Diskriminačné modely sa učia rozlišovať dátové body tak, že priamo určujú hranicu medzi triedami – odpovedajú na otázku „Do ktorej kategórie tento vstup patrí?“. Patria sem napríklad logistická regresia, metóda podporných vektorov a mnohé neurónové klasifikátory, napríklad na detekciu spamu. Generatívne modely naopak zachytávajú, ako vznikajú samotné údaje, a preto dokážu vytvárať nové príklady.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoGeneratívna AI označuje systémy AI, ktoré vytvárajú nový obsah – text, obrázky, zvuk, video alebo programový kód – namiesto toho, aby existujúce údaje len triedili alebo hodnotili. Vychádzajú z modelov, ktoré sa z veľkého množstva údajov učia vzorce a využívajú ich na tvorbu vierohodných nových výstupov. V podnikaní sa používa napríklad na návrhy e-mailov, zhrnutí, popisov produktov alebo nápadov na obrázky. Výsledky môžu obsahovať chyby a pred použitím by sa mali skontrolovať.
Logistická regresia je štatistická metóda, ktorá predpovedá pravdepodobnosť jedného z dvoch výsledkov, ako je „kúpi“ alebo „nekúpi“. Váhuje vstupné znaky a ich súčet pomocou funkcie v tvare písmena S prevedie na hodnotu medzi 0 a 1. Keďže váhy sa dajú ľahko interpretovať, široko sa používa v kreditnom skóringu, medicíne a marketingu, často ako solídny základ pre zložitejšie modely.
Klasifikátor je model alebo metóda, ktorá priraďuje vstupy do jednej z viacerých vopred určených kategórií. Klasické varianty, ako sú rozhodovacie stromy alebo naivný Bayes, sa trénujú na označených príkladoch; jazykové modely dokážu texty triediť aj na základe opisu kategórií. Typické použitie zahŕňa detekciu spamu, triedenie dopytov zákazníkov podľa tém a kategorizáciu dokladov. Kvalita sa meria metrikami, ako sú správnosť, presnosť a úplnosť.
Naive Bayes je rodina jednoduchých klasifikačných metód založených na Bayesovej vete. Nazývajú sa „naivné“, pretože predpokladajú, že všetky príznaky sú navzájom nezávislé, čo sa v praxi len zriedka naplní, no výsledky bývajú napriek tomu dobré. Metódy sú rýchle, potrebujú málo trénovacích dát a sú obzvlášť vhodné na texty. Klasickým príkladom je spamový filter, ktorý triedi e-maily podľa typických slov.
