O nedostatek dat jde tehdy, když pro úlohu s AI chybí dostatek vhodných nebo označených dat k spolehlivému trénování či testování modelu. Týká se to například vzácných typů vad ve výrobě, okrajových jazyků nebo nových produktů bez historie prodeje. Řešením jsou transfer learning, syntetická data, augmentace dat nebo předtrénované jazykové modely, které dávají použitelné výsledky už z několika příkladů.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoSyntetická data se vytvářejí uměle, nikoli sběrem v reálném světě, ale napodobují vzory a vlastnosti skutečných dat. Pomáhají, když jsou skutečná data vzácná, drahá nebo citlivá z hlediska ochrany osobních údajů – například při testování softwaru, trénování modelů nebo ověřování chatbota na realistických ukázkových dotazech. Důležité je, aby věrně odrážela realitu a neumožňovala vyvozovat závěry o skutečných lidech.
Při transferovém učení slouží jako výchozí bod pro nový, specializovaný model model, který se již naučil rozsáhlý obecný úkol. Místo začínání od nuly se přizpůsobí, například dolaďováním, s použitím poměrně malého množství vlastních dat. Šetří to výpočetní čas i data, například když se obecný obrazový model má naučit odhalovat výrobní vady na fotografiích.
Few-shot learning je schopnost modelu vyřešit úlohu jen z hrstky příkladů. U jazykových modelů se to obvykle děje přímo ve vstupu: ukážete dva nebo tři páry otázky a požadované odpovědi a model použije stejný formát a styl na nové případy – bez dalšího trénování. Příklad: tři správně zařazené zákaznické dotazy často stačí k tomu, aby se další dotazy třídily stejným způsobem.
Trénovací data jsou příklady, z nichž se AI model učí vzory: rozsáhlé sbírky textů pro jazykové modely, označené obrázky pro obrazové modely. Jejich kvalita, rozmanitost a aktuálnost do značné míry určují, jak spolehlivý a spravedlivý model je a jak aktuální budou jeho znalosti. Pro organizace je také důležité, zda poskytovatel používá k dalšímu trénování zákaznická data, která do systému zadají.
