Binäärinen luokittelu

Lähde: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Binäärinen luokittelu on tehtävä, jossa tekoälyjärjestelmä valitsee kahden luokan välillä. Esimerkkejä ovat roskaposti tai ei roskapostia, petos tai ei petosta, sairaus tai ei sairautta, hyväksy tai hylkää. Se kuulostaa yksinkertaiselta, mutta seuraukset voivat olla vakavia. Korkean panoksen tilanteissa meidän on ymmärrettävä paitsi vastaus myös luottamusaste, virheaste ja virheiden vaikutukset.

Musta laatikko

Kuva: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Musta laatikko -tyyppinen tekoälyjärjestelmä on sellainen, jonka sisäistä päättelyä ihmisten on vaikea ymmärtää. Monet nykyaikaiset tekoälymallit ovat tehokkaita, mutta niitä ei ole helppo selittää. Tämä aiheuttaa ongelmia esimerkiksi terveydenhuollon, rahoitusalan ja oikeuden aloilla, joissa ihmisten saattaa olla tarpeen tietää, miksi päätös on tehty. Musta laatikko -järjestelmät voivat olla hyödyllisiä, mutta ne vaativat huolellista testausta ja valvontaa.

BLEU-pisteet

Kuva: Toimitettu kuva; Tekijä: Stephen Whitelaw;

BLEU on pisteytys, jota on perinteisesti käytetty koneellisen käännöksen arviointiin. Siinä verrataan tekoälyn tuottamaa käännöstä yhteen tai useampaan ihmisen tekemään käännökseen. Korkeampi BLEU-pisteet tarkoittaa yleensä, että koneellinen käännös on lähempänä vertailutekstiä. Kuten monet muutkin mittarit, se on kuitenkin epätäydellinen. Käännös voi saada hyvän pisteytyksen, mutta kuulostaa silti luonnottomalta, tai saada huonon pisteytyksen, vaikka se olisi ihmislukijan mielestä hyväksyttävä.

Botti

Kuva: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Botti on ohjelmisto, joka suorittaa automatisoituja tehtäviä. Jotkut botit ovat yksinkertaisia, kuten ne, jotka lähettävät muistutuksia tai vastaavat asiakaspalvelun peruskysymyksiin. Tekoälypohjaiset botit ovat joustavampia ja pystyvät ymmärtämään luonnollista kieltä. Botit voivat olla hyödyllisiä, mutta niitä voidaan käyttää myös roskapostin lähettämiseen, huijauksiin, väärän tiedon levittämiseen tai väärennettyyn toimintaan sosiaalisessa mediassa.

Rajaava laatikko

Kuva: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Rajaava laatikko on kuvan kohteen ympärille piirretty suorakulmio, jonka avulla tekoälyjärjestelmä voi oppia tunnistamaan kohteen. Esimerkiksi liikennekuvassa laatikot voidaan piirtää autojen, jalankulkijoiden, polkupyörien ja liikennemerkkien ympärille. Rajaavia laatikoita käytetään yleisesti tietokonenäössä. Ne osoittavat tekoälylle paitsi sen, mitä kuvassa on, myös sen, missä se sijaitsee.

BPE — Byte Pair Encoding

Lähde: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Byte Pair Encoding eli BPE on menetelmä, jolla teksti jaetaan pienempiin yksiköihin, joita kutsutaan tokeneiksi. Nämä tokenit voivat olla kokonaisia sanoja, sanojen osia tai merkkejä. Kielimallit eivät yleensä lue tekstiä täsmälleen samalla tavalla kuin ihmiset, vaan ne käsittelevät tokeneita. Tokenisointi vaikuttaa kustannuksiin, nopeuteen ja siihen, kuinka hyvin malli käsittelee epätavallisia sanoja, nimiä tai kieliä.

Boosting

Lähde: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Boosting on koneoppimistekniikka, jossa yhdistetään useita heikompia malleja vahvemman mallin luomiseksi. Jokainen uusi malli keskittyy entistä enemmän aiempien mallien tekemiin virheisiin. Ajan myötä yhdistetty järjestelmä muuttuu tarkemmaksi. Boostingia käytetään laajalti strukturoitujen tietojen ongelmissa, kuten riskien pisteytyksessä, ennustamisessa ja luokittelussa.

Liiketoimintatiedon hallinta

Kuva: Toimitettu kuva; Tekijä: Stephen Whitelaw;

Liiketoimintatiedon hallinta hyödyntää dataa auttaakseen organisaatioita ymmärtämään suorituskykyään ja tekemään päätöksiä. Perinteiseen liiketoimintatiedon hallintaan kuuluu usein hallintapaneeleita ja raportteja. Tekoäly voi parantaa liiketoimintatiedon hallintaa löytämällä malleja, tuottamalla ennusteita, tiivistämällä trendejä ja ehdottamalla toimia. Tekoälyn tuottamat liiketoimintatiedot vaativat kuitenkin edelleen ihmisen harkintaa ja alan tuntemusta.