehetővé téve a hatékony helyszíni telepítést.
Tovább olvasom →Modellmérgezés (Model Poisoning)
AI biztonsági fenyegetés, amelyben a támadók a betanítás folyamatát befolyásolják a modell rosszindulatú viselkedéséhez vezető hátsó kapuk beültetése vagy teljesítményromlás okozása céljából.
Tovább olvasom →Modellmonitorozás termelési AI-rendszereknél
Rendszeres megfigyelési folyamat az éles AI-modellek teljesítményének nyomkövetésére, a romlás észlelésére és a beavatkozási lehetőségek azonosítására.
Tovább olvasom →Modelltár (Model Registry)
Centralizált tároló az ML-modellek verzióinak, metaadatainak és életciklus-állapotainak kezeléséhez, amely a termelési ML-rendszerek irányításának sarokkövévé vált.
Tovább olvasom →Multimodális AI
AI-modellek, amelyek egyidejűleg dolgoznak fel szöveget, képet, hangot és videót — több információforrásból származó kontextus megértése.
Tovább olvasom →Multimodális RAG
Retrieval-Augmented Generation kiterjesztése szövegen túli modalitásokra, beleértve a képeket, táblázatokat és strukturált dokumentumokat, gazdagabb kontextus biztosításához.
Tovább olvasom →N
Neurális gépi fordítás
Mélytanulási alapú gépi fordítási rendszerek, amelyek magas minőségű fordítást tesznek lehetővé több mint 100 nyelv között, megnyitva a vállalatok számára a globális kommunikáció lehetőségét.
Tovább olvasom →NIS2 és mesterséges intelligencia
A NIS2 irányelv az AI kontextusában — kiberbiztonsági követelmények a kritikus infrastruktúrában AI-rendszereket használó vállalatok számára.
Tovább olvasom →Nyílt forráskódú AI modellek
Nyilvánosan hozzáférhető AI modellek és keretrendszerek, amelyek lehetővé teszik a szervezetek számára a telepítés, testreszabás és integrálás önállóan a zárt modellekkel szemben.
Tovább olvasom →P
Prediktív karbantartás AI-val
Gépi tanulási modellek alkalmazása a berendezéshibák előrejelzéséhez szenzoradata-elemzés alapján, csökkentve az állásidőt és az előre nem tervezett karbantartási eseményeket.
Tovább olvasom →Prompt Injection
Támadás, amely rosszindulatú utasításokat juttat be az AI-modell bemeneti adataiba — hogy átvegye a viselkedése feletti irányítást.
Tovább olvasom →Prompt-tervezés (Prompt Engineering)
Az a módszer, amely az LLM-ektől kívánt kimenetek kiváltásához megfelelően kialakított bemenetek (promptok) tervezési technikáit jelenti.
Tovább olvasom →R
RAG (Retrieval-Augmented Generation)
Információ-visszakeresést és generálást kombináló technika — az AI aktuális dokumentumok alapján válaszol, nem csak az „emlékezetéből".
Tovább olvasom →Reasoning AI (Érvelési képességű AI)
AI-modellek fejlett logikai és következtetési képességekkel, amelyek lehetővé teszik a matematikai problémák megoldását, a kódolást és az összetett többlépéses feladatokat.
Tovább olvasom →Reranking RAG-rendszerekben
A RAG-pipline pontosságának javítási technikája, amely az első lekérési eredményeket egy másodlagos pontszámozóval újrarendezi a kontextus relevanciájának és a végső válaszminőség javítása érdekében.
Tovább olvasom →RLHF — Emberi visszajelzésen alapuló megerősítéses tanulás
Technika AI-modellek finomhangolásához emberi preferencia-visszajelzések alapján, javítva a hasznosságot, az ártalmatlanságot és az etikai illeszkedést.
Tovább olvasom →RPA vs. AI automatizálás — mikor melyiket?
A robotikus folyamatautomatizálás és az AI-alapú automatizálás összehasonlítása az üzleti folyamat-automatizálás legjobb megközelítésének meghatározásához.
Tovább olvasom →S
Shadow AI
AI-eszközök jogosulatlan használata a munkavállalók által — az IT-osztály tudta vagy ellenőrzése nélkül, adatszivárgás kockázatával.
