X'inhu Algoritmu tal-AI? [Vidjo u Kwizz]

Tweġiba qasira: Algoritmu tal-IA huwa l-metodu li kompjuter juża biex jitgħallem mudelli mid-dejta, imbagħad jagħmel tbassir jew deċiżjonijiet bl-użu ta' mudell imħarreġ. Mhijiex loġika fissa ta' "jekk-imbagħad": tadatta hekk kif tiltaqa' ma' eżempji u feedback. Meta d-dejta tinbidel jew iġġorr preġudizzju, xorta tista' tipproduċi żbalji kunfidenti.

Punti ewlenin:

Definizzjonijiet: Issepara r-riċetta tat-tagħlim (l-algoritmu) mill-preditur imħarreġ (il-mudell).

Ċiklu tal-Ħajja: Ittratta t-taħriġ u l-inferenza bħala distinti; ħafna drabi l-fallimenti jitfaċċaw wara l-iskjerament.

Responsabbiltà: Iddeċiedi min jirrevedi l-iżbalji u x'jiġri meta s-sistema tiżbalja.

Reżistenza għall-użu ħażin: Oqgħod attent għal tnixxija, preġudizzju tal-awtomazzjoni, u logħob metriku li jista' jgħolli r-riżultati.

Awditabilità: Traċċa s-sorsi tad-dejta, is-settings, u l-evalwazzjonijiet sabiex id-deċiżjonijiet jibqgħu kontestabbli aktar tard.

Artikoli li forsi tixtieq taqra wara dan:

🔗 X'inhi l-etika tal-IA
Prinċipji għal IA responsabbli: ġustizzja, trasparenza, responsabbiltà, u sikurezza.

🔗 X'inhu l-preġudizzju tal-AI
Kif dejta preġudikata tgħawweġ ir-riżultati tal-AI u kif tirranġaha.

🔗 X'inhi l-iskalabbiltà tal-AI
Modi kif jiġu skalati s-sistemi tal-IA: dejta, komputazzjoni, skjerament, u operazzjonijiet.

🔗 X'inhi l-IA spjegabbli
Għaliex mudelli interpretabbli huma importanti għall-fiduċja, id-debugging, u l-konformità.

X'inhu algoritmu tal-IA, tassew? 🧠

Algoritmu tal-IA huwa proċedura li kompjuter juża biex:

• Tgħallem mid-dejta (jew feedback)

• Agħraf il-mudelli

• Agħmel tbassir jew deċiżjonijiet

• Ittejjeb il-prestazzjoni bl-esperjenza [1]

L-algoritmi klassiċi huma bħal: “Issortja dawn in-numri f’ordni axxendenti.” Passi ċari, l-istess riżultat kull darba.

L-algoritmi li huma simili għall-AI huma aktar bħal: “Hawn miljun eżempju. Jekk jogħġbok ifhem x'inhu 'qattus'.” Imbagħad jibni mudell intern li ġeneralment jaħdem. Normalment. Kultant jara mħadda ratba u jgħajjat ​​“QATTUS!” b'kunfidenza totali. 🐈⬛

Algoritmu tal-AI vs Mudell tal-AI: id-differenza li n-nies ma jagħtux kas 😬

Dan ineħħi ħafna konfużjoni malajr:

• Algoritmu tal-IA = il-metodu tat-tagħlim / l-approċċ tat-taħriġ
  (“Hekk naġġornaw lilna nfusna mid-dejta.”)

• Mudell tal-AI = l-artefatt imħarreġ li tħaddem fuq inputs ġodda
  (“Din hija l-ħaġa li qed tagħmel tbassir issa.”) [1]

Għalhekk, l-algoritmu huwa bħall-proċess tat-tisjir, u l-mudell huwa l-ikla lesta 🍝. Metafora kemxejn imċajpra, forsi, imma tibqa' valida.

Barra minn hekk, l-istess algoritmu jista' jipproduċi mudelli differenti ħafna skont:

• id-dejta li tagħtih

• is-settings li tagħżel

• kemm iddum titħarreġ

• kemm hu diżordinat id-dataset tiegħek (spoiler: kważi dejjem ikun diżordinat)

Għaliex algoritmu tal-IA huwa importanti (anke jekk m'intix "tekniku") 📌

Anke jekk qatt ma tikteb linja ta' kodiċi, l-algoritmi tal-AI xorta jaffettwawk. Ħafna.

