Az MI-ről szóló digitális omnibusz csomag - amit az Európai Parlament elfogadott

2026. június 16-án az Európai Parlament 423 igen, 57 nem szavazattal és 174 tartózkodás mellett első olvasatban jóváhagyta a mesterséges intelligenciáról szóló digitális omnibuszt (Digital Omnibus on AI), vagyis az MI-rendelet (AI Act) (EU 2024/1689) célzott, de gyakorlati hatásában jelentős módosítását. A politikai alku lezárult, a szöveg lényegi tartalma a továbbiakban várhatóan nem változik: a rendes jogalkotási eljárásban a Tanács formális jóváhagyása és a Hivatalos Lapban történő kihirdetés van hátra. A jogalkotási eljárás 2025/0359(COD) számon futott, és a Bizottság hetedik egyszerűsítési csomagjának, az úgynevezett digitális omnibusznak az MI-re vonatkozó részét képezi.

Írásunkban az első szakmai értékeléseket is figyelembe véve a gyors összegzés igényével mutatjuk be, hogy hogy az elfogadott szöveg a Bizottság eredeti javaslatához, illetve a Tanács és a Parlament korábbi álláspontjaihoz képest mi változott, és mi az, ami az elfogadást megelőző alkuk során a véglegesnek tekinthető szövegbe bekerült. Külön kiemelt figyelmet kap az omnibusz csomag legnagyobb gyakorlati jelentőségű eleme: a megváltozott, rögzített határidők rendszere.

A kezdeményezés háttere röviden

Az MI-rendelet 2024. augusztus 1-jén lépett hatályba, fokozatos alkalmazással, és az eredeti ütemezés szerint 2027 augusztusáig vált volna teljes körűen alkalmazandóvá. A hatálybalépést követő hónapokban azonban komoly végrehajtási nehézségek mutatkoztak: késett a nemzeti illetékes hatóságok és a megfelelőségértékelő szervezetek (notified bodies) kijelölése, és nem álltak rendelkezésre a nagy kockázatú MI-rendszerekre vonatkozó harmonizált szabványok (harmonised standards) sem. Ez vezetett a Bizottság 2025. november 19-i javaslatához COM(2025) 836 final jelzéssel, amelyet a Parlament hét hónappal később, 2026. június 16-án első olvasatban jóváhagyott, miután a Tanáccsal 2026. május 7-én trilógus-megállapodásra  (trilogue) jutottak.

A szakmai vélemények megoszlottak: egyes elemzők szerint az átláthatósági követelmények (transparency requirements) bizonytalan fogalmai gátolhatják az innovációt, mások szerint az MI-rendelet nem korlátokat, hanem védőkorlátokat (guardrails) állít. A Bizottság 2025 őszi bizonyítékgyűjtési felhívására (call for evidence) érkezett válaszok többsége támogatta az egyszerűsítést, míg civil szervezetek vitatták ennek szükségességét; a kis- és középvállalkozások (SME) inkább támogató eszközöket, mint új jogszabályt kértek.

A nagy kockázatú rendszerek határideje – a digitális omnibusz legfontosabb eleme

A Bizottság eredeti javaslata a nagy kockázatú szabályok alkalmazásának kezdő időpontját nem rögzített dátumhoz, hanem egy jövőbeli, a szabványok rendelkezésre állását megerősítő bizottsági döntéshez kötötte volna; rögzített dátumokat csak végső határidőként (backstop) határozott meg. Ezzel szemben a Tanács már márciusi általános megközelítésében rögzített határidőket szorgalmazott, és ezt az álláspontot a Parlament is átvette: a feltételhez kötött mechanizmust véglegesen törölték, így az elfogadott szöveg a szabványok rendelkezésre állásától teljesen független, rögzített határidőket állapít meg.

A véglegesnek tekinthető szöveg szerint 2027. december 2-től alkalmazandók a III. melléklet szerinti, önállóan nagy kockázatúnak minősülő MI-rendszerekre vonatkozó szabályok – ide tartoznak például a biometrikus azonosítás, a kritikus infrastruktúra, az oktatás, a foglalkoztatás, az alapvető szolgáltatások, a bűnüldözés, az igazságszolgáltatás és a migrációkezelés területén alkalmazott rendszerek –, míg 2028. augusztus 2-től lépnek hatályba a szabályok az I. melléklet szerinti, uniós ágazati termékbiztonsági jogszabályok hatálya alá tartozó, biztonsági alkotóelemként beépített vagy adott esetben önálló termékként szabályozott nagy kockázatú MI-rendszerek esetében. Ez az eredeti, 2026. augusztus 2-i határidőhöz képest 16, illetve 24 hónapos halasztást jelent.

Bár a határidők jogilag már nem függenek a szabványok elérhetőségétől, a jogszabály szövege – a (40) preambulumbekezdés – továbbra is hangsúlyozza azok időben történő rendelkezésre állásának fontosságát, és a Bizottságot 2027. augusztus 1-jéig iránymutatás (guidance) közzétételére kötelezi. A 111. cikk (2) bekezdése szerinti türelmi idő (grandfathering) alkalmazását is egyértelműsítették: ha egy nagy kockázatú MI-rendszer adott típusának és modelljének legalább egy önálló egységét a vonatkozó határidő előtt jogszerűen forgalomba hozták, az azonos típusú és modellű további egységek is forgalmazhatók maradnak, amíg a rendszer kialakítása nem változik lényegesen.

A vállalkozások szempontjából a legfontosabb gyakorlati üzenet az, hogy ez a halasztás minden valószínűség szerint egyszeri és végleges jellegű. Mivel a határidők immár nem függenek a szabványok rendelkezésre állásától, a korábbi indok – azok hiánya – másodszor már nem lenne hitelesen felhasználható egy újabb halasztás igazolására. A 2027. december 2-i és 2028. augusztus 2-i határidők éppen ezért a tervezés szempontjából rögzítettnek tekinthetők.

Tartalommegjelölés és a nudifier-tilalom: ahol a végeredmény szigorúbb lett a javasoltnál

Az MI-rendszerek szintetikus hang-, kép-, videó- vagy szövegtartalmainak gépileg felismerhető formátumú megjelölésére – ideértve adott esetben a vízjelezési vagy más technikai jelölési megoldásokat  (watermarking) – vonatkozó kötelezettség, vagyis az 50. cikk (2) bekezdése, alapesetben 2026. augusztus 2-től vált volna alkalmazandóvá minden érintett rendszerre egységesen. A végleges szöveg ezt a határidőt nem általánosan tolja el, hanem kizárólag azoknak a szolgáltatóknak biztosít átmeneti időt, akik rendszereiket már 2026. augusztus 2. előtt forgalomba hozták: a 111. cikk (4) bekezdése szerint nekik 2026. december 2-ig kell megfelelniük. A 2026. augusztus 2. után forgalomba hozott új rendszerekre a kötelezettség változatlanul az általános alkalmazási időponttól érvényes.

Ez a négyhónapos átmeneti időszak – amelyet a (38) preambulumbekezdés indokol a piac zavartalansága érdekében – lényegesen rövidebb annál, mint amit korábban mind a Bizottság, mind a Tanács javasolt: mindkét intézmény 2027. februári határidőt szorgalmazott volna. A végleges kompromisszum tehát ezen a ponton szigorúbb, mint az eredeti javaslatok voltak – jól szemléltetve, hogy az omnibusz nem egyirányú könnyítési csomag, hanem helyenként a szigorítás irányába is elmozdult.

A digitális omnibusz egyik legjelentősebb, teljesen új eleme az 5. cikk szerinti tiltott MI-gyakorlatok (prohibited practices) listájának bővítése. A Bizottság eredeti javaslata ezt a kérdéskört egyáltalán nem érintette; az új tilalmat a jogalkotási eljárás során, elsősorban a Tanács kezdeményezésére illesztették be a szövegbe. A végleges szöveg új 5. cikk (1) bekezdés ba) és bb) pontot, valamint (1a) és (1b) bekezdést iktat be, amelyek megtiltják az olyan MI-rendszerek forgalomba hozatalát, üzembe helyezését vagy használatát, amelyek azonosítható természetes személyről – hozzájárulás nélkül – valósághű, beleegyezés nélküli intim képet, videót vagy hanganyagot, illetve gyermekek szexuális bántalmazását ábrázoló anyagot generálnak vagy manipulálnak.

