Binární klasifikace

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Binární klasifikace je úkol, při kterém systém umělé inteligence vybírá mezi dvěma kategoriemi. Mezi příklady patří spam nebo ne-spam, podvod nebo ne-podvod, nemoc nebo žádná nemoc, schválit nebo zamítnout. Zní to jednoduše, ale důsledky mohou být závažné. V situacích s vysokými sázkami musíme rozumět nejen odpovědi, ale také míře spolehlivosti, chybovosti a dopadu chyb.

Černá skříňka

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Systém umělé inteligence typu „černá skříňka“ je takový, jehož vnitřní uvažování je pro člověka obtížně pochopitelné. Mnoho moderních modelů umělé inteligence je výkonných, ale není snadné je vysvětlit. To představuje problém v oblastech, jako je zdravotnictví, finance a právo, kde lidé mohou potřebovat vědět, proč bylo určité rozhodnutí učiněno. Systémy typu „černá skříňka“ mohou být užitečné, ale vyžadují pečlivé testování a dohled.

Skóre BLEU

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

BLEU je skóre tradičně používané k hodnocení strojového překladu. Porovnává překlad vygenerovaný umělou inteligencí s jedním nebo více lidskými překlady. Vyšší skóre BLEU obvykle znamená, že strojový překlad je blíže referenčnímu textu. Stejně jako mnoho jiných metrik však není dokonalé. Překlad může dosáhnout dobrého skóre, ale přesto znít nepřirozeně, nebo naopak dosáhnout špatného skóre, a přesto být pro lidského čtenáře přijatelný.

Bot

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Bot je softwarový program, který provádí automatizované úkoly. Některé boty jsou jednoduché, například ty, které zasílají upomínky nebo odpovídají na základní dotazy zákazníků. Boty poháněné umělou inteligencí jsou flexibilnější a dokážou rozumět přirozenému jazyku. Boty mohou být užitečné, ale mohou být také zneužity ke spamu, podvodům, šíření dezinformací nebo falešné aktivitě na sociálních médiích.

Ohraničující rámeček

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Ohraničující obdélník je obdélník nakreslený kolem objektu na obrázku, aby se systém umělé inteligence mohl naučit tento objekt rozpoznávat. Například na snímku z dopravní situace mohou být obdélníky nakresleny kolem automobilů, chodců, jízdních kol a dopravních značek. Ohraničující obdélníky se běžně používají v počítačovém vidění. Ukazují umělé inteligenci nejen to, co se na obrázku nachází, ale také kde se to nachází.

BPE — kódování dvojic bajtů

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Byte Pair Encoding (kódování dvojic bajtů), zkráceně BPE, je metoda používaná k rozdělení textu na menší jednotky zvané tokeny. Tyto tokeny mohou být celá slova, části slov nebo znaky. Jazykové modely obvykle nečtou text přesně tak, jak to dělají lidé; zpracovávají tokeny. Tokenizace ovlivňuje náklady, rychlost a to, jak dobře model zvládá neobvyklá slova, jména nebo jazyky.

Boosting

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Boosting je technika strojového učení, která kombinuje mnoho slabších modelů za účelem vytvoření silnějšího modelu. Každý nový model se více zaměřuje na chyby, kterých se dopustily předchozí modely. V průběhu času se kombinovaný systém stává přesnější. Boosting se široce používá při řešení problémů se strukturovanými daty, jako je hodnocení rizik, prognózování a klasifikace.

Business Intelligence

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Business intelligence využívá data k tomu, aby pomohla organizacím porozumět výkonnosti a činit rozhodnutí. Tradiční business intelligence často zahrnuje dashboardy a reporty. Umělá inteligence může business intelligence vylepšit tím, že vyhledává vzorce, vytváří prognózy, shrnuje trendy a navrhuje opatření. Nicméně i poznatky generované umělou inteligencí stále vyžadují lidský úsudek a znalosti dané oblasti.