Glossarju

Robustezza tal-mudell

X'inhu Robustezza tal-mudell?

Ir-robustezza tal-mudell tiddeskrivi kemm mudell tal-IA jaħdem b'mod affidabbli meta l-inputs ikunu storbjużi, mhux kompluti, mhux tas-soltu jew manipulati apposta. Mudell robust xorta jagħti riżultati stabbli, bħar-rikonoxximent ta' immaġini f'dawl ħażin jew mudell lingwistiku li jlaħħaq ma' żbalji tat-tipjar. Ir-robustezza tiġi evalwata permezz ta' ittestjar taħt stress, data tat-taħriġ diversa u testijiet kontra tentattivi deliberati ta' qerq, u hija partikolarment importanti f'applikazzjonijiet kritiċi għas-sigurtà.

Suġġetti

affidabbiltà
kwalità tal-mudell
sigurtà

Ipprova KI.ordo

Aġenti, flussi tax-xogħol u mudelli fi spazju tax-xogħol wieħed – demo b'xejn għal 24 siegħa.

Ibda d-demo

← It-termini kollha

Termini relatati

Tagħlim awtomatiku avversarju

It-tagħlim awtomatiku avversarju jistudja kif il-mudelli tal-IA jistgħu jiġu qarrqu b'inputs jew data tat-taħriġ immanipulati apposta – u kif jistgħu jiġu protetti. Eżempji magħrufa huma bidliet fl-immaġini li bilkemm jidhru iżda li jaqilbu klassifikazzjoni, jew data tat-taħriġ avvelenata. Is-suġġett huwa importanti għall-organizzazzjonijiet hekk kif l-IA tibda tappoġġa deċiżjonijiet rilevanti għas-sigurtà. Il-kontromiżuri jinkludu taħriġ robust, verifiki tal-input, monitoraġġ u ttestjar regolari tas-sigurtà.

Sigurtà tal-IA
Robustezza
+1

Drift tal-mudell

Id-drift tal-mudell huwa t-tnaqqis gradwali fil-kwalità tat-tbassir ta' mudell waqt it-tħaddim, minħabba li r-realtà tinbidel meta mqabbla mad-data tat-taħriġ. Issir distinzjoni bejn bidliet fid-data tal-input (data drift) u bidliet fir-relazzjoni bejn l-inputs u r-riżultati (concept drift). Eżempju: mudell għall-identifikazzjoni tal-frodi ma jinnutax skemi ġodda ta' frodi. Ir-rimedji jinkludu monitoraġġ kontinwu tal-metriċi u taħriġ mill-ġdid regolari.

MLOps
kwalità tal-mudell
+1

Żball ta' ġeneralizzazzjoni

Iż-żball ta' ġeneralizzazzjoni jkejjel kemm mudell tal-IA jiżbalja fuq data ġdida li qatt ma ra – għall-kuntrarju taż-żball tiegħu fuq id-data tat-taħriġ. Differenza kbira bejn it-tnejn tindika overfitting: il-mudell ħaffeż l-eżempji bl-amment minflok ma tgħallem mudelli ġenerali. Jiġi stmat bl-użu ta' data tat-test miżmuma 'l bogħod jew validazzjoni inkroċjata. Hija ċ-ċifra li tassew tgħodd, għax fil-prattika mudell kważi jiltaqa' biss ma' każijiet ġodda.

Tagħlim awtomatiku
Evalwazzjoni tal-mudelli
+1

Overfitting

L-overfitting iseħħ meta mudell jimmemorizza d-data tat-taħriġ, inklużi l-partikolaritajiet każwali u l-istorbju, minflok ma jaqbad mudelli validi b'mod ġenerali. Imbagħad jidher eżatt ħafna fuq data familjari iżda jaħdem ħażin fuq data ġdida. Differenza kbira bejn l-iżball tat-taħriġ u dak tat-test hija sinjal tipiku. Il-kontromiżuri jinkludu aktar data jew data aktar varjata, mudelli aktar sempliċi, regolarizzazzjoni, dropout u validazzjoni inkrokjata.

kwalità tal-mudell
taħriġ
+1