MI Glosszárium

Az alábbi táblázat a mesterséges intelligencia (MI) és a nagy nyelvi modellek (LLM) területén használt leggyakoribb rövidítések glosszáriumát tartalmazza.

Angol Rövidítés	Magyar Rövidítés	Angol Magyarázat	Magyar Magyarázat
AI	MI / AI	Artificial Intelligence: The simulation of human intelligence in machines that are programmed to think like humans and mimic their actions123.	Mesterséges Intelligencia: Emberi intelligencia szimulációja gépekben, amelyeket úgy programoztak, hogy úgy gondolkodjanak, mint az emberek, és utánozzák cselekedeteiket123.
ML	ML	Machine Learning: A subset of AI that involves training algorithms to learn from data and make predictions or decisions without being explicitly programmed23.	Gépi Tanulás: Az MI egy részterülete, amely algoritmusok betanítását jelenti adatokból való tanulásra, valamint előrejelzések vagy döntések meghozatalára anélkül, hogy explicit módon programoznák őket23.
LLM	LLM	Large Language Model: Advanced AI models trained on vast datasets to generate human-like text23.	Nagy Nyelvi Modell: Fejlett MI-modellek, amelyeket hatalmas adathalmazokon képeztek ki emberszerű szöveg generálására243.
NLP	NLP	Natural Language Processing: Focuses on the interaction between computers and human language, enabling machines to understand, interpret, and generate human language effectively23.	Természetes Nyelvfeldolgozás: A számítógépek és az emberi nyelv közötti interakcióra összpontosít, lehetővé téve a gépek számára az emberi nyelv hatékony megértését, értelmezését és generálását23.
DL	DL	Deep Learning: A subset of machine learning that uses neural networks with multiple layers of algorithms to analyze and interpret complex data23.	Mélytanulás: A gépi tanulás egy részterülete, amely több algoritmusréteggel rendelkező neurális hálózatokat használ komplex adatok elemzésére és értelmezésére23.
AGI	AGI	Artificial General Intelligence: The hypothetical ability of an intelligent agent to understand or learn any intellectual task that a human being can13.	Általános Mesterséges Intelligencia: Egy intelligens ágens hipotetikus képessége, hogy bármilyen intellektuális feladatot megértsen vagy megtanuljon, amit egy ember képes13.
ANN	ANN	Artificial Neural Network: A collection of connected computational units or nodes called neurons arranged in multiple computational layers1.	Mesterséges Neurális Háló: Összekapcsolt számítási egységek vagy csomópontok (neuronok) gyűjteménye, amelyek több számítási rétegben vannak elrendezve1.
CNN	CNN	Convolutional Neural Network: A class of artificial neural network (ANN), typically using convolutional layers, most commonly applied to analyze visual imagery13.	Konvolúciós Neurális Háló: Az ANN egy osztálya, jellemzően konvolúciós rétegeket használ, leggyakrabban vizuális képek elemzésére alkalmazzák13.
RNN	RNN	Recurrent Neural Network: A type of neural network designed for sequence data, such as time series or language modeling13.	Rekurrens Neurális Háló: Olyan neurális hálózattípus, amelyet szekvenciaadatokhoz, például idősorokhoz vagy nyelvi modellezéshez terveztek13.
LSTM	LSTM	Long Short-Term Memory: A type of Recurrent Neural Network (RNN) architecture designed to remember information for extended periods, making it well-suited for processing sequential data1.	Hosszú Rövid Távú Memória: Az RNN egy típusa, amelyet arra terveztek, hogy hosszabb ideig emlékezzen információkra, így kiválóan alkalmas szekvenciális adatok feldolgozására1.
GAN	GAN	Generative Adversarial Network: A deep learning model with two networks (generator and discriminator) that compete to generate realistic data23.	Generatív Adverszariális Hálózat: Egy mélytanulási modell két hálózattal (generátor és diszkriminátor), amelyek versengenek a valósághű adatok létrehozásáért23.
GPT	GPT	Generative Pre-trained Transformer: A type of LLM that generates human-like text based on input prompts; developed by OpenAI3.	Generatív Előképzett Transzformátor: Egyfajta LLM, amely bemeneti promptok alapján emberszerű szöveget generál; az OpenAI fejlesztette3.
BERT	BERT	Bidirectional Encoder Representation from Transformers: Commonly used transformer-based language model1.	Kétirányú Kódoló Reprezentáció Transzformátorokból: Gyakran használt transzformátor-alapú nyelvi modell1.
CV	CV	Computer Vision: A field of AI enabling computers to “see” and interpret information from digital images or videos123.	Számítógépes Látás: Az MI egy területe, amely lehetővé teszi a számítógépek számára, hogy “lássanak” és értelmezzenek információkat digitális képekből vagy videókból123.
XAI	XAI	Explainable AI: AI systems designed to be transparent and explain their decisions and outputs to humans3.	Megmagyarázható MI: Olyan MI-rendszerek, amelyeket átláthatónak terveztek, és amelyek képesek megmagyarázni döntéseiket és kimeneteiket az emberek számára3.
ASR	ASR	Automatic Speech Recognition: Technology that converts spoken language into text3.	Automatikus Beszédfelismerés: Technológia, amely a beszélt nyelvet szöveggé alakítja3.
TTS	TTS	Text to Speech: Technology that converts written text into spoken words3.	Szövegfelolvasás: Technológia, amely az írott szöveget kimondott szavakká alakítja3.
RAG	RAG	Retrieval-Augmented Generation: A technique enabling LLMs to retrieve and incorporate new information from external knowledge sources before generating responses. This improves accuracy and reduces hallucinations by supplementing the LLM’s training data with domain-specific or updated information 56.	Visszakereséssel Kiegészített Generálás: Egy technika, amely lehetővé teszi az LLM-ek számára, hogy külső tudásforrásokból új információkat kérjenek le és építsenek be a válaszgenerálás előtt. Ez javítja a pontosságot és csökkenti a „hallucinációkat” azáltal, hogy kiegészíti az LLM tanítási adatait terület-specifikus vagy frissített információkkal 56.
MCP	MCP	Model Context Protocol: An open standard allowing AI models to directly access files, APIs, and tools without intermediate processes like embeddings or vector searches. An MCP server acts as a bridge between an AI model and data sources for real-time query and retrieval 7.	Modell Kontextus Protokoll: Egy nyílt szabvány, amely lehetővé teszi az MI modellek számára, hogy közvetlenül hozzáférjenek fájlokhoz, API-khoz és eszközökhöz, köztes folyamatok (pl. beágyazások, vektoros keresések) nélkül. Egy MCP szerver hídként funkcionál az MI modell és különböző adatforrások között, valós idejű lekérdezést és adatkinyerést biztosítva 7.
Fine-tuning	Fine-tuning / Finomhangolás	The process of adapting a pre-trained machine learning model by further training it on a smaller, task-specific dataset. This retains the model’s previous expertise while tailoring its parameters for better performance on the new task 8.	Előre betanított gépi tanulási modell módosításának folyamata, melynek során egy kisebb, feladat-specifikus adathalmazon továbbképzik. Ez megőrzi a modell korábbi “szakértelmét”, miközben paramétereit az új feladaton való jobb teljesítmény érdekében finomítja 8.
AI Assistant	AI Assistant / MI Asszisztens	A software application using AI (ML and NLP) to perform tasks, provide real-time support, and automate routines by understanding commands and mimicking human-like interaction. Examples include Siri, Alexa, and enterprise tools 910.	MI-t (gépi tanulást és NLP-t) használó szoftveralkalmazás, amely feladatokat hajt végre, valós idejű támogatást nyújt, és rutinokat automatizál parancsok megértésével és emberszerű interakció utánzásával. Ilyenek például a Siri, Alexa, vagy vállalati eszközök munkafolyamatok egyszerűsítésére 910.
AI Agent	AI Agent / MI Ágens	A software program that interacts with its environment, collects data, and uses this data to autonomously make decisions and perform tasks to achieve predetermined goals. It rationally chooses actions based on perceptions to optimize outcomes 11.	Olyan szoftverprogram, amely kölcsönhatásba lép a környezetével, adatokat gyűjt, és ezen adatok alapján önállóan hoz döntéseket és hajt végre feladatokat előre meghatározott célok elérése érdekében. Észszerűen választ cselekvéseket az észlelések alapján az eredmények optimalizálása érdekében 11.
SOTA	SOTA	State of the art.	A technológia élvonala.

