Federované učení je přístup k trénování, při němž se model AI učí napříč mnoha zařízeními nebo místy, aniž by surová data opustila jejich původní umístění. Každý účastník trénuje lokálně a na centrální server posílá jen aktualizace modelu, které server spojí. Chrání to soukromí a hodí se například pro nemocnice, které chtějí společně zlepšit diagnostický model, nebo pro klávesnice chytrých telefonů, které se učí návrhy slov.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoPředpisy na ochranu osobních údajů jsou právní pravidla pro nakládání s osobními údaji. V EU je klíčovým rámcem obecné nařízení o ochraně osobních údajů (GDPR); vyžaduje mimo jiné právní základ pro každé zpracování, minimalizaci údajů, transparentnost vůči subjektům údajů a smlouvy o zpracování osobních údajů s poskytovateli služeb. Při použití AI musí organizace objasnit, jaká data končí ve vstupech, zdrojích znalostí a protokolech a kde se zpracovávají.
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.
Strojové učení je odvětví umělé inteligence, v němž počítače odvozují vzorce z dat, místo aby měly každé pravidlo explicitně naprogramované. Podle úlohy se modely učí z označených příkladů (s učitelem), z neoznačených dat (bez učitele) nebo prostřednictvím odměn (zpětnovazební učení). Aplikace sahají od filtrů spamu a předpovědí poptávky po doporučování produktů. Kvalita výrazně závisí na množství a kvalitě trénovacích dat.
Syntetická 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.
