Egy mesterséges intelligencián alapuló informatikai rendszer működéséhez adat kell. Adat szükséges a betanításhoz, az értékeléshez és a használathoz, ráadásul maga az MI is adatokat állít elő. Az AI Act, az Európai Parlament és a Tanács mesterséges intelligenciáról szóló (EU) 2024/1689 rendelete több, egymástól jól elkülöníthető adatfogalmat határoz meg. De mi van a jogszabályi definíciók mögött?
Dr. Gyurkovics Szabolcs Jogi Fórumon, 2026. szeptember 24-én megjelent írásának szerkesztett változata.
Az adat tartalma vagy a felhasználás célja számít?
A GDPR óta ismerjük a személyes adat fogalmát: azonosított vagy azonosítható természetes személyre vonatkozó bármely információ. A rendelet a személyes adatok különleges kategóriáit is meghatározza. Annak tisztázása, hogy egy rendszer milyen személyes adatokat kezel, az MI adatvédelmi megfelelésének vizsgálatakor is nélkülözhetetlen.
Az AI Act alábbi adatfogalmai más szempontot emelnek ki. Nem önmagában a fájl típusa vagy tartalma dönti el, hogy az adat tanító-, validációs, teszt- vagy bemeneti adatnak minősül. A döntő kérdés az, hogy mire használjuk az MI-rendszer fejlesztése és működése során.
Ugyanaz a fajta fénykép az egyik felhasználásban a tanítást, a másikban az értékelést, egy harmadikban a már működő rendszer használatát szolgálhatja. Eközben a személyesadat-jellege külön vizsgálandó.
Egy macskafelismerő rendszer példája
A képfelismerés egyik ismert mérföldköve a 2012-es Google Brain-kísérlet. A kutatók tízmillió YouTube-videóból vett, címkézetlen képkockán tanítottak egy nagyméretű neurális hálózatot. A hálózat többek között macskaarcokra érzékeny mintázatokat is megtanult, anélkül, hogy a tanítás során megmondták volna neki, mely képeken szerepel macska.
A fogalmak szemléltetésére képzeljünk el egy macskafelismerő MI-rendszert. Az alábbi példák ennek egyszerűsített fejlesztési és használati folyamatát követik; nem a történeti kísérlet valamennyi lépését rekonstruálják.
Tanítóadat: amiből a rendszer megtanulja a mintázatokat
Az AI Act 3. cikkének 29. pontja szerint a tanítóadat olyan adat, amelyet az MI-rendszer tanítására, a megtanulható paramétereinek illesztésével használnak.
Vegyünk macskákat ábrázoló és macskákat nem ábrázoló képeket. Ha a rendszer ezek alapján tanul, és ennek során módosulnak a tanulható paraméterei, akkor a képek tanítóadatként szolgálnak. Ebből az anyagból sajátítja el a feladat elvégzéséhez szükséges mintázatokat.
A besorolást tehát nem az teszi indokolttá, hogy fényképekről van szó, hanem az, hogy a képeket tanításra használjuk.
Validációs adat: a fejlesztés közbeni értékeléshez
A 3. cikk 30. pontja a validációs adatokat a betanított rendszer értékeléséhez, a nem megtanulható paraméterek és a tanulási folyamat beállításához kapcsolja. Ennek célja többek között az alulillesztés vagy a túlillesztés megelőzése.
A példában ezek azok a képek, amelyek segítségével a fejlesztők ellenőrzik a modell működését és megválasztják a fejlesztés beállításait. A tanítás és a validáció a fejlesztés során többször is követheti egymást.
A rendelet külön meghatározza a validációs adatkészletet is: ez lehet önálló adatkészlet vagy a tanítóadat-készlet rögzített vagy változó felosztással elkülönített része. A lényeg itt is a felhasználás szerepe.
