AI hallucináció: hogyan ismerd fel és védekezz ellene

Frissítve: 2026. szeptember 28. Pontosítottuk az ismételt kérdezés, a RAG, a hőmérséklet (temperature) és a „nem tudom” válasz leírását, a könyves példát kitaláltként jelöltük, és kivettük a mérés nélküli hatásígéreteket.

Egy ismerősöm a múlt héten egy ügyfélnek küldött ajánlatba beírt egy statisztikát, amit a ChatGPT adott neki. Pontos szám, hivatkozott forrással, meggyőző mondat. A baj csak az volt, hogy a forrás nem létezett. A szám sem. Az ügyfél rákeresett, és nem találta. Kínos helyzet, és teljesen elkerülhető lett volna.

Ez az AI hallucináció. A nyelvi modelleknél ez mindennapos viselkedés. És ha komolyan használod a ChatGPT-t, a Claude-ot vagy a Geminit a munkádban, akkor előbb-utóbb belefutsz. A fő kérdés az, hogy felismered-e időben az ilyen helyzeteket.

Ebben a cikkben először egyszerűen elmagyarázom, mi a hallucináció és miért történik, méghozzá úgy, hogy egy technikai háttér nélküli olvasó is megértse. Utána hét konkrét, azonnal alkalmazható technikát kapsz, amivel kiszűrheted a kitalált válaszokat. Csupa olyan gyakorlati lépés következik, amit a saját gépeden ma este azonnal kipróbálhatsz.

---

Mi az AI hallucináció valójában?

Az AI hallucináció az, amikor a nyelvi modell magabiztosan állít valamit, ami egyszerűen nem igaz. Kitalál egy adatot, megnevez egy nem létező könyvet, idéz egy tanulmányt, amit soha senki nem írt, vagy összekever két valós dolgot egy harmadik, hamis állítássá.

A legveszélyesebb tulajdonsága, hogy ugyanúgy hangzik, mint a helyes válasz. Nincs benne bizonytalanság, nincs benne habozás. A modell ugyanazzal a magabiztossággal mondja a kitalált választ, mint a valódit. Pont ettől csúszik át a figyelmeden.

A hallucináció lényege, hogy az AI nem tudja a különbséget aközött, amit tényként kezel, és amit éppen akkor talál ki. Számára mindkettő ugyanúgy néz ki.

Fontos elkülöníteni két dolgot. A klasszikus hallucináció az, amikor az AI olyasmiről nyilatkozik magabiztosan, ami a valóságban nem igaz. A másik eset, amikor egyszerűen elavult információt ad, mert a betanítása egy adott időpontban véget ért. A kettő különböző probléma, de a felhasználó számára egyformán félrevezető lehet.

Miért hallucinál az AI? A működés egyszerű magyarázata

Ahhoz, hogy védekezni tudj ellene, érdemes megérteni, miért történik. És itt jön a legtöbb félreértés: a legtöbben azt hiszik, hogy a ChatGPT egy hatalmas adatbázisban keres, mint a Google. Pedig nem így működik.

A nyelvi modell egy nagyon kifinomult előrejelző rendszer. Amikor felteszel egy kérdést, a modell tokenenként építi fel a legvalószínűbb folytatást. A token lehet egyetlen karakter, szórészlet, teljes szó vagy írásjel is. Megnézi, mit írtál, kiszámolja, hogy a betanítása alapján mi következik a legnagyobb eséllyel, aztán ugyanezt csinálja újra és újra, amíg ki nem alakul egy egész válasz.

Gondolj rá úgy, mint a telefonod szövegjavítójára, csak sokkal okosabb változatban. A szövegjavító is azt találgatja, mi lesz a következő szó. A nyelvi modell hasonló elven dolgozik, és ezekből a kisebb egységekből, tokenről tokenre haladva építi fel a teljes, koherens gondolatmenetet.

