TOVÁBBI Konferenciák
TOVÁBBI RENDEZVÉNYEK
HÍREK
conTEXT 2026
HÁZHOZ JÖN AZ MI?
Időpont: 2026. november 24. 09:00 - 15:00
Helyszín: Central European University, 1051 Budapest, Nádor u. 15.
Tavaly még azon gondolkodtunk, hogy partnerünk vagy ellenségünk-e a mesterséges intelligencia, közben mára a mindennapi munka és életünk része lett. A kérdés most inkább az, mire és hogyan használjuk felelősen, biztonságosan és a saját feltételeink szerint.
Miről lesz szó?
- MI a rendvédelemben, felhő nélkül: hogyan segíthetnek a lokálisan futó modellek ott, ahol semmilyen adat nem kerülhet ki a szervezetből?
- Dávid vagy Góliát? Kis és nagy nyelvi modellek harca.
- Merre tovább? Trendek, jövőkép és őszinte válaszok arra, mire érdemes ma felkészülni.
Az idei konferencián is esettanulmányokon keresztül mutatjuk be, hogyan valósulnak meg a legújabb magyar és nemzetközi fejlesztések, és nem marad el a megszokott Láncreakció podcast sem!
PROGRAM
érkezés

Házhoz jön végre az MI?
Körmendi György, ügyvezető, Clementine
Fizikusként végzett az ELTE-n, több mint 20 éve foglalkozik adattudománnyal, gépi tanulással és nyelvtechnológiával. 2005-ben alapította a Clementine-t, amely a magyar nyelvű szöveganalitika és AI egyik vezető innovátora. Emellett a Láncreakció podcast házigazdája. Társalapítóival új kezdeményezése a Minerva Kutatóintézet, amely a telefonos közvéleménykutatás gépi MI asszisztenssel történő megújítására vállalkozik.
Trendek és jövőkép


Mesterséges intelligencia a levéltárban: AZ ÁBTL ÉS A RÉNYI AI KÖZÖS FEJLESZTÉSSEI
Lux Zoltán, az Állambiztonsági Szolgálatok Történeti Levéltárának munkatársa és Kovács Gábor, a HUN-REN Rényi Alfréd Matematikai Kutatóintézet munkatársa
Kovács Gábor a HUN-REN Rényi Alfréd Matematikai Kutatóintézet munkatársa, aki alkalmazott MI-kutatóként és AI engineerként dolgozik; szakmai érdeklődése elsősorban a Document AI és a nagy nyelvi modellek felé irányul.
Lux Zoltán a matematika és filozófia szakon végzett az ELTE-n. 2008-tól részt vett a Magyar Elektronikus Levéltár első (2010–2014) és második (2016–2020) projektjeiben. 2011-től 2020-ig a Magyar Nemzeti Levéltár Informatikai és elektronikus dokumentumok osztályának vezetője volt. Ennek keretében részt vett az Archives Portal Europe II. és az E-ARK projektekben. 2000 óta külsős munkatársként felelős a Állambiztonsági Szolgálatok Történeti Levéltár (ÁBTL) levéltári információs és archiválási rendszerének fejlesztéséért. 2020 őszétől főállásban a főigazgató informatikai tanácsadója.
Hogyan támogathatja a rohamosan fejlődő MI a levéltárak működését? Az ÁBTL és a Rényi AI közös munkájában olyan folyamattámogató eszközöket építünk, amelyek az időigényes feladatokban – így a személyekhez tartozó iratok megtalálásában és az érzékeny adatok felismerésében – segítik a levéltárosokat, miközben a kutatóknak is megkönnyítik a releváns források elérését. A történelmet megélt, 40–80 éves, sokszor nehezen olvasható dokumentumoknál azonban a kész, általános megoldások már a szöveg kiolvasásánál sem elegendők, az adatok érzékenysége miatt pedig csak lokálisan futó modellek jöhetnek szóba. Előadásunk ezeket az akadályokat és a megoldásainkhoz vezető utat mutatja be.