A köznyelvben „vetkőztető alkalmazásoknak”  (nudifier apps) nevezett rendszerek elleni tilalom egyszerre vonatkozik a szolgáltatókra és az alkalmazókra. Hatálya a hozzájárulás nélküli, valósághű intim képek, videók, hanganyagok vagy hasonló anyagok, illetve a gyermekek szexuális bántalmazását ábrázoló anyagok generálására vagy manipulálására terjed ki. A szolgáltatói oldalon a tilalom akkor áll fenn, ha ez a rendszer rendeltetési célja, vagy a rendszer kialakítása, betanítása, architektúrája, képességei vagy felhasználói felülete alapján észszerűen előrelátható és reprodukálható, miközben hiányoznak a megfelelő műszaki biztonsági intézkedések – például adattisztítás, elutasítási képzés, kimeneti szűrés és visszaélés-felismerés. A tilalom 2026. december 2-től alkalmazandó, egyidejűleg a tartalommegjelölési átmeneti határidővel.

A nyilvántartási kötelezettség: a Bizottság törölte volna, a Parlament visszaállította

A digitális omnibusz egyik legtöbbet vitatott eleme a nem nagy kockázatúnak minősített, úgynevezett „kivételezett” MI-rendszerek uniós adatbázisban (EU database) történő nyilvántartásba vétele volt, és ez jól szemlélteti, mennyire tért el egymástól a Bizottság, a Tanács és a Parlament álláspontja. Az MI-rendelet 6. cikkének (3) bekezdése lehetővé teszi, hogy egy III. melléklet szerinti rendszer ne minősüljön nagy kockázatúnak, ha nem jelent jelentős kockázatot; az ilyen, önbesorolás alapján kivételezett rendszereket jelenleg is nyilvántartásba kell venni.

A Bizottság eredeti javaslata törölte volna ezt a kötelezettséget azon rendszerek esetében, amelyeket a szolgáltató maga sorolt be nem nagy kockázatúként – ezzel jelentősen csökkentve az átláthatóságot. A Parlament azonban már a 2026. márciusi jelentésében ragaszkodott a fenntartásához, a hatékony piacfelügyelet és a nyilvános elszámoltathatóság érdekében. A Tanács márciusi általános megközelítése hasonlóképpen visszaállította a kötelezettséget, és ez az álláspont a trilógus során is fennmaradt.

Az elfogadott végleges szöveg ennek megfelelően megtartja a nyilvántartási kötelezettséget, de egyszerűsíti annak tartalmát: a VIII. melléklet B. szakaszának 7. és 9. pontja – a minősítés indoklásának összefoglalása és a forgalmazási tagállamok listája – elhagyásra kerül. Gyakorlatban: aki egy HR-, hitelezési vagy oktatási jellegű rendszerét nem nagy kockázatúnak minősíti, ezt a minősítést továbbra is be kell jelentenie az uniós adatbázisban, csupán kevesebb kísérő információval.

MI-jártasság, torzítás-korrekció, kkv-kedvezmények és a gépészeti termékek kérdése

A rendelet 4. cikke jelenleg arra kötelezi az MI-rendszerek valamennyi szolgáltatóját és alkalmazóját, hogy biztosítsák személyzetük megfelelő szintű MI-jártasságát (AI literacy). Ez az egyik olyan terület, ahol a Bizottság és a Tanács azonos álláspontot képviselt a Parlamenttel szemben: mindkét intézmény javasolta e kötelezettség teljes törlését. A Parlament azonban ezt nem fogadta el, és enyhébb formában fenntartotta: a szolgáltatóknak immár csak „intézkedéseket kell hozniuk” a fejlesztés „támogatására”, konkrét szint garantálása nélkül. A Bizottságnak és a tagállamoknak ezzel párhuzamosan támogatniuk kell a szolgáltatók – különösen a kkv-k – erőfeszítéseit.

Az új 4a. cikk – amelyet már a Bizottság eredeti javaslata is bevezetett volna, de a jogalkotási eljárás során pontosítottak és szigorúbb biztosítékokkal láttak el – jogalapot teremt arra, hogy a nagy kockázatú rendszerek szolgáltatói kivételesen kezelhessék a személyes adatok különleges kategóriáit torzítás (bias) észlelése és korrekciója céljából. A végleges szöveg a feltétlen szükségesség (strict necessity) mércéjét alkalmazza: az adatkezelés csak akkor jogszerű, ha a cél más adatokkal nem érhető el hatékonyan, és megfelelő technikai, szervezési és adatvédelmi biztosítékok – például álnevesítés, hozzáférés-korlátozás, dokumentálás és adattörlés – érvényesülnek. A szabály meghatározott feltételekkel más MI-rendszerek és MI-modellek szolgáltatóira és alkalmazóira, valamint nagy kockázatú rendszerek alkalmazóira is kiterjedhet.

A kkv-knak (SME) biztosított egyszerűsítéseket – egyszerűsített dokumentáció, arányosabb szankciók – a rendelet kiterjeszti az úgynevezett small mid-cap (small mid-cap) vállalatokra is, amelyek méretben túlnőttek a kkv-fogalmon, de hasonló kihívásokkal néznek szembe. A 99. cikk új bekezdése szerint esetükben a kiszabható bírság nem haladhatja meg a rendeletben meghatározott százalék vagy összeg közül az alacsonyabbat.

A trilógus egyik legvitatottabb pontja a gépekről szóló (EU) 2023/1230 rendelet és az MI-rendelet viszonya volt, és ez az a terület, ahol a végleges szöveg a legmesszebbmenőkig eltér a Bizottság eredeti elképzelésétől. A gépészeti termékeket az I. melléklet A. szakaszából annak B. szakaszába helyezik át, így elsősorban az ágazati szabályozás hatálya alá tartoznak, az MI-rendelet csak korlátozott kötelezettséget ír elő számukra. A Bizottságnak felhatalmazáson alapuló jogi aktussal (delegated acts) kell kiegészítenie a géprendeletet az MI-specifikus követelményekkel, 2028. augusztus 2-i alkalmazással. Pontosították a „biztonsági alkotóelem” fogalmát is: csak az minősül annak, amelynek rendeltetése egészségügyi vagy biztonsági kockázat megelőzése – a pusztán teljesítményt optimalizáló funkciók így nem esnek automatikusan a nagy kockázatú kategóriába.

Az MI-hivatal megerősített hatásköre és a digitális omnibusz csomag tágabb összefüggései

A végleges szöveg pontosítja és megerősíti az MI-hivatal (AI Office) kizárólagos felügyeleti hatáskörét – ez is olyan elem, amely a Bizottság eredeti javaslatához képest lényegesen kibővült a jogalkotási eljárás során. A kizárólagos hatáskör egyrészt kiterjed azokra az MI-rendszerekre, amelyek általános célú MI-modellre épülnek, amennyiben a rendszert és a modellt is ugyanaz a szolgáltató, vagy ugyanazon vállalkozáshoz tartozó szolgáltatók fejlesztették; másrészt azokra a rendszerekre, amelyeket a Digitális Szolgáltatásokról szóló rendelet (DSA) szerinti igen nagy online platformba vagy igen nagy online keresőprogramba építettek be, vagy amelyek maguk minősülnek ilyennek. A Tanács kérésére a szöveg ugyanakkor kivételeket is rögzít azokra az esetekre, amikor – például bűnüldözés, határigazgatás vagy pénzügyi felügyelet területén – a nemzeti hatóságok illetékessége indokolt marad.

