Bináris osztályozás

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A bináris osztályozás olyan feladat, amelynek során egy mesterséges intelligencia rendszer két kategória közül választ. Példák erre: spam vagy nem spam, csalás vagy nem csalás, betegség vagy nincs betegség, jóváhagyás vagy elutasítás. Egyszerűnek tűnik, de a következmények súlyosak lehetnek. Kockázatos helyzetekben nemcsak a választ kell megértenünk, hanem a bizalmi szintet, a hibaarányt és a hibák hatását is.

Fekete doboz

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A fekete doboz típusú mesterséges intelligencia rendszer olyan rendszer, amelynek belső működését az emberek nehezen értik meg. Sok modern mesterséges intelligencia modell hatékony, de nem könnyen magyarázható. Ez problémát jelent olyan területeken, mint az egészségügy, a pénzügyek és a jog, ahol az embereknek szükségük lehet arra, hogy tudják, miért született egy adott döntés. A fekete doboz típusú rendszerek hasznosak lehetnek, de gondos tesztelést és felügyeletet igényelnek.

BLEU-pontszám

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A BLEU egy olyan pontszám, amelyet hagyományosan a gépi fordítás értékelésére használnak. Összehasonlítja a mesterséges intelligencia által generált fordítást egy vagy több emberi fordítással. A magasabb BLEU-pontszám általában azt jelenti, hogy a gépi fordítás közelebb áll a referencia-szöveghez. Ugyanakkor, mint sok más mérőszám, ez sem tökéletes. Előfordulhat, hogy egy fordítás jó pontszámot ér el, de mégis természetellenesen hangzik, vagy éppen alacsony pontszámot kap, miközben egy emberi olvasó számára elfogadható.

Bot

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A bot egy olyan szoftverprogram, amely automatizált feladatokat hajt végre. Vannak egyszerű botok, például olyanok, amelyek emlékeztetőket küldenek vagy alapvető ügyfélszolgálati kérdésekre válaszolnak. A mesterséges intelligenciával működő botok rugalmasabbak és képesek megérteni a természetes nyelvet. A botok hasznosak lehetnek, de felhasználhatók spamek, csalások, félrevezető információk vagy hamis közösségi média-tevékenységek céljára is.

Keret

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A határolókeret egy képben egy objektum köré rajzolt téglalap, amelynek segítségével a mesterséges intelligencia megtanulhatja felismerni azt. Például egy közlekedési képen kereteket rajzolhatnak autók, gyalogosok, kerékpárok és táblák köré. A határolókereteket gyakran használják a számítógépes látás területén. Ezek nem csupán azt mutatják meg a mesterséges intelligenciának, hogy mi látható a képen, hanem azt is, hogy hol található.

BPE – Bájtpár-kódolás

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A Byte Pair Encoding, vagyis a BPE egy olyan módszer, amellyel a szöveget kisebb egységekre, úgynevezett tokenekre bontják. Ezek a tokenek lehetnek teljes szavak, szavak részei vagy karakterek. A nyelvi modellek általában nem pontosan úgy olvassák a szöveget, ahogyan az emberek teszik; ők tokeneket dolgoznak fel. A tokenizálás hatással van a költségre, a sebességre, valamint arra, hogy a modell mennyire jól kezeli a szokatlan szavakat, neveket vagy nyelveket.

Boosting

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

A boosting egy gépi tanulási technika, amely számos gyengébb modellt egyesít egy erősebb modell létrehozása érdekében. Minden új modell nagyobb hangsúlyt fektet a korábbi modellek által elkövetett hibákra. Idővel a kombinált rendszer egyre pontosabbá válik. A boostingot széles körben alkalmazzák strukturált adatokkal kapcsolatos feladatokban, például kockázati értékelés, előrejelzés és osztályozás területén.

Üzleti intelligencia

Forrás: Beküldött kép; Szerző: Stephen Whitelaw;

Az üzleti intelligencia az adatokat használja fel arra, hogy segítse a szervezeteket a teljesítmény megértésében és a döntéshozatalban. A hagyományos üzleti intelligencia gyakran magában foglalja a műszerfalakat és a jelentéseket. A mesterséges intelligencia javíthatja az üzleti intelligenciát azáltal, hogy mintákat talál, előrejelzéseket készít, trendeket foglal össze és intézkedéseket javasol. Azonban a mesterséges intelligencia által generált üzleti betekintésekhez továbbra is szükség van emberi ítélőképességre és szakterületi ismeretekre.