Lábjegyzet

Footnotes

1. https://github.com/AgaMiko/machine-learning-acronyms ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶

2. https://nested.ai/2025/04/02/a-guide-to-popular-abbreviations-in-the-ai-world-and-their-meanings/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴

3. https://www.linkedin.com/pulse/20-most-popular-ai-related-acronyms-youthea-pich-rowcc ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷ ↩¹⁸ ↩¹⁹ ↩²⁰ ↩²¹ ↩²² ↩²³ ↩²⁴ ↩²⁵ ↩²⁶ ↩²⁷ ↩²⁸

4. https://arxiv.org/html/2503.21500v1 ↩

5. https://en.wikipedia.org/wiki/Retrieval-augmented_generation ↩ ↩²

6. https://www.techtarget.com/searchenterpriseai/definition/retrieval-augmented-generation ↩ ↩²

7. https://www.hiberus.com/en/blog/the-future-of-connected-ai-what-is-an-mcp-server/ ↩ ↩²

8. https://www.hpe.com/emea_europe/en/what-is/fine-tuning.html ↩ ↩²

9. https://www.simpplr.com/glossary/ai-assistant/ ↩ ↩²

10. https://techcrunch.com/2025/05/25/from-llms-to-hallucinations-heres-a-simple-guide-to-common-ai-terms/ ↩ ↩²

11. https://aws.amazon.com/what-is/ai-agents/ ↩ ↩²