Hírek
A humán, mérnöki és mélytanulás összehasonlító fogalmi elemzése: egy háromszintű interpretációs keret vázlata
SZAMOSI BARNA mesteroktató, Edutus Egyetem, Műszaki Intézet
e-mail: szamosi.barna@edutus.hu
JUHÁSZ BÁLINT alapszakos mechatronikai mérnök hallgató, Edutus Egyetem
e-mail: juhasz.babo@gmail.com
Megjelent a 2026. ACTA PERIODICA XXXVII. kötetében (ISSN 2063-501X) az Edutus Egyetem különkiadásában a 28-38. oldalon.
DOI: 10.47273/AP.2026.37.28-38
Absztrakt
A tanulmány a humán tanulás és a mesterséges intelligencia (MI) mélytanulási folyamatai közötti fogalmi és működéselméleti különbségeket vizsgálja mérnöki és kognitív tudományi megközelítésben. A kiindulópont szerint a „tanulás” fogalma eltérő jelentéstartományban értelmezhető biológiai és mesterséges rendszerek esetében, mivel míg az emberi tanulás jelentésvezérelt, kontextus függő és kognitív struktúrákba ágyazott folyamat, addig a mélytanulás statisztikai optimalizációként értelmezhető, amely célfüggvény-alapú paraméterhangoláson keresztül valósul meg. A dolgozat áttekinti a kogníció alapvető komponenseit, valamint bemutatja a gépi tanulás és a mély neurális hálózatok működési elveit. Az elemzés rámutat, hogy bár strukturális analógiák azonosíthatók a két rendszer között, azok ontológiai és episztemológiai alapjai lényegileg eltérnek. A tanulmány célja a fogalmi tisztázás elősegítése, valamint egy olyan értelmezési keret kialakítása, amely támogatja az emberi és mesterséges tanulórendszerek közötti különbségek pontosabb tudományos leírását.
Kulcsszavak: humán tanulás, mélytanulás, kogníció, gépi tanulás, mesterséges intelligencia, fogalmi elemzés
Abstract
This paper examines the conceptual and functional differences between human learning and deep learning in artificial intelligence (AI) from an engineering and cognitive science perspective. The study is based on the assumption that the concept of “learning” operates at fundamentally different semantic levels in biological and artificial systems. Human learning is characterized as a meaning-driven, context-dependent, and cognitively embedded process, whereas deep learning can be interpreted as a form of statistical optimization implemented through objective-function-based parameter adjustment. The paper reviews the core components of cognition and outlines the operational principles of machine learning and deep neural networks. The analysis highlights that although structural analogies can be identified between the two systems, their ontological and epistemological foundations differ significantly. The aim of the study is to contribute to conceptual clarification and to provide a framework that enables a more precise scientific description of the distinctions between human and artificial learning systems.
Keywords: human learning, deep learning, cognition, machine learning, artificial intelligence, conceptual analysis