Tesztadat: a kész rendszer független értékeléséhez
A tesztadat a 3. cikk 32. pontja szerint az MI-rendszer független értékelését szolgálja, hogy a forgalomba hozatal vagy az üzembe helyezés előtt megerősítsék az elvárt teljesítményt.
A macskafelismerő példában olyan, a tanítástól és a validációtól elkülönített képkészlettel vizsgáljuk a kész modellt, amellyel a fejlesztési döntésektől függetlenül értékelhető a teljesítménye.
Ez az üzembe helyezés előtti tesztelés. Nem azonos azzal, amikor a felhasználók már a működő szolgáltatásba töltenek fel képeket.
Bemeneti adat: amiből a működő rendszer választ ad
A 3. cikk 33. pontja szerint bemeneti adat az, amit az MI-rendszer számára szolgáltatnak, vagy amit a rendszer közvetlenül megszerez, és ami alapján a kimenetet előállítja.
Ha a felhasználó feltölt egy fényképet a kész rendszerbe, hogy kiderüljön, van-e rajta macska, a fénykép bemeneti adat. Egy szöveges utasítás, azaz prompt szintén lehet bemeneti adat, de a fogalom ennél tágabb: képet vagy más, a rendszerhez érkező adatot is magában foglalhat.
A rendszer eredménye ebben a példában az a válasz, hogy a képen felismerhető-e macska. Az AI Act 3. cikkének fogalommeghatározásai között a „kimeneti adat” nem kap külön definíciót.
A négy kategória egy pillantásra
| Adatkategória | Mire használjuk? | Macskafelismerő példa |
|---|---|---|
| Tanítóadat | A tanulható paraméterek illesztésére | Képek, amelyekből a modell mintázatokat tanul |
| Validációs adat | A rendszer értékelésére és a fejlesztési beállítások megválasztására | Képek, amelyek segítenek a fejlesztés közbeni döntésekben |
| Tesztadat | Független teljesítményértékelésre, üzembe helyezés előtt | Elkülönített képkészlet a kész modell ellenőrzéséhez |
| Bemeneti adat | A kimenet előállításához | A felhasználó által felismerésre feltöltött fénykép |
Mit jelent ez az adatvédelmi megfelelés szempontjából?
Az AI Act itt bemutatott adatfogalmai az adatoknak az MI-rendszer életciklusában betöltött szerepét írják le. Nemcsak azt érdemes tisztázni, hogy milyen adatunk van, hanem azt is, hogy mit csinálunk vele.
Ugyanaz a fajta adat más szerepet tölthet be a tanítás, az értékelés és a tényleges használat során. A tanítási, validációs, tesztelési vagy bemeneti szerep önmagában nem dönti el, hogy az adat személyes adat-e, illetve jogszerű-e a kezelése.
Egy MI-rendszer tervezésekor ezért az adatok tartalmát és felhasználását együtt érdemes áttekinteni. A két nézőpont összekapcsolása segít megérteni a rendszer működését és megalapozni az adatvédelmi megfelelőség vizsgálatát.
Dr. Gyurkovics Szabolcs LL.M.
Jogász, kiberbiztonsági szakjogász; adatvédelmi és AI-megfelelési szakértő
Jogász, kiberbiztonsági szakjogász. Több mint nyolc év adatvédelmi tapasztalat; AI- és digitalizációs projektek támogatása.
Szabolcs és a zemITis csapata segít áttekinteni a vállalati AI-használatot, tisztázni az adatvédelmi kérdéseket és kialakítani a belső szabályokat.
Források és további olvasnivaló
- Dr. Gyurkovics Szabolcs: AI Act – adatkategóriák a gyakorlatban (Jogi Fórum, 2026. szeptember 24.)
- AI Act – (EU) 2024/1689 rendelet, 3. cikk 29–33. pont
- GDPR – a személyes adat fogalma és a különleges adatok (4. és 9. cikk)
- Le és szerzőtársai: Building high-level features using large scale unsupervised learning (2012)