Ebből következik a lényeg: ha a kérdésedre nincs egyértelmű, gyakran ismételt minta a betanításában, a modell akkor is megírja a legvalószínűbbnek tűnő választ. Előfordul, hogy kérés nélkül is jelzi a bizonytalanságát, de a betanítás és a legtöbb értékelés a találgatást jutalmazza, ezért gyakran inkább generál egy hihetőnek tűnő választ. A hallucináció tehát a működés természetes velejárója.

Ha mélyebben érdekel, hogyan jósol szavakat a modell, és hogyan tudod ezt a tudást a saját javadra fordítani, érdemes elolvasni a haladó promptolási technikákról szóló cikkünket, ahol a szerepkör-adás és az iteratív pontosítás konkrét példáit is megtalálod.

---

Hogyan néz ki egy hallucináció a gyakorlatban?

Nézzünk egy kitalált, de jellegzetes példát. Tegyük fel, megkérdezed a ChatGPT-t egy magyar marketing témájú könyvről, amit szeretnél elolvasni. Ez lehet a válasz:

„Ajánlom Kovács Péter A digitális vásárló pszichológiája című könyvét (HVG Könyvek, 2021), amely részletesen tárgyalja a magyar e-kereskedelmi szokásokat. A 4. fejezet különösen hasznos a konverzióoptimalizálásban.”

A válasz tökéletesen hangzik. Van benne szerző, cím, kiadó, évszám, sőt még fejezetszám is. Pontosan így néz ki egy valódi könyvajánló. A probléma? Ezt a példában szereplő könyvet mi találtuk ki, de egy AI is ajánlhat hasonlót. Ha ilyet látsz, ellenőrizd a kiadó honlapján vagy egy könyvtári katalógusban a létezését. Egy AI ugyanígy rak össze egy hihető magyar nevet, egy valós kiadót és egy életszerű címet, és kész is a hallucináció.

A figyelmeztető jelek általában ezek: nagyon konkrét, de ellenőrizhetetlen részletek, kerek számok pontos forrással, idézetek pontos oldalszámmal, olyan nevek és linkek, amelyek elsőre ismerősnek tűnnek. Minél specifikusabb és magabiztosabb egy állítás anélkül, hogy te meg tudnád erősíteni, annál nagyobb a gyanú oka.

---

7 technika az AI hallucináció felismerésére és kiszűrésére

Most jön a gyakorlati rész. Az alábbi hét technika nem bonyolult, és nem igényel semmilyen technikai tudást. Egyenként is használhatóak, de együtt a legerősebbek. A lényeg, hogy az első választ se fogadd el vakon: építs be néhány ellenőrző reflexet a munkafolyamatodba.

1. Kérj mindig forrást, és ellenőrizd is

A legegyszerűbb és leghatékonyabb technika. Ha az AI állít valamit, kérdezd vissza: honnan tudod ezt, és add meg a pontos forrást. A webes keresést használó modellek is adhatnak hiányos, elavult vagy hibás hivatkozásokat. Ezért nyisd meg a linket, és nézd meg, a hivatkozott oldal valóban azt állítja-e, méghozzá a megfelelő dátummal.

A kulcs az utolsó lépés: a forrást neked kell megnyitnod. Ne elégedj meg azzal, hogy a modell megnevezett egy linket. A kitalált forrás is meggyőzően hangzik. Kattints rá, és nézd meg, hogy valóban azt írja-e, amit a modell állít.

2. Engedélyezd a promptban a „nem tudom” választ

Ez talán a legalulértékeltebb trükk. Bár a modellek maguktól is mondhatják, hogy nem tudják, érdemes kifejezetten engedélyt adnod erre. Tedd a promptod végére ezt:

„Ha nem vagy biztos egy adatban, vagy nincs megbízható információd, írd azt, hogy nem tudom. Inkább mondd, hogy nincs adatod, mint hogy kitalálj valamit.”

Érdemes kipróbálnod, mert sokszor segít az eredményen. Egy egyszerű mondattal jelzed a modellnek, hogy a bizonytalanság beismerése is elfogadható válasz.

