Gépi tanulás a mesterséges intelligenciában: összehasonlító tanulmány

Abstract

Ez a tanulmány a gépi tanulás (ML) területére nyújt betekintést az elmúlt évtizedek elsősorban magyar nyelvű szakirodalmak feldolgozásával, részletes összehasonlítást nyújtva a különböző elméleti megközelítések és alkalmazások között. A forrásmunkák áttekintése alapján a tanulmány bemutatja, hogy a gépi tanulás nem csupán egy technológiai eszköz, hanem egy multidiszciplináris jelenség, amely alapvetően alakítja a tudományos és társadalmi struktúrákat. A cikk különös figyelmet fordít a gépi tanulás három fő módszertani irányára, azok gyakorlati alkalmazásaira, valamint az etikai és társadalmi kihívásokra. A szerzők részletesen ismertetik a neurális hálózatok architektúráját, a tanulási modellt, a gráfokon történő útkeresést és a felügyelt tanulást, ahol az annotáció minősége befolyásolja az algoritmusok pontosságát. A tanulmány több hazai szerző munkásságát veti össze a formai keretek, az alkalmazott módszerek és az elméleti különbségek mentén, rávilágítva a kutatások közös fókuszpontjaira.

The study provides an insight into the field of machine learning (ML) by reviewing the literature of the past decades, primarily in Hungarian, and providing a detailed com- parison between different theoretical approaches and applications. Based on the review of the source works, the study de- monstrates that machine learning is not just a technological tool, but a multidisciplinary phenomenon that fundamentally shapes scientific and social structures. The article pays special attention to the three main methodological directions of machine learning, their practical applications, and the ethical and social challenges. The authors describe in detail the architecture of neural networks, the learning model, pathfinding on graphs, and supervised learning, where the quality of annotation affects the accuracy of algorithms. The study compares the work of several Hunga- rian authors along the formal frameworks, the applied methods, and the theoretical differences, highlighting the common foci of the research.