Az MI-hivatal az (EU) 2019/1020 rendelet szerinti piacfelügyeleti hatóság valamennyi hatáskörével rendelkezik az általa felügyelt rendszerek tekintetében, beleértve a helyszíni és távoli ellenőrzéseket, a meg nem felelés megállapítását, valamint a pénzbírság és kényszerítő bírság kiszabását. A rendelet emellett megszünteti a Bizottság egyes, korábban végrehajtási jogi aktusok elfogadására vonatkozó felhatalmazásait – így a magatartási kódexek és a forgalomba hozatalt követő nyomonkövetési terv harmonizált sablonjának jóváhagyása esetében –, ugyanakkor előírja, hogy a Bizottság 2027. szeptember 2-ig iránymutatást tegyen közzé a nyomonkövetési tervről, önkéntesen használható mintával együtt.

Fontos hangsúlyozni, hogy a digitális omnibusz önmagában csak egy eleme egy lényegesen tágabb jogalkotási kezdeményezésnek. A Bizottság 2025. november 19-én egyszerre tette közzé a teljes digitális csomagot, amelybe az MI-rendeletet módosító omnibusz mellett egy másik omnibusz-javaslat is tartozik – ez a személyes és nem személyes adatokra, valamint a kiberbiztonságra vonatkozó szabályokat (data and cybersecurity rules) módosítaná –, továbbá az európai adatunió-stratégia és az európai üzleti tárcákról (European business wallets) szóló rendelettervezet. E két másik kezdeményezés lassabban halad, így várhatóan csak az MI-vonatkozású csomag után jutnak el a végleges elfogadásig, ami jelzi, hogy az MI-szabályozás egyszerűsítése egy összehangolt, a teljes digitális szabályozási környezet adminisztratív terheinek csökkentésére irányuló bizottsági stratégia része.

A digitális omnibusz emellett csak az első lépés a Bizottság szélesebb egyszerűsítési napirendjében: a teljes digitális szabálykönyv (digital rulebook) kumulatív hatásaira összpontosító, átfogóbb felülvizsgálatot is tervez – ennek konzultációja 2026. március 11-ig volt nyitva –, ami arra utal, hogy a most parlamenti jóváhagyáson túljutott módosítások valószínűleg csak az első hullámát jelentik az MI-szabályozás racionalizálásának.

A módosítások jelentősége és az érintett szereplők reakciói

A digitális omnibusz legfőbb hozadéka az egységes, kiszámítható megfelelési naptár megteremtése a korábbi bizonytalanság helyett. A Bizottság becslése szerint a módosítások évi mintegy 429,5 millió euró adminisztratív költségmegtakarítást (administrative cost savings) eredményezhetnek; ebből a legnagyobb tétel az MI-jártassági kötelezettség átalakításából adódik – 222,75 millió euró –, míg a nagy kockázatú szabályok ütemezésének megváltoztatása 68–204 millió eurós, a kkv-kedvezmények small mid-cap vállalatokra történő kiterjesztése pedig 2,5 millió eurós megtakarítást tehet lehetővé. Fontos hangsúlyozni, hogy ezek a számok a Bizottság eredeti javaslatának hatásbecsléséből származnak, a végleges, szigorúbb elemekkel kiegészített szöveg tényleges hatása ettől eltérhet.

A reakciók a jogalkotási folyamat egészében élesen megosztottak voltak, és ez a végleges szöveg elfogadása után sem szűnt meg. Az iparági szövetségek általában üdvözölték a csomagot, miközben egyes érdekképviseletek további lépéseket sürgettek az európai technológiai függetlenség erősítése érdekében. Ezzel szemben fogyasztóvédelmi és jogvédő civil szervezetek élesen bírálták a nagy kockázatú szabályok halasztását, valamint a nyilvántartási kötelezettség gyengítésére irányuló eredeti bizottsági szándékot, miközben üdvözölték annak végleges fenntartását és a nudifier-tilalom bevezetését. Az adatvédelmi felügyeleti szervek szigorú korlátokat szorgalmaztak a torzítás-korrekciós adatkezelésre, és ellenezték a nyilvántartási, illetve az MI-jártassági kötelezettség gyengítését – e tekintetben a végleges szöveg jelentős részben az ő álláspontjukat tükrözi, ami arra utal, hogy a Parlament a trilógus során következetesen az alapjogi védelem irányába mozdította el a szöveget a Bizottság eredeti javaslatához képest.

A vállalkozások számára a legfontosabb gyakorlati üzenet kettős. Egyrészt a 2027. december 2-i és a 2028. augusztus 2-i határidők a tervezés szempontjából rögzítettnek tekinthetők, hiszen a halasztást igazoló eredeti indok – a szabványok és a nemzeti hatóságok hiánya – beépült az új naptárba, ezért egy újabb halasztásnál már nehezebben lenne hivatkozható. Másrészt a 2026. december 2-i tartalommegjelölési és nudifier-határidő jóval közelebbi, és azonnali felkészülést igényel azoktól a szolgáltatóktól és alkalmazóktól, akik szintetikus tartalmat előállító vagy generatív  (generative AI) rendszereket működtetnek az uniós piacon. A nyilvántartási kötelezettség fennmaradása miatt emellett azoknak a szolgáltatóknak is fel kell készülniük, akik rendszereiket a 6. cikk (3) bekezdése alapján nem nagy kockázatúként kívánják besorolni: ez a klasszifikációs döntés a jövőben sem marad belső, dokumentálatlan folyamat, hanem nyilvánosan ellenőrizhető nyilvántartási kötelezettséggel jár együtt.

Az oktatási és kulturális szektor szempontjából a módosított menetrend legalább ilyen gyakorlati jelentőségű, mert ezek az intézmények jellemzően egyszerre jelennek meg alkalmazóként, beszerzőként, tartalom-előállítóként és közszolgáltatási szereplőként. A köznevelésben, a felsőoktatásban és a felnőttoktatásban különösen azok az MI-rendszerek igényelnek előzetes kockázati áttekintést, amelyek felvételi, előmeneteli, értékelési, vizsgáztatási, tanulói profilalkotási vagy tanulástámogató döntésekhez kapcsolódnak, mivel ezek egy része a III. melléklet szerinti oktatási területhez kötődő nagy kockázatú alkalmazásként is értelmezhető lehet. A 2027. december 2-i határidő az intézményi felkészülés végpontja: addigra tisztázni kell, milyen MI-eszközök működnek az iskolákban, egyetemeken és felnőttképzési programokban, ki felel az alkalmazásukért, milyen adatokat kezelnek, hogyan ellenőrizhető az eredményük, és miként marad meg az emberi döntés, a tanári vagy oktatói felelősség az értékelési folyamatokban.

A 2026. december 2-i tartalommegjelölési és nudifier-határidő ezzel szemben azonnali intézkedést kíván. Az oktatási intézményeknek a tanulói, hallgatói és oktatói generatív MI-használat szabályozásában külön kezelniük kell a szintetikus képek, videók, hanganyagok és szövegek megjelölését, valamint a visszaélésszerű képgenerálás, a zaklatás és a személyiségi jogsértés kockázatait. Ez különösen érzékeny kérdés a köznevelésben, ahol a gyermekek védelme, az iskolai biztonság és a digitális felelősségre nevelés közvetlenül összekapcsolódik. A felsőoktatásban és a felnőttoktatásban ehhez társul a tanulmányi integritás, az értékelési hitelesség, az oktatói útmutatások egyértelműsége és az intézményi MI-használati szabályok következetes alkalmazása.

A kulturális szektorban, különösen a könyvtárak, levéltárak, múzeumok és más közgyűjtemények esetében a hatás elsősorban a digitalizált gyűjtemények feldolgozásánál, az automatikus leíróadat-képzésnél, a kereső- és ajánlórendszereknél, a látogatói chatbotoknál, a virtuális kiállításoknál és a generált illusztratív vagy rekonstrukciós tartalmaknál jelentkezik. Ezek az intézmények sem kezelhetik az MI-t pusztán kommunikációs vagy kényelmi eszközként: belső nyilvántartásra, beszerzési kontrollra, adatvédelmi és szerzői jogi ellenőrzésre, valamint világos tartalommegjelölési gyakorlatra lesz szükségük. A nyilvántartási kötelezettség fennmaradása ebben a körben is azt üzeni, hogy az oktatási vagy kulturális célú MI-rendszer kockázati besorolása nem maradhat informális belső döntés; az intézményeknek fel kell készülniük arra, hogy az általuk használt vagy megrendelt rendszerek jogi minősítése, dokumentálása és ellenőrizhetősége a közbizalom, az alapjogvédelem és az intézményi felelősség részévé válik.