Racka: A magyar nyelvű érvelő modell
Sallai Martin, AI Engineer, ELTE IK MIT
Sallai Martin AI Engineer, az ELTE Informatikai Karán végzett programtervező informatikus mesterszakon. Az elmúlt években az ELTE IK Mesterséges Intelligencia Tanszékén és a Digitális Örökség Nemzeti Laboratóriumban dolgozott nagy nyelvi modellek tanításán, dokumentumfeldolgozó AI-rendszereken és ipari robotikai projekteken. A Racka-projektben a modell HPC-környezetben történő tanításán dolgozott, és több EuroHPC szuperszámítógépen is végzett teszteket.
Hogyan léphetünk egy kis nyelvi modellel a magyar digitális szuverenitás felé? A Racka-4B-vel olyan kis méretű, nyilvánosan elérhető modellt szerettünk volna létrehozni, amely jól beszél magyarul, és lokálisan is futtatható. Megmutatom, hogyan jutottunk el az ötlettől a megvalósításig: hogyan tanítottuk tovább a Qwen3-4B érvelő modellt a Komondor szuperszámítógépen, és miért volt szükség saját, magyar tokenizerre. Szó lesz arról is, mire képes a modell, hol vannak a határai, és merre tovább.

A strukturálatlan adattól az ellenőrizhető következtetésig – Heterogén adatállományok feldolgozása az ember és a Mesterséges Intelligencia (MI) együttműködésében
Kovács Zsolt Imre, kiemelt főnyomozó, Nemzeti Nyomozó Iroda, Bűnügyi Szervek, Digitális Bűnözés Elleni Szolgálat
Az előadó kiberbiztonsággal, digitális forenzikával és a Mesterséges Intelligencia gyakorlati alkalmazási lehetőségeivel foglalkozik. Szakmai munkájában kiemelt figyelmet fordít a digitális adatok ellenőrizhető feldolgozására, értelmezésére és a technológiai fejlődés rendészeti vonatkozásaira. Konferencia-előadásában az ember és a Mesterséges Intelligencia összehangolt együttműködésének lehetőségeit, módszertani alapjait és gyakorlati jelentőségét mutatja be.
Az előadás központi kérdése, hogyan járulhat hozzá az ember és a Mesterséges Intelligencia (MI) összehangolt együttműködése a nagy mennyiségű, strukturálatlan és heterogén adatállományok hatékony, ellenőrizhető feldolgozásához. Bemutatja, miként egészíthetik ki egymást a hagyományos informatikai eljárások, az MI-alapú elemzési módszerek és az emberi szakértelem egy olyan folyamatban, amelyben a kontextus meghatározása és újraértékelése, valamint az emberi szakmai irányítás folyamatosan érvényesül. A megközelítés hangsúlyozza az eredeti adatok megőrzésének, az adatintegritásnak, a visszakövethetőségnek és a reprodukálhatóságnak a jelentőségét, miközben a következtetések ellenőrzése és a döntési felelősség továbbra is az embernél marad.
Kávészünet

Lokális LLM dokumentum feldolgozásra: lehetőségek és korlátok
Máth Benedek, data scientist, Clementine
Alkalmazott matematikus, a gépi tanulás különböző módszereire és azok gyakorlati alkalmazásaira specializálódott. Kutatómunkája részeként konferenciacikkben mutatta be a gráf neurális hálózatokkal végzett eredményeit. 2025 márciusa óta a Clementine csapatát erősíti, ahol fő feladata a nagy nyelvi modellek (LLM-ek) lokális implementálásában és vállalati folyamatokba való beépítésében, ezzel támogatva az MI megoldások hatékony és biztonságos működését.
Mit tehetünk, ha a ChatGPT nem opció? Minősített dokumentumokat felhőalapú LLM-mel feldolgozni nem lehet, de a saját gépen futó, nyílt súlyú modellek már komoly alternatívát jelentenek. Egy nyilvános bírósági ítélet feldolgozásán keresztül mutatom meg, mire képesek ezek a gyakorlatban, milyen ellenőrző lépésekre van szükség a megbízható eredményhez, és hol marad az ember továbbra is pótolhatatlan.