Aħseb: filtri tal-ispam, kontrolli tal-frodi, rakkomandazzjonijiet, traduzzjoni, appoġġ għall-immaġini mediċi, ottimizzazzjoni tar-rotta, u punteġġ tar-riskju. (Mhux għax l-AI hija "ħajja," iżda għax ir-rikonoxximent tal-mudelli fuq skala kbira huwa ta' valur f'miljun post vitali u kwiet.)

U jekk qed tibni negozju, timmaniġġja tim, jew tipprova ma tħallikx tinqabad bil-ġargon, il-fehim ta' x'inhu algoritmu tal-IA jgħinek tistaqsi mistoqsijiet aħjar:

• Identifika minn liema dejta tgħallmet is-sistema.

• Iċċekkja kif il-preġudizzju jitkejjel u jiġi mitigat.

• Iddefinixxi x'jiġri meta s-sistema tkun ħażina.

Għax xi kultant ikun ħażin. Dak mhux pessimiżmu. Dik hija r-realtà.

Kif algoritmu tal-IA "jitgħallem" (taħriġ vs inferenza) 🎓➡️🔮

Il-biċċa l-kbira tas-sistemi tat-tagħlim awtomatiku għandhom żewġ fażijiet ewlenin:

1) Taħriġ (ħin ta' tagħlim)

Matul it-taħriġ, l-algoritmu:

• jara eżempji (dejta)

• jagħmel tbassir

• ikejjel kemm hu żbaljat

• jaġġusta l-parametri interni biex inaqqas l-iżball [1]

2) Inferenza (bl-użu tal-ħin)

L-inferenza hija meta l-mudell imħarreġ jintuża fuq inputs ġodda:

• tikklassifika email ġdida bħala spam jew le

• tbassir tad-domanda l-ġimgħa d-dieħla

• ittikketta immaġni

• iġġenera rispons [1]

It-taħriġ huwa l-"istudju." L-inferenza hija l-"eżami." Ħlief li l-eżami qatt ma jispiċċa u n-nies jibqgħu jibdlu r-regoli f'nofs il-proċess. 😵

Il-familji l-kbar tal-istili tal-algoritmi tal-IA (b'intuwizzjoni sempliċi bl-Ingliż) 🧠🔧

Tagħlim sorveljat 🎯

Inti tipprovdi eżempji ttikkettati bħal:

• “Dan huwa spam” / “Dan mhux spam”

• “Dan il-klijent telaq” / “Dan il-klijent baqa’”

L-algoritmu jitgħallem mappa minn inputs → outputs. Komuni ħafna. [1]

Tagħlim mhux sorveljat 🧊

L-ebda tikketti. Is-sistema tfittex struttura:

• gruppi ta' klijenti simili

• mudelli mhux tas-soltu

• suġġetti fid-dokumenti [1]

Tagħlim ta' rinforz 🕹️

Is-sistema titgħallem permezz ta' provi u żbalji, iggwidata minn premjijiet. (Tajba meta l-premjijiet ikunu ċari. Taqlib meta ma jkunux.) [1]

Tagħlim profond (netwerks newrali) 🧠⚡

Din hija aktar familja ta’ tekniki milli algoritmu wieħed. Juża rappreżentazzjonijiet f’saffi u jista’ jitgħallem mudelli kumplessi ħafna, speċjalment fil-vista, fid-diskors, u fil-lingwa. [1]

Tabella ta' tqabbil: familji popolari ta' algoritmi tal-IA f'daqqa t'għajn 🧩

Mhux "lista tal-aqwa" - aktar bħal mappa biex tieqaf tħoss li kollox huwa soppa waħda kbira tal-AI.

