Kolaps modela je izguba kakovosti, ki lahko nastane, ko generativne modele ponavljajoče učimo na podatkih, ki jih je sama ustvarila umetna inteligenca. Redke vsebine in robni primeri se postopoma izgubijo, izhodi pa postanejo bolj enotni in bolj nagnjeni k napakam. Težava postaja vse pomembnejša, ker se delež besedil in slik, ustvarjenih z UI, na internetu povečuje. Skrbno izbrani podatki, ki jih ustvarijo ljudje, pomagajo to preprečiti.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevSintetični podatki so ustvarjeni umetno in ne zbrani v resničnem svetu, vendar posnemajo vzorce in lastnosti resničnih podatkov. Pomagajo, kadar so pravi podatki redki, dragi ali občutljivi z vidika varstva podatkov – na primer za testiranje programske opreme, učenje modelov ali preverjanje klepetalnega robota z realističnimi vzorčnimi poizvedbami. Pomembno je, da dovolj natančno odražajo resničnost in ne omogočajo sklepanja o resničnih osebah.
Podatki za učenje so primeri, iz katerih se model UI uči vzorcev: velike zbirke besedil za jezikovne modele, označene slike za slikovne modele. Njihova kakovost, raznolikost in aktualnost v veliki meri določajo, kako zanesljiv in pošten je model ter kako sodobno je njegovo znanje. Za organizacije je pomembno tudi, ali ponudnik vnesene podatke strank uporablja za nadaljnje učenje.
Generativna UI označuje sisteme UI, ki ustvarjajo novo vsebino – besedilo, slike, zvok, videoposnetke ali programsko kodo – namesto da bi obstoječe podatke le razvrščali ali ocenjevali. Temeljijo na modelih, ki se iz velikih količin podatkov naučijo vzorcev in jih uporabijo za ustvarjanje verjetnih novih izpisov. V poslu se uporablja na primer za osnutke e-poštnih sporočil, povzetkov, opisov izdelkov ali zamisli za slike. Rezultati lahko vsebujejo napake, zato jih je treba pred uporabo preveriti.
„Garbage in, garbage out“ (smeti noter, smeti ven) opisuje načelo, da sistem lahko da le tako dobre rezultate, kot so podatki, ki jih prejme. Pri UI to velja dvojno: nepravilni, zastareli ali enostranski učni podatki ali podatki o znanju vodijo do napačnih ali pristranskih odgovorov. Klepetalni robot, ki se opira na zastarel cenik, bo navajal zastarele cene. Skrb za podatke je zato stalna naloga v vsakem projektu UI.