Összegzés

A digitális omnibusz alig hét hónap alatt jutott el a bizottsági javaslattól a parlamenti jóváhagyásig, miközben tartalmilag jelentősen átformálta az MI-rendelet végrehajtási menetrendjét. A legnagyobb horderejű változás a nagy kockázatú rendszerekre vonatkozó szabályok 16, illetve 24 hónappal történő, immár feltétel nélküli elhalasztása, amely a tervezés szempontjából érdemben rögzítettnek tekinthető, és amely a teljes szabályozási csomag legfontosabb, leginkább gyakorlati jelentőségű eleme.

Ezzel párhuzamosan a végleges szöveg több ponton a Bizottság eredeti javaslatánál szigorúbb maradt: a tartalommegjelölési kötelezettség halasztása rövidebb lett a javasoltnál, a nyilvántartási kötelezettséget a Parlament a bizottsági törlési szándék ellenére fenntartotta, és az eredeti MI-rendelethez képest új, a beleegyezés nélküli intim tartalmak, valamint a gyermekek szexuális bántalmazását ábrázoló anyagok elleni tilalom is bekerült a szabályozásba. Az egyszerűsítés és a szigorítás egymás mellett érvényesülő szempontok voltak, az eredmény pedig egy újrarendezett, célzottabb és néhány ponton kifejezetten szigorúbb szabályozási keret lett, amelyben a Parlament számos esetben sikeresen érvényesítette az alapjogi védelem szempontjait a Bizottság és részben a Tanács egyszerűsítési törekvéseivel szemben.

A digitális omnibusz a teljes uniós digitális szabályozási környezet egyszerűsítésére irányuló folyamat legelőrehaladottabb állomása. A párhuzamosan futó adatvédelmi és kiberbiztonsági omnibusz, valamint a digitális szabálykönyv egészére kiterjedő fitnesz-vizsgálat  (fitness check) arra utal, hogy a vállalkozásoknak a következő években további, hasonló jellegű módosításokra is fel kell készülniük.

A következő lépés a Tanács formális jóváhagyása és a kihirdetés; a megfelelési munka fő határidői: 2026 december (tartalommegjelölés és nudifier-szabályok), 2027 december (III. melléklet), 2028 augusztus (I. melléklet).

ChatGPT az osztályteremben – az oktatási célú mesterséges intelligencia jövője

 

Saif Hussaini ChatGPT in the Classroom: The Future of Educational AI című könyve átfogóan tárgyalja, hogyan alakíthatja át a mesterséges intelligencia a felsőoktatás és felnőttképzés világát. Bemutatja, hogyan lehet bevezetni a ChatGPT-t az oktatás különböző területein, gyakorlati javaslatokat ad arra, hogyan kezdhető el az MI fokozatos beépítése a képzési folyamatokba, az iskolai és egyetemi adminisztrációba. A könyv utolsó fejezete a tanárok képzésének fontosságát és az etikai szempontokat kiemelve az MI oktatási jövőképének megrajzolására is kísérletet tesz.

A Kanadában élő Saif Hussaini a mesterséges intelligencia egyik elismert szakértője, számos, az MI alkalmazási lehetőségeivel kapcsolatos a könyv írója. Mechatronikai mérnöki háttérrel rendelkezik, amelyet a University of Ontario Institute of Technology intézményében szerzett, és a Mechatronics, Robotics, and Automation Engineering területére specializálódott. Korábbi pályafutása során az Aerospace & Defense, valamint az orvosi eszközök iparágában tevékenykedett, ahol automatizált megoldásokat fejlesztett ki, és jelentős költségmegtakarítást ért el vállalatai számára, például a gyártási folyamatok optimalizálásával és minőségbiztosítási rendszerek bevezetésével. A Baylis Medical-nál és a Celestica-nál eltöltött évek során olyan innovatív megoldásokat vezetett be, amelyek jelentős mértékben javították a termelési hatékonyságot.

Hussaini érdeklődése később a mesterséges intelligencia (MI) felé fordult, eddig több, mint 10 könyvet írt az MI különféle oktatási, üzleti és kreatív felhasználási lehetőségeiről.  2023-as könyve, a ChatGPT Toolkit for Leadership Professionals útmutatást ad arra, hogyan integrálhatják a vezetők az MI-t a mindennapi vezetési és menedzsment feladatokba. Az ugyancsak ebben az évben megjelent ChatGPT Mastery for Business - Transformation Strategies a ChatGPT üzleti felhasználási módjait vizsgálja, különös figyelmet fordítva az ügyfélszolgálatra, tartalomkészítésre és operatív kiválóságra, a ChatGPT Toolkit for HR Recruiters kész HR-prompt sablonokat kínál, amelyek segítik a toborzási folyamatok optimalizálását a ChatGPT segítségével. Különösen nagy népszerűséget ért el népszerűségnek The AI Showdown: Google Gemini vs OpenAI ChatGPT című könyvével, melyben a Google Gemini és a ChatGPT képességeinek, alkalmazásainak és hatásainak összehasonlító elemzését végezte el, a ChatGPT for Writers: Mastering Creative Writing with AI című, 2024-ben megjelent könyve hasznos tippeket és stratégiákat nyújtott íróknak arra, hogyan használhatják a ChatGPT-t a kreatív írásban és történetmesélésben.

Hussaini nagy figyelmet fordít a mesterséges intelligencia a társadalomra gyakorolt hatásának vizsgálatára és a felelős felhasználás kultúrájának megteremtésére. A 2024 elején megjelent ChatGPT in the Classroom című kötettel Hussaini célja az volt, hogy a ChatGPT és más MI-eszközök potenciálját az oktatás minden szintjén, kezdve az általános iskolától egészen az egyetemig és az élethosszig való tanulásig mutassa be. A könyv átfogó útmutatást kínál arról, hogyan lehet integrálni az MI-t az oktatási rendszerekbe, miközben részletesen elemzi az etikai és társadalmi kérdéseket is, amelyek az MI használatával járnak. Hussaini célja nem csak a technológia bemutatása, hanem annak megértése is, hogy miként tudja javítani az oktatás hatékonyságát és az egyéni tanulás támogatását. Bár természetesen érdekesek az általános- és középiskolákra vonatkozó fejtegetései, mint ahogy – az eddig vizsgált és bemutatott forrásokkal és a szakirodalom fővonalával egyezően – a felsőoktatásra vonatkozóan kifejtett, és az oktatói tevékenységre gyakorolt hatásokat vizsgáló gondolatai is. A következőkben arra térnénk ki részletesen, ahol túllép a megszokott témákon: ez a ChatGPT egyetemi adminisztratív folyamatokba való beépülésével, az egyetemen kívüli (felnőtt)oktatási képzésekbe való integrációjával és az oktatás jövőképével kapcsolatos gondolait igyekszünk összefoglalni, a hazai felsőoktatás előtt álló feladatokban való hasznosítás szándékával.

A ChatGPT a felsőoktatásban és az oktatói munkában

A könyv negyedik, A ChatGPT a felsőoktatásban című fejezete számos olyan kérdést tárgyal, amelyek gyakran felmerülnek a mesterséges intelligencia oktatási felhasználása kapcsán az irodalomban. A fejezet részletesen bemutatja, hogyan segíti a ChatGPT a hallgatók tanulási folyamatait, különös tekintettel arra, hogyan teszi személyre szabottá a tanulási élményt. Ezen túlmenően a szerző arra is kitér, hogy milyen változásokat hoz az MI az oktatók munkájában, különösen a tananyag fejlesztése és a hallgatói teljesítmény értékelése terén. A fejezet jelentős figyelmet szentel annak is, hogy a ChatGPT hogyan könnyíti meg a kutatási folyamatokat, különös tekintettel az információkeresésre, a forrásgyűjtésre és a szakdolgozatírásra.

