A mesterséges intelligancia (MI)

intelligenciája gépi intelligencia (GI)

(2025 augusztus)

 Abstract Artificial intelligence (AI, and MI in Hungarian) is the intelligence of machine intelligence (GI in the paper): The meaning of the word artificial is not human, but machine intelligence, which is a more accurate term. Its definition is still only partially possible today. In a first approximation, AI is an information-seeking agent, an interface program, between humans and machines: it knows what we have taught it in the input, and today it can also be taught to make predictions and decisions, so GI intelligence is machine intelligence. Its intelligence is determined by the input data, installed algorithms - and the built-in capabilities of the robot, drone, autonomous device.

Az AI-ben, azaz a mesterséges intelligenciában a mesterséges szó jelentése, nem emberi, hanem gépi intelligencia, ami pontosabb megnevezés. A meghatározása ma még csak részben lehetséges. Az AI első közelítésben információkat kereső ügynök (= agent_ang), illesztő program (interface_ang) az ember és a gép között: azt tudja, amit az inputban megtanítottunk, és ma már előjelzésekre, döntésekre is megtanítható, tehát az MI intelligencia gépi intelligencia. Intelligenciáját az input adatok, telepített algoritmusok -és a robot, drón, autonóm eszköz beépített képességei- határozzák meg. 

Az emberi intelligencia (HI) meghatározásával és mérésével* van probléma még ma is, fokozottan igaz ez a mérhetetlen intellektus fogalomra. Meghatározása: az "intellektus" értelmi képességet, a tudatot, tudatost jelent, magába foglalja az észlelés, az emlékezés, a gondolkodás, általánosítás, az elvonatkoztatás, az érvelés, eszközkeresés, készítés és a döntéshozatal képességeit. A (cél-) tudatosság a legmagasabb szintű mentális tevékenység, emberi tulajdonság. Az intelligencia kifejezést gyakran nagy ismeret halmazként, egyszerű szabályosságok felismeréseként használják, kihagyva belőle a következtetés, bizonyítás, előrejelzés képességét, mely képességekre az MI már programozható, és részben az "okos" eszközök is. Az MI erős átfedésben van az automatizálással, a matematikából a legtöbbet a valószínűségszámításból és a logikából vehet át. A gépi intelligencia különbözik az emberi intelligenciától, és a mérése, mértéke*** elgondolkodtató feladat...Pl. , hogy a promtok hány  %-ában teved a gép? Vagy IQ-hoz hasonló tesztek?

                                                                         HI (https://itbusiness.hu/technology/a-mesterseges-intelligencia/)

A gépi intelligencia (GI)

A gépi intelligencia alapváltozata egy olyan keresőmotor, amely egy sok nyelven fogalmazó "Nagy nyelvi modell" -t (LLM_ang) használ.  Az MI történetében a fordítógépek, a fogalmazó képesség megjelenése ugrásszerű fejlődést okozott. Következik, hogy az MI inputjának (= ami egy  igen nagy tanító adathalmaz) valóságtartalma, fogalomtartalma meghatározza a -sok nyelven megfogalmazott-  output ismereteket, ami eddig a legsúlyosabb korlátozó feltétele az MI-nek. A fejlettebb változata már egy jól fogalmazó, lényegkiemelésre alkalmas keresőmotor, de a fogalomalkotás... az emberi intelligencia sajátossága marad. Abból a szempontból, hogy a gép mit tesz hozzá a bemeneti információ tartalmához, mennyire jól elemzi az input megbízhatóságát, teljességét, a gép nem tekinthető intelligensnek, és bár jól haladnak a fejlesztések, a fogalomalkotás, általánosítás, absztrakció* nem lesz gépi tulajdonság. Ha az MI-t a kollektív ismereteinkhez viszonyítjuk, az nem teljesen igazságos. A kép-, hang- és videószerkesztő alkalmazások már az MI-hez tartozó programok, az MI alaklmazások besorolását szűkíteni kéne az nyelvi modellekt használó alkalmazásokra. 

