Klasyfikacja binarna

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

Klasyfikacja binarna to zadanie, w którym system sztucznej inteligencji dokonuje wyboru między dwiema kategoriami. Przykłady obejmują: spam lub nie spam, oszustwo lub nie oszustwo, choroba lub brak choroby, zatwierdzenie lub odrzucenie. Brzmi to prosto, ale konsekwencje mogą być poważne. W sytuacjach o wysokiej stawce musimy zrozumieć nie tylko samą odpowiedź, ale także poziom pewności, wskaźnik błędów oraz skutki popełnionych błędów.

Czarna skrzynka

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

System sztucznej inteligencji typu „czarna skrzynka” to taki, którego wewnętrzne rozumowanie jest trudne do zrozumienia dla ludzi. Wiele współczesnych modeli sztucznej inteligencji jest potężnych, ale niełatwo je wyjaśnić. Stwarza to problem w takich dziedzinach jak opieka zdrowotna, finanse i prawo, gdzie ludzie mogą potrzebować wiedzieć, dlaczego podjęto daną decyzję. Systemy typu „czarna skrzynka” mogą być przydatne, ale wymagają starannego testowania i nadzoru.

Wynik BLEU

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

BLEU to wskaźnik tradycyjnie stosowany do oceny tłumaczeń maszynowych. Porównuje on tłumaczenie wygenerowane przez sztuczną inteligencję z jednym lub kilkoma tłumaczeniami wykonanymi przez człowieka. Wyższy wynik BLEU zazwyczaj oznacza, że tłumaczenie maszynowe jest bliższe tekstowi referencyjnemu. Jednak, podobnie jak wiele innych wskaźników, nie jest on doskonały. Tłumaczenie może uzyskać dobry wynik, ale nadal brzmieć nienaturalnie, lub uzyskać słaby wynik, a mimo to być akceptowalne dla ludzkiego czytelnika.

Bot

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

Bot to program komputerowy, który wykonuje zautomatyzowane zadania. Niektóre boty są proste, na przykład te, które wysyłają przypomnienia lub odpowiadają na podstawowe pytania dotyczące obsługi klienta. Boty oparte na sztucznej inteligencji są bardziej elastyczne i potrafią rozumieć język naturalny. Boty mogą być pomocne, ale mogą też służyć do rozsyłania spamu, oszustw, dezinformacji lub fałszywej aktywności w mediach społecznościowych.

Prostokąt ograniczający

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

Prostokąt ograniczający to prostokąt narysowany wokół obiektu na obrazie, dzięki czemu system oparty na sztucznej inteligencji może nauczyć się go wykrywać. Na przykład na zdjęciu przedstawiającym ruch uliczny prostokąty mogą być narysowane wokół samochodów, pieszych, rowerów i znaków drogowych. Prostokąty ograniczające są powszechnie stosowane w wizji komputerowej. Pokazują one sztucznej inteligencji nie tylko to, co znajduje się na obrazie, ale także gdzie się to znajduje.

BPE — kodowanie par bajtów

Źródło: zdjęcie udostępnione; autor: Stephen Whitelaw;

Kodowanie par bajtów (Byte Pair Encoding, BPE) to metoda służąca do dzielenia tekstu na mniejsze jednostki zwane tokenami. Tokeny te mogą stanowić całe słowa, części słów lub znaki. Modele językowe zazwyczaj nie odczytują tekstu dokładnie tak samo jak ludzie; przetwarzają one tokeny. Tokenizacja wpływa na koszt, szybkość oraz to, jak dobrze model radzi sobie z nietypowymi słowami, nazwami lub językami.

Wzmocnienie

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

Boosting to technika uczenia maszynowego, która łączy wiele słabszych modeli w celu stworzenia jednego, silniejszego. Każdy nowy model skupia się w większym stopniu na błędach popełnionych przez poprzednie modele. Z czasem połączony system staje się coraz dokładniejszy. Boosting jest szeroko stosowany w zadaniach dotyczących danych ustrukturyzowanych, takich jak ocena ryzyka, prognozowanie i klasyfikacja.

Analityka biznesowa

Źródło: Zdjęcie udostępnione; Autor: Stephen Whitelaw;

Analityka biznesowa wykorzystuje dane, aby pomóc organizacjom zrozumieć wyniki i podejmować decyzje. Tradycyjna analityka biznesowa często obejmuje pulpity nawigacyjne i raporty. Sztuczna inteligencja może wzbogacić analitykę biznesową poprzez wykrywanie wzorców, tworzenie prognoz, podsumowywanie trendów i sugerowanie działań. Jednak wnioski biznesowe generowane przez sztuczną inteligencję nadal wymagają ludzkiej oceny i wiedzy branżowej.