Saját infrastruktúra. Saját AI. Saját kontroll.
Tóth Anasztázia és Huszti Dániel, Data & AI Technical Sales, IBM Technology Sales, IBM
Tóth Anasztázia Data & AI Technical Salesként dolgozik az IBM-nél, ahol vállalati ügyfeleket támogat adat- és AI-megoldásokhoz kapcsolódó üzleti és technológiai kihívásokban. Munkájában az adatok teljes életciklusán szerzett gyakorlati tapasztalatára épít, a forrásrendszerektől egészen az üzleti döntéstámogatásig.
Huszti Dániel az IBM közép-kelet-európai régiójának adatelemzési szakértője, fő feladata az üzleti, technológiai tanácsadás és a nagyvállalati ügyfelek igényeinek megfelelő komplex megoldások tervezése.
A lokális AI nem a felhő alternatívája, hanem a választás szabadsága: az AI ott fusson, ahol az adott feladathoz a legjobb helye van. Megmutatjuk, hogyan gondolkodik erről az IBM a Red Hat OpenShift AI-tól a saját modelleken és AI agenteken át a watsonx Orchestrate-ig és az on-prem IBM Bob-ig, a vállalati folyamatoktól egészen a szoftverfejlesztésig.

A nagyobb modell nem mindig jobb - magyar beszédfelismerés nyelvi modellekkel
Kádár Máté Soma, ML Engineer, BME TMIT/Speechtex
Kádár Máté Soma a Budapesti Műszaki és Gazdaságtudományi Egyetemen szerzett kitüntetéses mérnökinformatikus mesterdiplomát. ML mérnökként és adattudósként dolgozik, fő szakterülete a magyar nyelvű automatikus beszédfelismerés és a nagy nyelvi modellek alkalmazása. Több nemzetközi tudományos publikáció társszerzője a beszédtechnológia területén.
Vajon egy nagyobb nyelvi modell automatikusan jobb beszédfelismerést is jelent? Az előadásban bemutatjuk, hogyan kapcsolhatók össze a hagyományos beszédfelismerő rendszerek a modern nagy nyelvi modellekkel (LLM-ekkel), és magyar nyelvű kísérleteken keresztül megvizsgáljuk, hogy egy kisebb, magyarra specializált modell miként veheti fel a versenyt nagyobb, általános célú társaival. A gyakorlati eredmények mellett kitérünk a technológia jelenlegi korlátaira és a valós alkalmazások szempontjából fontos tanulságokra is.
Ebéd
Cenzúra nélkül – nyelvi modellek és a kiberbűnözés
dr. Baksa László, mesteroktató, Nemzeti Közszolgálati Egyetem

Jó gendernyelvész lenne a Claude? Mit hall ki egy LLM a nők és a férfiak válaszaiból
Baittrok Borbála, kutatási igazgató, Minerva Intézet
Baittrok Borbála az ELTE Társadalomtudományi Karán végzett szociológusként, és két évtizede foglalkozik piac- és közvélemény-kutatással. A Mediánnál és a GfK Hungáriánál szerzett tapasztalatok után több mint tíz évig a Gemius kutatási vezetőjeként médiakutatásokat és nemzetközi projekteket irányított. A Datalyze-nál előbb munkatársként, majd társ-ügyvezetőként kvalitatív, kvantitatív és social listening kutatásokat vezetett, ezt követően a 21 Kutatóközpont kutatási igazgatója volt. 2026 szeptembere óta a Minerva Intézet kutatási igazgatója, ahol a mesterséges intelligencia kutatásmódszertani alkalmazásával, köztük AI-alapú telefonos adatfelvétellel foglalkozik. Rendszeres előadója a hazai szakmai konferenciáknak.
Meg tudja-e mondani egy nyelvi modell pusztán egy telefonos interjú leiratából, hogy nő vagy férfi válaszol? Az előadás egy kísérletet mutat be, amelyben három AI-CATI felmérés több mint hatezer válaszadójának szabad szavas válaszain egy LLM először a gendernyelvészeti szakirodalomra támaszkodott, majd a valós nemmel címkézett adatokból tanult. Mi bizonyult erősebbnek: a klasszikus elméletek a „női” és „férfi” beszédről, vagy az, amit a válaszadók az életükről elárulnak? Mennyire pontos egy ilyen becslés, és hol csúszik el? Mit tanul a gép a hibáiból, és mit tanulhat belőlük a kutató? Az előadás arról is szól, mire használható egy ilyen modell, mire nem, és miért marad nélkülözhetetlen a kutató szociológiai szeme.

LÁNCREAKCIÓ PODCAST FELVÉTEL
Pohly Ferenc, Körmendi György és vendégeik