A gépi intelligencia (GI) egy interface, vegy agent az ember és a gép között, egy számítógép program- vagy egy algoritmuscsalád, amely képes tanulni (=információt gyűjteni, feldolgozni, modellekbe sűríteni, szöveges lényegkiemelésre) és döntéseket** hozni, az emberi gondolkodást utánozva statisztikai alapon működik. Példa adatok, minták alapján képes önállóan, vagy emberi segítséggel szabályszerűségeket és szabályokat felismerni/meghatározni, és nem csak felismeri a mintázatokat, hanem képes -de csak programozott- logikai műveletekre is. Az általánosítás, absztrakció, fogalomalkotás megmarad az emgeri intelligencia számára. Pl. nem a GI feladata megfejteni, hogy az ösrobbanás pillanatától a gravitációs hullámok alakították a kozmosz szerkezetét.  

Az információ keresésének módja multimodális (hang vagy billentyű alapú) parancs, ami már utalhat bemeneti képekre (speciális esetben ujjlenyomat, röntgenkép...), videókra, stb.. A parancs megnevezése: promt_ang. A „prompt” az a szöveges vagy hangutasítás, ami elindít egy válasz készítő, információkereső, output file_ang -okat generáló folyamatot. Sok fajtája van, néhány típus:

 1. Információs promptok

• Cél: Tények, magyarázatok, definíciók kérése

• Példa: „Mi az a kvantum-összefonódás?”

• Hasznos tanuláshoz, kutatáshoz, gyors válaszokhoz

 2. Kreatív szöveg-promptok (amikor szöveget generálunk)

• Cél: Történetírás, novella, vers, dialógus generálása

• Példa: „Írj egy sci-fi történetet egy magányos robotról a Marson”

• Hasznos íróknak, alkotóknak, játékfejlesztőknek, zárójelentés íráshoz, hírdetésszerkesztéshez

 3. Képalkotó promptok (ha képet, videót, hangot generálunk)

• Cél: Digitális művészet, illusztrációk, karaktertervek

• Példa: „Egy város naplementében, madártávlatból”

• Hasznos dizájnhoz, vizuális projektekhez

 4. Kódolási promptok

• Cél: Kód generálása, hibakeresés, algoritmusok írása

• Példa: „Írj egy Python függvényt, ami kiszámolja a Fibonacci-sorozatot”

• Hasznos fejlesztőknek, tanulóknak, kutatóknak

 5. Dialógus promptok

• Cél: Szerepjáték, karakterek közti beszélgetés, szimuláció

• Példa: „Te vagy Sherlock Holmes, én pedig Watson vagyok. Oldjunk meg egy rejtélyt!”

• Hasznos játékhoz, szórakozáshoz, kreatív gyakorlatokhoz, dszpécserereknek

 6. Tervezési és ötletelkereső promptok

• Cél: Terv-, (projekt-) indítás, ötletgenerálás, brainstorming

• Példa: „Készíts  egy logót valamilyen divatmárkához”

• Hasznos vállalkozóknak, marketingeseknek, kereskedelmi szakembereknek

• 7. Hogy lehet céltudatosan használni az AI-t?  Kérdések, utasítások, prompt-ok szerkesztése: (iterációnak nevezik, így a kérdés újrafogalmazását és finomítását, formai, a tartalmi pontosítást, a tévedés javítását is, https://youtu.be/el5X3cywTdk?si=IlLr7h0vldDDS3Po alapján készült a promtok leírása, elérhető 2025 aug.-ban). Jó kérdést kitalálni - a GI nem tudja- nehezebb mint megválaszolni egy kérdést. Manual, kezelési útmutató, recept az AI használathoz: Milyen gondolkodási sémák segítenek a hatékony kérdésfeltevésben? Miért fontos a strukturált címek és a tematizált chat-ek használata? Hogyan készíthetőek egyedi tanulási anyagok? Mit jelent a szélességi és mélységi tanulás az AI segítségével? Milyen konkrét technikákkal  tehetőek könnyebbé az ismétlődő feladatok? Hogyan változtatja meg az AI a problémamegoldó folyamatokat? Kreatív (kitalálás, kérdező) vagy Szerkesztő (leíró, utasító) mód használata. 