Az irodalom gyakran vizsgálja, hogy az MI milyen mértékben növeli az oktatási rendszerek hatékonyságát, például a hallgatói visszajelzések automatizálásával. Ami azonban ebben a fejezetben különösen figyelemre méltó, az a ChatGPT szerepe a kutatási kérdések megfogalmazásában. Ez a téma ritkábban kerül elő az MI oktatási felhasználásáról szóló irodalomban, de a szerző hangsúlyozza, hogy a ChatGPT nemcsak az információkeresésben segíti a hallgatókat, hanem abban is, hogy jól megfogalmazott kutatási kérdéseket dolgozzanak ki. Ez különösen fontos a felsőoktatásban, ahol a kritikai gondolkodás és a megfelelő kutatási módszerek kiválasztása alapvető szerepet játszik a sikeres tudományos munkában. A fejezet egyedi megközelítése tehát rávilágít arra, hogy a ChatGPT nem csupán az oktatásban, hanem a kutatás minőségének javításában is fontos szerepet játszik.

A ChatGPT az oktatók számára című fejezet a mesterséges intelligencia oktatói munkában betöltött kérdéseit tekinti át, különösen arra fókuszálva, hogyan segítheti a ChatGPT az oktatók mindennapi feladatait. A fejezet kitér arra, hogy az MI jelentős támogatást nyújt a tananyagfejlesztésben, hiszen segítségével az oktatók gyorsabban és hatékonyabban készíthetnek oktatási anyagokat, amelyek jobban illeszkednek a diákok egyéni igényeihez. Emellett az MI támogatja a tanulók teljesítményének értékelését, különösen az automatikus visszajelzések terén, amelyek révén az oktatók azonnal láthatják, mely területeken van szükség további magyarázatra.

A fejezet részletesen tárgyalja, hogy a ChatGPT miként könnyítheti meg az oktatók professzionális fejlődését is. Ennek igénye az oktatók számára folyamatos kihívást jelent, hiszen az oktatási módszertanok és technológiák folyamatosan változnak. Hussaini könyvében rámutat, hogy a ChatGPT nemcsak a hallgatókat segíti a tanulásban, hanem az oktatók számára is kínál tanulási lehetőségeket. Az MI folyamatosan frissíti magát a legújabb oktatási kutatásokkal és módszertani fejlesztésekkel, így az oktatók mindig naprakészek lehetnek a legújabb trendekkel kapcsolatban.Az MI által folyamatosan frissített adatok és kutatási eredmények hozzáférhetővé teszik a legújabb oktatási módszereket, amelyek révén az oktatók naprakészek maradhatnak a tanítási technikák terén. Az MI segít abban is, hogy a tanárok az adminisztratív terheik egy részét automatizálhassák, például jelentések készítésével vagy a diákok haladásának nyomon követésével.

Különösen figyelemre méltó a fejezet azon megállapítása, hogy a ChatGPT lehetőséget nyújt az oktatók számára a tanulók támogatásában és mentorálásában is. A szerző hangsúlyozza, hogy az MI segítségével az oktatók pontosabban követhetik nyomon a diákok előmenetelét, és személyre szabott tanulási útvonalakat alakíthatnak ki számukra. Ez az egyedi aspektus különösen fontos, hiszen a tanulók egyéni igényeire szabott támogatás növeli a tanulás hatékonyságát és javítja az oktatók lehetőségeit a hallgatói fejlődés irányításában.

Az adminisztratív feladatok gyakran nagy terhet rónak az oktatókra, különösen akkor, ha nagyszámú hallgatóval dolgoznak. A ChatGPT jelentős segítséget nyújthat az adminisztratív feladatok automatizálásában, így az oktatók több időt fordíthatnak a tanításra és a hallgatókkal való személyes kapcsolattartásra. Hussaini rámutat, hogy az MI képes gyorsan és hatékonyan feldolgozni a hallgatói adatokat, jelentéseket készíteni, és segíteni a tanulmányi eredmények értékelésében (p. 166). Például, egy oktató a ChatGPT segítségével gyorsan elkészítheti a féléves jelentéseket a hallgatók teljesítményéről, és az MI képes átlátható módon összegyűjteni a legfontosabb adatokat, például a dolgozatok eredményeit, a részvételi arányokat és a diákok előmenetelét. Ezzel az oktatók több időt szánhatnak az órák előkészítésére és a diákok mentorálására.

A ChatGPT az oktatási adminisztrációban

Az oktatási adminisztráció a felsőoktatási intézmények egyik legfontosabb, ugyanakkor legterhelőbb része. Az adminisztrátorok naponta szembesülnek különböző kihívásokkal, legyen szó a tanulói adatok kezeléséről, a tanulmányi eredmények nyomon követéséről vagy az intézményi jelentések elkészítéséről. Hussaini szerint a ChatGPT jelentős mértékben megkönnyítheti és automatizálhatja ezeket a folyamatokat, időt és erőforrásokat felszabadítva az intézményvezetők számára. Ebben a fejezetben a szerző részletesen bemutatja, hogyan használható a ChatGPT az adminisztráció különböző területein, beleértve az adatkezelést, a jelentések készítését, az intézményi kommunikációt és a hallgatói tanulmányi eredmények értékelését is.

Az adatkezelés és az információk rendszerezése a felsőoktatási adminisztráció egyik legnagyobb kihívása. Hussaini könyvében kiemeli, hogy a ChatGPT képes hatékonyan feldolgozni és rendszerezni a hallgatói adatokat, legyen szó tanulmányi eredményekről, beiratkozási adatokról vagy akár a hallgatói elégedettségi felmérésekről. Az MI nemcsak gyorsabban és pontosabban képes feldolgozni az adatokat, hanem segít azok megfelelő struktúrába rendezésében is, így átláthatóbbá téve a hallgatói teljesítményt. Például egy egyetemi adminisztráció számára rendkívül hasznos lehet, ha a ChatGPT képes gyorsan lekérdezni az egyes hallgatók előmenetelével kapcsolatos adatokat, és ezeket releváns kategóriákba rendezni, például évfolyam, szak, tanulmányi átlag vagy részvétel alapján (p. 172). Ez megkönnyíti az adminisztrátorok számára, hogy időben reagáljanak a hallgatók problémáira, például ha valaki jelentős mértékben visszaesik a teljesítményében.

A felsőoktatási intézmények számára rendkívül fontos, hogy rendszeresen készítsenek jelentéseket, elemzéseket a hallgatók teljesítményéről, az intézményi eredményekről, valamint az adminisztratív folyamatokról. Ezek a jelentések nemcsak a belső használatra, hanem a felsőoktatási akkreditációs szervek és a kormányzati szervek számára is készülnek. Hussaini szerint a ChatGPT képes automatikusan generálni ezekhez a jelentésekhez szükséges adatokat, és segít az elemzések elkészítésében. Egy konkrét példa szerint, ha egy egyetem éves jelentést készít a hallgatói teljesítményekről és a diploma megszerzési arányokról, a ChatGPT gyorsan összegyűjti az adatokat, és átlátható formátumba rendezi azokat (p. 174). Az MI képes grafikonokat, táblázatokat és statisztikai elemzéseket generálni, amelyek segítik az egyetem vezetését abban, hogy átfogó képet kapjanak az intézmény teljesítményéről. Ez különösen hasznos, amikor az adminisztráció nagy mennyiségű adatot kell kezeljen, és pontos elemzésekre van szükség a döntéshozatalhoz.

