Nedostatak podataka javlja se kada nema dovoljno prikladnih ili označenih podataka da bi se model za UI zadatak pouzdano trenirao ili testirao. Pogađa, primjerice, rijetke vrste kvarova u proizvodnji, rijetke jezike ili nove proizvode bez povijesti prodaje. Rješenja uključuju prijenosno učenje, sintetičke podatke, augmentaciju podataka ili unaprijed trenirane jezične modele koji daju upotrebljive rezultate već s nekoliko primjera.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoSintetički podaci generiraju se umjetno, a ne prikupljaju u stvarnom svijetu, ali oponašaju uzorke i svojstva stvarnih podataka. Pomažu kada su pravi podaci rijetki, skupi ili osjetljivi s gledišta zaštite podataka – primjerice za testiranje softvera, treniranje modela ili provjeru chatbota realističnim primjerima upita. Važno je da dovoljno vjerno odražavaju stvarnost i da ne omogućuju zaključivanje o stvarnim osobama.
Kod prijenosa učenja (transfer learning) model koji je već naučio veliki opći zadatak služi kao polazište za novi, specijalizirani zadatak. Umjesto da se kreće od nule, prilagođava se, primjerice finim podešavanjem, uz razmjerno malo vlastitih podataka. To štedi računalno vrijeme i podatke, primjerice kada opći model slika treba naučiti uočavati proizvodne greške na fotografijama.
Učenje s nekoliko primjera (few-shot learning) sposobnost je modela da riješi zadatak na temelju samo šačice primjera. Kod jezičnih modela to se obično događa izravno u unosu: pokažete dva ili tri para pitanja i željenog odgovora, a model isti format i stil primjenjuje na nove slučajeve – bez ponovnog treniranja. Primjer: tri ispravno kategorizirana upita klijenata često su dovoljna da se i daljnji upiti razvrstaju na isti način.
Podaci za učenje su primjeri iz kojih UI model uči uzorke: velike zbirke tekstova za jezične modele, označene slike za modele slika. Njihova kvaliteta, raznolikost i aktualnost uvelike određuju koliko će model biti pouzdan i pošten te koliko će njegovo znanje biti ažurno. Organizacijama je važno i koristi li pružatelj podatke klijenata koje unesu za daljnje treniranje.