• 1. párhuzamos témák, keresések, chat-ek megnevezése, fa-struktúrák, mappák  
• 

   

   Fa struktúra (https://tamop412.elte.hu/tananyagok/algoritmusok/lecke8_lap1.html)

   

  2. dokumentumcsatolás, képek, kép stb. generálása

  3. hang alapú kérdések (voice function)

  4. igen-nem kérdéseket feltenni, akkor nem szöveggel válaszol

  5. tartalom (=kontextus) először, forma (=strukturálás), szerkesztés később

  6. Teljességre is rá lehet kérdezni

  7. kérdőívek, felmérések

  8. több nézőpontból véleményalkotás

  9. stílusok közötti átírás, e-mail fogalmazás idegen nyelven

  10. Fogalmi kapcsolatok rendezése, fa, hierarchia, könyvtár szerkesztése

  11. e-mail analízis forráskódból

  12. tartalom összefoglalás, feliratozás

  13. videó összefoglalás hangfájl alapján

  14. érvelés, felkészülés vitára, ellenérvelni is tud

  15. témakörbejárás több nézőpontból

  16. témavizsgálat több forrásból

  17. más AI modellek, más AI válaszokkal összehasonlítás (a válasz a bevitt anyag függvénye)

  18. több AI-val párhuzamosan és sorosan: egymással is beszélnek

  19. Tömöríteni, összefoglalni, megnevezni tud

  20. Értelmezni is tud, fogalmat is

  21. fogalommal kapcsolatos személyre szabott oktatási anyagokat készít

  22. fordítás, hang alapon is, beszélgetés pl. egy kínaival

  23. stratégiát terv-algoritmus készítés

  24. adjon ötleteket, GROCK (https://grok.com/).

  25. mese, irányítható történet generálása, hang alapon is

  26. (állás) interjúra való felkészülés

  28. Kérdezni is tud adott témában

  29. Mit válaszol az AI arra, hogy kell használni az AI-t?

  30. A számítógépes eszköz (agent, secretary of computer, interface), amit pontosan utasítani kell.

   

   

   

  

   

   

  (https://stockcake.com/i/ai-services-hub_2908780_1420908)

   

   

   A kérdés, az utasítás: a promt függvényében a válasz lehet szöveg, kép, hang, kódsorozat ..., és egy kódsorozattal egy autót vagy egy rakétát, egy sakktáblát is el lehet irányítani, megfelelő érzékelőkkel, beavatkozószervekkel. A valóságban azért több, bonyolultabb az irányítástechnika. Ma már nincs éles határvonal az MI és az automatizálás között.  Egy automata mindig ugyanazt a választ adja, de adaptív számítógépes irányítási algoritmusokat is integrál az MI, azaz fordított a helyzet: az MI soha nem fog kitalálni pl. rakétairányító algoritmust (Kálmán-szűrő a neve), hanem inputként meghívja, ha kap rá utasítást. Következik, hogy

  az MI egy agent, vagy interface az ember és a gép között: azt tudja, amit az inputban megtanítottunk, és ma már előjelzésekre, döntésekre is megtanítható. Tehát az MI intelligenciája gépi intelligencia. Intelligenciáját az input adatok, telepített algoritmusok -és a robot, drón, autonóm eszköz beépített képességei- határozzák meg. 

   

  *

  A mai értelemben vett intelligenciateszteket Alfred Binet alkotta meg. Az általános tankötelezettség bevezetését követően a francia oktatási kormányzat szembesült azzal, hogy vannak gyerekek, akik nem képesek lépést tartani a többiekkel, és kialakultak a legrosszabbak számára fenntartott külön osztályok. A tanárok döntötték el, hogy ki kerül a külön osztályokba. Binet-t azzal bízta meg a Francia Közoktatási Minisztérium, hogy készítsen olyan felmérést, amely alapján objektíven megállapítható a gyerekek iskolaalkalmassága. Binet feladatai a hétköznapi ítéletalkotásra épültek. „Mire jó a gyufa?”, „Milyen napszak van, amikor a nap lenyugszik?” – és hasonló kérdésekből állt a világ első, 1905-ben elkészült valódi intelligenciatesztje (https://mensa.hu/intelligencia/az-intelligencia-merese/).

  A korábbi tesztkísérletek az egyetemi érdemjegyekkel való korreláció hiányán buktak meg. Binet pont ezen a téren érte el a legnagyobb sikert: képes volt olyan tesztet találni, amely megmutatta, hogy a feladatai valóban az intelligenciát mérik, azaz aki a feladatokon jobban teljesít, az valóban intelligensebbnek tekinthető, mint aki rosszabbul. A fő kritérium pedig az életkor lett, mert az idősebb gyerekek átlagosan előrébb járnak az értelmi fejlődésben, mint a fiatalabbak. Binet megvizsgálta, hogy az egyes feladatokat átlagosan hány éves korban tudják megoldani a gyerekek, és így a feladatok megfeleltethetőek voltak egy adott életkorra jellemző átlagos teljesítményszintnek, amelyet Binet mentális kornak nevezett. Például egy gyereknek, aki az átlagosan 8 évesek által megoldott feladatokat még meg tudja oldani, de a 9 évesekét már nem, a mentális kora 8 év. Binet ezek után összehasonlította a mentális kort az életkorral, és kiderült, hogy a gyerek értelmi fejlődése megelőzi-e a kortársaiét, vagy pedig lemaradásban van. 