A tanulmányi eredmények értékelése és nyomon követése az egyik legfontosabb adminisztratív feladat. Hussaini szerint a ChatGPT segítséget nyújthat abban, hogy az adminisztrátorok gyorsan hozzáférjenek a hallgatói teljesítményekhez kapcsolódó adatokhoz, és automatikusan elkészíthetik az értékeléseket. Az MI rendszerek képesek felismerni a hallgatói teljesítmények trendjeit, és javaslatokat tehetnek arra vonatkozóan, hogy milyen támogatási intézkedéseket kellene bevezetni a gyengébben teljesítő hallgatók számára (p. 176). Például, ha egy hallgató több féléven keresztül gyenge teljesítményt nyújt egy adott tantárgyban, a ChatGPT képes automatikusan értesíteni az adminisztrációt és az oktatókat, hogy megfelelő támogatást nyújtsanak a hallgatónak. Az MI javasolhat további mentorálást, tanácsadást vagy akár speciális tanulási útvonalakat, amelyek segíthetnek a hallgatónak a fejlődésben. Hussaini rámutat, hogy ez az automatizált nyomon követés jelentősen csökkenti az adminisztrátorok terheit, akiknek gyakran manuálisan kell feldolgozniuk ezeket az adatokat.

A felsőoktatási intézményekben az adminisztratív kommunikáció hatékonysága kulcsfontosságú a gördülékeny működés érdekében. Hussaini kiemeli, hogy a ChatGPT segíthet az intézményi kommunikáció automatizálásában, legyen szó hallgatói értesítésekről, intézményi hírlevelekről vagy akár személyre szabott üzenetekről. Az MI képes automatikusan generálni értesítéseket, amelyek releváns információkat tartalmaznak a hallgatók számára, például a beiratkozási határidőkről, vizsgákról vagy a tanulmányi eredményekről (p. 178). Egy konkrét példa alapján, ha egy egyetem értesítést szeretne küldeni a hallgatóknak a vizsgaidőszak közeledtéről, a ChatGPT gyorsan elkészíti az értesítést, és személyre szabja azt az egyes hallgatók számára. Az MI képes figyelembe venni az egyes hallgatók tanulmányi ütemtervét, és csak azokat az információkat küldi el, amelyek valóban relevánsak az adott hallgató számára. Ez a személyre szabott kommunikáció jelentősen növelheti az intézményi kommunikáció hatékonyságát, és csökkentheti az adminisztrátorok terheit.

A beiratkozási folyamatok kezelése és a hallgatói adatbázisok frissítése is jelentős kihívást jelent az adminisztráció számára, különösen a nagyobb egyetemeken. Hussaini könyvében rámutat, hogy a ChatGPT képes automatizálni a beiratkozási folyamatokat, segítve az adminisztrátorokat abban, hogy gyorsan és pontosan kezeljék a hallgatói adatokat. Az MI képes feldolgozni a hallgatói jelentkezéseket, rendszerezni az adatokat, és automatikusan frissíteni az intézményi adatbázisokat (p. 180). Egy példa szerint, ha egy egyetem több ezer hallgatói jelentkezést kezel, a ChatGPT képes automatikusan rendszerezni a jelentkezési adatokat, és értesítést küldeni a hallgatóknak a beiratkozási folyamat állásáról. Az MI ezen felül képes a beiratkozási adatok alapján előrejelzéseket készíteni az egyes szakok beiratkozási arányairól, ami segíthet az intézményvezetőknek a jövőbeli tervezésben.

A felsőoktatási intézmények számára rendkívül fontos, hogy megfeleljenek az akkreditációs követelményeknek és fenntartsák a magas színvonalú oktatást. Hussaini szerint a ChatGPT segíthet az intézményeknek az akkreditációs folyamatokban azáltal, hogy gyorsan és pontosan generálja az ehhez szükséges adatokat és jelentéseket. Az MI képes rendszerezni azokat az információkat, amelyek az akkreditációs követelmények teljesítéséhez szükségesek, például a hallgatói elégedettségi felmérések eredményeit, a tanári értékeléseket és a tanulmányi eredményeket (p. 182). Egy gyakorlati példa szerint, ha egy egyetemnek jelentést kell készítenie egy akkreditációs szervezet számára, a ChatGPT automatikusan összegyűjti az összes releváns adatot, és egy átfogó jelentést készít, amely bemutatja az intézmény teljesítményét az akkreditációs kritériumok alapján. Ez nemcsak jelentősen felgyorsítja a folyamatot, hanem biztosítja, hogy a jelentés átlátható és pontos legyen.

A hallgatói elégedettségi felmérések és a visszajelzések elemzése fontos eszköz az intézményi fejlődéshez és a tanulói igények megértéséhez. Hussaini szerint a ChatGPT képes automatikusan feldolgozni a hallgatói visszajelzéseket, és segíthet az adminisztrátoroknak a trendek és a hallgatói igények azonosításában. Az MI képes elemezni a hallgatói véleményeket, és javaslatokat tenni arra vonatkozóan, hogy milyen intézkedéseket kellene bevezetni a hallgatói elégedettség javítása érdekében (p. 184). Például, ha egy egyetem hallgatói elégedettségi felmérést készít, a ChatGPT képes gyorsan elemezni a válaszokat, és kiemelni azokat a területeket, ahol az intézmény fejlődhetne. Az MI javasolhat konkrét intézkedéseket, például a tananyag modernizálását vagy a hallgatói szolgáltatások bővítését, amelyek hozzájárulhatnak a hallgatói elégedettség növeléséhez.

A ChatGPT a felnőttoktatásban

A tantermen kívüli oktatás és élethosszig tartó tanulás egyre nagyobb jelentőséggel bír a felsőoktatásban, különösen a munkaerőpiaci elvárások folyamatos változása és a diákok egyéni tanulási útvonalainak bővülése miatt. Hussaini szerint a ChatGPT különösen alkalmas arra, hogy támogassa a hallgatók önálló tanulását, a felnőttképzési programokat és a szakmai készségek fejlesztését. Az MI számos területen alkalmazható a tantermen kívüli oktatásban, beleértve az egyéni mentorálást, a szakmai fejlődés támogatását és az interaktív tanulási tartalmak biztosítását.

A felsőoktatásban egyre nagyobb igény van a személyre szabott tanulási útvonalak kialakítására, amelyek figyelembe veszik a hallgatók egyéni érdeklődését és tanulási stílusát. Hussaini szerint a ChatGPT ebben kulcsszerepet játszhat, mivel képes olyan személyre szabott tanulási programokat ajánlani, amelyek a hallgatók egyéni igényeihez igazodnak. Az MI elemzi a diákok tanulmányi előrehaladását és preferenciáit, majd olyan forrásokat és feladatokat ajánl, amelyek segítenek a hallgatóknak elérni tanulmányi céljaikat. Például egy hallgató, aki szeretné mélyíteni a tudását egy adott tudományterületen, a ChatGPT segítségével egyéni tanulási tervet készíthet. Az MI nemcsak releváns forrásokat ajánl, hanem szisztematikus feladatokat és kihívásokat is javasol, amelyek segítségével a hallgató folyamatosan fejlődhet (p. 190). Ez különösen hasznos lehet a felnőttképzésben és az élethosszig tartó tanulásban, ahol a diákok gyakran egyéni ütemben haladnak a tanulásban.

A felsőoktatásban egyre nagyobb hangsúlyt kapnak a felnőttképzési programok, amelyek lehetővé teszik, hogy a hallgatók új szakmai készségeket sajátítsanak el vagy továbbfejlesszék meglévő tudásukat. Hussaini rámutat, hogy a ChatGPT kiváló eszköz lehet a felnőttképzés támogatásában, mivel képes olyan tanulási tartalmakat generálni, amelyek a munkaerőpiac elvárásaihoz igazodnak. Az MI segíthet a hallgatóknak abban, hogy gyorsabban és hatékonyabban sajátítsák el a szükséges szakmai készségeket. Például, ha egy hallgató projektmenedzsment képességeit szeretné fejleszteni, a ChatGPT képes olyan gyakorlati feladatokat és esettanulmányokat generálni, amelyek segítenek a hallgatónak a tanulásban. Az MI képes figyelembe venni a hallgató előzetes ismereteit, és olyan feladatokat ajánlani, amelyek új kihívásokat jelentenek, ugyanakkor hozzájárulnak a meglévő készségek továbbfejlesztéséhez (p. 192). Hussaini kiemeli, hogy a felnőttképzésben a ChatGPT különösen hasznos lehet a folyamatos szakmai fejlődés biztosításában, hiszen a hallgatók saját ütemben haladhatnak, és személyre szabott visszajelzéseket kapnak.