3. Gyanakodj a túl konkrét számokra

Amikor az AI pontos százalékot, összeget, dátumot vagy statisztikát ad, kapcsold be a gyanút. A számok azok, amiket a modell a legkönnyebben kitalál, mert egy hihető számot mindig könnyű generálni. A „a felhasználók 73%-a” típusú állítások különösen veszélyesek, mert pontosnak hatnak.

Van egy egyszerű teszt: kérdezd meg ugyanazt kétszer, kicsit másképp fogalmazva. Ha a szám változik a két válasz között, az figyelmeztető jel. Ugyanakkor a modell egy hamis választ is adhat következetesen, így az egyezés önmagában kevés. A számoknál mindig az eredeti forrást, a vizsgált időszakot és a pontos meghatározást kell ellenőrizned.

4. Adj kontextust: a saját dokumentumod a legjobb forrás

A leghatékonyabb védekezés az, ha nem hagyod a modellt a saját emlékeire támaszkodni. Ehelyett bemásolod neki a forrásanyagot, és csak abból kéred a választ. Ezzel kontextust adsz a modellnek; a nagyobb rendszerek ugyanezt egy automatikus visszakeresővel teszik, ez a RAG. A megadott szöveg sokat segít, de a modellek még ilyenkor is beemelhetnek alá nem támasztott részleteket. Kérd meg az AI-t, hogy minden állításánál pontosan jelölje meg, a szöveged melyik részére támaszkodik, és ezt ellenőrizd vissza.

A gyakorlatban ez így néz ki: bemásolod a tanulmányt, a szerződést, a termékleírásodat, majd hozzáteszed, hogy „kizárólag a fenti szöveg alapján válaszolj, ne használj külső tudást”. Ezzel a modell mozgásterét leszűkíted arra, amit te ellenőriztél. Erről a megközelítésről, a memóriáról és a kontextus okos kezeléséről részletesen írtunk a context engineeringről szóló cikkünkben.

Mielőtt bármilyen érzékeny dokumentumot bemásolnál egy AI-ba, érdemes átgondolni, mit szabad feltölteni és mit nem. Erről a GDPR és biztonságos AI-használat útmutatónkban találsz konkrét listát.

5. Keresztellenőrzés: kérdezz rá egy másik eszközből

Ha egy állítás fontos, kérj megerősítést egy másik eszköztől is. Ha a ChatGPT mondott valamit, ellenőrizd Claude-ban vagy Geminiben. A modellek közötti összevetés segít a gyanús válaszok kiszűrésében, de a teljes egyezés sem bizonyítja önmagában az állítást. A kritikus adatoknál mindig keresd meg az eredeti forrást.

Ez különösen igaz a tényszerű, ellenőrizhető kérdésekre. A modellek közötti különbségekről és arról, hogy melyiket mire érdemes használni, részletes összehasonlítást írtunk a Claude vs ChatGPT cikkünkben. A keresztellenőrzés mellett pedig egy klasszikus, nem AI-alapú keresés is sokat ér, erről a AI keresés és Google keresés összevetésében olvashatsz.

6. Figyelj a dátum-érzékeny témákra

A nyelvi modelleknek van egy úgynevezett tudáshatáruk: egy időpont, ameddig a betanításuk tart. Ami azután történt, arról a modell vagy nem tud, vagy ami rosszabb, kitalál valamit a hiány pótlására. Friss eseményeknél, aktuális áraknál, új termékeknél, jogszabályoknál ezért fokozottan óvatosnak kell lenni.

Gyakorlati szabály: ha a kérdésed bármilyen módon az elmúlt hónapokra vonatkozik, vagy folyamatosan változó adatra (árfolyam, törvény, verziószám), akkor vagy webes keresést használó módot válassz, vagy egyszerűen ne az AI-ban keresd a választ. Ez az a terület, ahol a hallucináció a leggyakoribb és a legnehezebben észrevehető.