  Binet feladatai véletlenszerűen választott feladatok voltak. A Binet-féle teszt nem abszolút mértékkel (pl. reakcióidővel) méri az intelligenciát, hanem relatív módon: a mentális kor csak mások eredményeihez, az egyes korcsoportok átlagához viszonyítva ad eredményt. Binet számítási módját módosították: ha a mentális korból nem kivonjuk az életkort, hanem elosztjuk az életkorral, akkor a különböző gyerekek összehasonlításakor a tapasztalatokkal megegyező eredményt kapunk, így született meg az intelligenciahányados, vagyis az IQ fogalma. A módosított változat Stanford–Binet néven vált ismertté, és rövid idő alatt nagy népszerűségre tett szert az Egyesült Államokban. (Magyarországon Éltes Mátyás munkája nyomán 1914-ben jelent meg a Binet-teszt első adaptációja.) 

  Felnőttek számára készült intelligenciateszt azonban továbbra sem állt rendelkezésre. A mentális kor és az életkor hányadosára épülő számítási mód nem használható felnőttekre, mert ekkor már nem igaz, hogy az idősebbek általában mentálisan fejlettebbek, márpedig Binet az egész elgondolást erre épül. A felnőttek számára készült első IQ-tesztet David Wechsler alkotta meg a deviációs IQ fogalmával, amely azóta azonos a felnőttek esetében használt IQ-val. A deviációs IQ a mentális képességek normális eloszlásából indul ki, ekkor az átlagértékhez 100-as IQ-t rendelünk, és az átlagtól való eltérést, távolságot mérjük. Az átlag meghatározásához nagy minta, sok ember összehasonlítható teszt eredménye szükséges. Az IQ felnőttek esetében – a nevével ellentétben – nem egy hányados, és nem is egy abszolút értelemben vett tulajdonság, mint például a testmagasság, hanem egy különbségen alapuló mutató: azt fejezi ki, hogy egy személy milyen eredményt ért el a saját országában, a saját korcsoportjának átlagához képest. 

  Az első, csoportosan is felvehető tesztek az első világháború során jelentek meg Army Alfa és Army Béta néven, és az Egyesült Államok hadserege használta őket a tisztek kiválasztásakor. Az IQ-tesztek az ehhez hasonló, egyszerre sok emberrel, egyszerűen és gyorsan kitöltethető tesztek megszületése nyomán váltak igazán elterjedtté (https://mensa.hu/intelligencia/az-intelligencia-merese/). A  második világháború során az IBM dolgozotatott ki és dolgozott fel teszteket lyukkártyás gépekkel, a hadsereg tesztjeiben jelentek meg a szabályos változásokat mutató kis ábrák.

   

  **

  A döntéselmélet (https://en.wikipedia.org/wiki/Decision_theory), vagy racionális választás elmélete a valószínűségszámítás, a közgazdaságtan és az kereskedelem egyik ága, amely a várható hasznosságot és a valószínűséget használja annak modellezésére, hogy az egyének hogyan viselkednének racionálisan bizonytalan körülmények között. Abban különbözik a kognitív és viselkedéstudományoktól, hogy főként előíró jellegű, és egy racionális ágens számára optimális döntések azonosításával foglalkozik, ahelyett, hogy leírná, hogyan hoznak ténylegesen döntéseket az emberek. Ennek ellenére a terület fontos a valós emberi viselkedés társadalomtudósok általi tanulmányozása szempontjából, mivel lefekteti az egyének matematikai modellezésének és elemzésének alapjait (hipotézisvizsgálat) olyan területeken, mint a szociológia, a közgazdaságtan, a kriminológia, a kognitív tudomány, az erkölcsfilozófia és a politikatudomány.