A távoktatás és az online tanulás az elmúlt években rendkívüli mértékben megnövekedett, különösen a digitális technológiák fejlődése és a világjárvány hatásai miatt. Hussaini szerint a ChatGPT kiemelkedő szerepet játszhat az online tanulásban, mivel képes interaktív tananyagokat és feladatokat biztosítani, amelyek segítik a diákokat az önálló tanulásban. Az MI használatával a tanulás dinamikusabbá és személyre szabottabbá válik, ami növeli a diákok elkötelezettségét és motivációját. Egy gyakorlati példa alapján, ha egy hallgató online kurzuson vesz részt digitális marketing témakörben, a ChatGPT képes személyre szabott feladatokat és kvízeket biztosítani, amelyek segítenek a tanulásban. Az MI nemcsak a tanulási tartalmakat generálja, hanem folyamatos visszajelzést is ad a hallgatónak a teljesítményéről, így lehetővé téve a folyamatos fejlődést (p. 194). Az online tanulásban a ChatGPT jelentős mértékben növeli a tanulási élményt azáltal, hogy interaktív és testreszabott oktatási anyagokat kínál.

A mentorálás és tanácsadás fontos szerepet játszik a hallgatók szakmai fejlődésében, különösen akkor, amikor a hallgatók a tantermen kívül próbálják fejleszteni tudásukat. Hussaini szerint a ChatGPT lehetőséget nyújt arra, hogy a hallgatók személyre szabott tanácsadást és támogatást kapjanak, még akkor is, ha nincs közvetlen kapcsolatuk oktatókkal vagy mentorokkal. Az MI képes olyan javaslatokat tenni, amelyek segítenek a hallgatóknak meghatározni a karrierjük fejlődési irányát, és tanácsokat adhat a további tanulási lehetőségekről. Egy konkrét példa szerint, ha egy hallgató érdeklődik a pénzügyi szektor iránt, a ChatGPT képes átfogó képet adni a karrierlehetőségekről, és javaslatokat tehet arra, hogy milyen képzéseken vagy tanfolyamokon érdemes részt venni. Az MI ezen felül segíthet a hallgatónak abban is, hogy hogyan készítse el önéletrajzát, vagy milyen állásinterjú kérdésekre érdemes felkészülnie (p. 196). Ez a fajta személyre szabott mentorálás különösen hasznos lehet azok számára, akik a tantermen kívül szeretnék tovább fejleszteni karrierlehetőségeiket.

Az élethosszig tartó tanulás egyre fontosabbá válik a modern munkaerőpiacon, ahol a folyamatos önfejlesztés és új készségek elsajátítása elengedhetetlen a sikerhez. Hussaini szerint a ChatGPT támogatja az élethosszig tartó tanulást azáltal, hogy folyamatosan frissíti az oktatási tartalmakat, és személyre szabott tanulási ajánlásokat tesz a felhasználóknak. Az MI képes figyelembe venni a diákok érdeklődési körét és tanulmányi előzményeit, és ennek megfelelően ajánl tanulási anyagokat és kihívásokat. Egy példa alapján, ha egy egyetem végzett hallgatója, aki az évek során változtatott karrierjén, újra tanulási lehetőségeket keres, a ChatGPT segíthet a legfrissebb tudományos eredmények és tanulási lehetőségek ajánlásában. Az MI folyamatosan követi a munkaerőpiaci trendeket, és ennek alapján javasol olyan kurzusokat vagy képzéseket, amelyek segítenek a hallgatóknak új készségeket elsajátítani (p. 198). Az élethosszig tartó tanulás során a ChatGPT lehetővé teszi a diákok számára, hogy a saját ütemükben haladjanak, és a legfrissebb tanulási anyagokhoz férjenek hozzá.

A felsőoktatásban nemcsak az egyéni tanulás, hanem a csoportmunka és a tanulási közösségeken belüli együttműködés is kiemelkedő fontosságú. Hussaini szerint a ChatGPT támogathatja az ilyen típusú együttműködéseket azáltal, hogy segít a diákoknak gyorsan és hatékonyan kommunikálni egymással, valamint olyan feladatokat javasol, amelyek elősegítik a közös munkát. Az MI képes segíteni a csoportos projektek koordinálásában és olyan eszközöket biztosítani, amelyek megkönnyítik a közös tanulási élményt. Egy példa szerint, ha egy csoport diák közösen dolgozik egy projekten, a ChatGPT segíthet a feladatok elosztásában, és javaslatokat tehet a csoporton belüli hatékony együttműködésre. Az MI képes azonnali visszajelzést adni a csoport tagjainak munkájáról, és olyan interaktív tanulási eszközöket biztosítani, amelyek megkönnyítik a közös projekt megvalósítását (p. 200). Ez különösen hasznos lehet a távoktatásban, ahol a diákok fizikailag távol vannak egymástól, és az online együttműködés kiemelt szerepet játszik.

Az MI jövője az oktatásban

A mesterséges intelligencia (MI) az oktatás egyik legjelentősebb technológiai újítása, amely folyamatosan formálja az oktatási rendszerek működését. Ahogy Hussaini rámutat, hogy az MI nemcsak a jelen oktatási kihívásaira ad választ, hanem radikálisan átalakíthatja az oktatási rendszerek működését is a jövőben. Az MI jövőbeli szerepe az oktatásban sokrétű: segíthet az egyéni tanulási utak kialakításában, támogatja a tanárok munkáját, és új lehetőségeket nyit a kutatásban, az adminisztrációban és a diákok támogatásában. Az alábbiakban részletesen tárgyalom, hogyan alakulhat az MI szerepe a felsőoktatásban a jövőben, különösen a technológia gyors fejlődésének köszönhetően.

Az MI egyik legnagyobb ígérete a felsőoktatásban a személyre szabott tanulás lehetősége. Hussaini kiemeli, hogy a ChatGPT és más MI rendszerek képesek lesznek arra, hogy a hallgatók egyéni igényeihez és tanulási stílusához igazodó tanulási útvonalakat hozzanak létre. A jövőben a hallgatók nem egyetlen tananyagból fognak tanulni, hanem az MI által kialakított egyedi tanulási útvonalakat követhetnek, amelyek figyelembe veszik erősségeiket, gyengeségeiket, és azt, hogy milyen tempóban képesek haladni a tananyag elsajátításában (p. 210). A jövő oktatásában az MI képes lesz folyamatosan figyelni a diákok haladását, azonnali visszajelzést adni, és javaslatokat tenni arra, hogy hogyan fejlődhetnek. Ha egy diák például egy gazdaságtudományi kurzuson tanul, az MI képes lehet az egyes modulok befejezése után további gyakorló feladatokat vagy kiegészítő anyagokat ajánlani a hallgatónak, ha úgy látja, hogy valamilyen területen további fejlődésre van szükség. Ez a rugalmasság lehetővé teszi, hogy a diákok saját tempójukban haladjanak, anélkül hogy lemaradnának vagy unatkoznának (p. 212).

Hussaini szerint az adaptív tanulási rendszerek jelentik a jövő egyik legfontosabb oktatási technológiáját. Ezek a rendszerek képesek valós időben alkalmazkodni a hallgatók teljesítményéhez, és azonnal módosítani a tananyagokat és feladatokat a diákok szükségleteinek megfelelően. A ChatGPT és más MI-alapú eszközök a jövőben még kifinomultabbá válnak, és képesek lesznek arra, hogy különböző típusú tanulási módszereket kínáljanak a hallgatóknak, az egyéni preferenciáik alapján (p. 214). Például egy hallgató, aki vizuális tanuló, az MI-t használva olyan tanulási anyagokat kaphat, amelyek vizuális elemeket, például diagramokat és infografikákat tartalmaznak. Ezzel szemben egy másik hallgató, aki inkább olvasás útján tanul, szöveges anyagokat kap. Az adaptív rendszerek biztosítják, hogy minden hallgató a legmegfelelőbb módon kapja meg a tudást, és ezáltal hatékonyabban fejlődjön (p. 216).

