Federatívne učenie je prístup k trénovaniu, pri ktorom sa model AI učí naprieč mnohými zariadeniami alebo lokalitami bez toho, aby surové údaje niekedy opustili tieto miesta. Každý účastník trénuje lokálne a posiela centrálnemu serveru len aktualizácie modelu, ktorý ich spojí. Chráni to súkromie a hodí sa napríklad pre nemocnice, ktoré chcú spoločne zlepšiť diagnostický model, alebo pre klávesnice smartfónov, ktoré sa učia návrhy slov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoPredpisy o ochrane údajov sú právne pravidlá upravujúce nakladanie s osobnými údajmi. V EÚ je kľúčovým rámcom Všeobecné nariadenie o ochrane údajov (GDPR); okrem iného vyžaduje právny základ pre každé spracúvanie, minimalizáciu údajov, transparentnosť voči dotknutým osobám a zmluvy o spracúvaní osobných údajov s poskytovateľmi služieb. Pri používaní AI musia organizácie objasniť, aké údaje sa dostanú do vstupov, zdrojov znalostí a protokolov a kde sa spracúvajú.
Trénovacie dáta sú príklady, z ktorých sa model AI učí vzory: rozsiahle zbierky textov pre jazykové modely, označené obrázky pre obrazové modely. Ich kvalita, rozmanitosť a aktuálnosť vo veľkej miere určujú, nakoľko je model spoľahlivý a férový a nakoľko aktuálne budú jeho znalosti. Pre organizácie je dôležité aj to, či poskytovateľ používa zadané zákaznícke dáta na ďalšie trénovanie.
Strojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.
Syntetické dáta sa generujú umelo, a nie zhromažďujú v reálnom svete, ale napodobňujú vzory a vlastnosti skutočných dát. Pomáhajú, keď sú skutočné dáta vzácne, drahé alebo citlivé z hľadiska ochrany údajov – napríklad pri testovaní softvéru, trénovaní modelov alebo kontrole chatbota pomocou realistických vzorových dopytov. Dôležité je, aby dostatočne verne odrážali realitu a neumožňovali závery o skutočných osobách.