   

  A stratégiai és taktikai döntések közötti különbség: a stratégia megmondja, mit akarunk elérni, a taktika pedig, hogyan jutunk oda. A stratégiai döntéseknél hosszú távú célokat és irányokat határozunk meg, a taktikai döntések a stratégia megvalósítását szolgálják lépésenként és rövid távon, 

   

  Stratégiai döntések:

  • Időtáv: Hosszú távú (években mérhető)
  • Fókusz: Vállalati küldetés, vízió, versenyelőny kialakítása
  • Példa: Új piacra lépés, termékportfólió átalakítása, technológiai váltás
  • Döntéshozók: Felső vezetés, igazgatótanács
  • Hatás: Az egész szervezetre kiterjed

  
   Taktikai döntések
  • Időtáv: Közép- vagy rövid távú (hónapok, negyedévek)
  • Fókusz: Folyamatok, erőforrások, részfeladatok optimalizálása
  • Példa: Marketingkampány időzítése, munkaerő átcsoportosítása, beszállítók kiválasztása
  • Döntéshozók: Középvezetők, operatív vezetők
  • Hatás: Egyes részlegekre vagy projektekre korlátozódik

   

  ***

  Definíció-nak nevezzük egy fogalomnak vagy egy tárgynak a tudományos igényű meghatározását. A legszigorúbb igényű a matematikai definíció, amely akkor helyes, ha bármely lehetséges fogalom vagy tárgy esetén egyértelműen meghatározott, hogy kielégíti-e a definíciót vagy sem.
  Lehet rekurzív (vagy induktív, pl. sorozatok esetén) definíció, vagy ekvivalenciaosztályon alapuló (ekvivalenciaosztálynak nevezzük egy halmaz azon részhalmazát, amelynek elemei egy megadott ekvivalenciareláció szerint ekvivalensek, feltétel, hogy az ekvivalenciaosztályok az eredeti halmazt diszjunkt módon osztják fel.) A definíció: alkalmas arra, hogy egy részhalmazból, másik részhalmazba tartozó elemekkel bővítsük az utóbbi részhalmazt.

  Fogalom terjedelme: a fogalomhoz tartozó egyedek, objektumok vagy elemek összessége. Például a "macska" sokféle nagyszámú macska lehet, de közös macskajellemzőkkel.
  Fogalom tartalma: a tulajdonságok, jellemzők, amelyek egy fogalomat meghatároznak. Például a "macska" fogalom tartalmához tartozik a szőrzet, a mancsok, a fark, stb.

  Bővítési műveletek nyílt, nem mindig határozott elemszámú halmazokra vonatkozóan:

  Az absztrakció, azaz elvonatkoztatás: egy tárgy vagy fogalom lényeges és lényegtelen tulajdonságainak elválasztását, a lényeges tulajdonságok kiemelését, és a lényegtelen tulajdonságok figyelmen kívül hagyását jelenti. (A fogalomnak altváltozatai azok a fogalmak, amelyeket a filozófiában, a nyelvészetben, a matematikában, az informatikában, és néhány más területen az „absztrakció”-nak neveznek.) V.ö. a definíció fogalmának a tartalmával. Az absztrakció nyílt halmazra az emberi gondolkodás egyik számítógéppel nem programozható jellemzője ismeretlen közegben..

  Az általánosítás a fogalmak terjedelmének bővítését és tartalmának szűkítését jelenti, amivel egy adott fogalomhoz tartozó elemeket a jellemzőik alapján tágabb kategóriába sorolunk, elhagyva az adott fogalomra jellemző specifikus tulajdonságokat. V.ö. a definíció fogalmának a terjedelmével, tartalmával.

  Általánosítás lépései:

  Specifikus tulajdonságok részleges elhagyása: Egy adott fogalomról leválasztjuk azokat a tulajdonságokat, amelyek nem feltétlenül jellemzőek minden elemre, ami az adott fogalomba tartozik.
  Tágabb kategória (legközelebbi nemfogalom, genus proximum) keresése: a fogalmat egy tágabb, általánosabb kategóriába soroljuk. Az általánosítás nyílt halmazra az emberi gondolkodás másik, számítógéppel nem programozható jellemzője ismeretlen közegben.

   

  A csoportelméletben egy meghatározott részhalmaz elemeinek, eseményeinek valamilyen tulajdonságához számszerű mérték-et rendelünk. Pl. események, a racionális számok végtelen halmazán értelmezett mérték a valószínűség.