Hussaini szerint a jövőben az oktatók szerepe is átalakul az MI térnyerésével. Az oktatók nem csupán információforrások lesznek, hanem mentorokként és tanácsadókként lépnek fel, akik segítenek a diákoknak eligazodni a személyre szabott tanulási útvonalakon. Az MI képes lesz kezelni a rutinfeladatokat, például a dolgozatok értékelését vagy a tanulók teljesítményének nyomon követését, így az oktatók több időt fordíthatnak a diákokkal való személyes kapcsolattartásra és a magasabb szintű oktatási tevékenységekre (p. 218). Például egy oktató, aki egy nagy előadást tart, a ChatGPT-t használva automatizálhatja a hallgatók visszajelzéseinek gyűjtését és elemzését. Az MI segíthet a tanárnak abban, hogy jobban megértse, mely témák okoztak nehézséget a hallgatóknak, és hol szükséges további magyarázat. Így az oktatók pontosabban és célzottabban tudnak reagálni a diákok igényeire, és hatékonyabbá válhat az oktatás minősége (p. 220).

A jövőben az MI és a virtuális valóság (VR) technológiáinak együttes alkalmazása forradalmasíthatja az oktatást. Hussaini szerint a VR és az MI kombinációja lehetővé teszi, hogy a hallgatók interaktív és magával ragadó tanulási élményekben részesüljenek, amelyek a valósághoz közelítő környezetben zajlanak. Például egy orvostanhallgató a ChatGPT és a VR technológia segítségével virtuális sebészeti beavatkozásokat gyakorolhat, miközben az MI valós idejű visszajelzést ad a teljesítményéről (p. 222). Ez a fajta interaktív tanulás lehetővé teszi a hallgatók számára, hogy gyakorlati készségeket sajátítsanak el biztonságos környezetben, mielőtt a valódi helyzetekben alkalmaznák azokat. A jövőben az MI képes lesz még inkább személyre szabott VR-tanulási élményeket biztosítani, amelyek figyelembe veszik a hallgatók előzetes ismereteit és tanulási céljait (p. 224).

Hussaini könyvében hangsúlyozza, hogy az MI jövőbeli fejlődése számos etikai és társadalmi kérdést is felvet. Az adatvédelem, a magánélet védelme és a mesterséges intelligencia átláthatósága kulcsfontosságú kérdések lesznek a jövő oktatási rendszereiben. Ahogy az MI egyre inkább beépül az oktatási rendszerekbe, fontos lesz biztosítani, hogy az adatok felhasználása és a diákok teljesítményének nyomon követése etikus keretek között történjen (p. 226). Az MI rendszernek meg kell felelnie a szigorú adatvédelmi szabályoknak, különösen olyan országokban, mint az Európai Unió, ahol a GDPR szabályozza az adatok felhasználását. Hussaini szerint a jövő oktatási rendszereiben fontos lesz biztosítani, hogy az MI által gyűjtött adatok csak a szükséges mértékben kerüljenek felhasználásra, és a diákok személyes adatai biztonságban legyenek.

A mesterséges intelligencia jövőbeli fejlődése nemcsak az oktatást, hanem a kutatást is jelentősen befolyásolja majd. Hussaini szerint a ChatGPT és más MI eszközök új lehetőségeket nyitnak meg a tudományos kutatásban, különösen a nagy mennyiségű adat feldolgozása és elemzése terén. Az MI képes lesz automatizálni a kutatási folyamatok egyes részeit, például az adatgyűjtést, az elemzést és az eredmények értelmezését (p. 228). Például egy szociológiai kutatás során a ChatGPT képes lesz feldolgozni több ezer interjú szövegét, és azokat elemezni, hogy azonosítsa a visszatérő mintákat és tendenciákat. Ezáltal a kutatók több időt fordíthatnak a kutatás mélyebb elemzésére és a következtetések levonására, miközben az MI felgyorsítja a kutatási folyamatokat (p. 230).

Összegzés

A magyar felsőoktatás és felnőttképzés területén a mesterséges intelligencia, különösen a ChatGPT alkalmazása, komoly kihívásokkal szembesül, elsősorban a forráshiány, az eszközök korlátozott elérhetősége és a szakemberek felkészítésének hiánya miatt. Hazánkban az oktatási intézmények alul finanszírozása, az állandó forráshiány mellett az eszközök és a digitális infrastruktúra hiánya is gátolja a technológia használatának széles körű elterjedését.

Ezen túlmenően az MI hatékony alkalmazása érdekében elengedhetetlen a pedagógusok megfelelő motiválása és képzése is. A felnőttképzés és a felsőoktatás szakembereinek olyan új készségekre van szükségük, amelyek lehetővé teszik számukra, hogy integrálják a ChatGPT-t az oktatási folyamatokba, különösen a személyre szabott tanulási útvonalak kialakításában. A jelenlegi oktatási rendszerben azonban azonban nincs erőforrás a pedagógusok ilyen irányú továbbképzésére, ami tovább nehezíti a technológia integrálását. A ChatGPT magyar felsőoktatásban történő alkalmazásának előnyei, mint például az adminisztrációs feladatok automatizálása vagy a kutatási folyamatok támogatása, csak akkor válnak elérhetővé, ha az intézmények képesek befektetni a szükséges eszközökbe és biztosítani a megfelelő szaktudást az oktatók számára. Ez nem tárgyi informatikai eszközök beszerzését jelentené, hanem biztonságos és szabályozott hozzférés biztosítását olyan generatív MI alkalmazásokhoz, melyek egyébként máris rendelkezésre állnak. Ezek hiányában továbbra is az ingyenesen hozzáférhető, funkcionalitásukban azonban korlátozott változatok használata marad a meghatározó - ahol egyáltalán sor kerül azok alkalmazására.

Az MI, különösen a ChatGPT bevezetése a magyar felsőoktatásban és felnőttképzésben lépésről lépésre valósítható meg, figyelembe véve a hazai kihívásokat. Első lépésként a technológiai infrastruktúra fejlesztésére kell koncentrálni, alacsony költségű vagy ingyenes eszközök, platformok bevezetésével. Az olyan ingyenes MI-megoldások, mint a ChatGPT, kezdetben korlátozott kapacitással, de hatékonyan integrálhatók az oktatásba, például az esszék automatikus értékelésére vagy a kutatási folyamatok támogatására.

Elengedhetetlen a pedagógusok képzése is. Az oktatók számára alapvető, hogy megismerjék, hogyan használhatják a ChatGPT-t a tananyagok testreszabására és a hallgatói teljesítmény nyomon követésére. A pedagógusoknak tisztában kell lenniük az MI alkalmazásának etikai kérdéseivel is, különösen a diákok adatvédelmével kapcsolatban.

Végül fontos, hogy az intézmények kísérleti projekteket indítsanak kisebb csoportokkal, ahol tesztelhetik az MI bevezetésének hatékonyságát. Az eredmények alapján finomhangolhatják a rendszert, hogy az minden résztvevő számára hasznos és hozzáférhető legyen. Mindez természetesen gondos tervezést, összehangolt felkészülést igényel, a rendelkezésre álló lehetőségek figyelembevételével, most (és még egy jó darabig) nagyrészt az ingyenesen igénybe vehető, vagy az oktatásban már hozzáférhető alkalmazásokra modellezve.

A cikk emberi és mesterséges intelligencia együttműködésével jött létre. 

 

 

Saif Hussaini:

ChatGPT in the Classroom: The Futureof Educational AI: From Elementary to University - Transformative Strategiesfor Classrooms, Curriculum, and Creative Teaching with ChatGPT,

Kindle Edition, 2024