Tovább olvasom →Skálázási törvények (Scaling Laws)
Empirikus összefüggések az AI-modellek mérete, a betanítási adatok és a számítási erőforrások, valamint a modell teljesítménye között, irányítva az AI-fejlesztési stratégiát.
Tovább olvasom →SLM (Small Language Models)
Kompakt AI-modellek (1–7B paraméter), amelyek helyben, gyorsan és olcsón futnak — ideálisak specializált feladatokhoz felhőköltségek nélkül.
Tovább olvasom →Streaming kimenet LLM-eknél
Az LLM-válaszok részenkénti megjelenítési technikája a teljes befejezésre való várakozás helyett, javítva az észlelt válaszidőt és a felhasználói élményt.
Tovább olvasom →Strukturált kimenet LLM-eknél
Technikák az LLM-ek meghatározott formátumú kimenetek generálására kényszerítésére (JSON, XML, adott sémák szerint), megbízható parsálhatóságot biztosítva a vállalati integrációkhoz.
Tovább olvasom →Szállítófüggőség az AI-ban (Vendor Lock-in)
Az AI-infrastruktúra tervezésének szempontjai a szállítói függőség minimalizálása érdekében, rugalmasságot és versenyfölényt biztosítva a változó AI-szállítói piacon.
Tovább olvasom →Szemantikai gyorsítótárazás (Semantic Caching)
Optim izálási technika LLM-alkalmazásokhoz, amely a szimantikailag hasonló lekérdezések számára gyorsítótárazza a válaszokat, csökkentve a számítási költségeket és a válaszidőt.
Tovább olvasom →Szemantikai keresés (Semantic Search)
Olyan keresési technológia, amely az intenció és az összefüggés megértésén alapul, nem csak kulcsszóegyezésen, lehetővé téve relevánsabb keresési eredmények visszaadását.
Tovább olvasom →Szentimentelemzés (Sentiment Analysis)
NLP-technika, amely meghatározza egy szöveg érzelmi tónusát — pozitív, negatív vagy semleges —, hogy vállalati betekintéseket nyerjen ki az ügyfél-visszajelzésekből.
Tovább olvasom →Szintetikus adatok
Mesterségesen generált adatkészletek, amelyek megőrzik az eredetiek statisztikai tulajdonságait — AI-betanításhoz adatvédelmi jogsértés nélkül.
Tovább olvasom →T
Természetes nyelvfeldolgozás (NLP)
Az AI ága, amely lehetővé teszi számítógépeknek az emberi nyelv megértését, értelmezését és generálását, az üzleti intelligencia és automatizálás alapját képezve.
Tovább olvasom →Többügynökös rendszerek
Olyan AI-architektúra, amelyben tucatnyi specializált ügynök dolgozik együtt — mindegyik egyedi kompetenciákkal és szerepkörökkel.
Tovább olvasom →Transfer tanulás (Transfer Learning)
ML technika, amelynek során egy feladathoz tanult modell alkalmazható egy másik, kapcsolódó feladatra, drámaian csökkentve a betanítási adatok és a számítási erőforrások igényét.
Tovább olvasom →Transformer architektúra
A modern AI legbefolyásosabb neurális hálózat architektúrája, amely figyelemmechanizmusokon alapul és lehetővé teszi a jelenlegi NLP, látás és multimodális alapmodellek fejlesztését.
Tovább olvasom →Tudásgrafikonok (Knowledge Graphs)
Strukturált adatreprezentációk, amelyek entitásokat és köztük lévő kapcsolatokat modelleznek, fokozva az AI-rendszerek megértési és következtetési képességeit.
Tovább olvasom →V
Vállalati AI-stratégia
Keretrendszer az AI képességek stratégiai tervezéséhez, végrehajtásához és irányításához a szervezeti célokkal összhangban.
Tovább olvasom →Vektoradatbázis
Specializált adatbázis, amely az adatokat numerikus vektorokként tárolja — lehetővé téve a „hasonló" tartalmak szemantikus keresését.
Tovább olvasom →Vibe Coding
Szoftverkészítés természetes nyelvű leírással — a fejlesztő mondja a „mit", az AI generálja a „hogyan"-t.
Tovább olvasom →Visszakeresési rendszerek AI-ban (Retrieval)
Rendszerek releváns dokumentumok vagy információk hatékony megkeresésére az AI-alapú generálási folyamatok kontextus-beinjektálásához.
Tovább olvasom →