Databrist uppstår när det finns för lite lämpliga eller annoterade data för att en AI-uppgift ska kunna träna eller testa en modell på ett pålitligt sätt. Det drabbar till exempel sällsynta feltyper i produktionen, nischspråk eller nya produkter utan försäljningshistorik. Åtgärder är transferinlärning, syntetiska data, dataaugmentering eller förtränade språkmodeller som ger användbara resultat med bara några få exempel.
Syntetiska data genereras på konstgjord väg i stället för att samlas in i verkligheten, men efterliknar verkliga datas mönster och egenskaper. De hjälper när genuina data är knappa, dyra eller känsliga ur dataskyddssynpunkt – till exempel för att testa programvara, träna modeller eller kontrollera en chattbot med realistiska exempelfrågor. Det är viktigt att de speglar verkligheten tillräckligt väl och inte gör det möjligt att dra slutsatser om verkliga personer.
Vid överföringsinlärning (transfer learning) fungerar en modell som redan har lärt sig en stor allmän uppgift som utgångspunkt för en ny, specialiserad. I stället för att börja från noll anpassas den, till exempel genom finjustering, med jämförelsevis lite egna data. Det sparar beräkningstid och data, till exempel när en allmän bildmodell ska lära sig upptäcka produktionsfel i foton.
Few-shot-inlärning är en modells förmåga att lösa en uppgift utifrån bara en handfull exempel. Med språkmodeller sker detta oftast direkt i indata: man visar två eller tre par av fråga och önskat svar, och modellen tillämpar samma format och stil på nya fall – utan omträning. Exempel: tre korrekt kategoriserade kundförfrågningar räcker ofta för att sortera ytterligare förfrågningar på samma sätt.
Träningsdata är de exempel som en AI-modell lär sig mönster av: stora textsamlingar för språkmodeller, märkta bilder för bildmodeller. Deras kvalitet, mångfald och aktualitet avgör till stor del hur tillförlitlig och rättvis en modell är och hur aktuell dess kunskap blir. För organisationer spelar det också roll om en leverantör använder de kunddata som de matar in för vidare träning.