7. Kérj tényszerű, forrásra épülő választ

A fejlesztői felületeken beállítható a modell válaszainak véletlenszerűsége, amit hőmérsékletnek (temperature) hívnak. Bár az alacsonyabb érték fókuszáltabb kimenetet ad, ez a beállítás önmagában nem teszi igazzá a választ. A webes felületeken jellemzően amúgy sincs ilyen csúszka, és a modellek működése is eltér: a Gemini 3 esetében például kifejezetten az alapérték megtartása javasolt a gyengébb teljesítmény elkerülésére.

A webes felületen a prompttal irányíthatod. Írd oda: „Tényszerűen, pontosan válaszolj, kreatív megfogalmazás nélkül. Csak megerősített információt adj, és jelöld a forrást.” Ez nem garancia, de segít, és a forrást így könnyebb ellenőrizni. Kreatív íráshoz fordítva, ott a szabadabb megfogalmazás a hasznos.

---

A hét technika egy táblázatban

Az alábbi összefoglaló segít gyorsan eldönteni, melyik technikát mikor vesd be. Nem kell mindet mindig használni, a kockázat súlyosságához igazítsd.

#	Technika	Mikor használd	Erőfeszítés
1	Forráskérés és ellenőrzés	Minden tényszerű állításnál	Alacsony
2	„Nem tudom” engedélyezése	Mindig, a promptban	Nagyon alacsony
3	Számok gyanúja	Statisztika, ár, dátum esetén	Alacsony
4	Saját dokumentum megadása, visszakereshető állításokkal	Dokumentum-alapú munkánál	Közepes
5	Keresztellenőrzés	Fontos, kockázatos állításnál	Közepes
6	Dátum-érzékenység	Friss vagy változó adatnál	Alacsony
7	Tényszerű, forrásra épülő válasz kérése	Tényfeladatoknál; kreatív írásnál szabadabb lehet	Alacsony

---

Mikor számít igazán, és mikor engedhető meg?

Nem minden feladatnál egyformán fontos a hallucináció elleni védekezés. Ha az AI-jal ötletelsz, szabad asszociációkat gyűjtesz, vagy egy szöveg stílusát csiszolod, akkor egy-egy pontatlanság nem katasztrófa, sőt a kreatív szabadság hasznos is lehet. Nyugodtan engedheted a modellt asszociálni.

Egészen más a helyzet, ha tényekkel dolgozol: ügyfélnek küldött ajánlat, jogi vagy egészségügyi információ, pénzügyi adat, idézet egy publikációhoz, statisztika egy prezentációba. Ezeknél a hallucináció kifejezetten komoly következményekkel járhat. Nincs kompromisszum: minden tényszerű állítást ellenőrizni kell.

Egy egyszerű szabály, ami sokat segít: ha az állítást a nevedhez kötve továbbadod valaki másnak, akkor ellenőrizd. Ha csak magadnak ötletelsz, lazíthatsz.

A szkepticizmus itt kifejezetten nagy előny. Aki eleve gyanakvással áll hozzá az AI válaszaihoz, az ritkábban ég be. A cél az okos használat: élvezed a sebességét, miközben a végső felelősséget magadnál tartod.

Töltsd le az ingyenes AI prompt csomagunkat →

Mit jegyezz meg a végére?

Az AI hallucináció nem egy múló gyerekbetegség, amit a következő modell majd megold. A nyelvi modellek működésének része, és az is marad. A jó hír, hogy nem kell tökéletes rendszert várnod ahhoz, hogy biztonságosan használd. Elég néhány jó reflex.

A hét technika egyszerű: kérj forrást és ellenőrizd ténylegesen, engedd meg a modellnek, hogy bevallja ha nem tud valamit, gyanakodj a túl szép számokra. Ha fontos döntés múlik rajta, adj kontextust, kérdezz rá egy másik eszközből, és friss témáknál ne bízz a modell emlékezetében. Tényfeladatnál kérj tényszerű, forrásra épülő választ, és az eredményt mindig ellenőrizd.

Egyik sem bonyolult, és együtt jóval kevesebb esélyt hagynak egy kitalált adatnak. Az AI így marad az, aminek lennie kell: gyors, hasznos segéd, amelynek a kimenetéért te felelsz, nem ő.