X'jagħmel verżjoni tajba ta' algoritmu tal-IA? ✅🤔

Algoritmu tal-IA "tajjeb" mhux awtomatikament l-aktar wieħed sofistikat. Fil-prattika, sistema tajba għandha t-tendenza li tkun:

• Preċiż biżżejjed għall-għan reali (mhux perfett - siewi)

• Robust (ma jikkollassax meta d-dejta tinbidel ftit)

• Spjegabbli biżżejjed (mhux neċessarjament trasparenti, imma mhux toqba sewda totali)

• Ġust u ċċekkjat għall-preġudizzju (dejta asimmetrika → outputs asimmetriċi)

• Effiċjenti (l-ebda superkompjuter għal kompitu sempliċi)

• Jista' jinżamm (jiġi mmonitorjat, aġġornat, imtejjeb)

Każ żgħir prattiku u malajr (għax hawnhekk l-affarijiet isiru tanġibbli)

Immaġina mudell ta' churn li huwa "tal-għaġeb" fit-testijiet... għax aċċidentalment tgħallem prokura għal "klijent diġà kkuntattjat mit-tim taż-żamma." Dik mhix maġija predittiva. Dik hija tnixxija. Se jidher erojku sakemm tużah, imbagħad minnufih tfassalh. 😭

Kif niġġudikaw jekk algoritmu tal-IA huwiex "tajjeb" 📏✅

Ma tħaresx lejha b'għajnejk biss (tajjeb, xi nies jagħmlu dan, u mbagħad tinqala' l-kaos).

Metodi komuni ta' evalwazzjoni jinkludu:

• Preċiżjoni

• Preċiżjoni / sejħa lura

• Punteġġ F1 (jibbilanċja l-preċiżjoni/ir-recall) [2]

• AUC-ROC (kwalità tal-klassifikazzjoni għall-klassifikazzjoni binarja) [3]

• Kalibrazzjoni (jekk il-kunfidenza taqbilx mar-realtà)

U mbagħad hemm it-test tad-dinja reali:

• Jgħin lill-utenti?

• Inaqqas l-ispejjeż jew ir-riskju?

• Joħloq problemi ġodda (allarmi foloz, rifjuti inġusti, flussi tax-xogħol konfużi)?

Xi kultant mudell "ftit agħar" fuq il-karta jkun aħjar fil-produzzjoni għax ikun stabbli, jista' jiġi spjegat, u aktar faċli biex jiġi mmonitorjat.

Nases komuni (magħrufa wkoll bħala kif il-proġetti tal-AI jmorru fil-ġenb bil-kwiet) ⚠️😵💫

Anke timijiet solidi laqtu dawn:

• Overfitting (tajjeb ħafna fuq dejta ta' taħriġ, agħar fuq dejta ġdida) [1]

• Tnixxija ta' dejta (imħarrġa b'informazzjoni li mhux se jkollok fil-ħin tat-tbassir)

• Kwistjonijiet ta' preġudizzju u ġustizzja (id-dejta storika fiha inġustizzja storika)

• Bidla fil-kunċett (id-dinja tinbidel; il-mudell le)

• Metriki mhux allinjati (inti tottimizza l-eżattezza; l-utenti jimpurtahom minn xi ħaġa oħra)

• Paniku ta' kaxxa sewda (ħadd ma jista' jispjega d-deċiżjoni meta f'daqqa waħda tkun importanti)

Kwistjoni sottili oħra: il-preġudizzju tal-awtomazzjoni - in-nies jafdaw iżżejjed is-sistema għax toħroġ rakkomandazzjonijiet kunfidenti, li jistgħu jnaqqsu l-viġilanza u l-verifika indipendenti. Dan ġie dokumentat fir-riċerka dwar l-appoġġ għad-deċiżjonijiet, inklużi kuntesti tal-kura tas-saħħa. [4]

“AI Affidabbli” mhijiex xi ħaġa sempliċi - hija lista ta' kontroll 🧾🔍

Jekk sistema tal-IA taffettwa nies reali, trid aktar milli sempliċement "hija preċiża fuq il-punt ta' riferiment tagħna."

Qafas sod huwa l-ġestjoni tar-riskju taċ-ċiklu tal-ħajja: ippjana → ibni → ittestja → skjerja → immonitorja → aġġorna. Il-Qafas tal-Ġestjoni tar-Riskju tal-AI tal-NIST jistabbilixxi l-karatteristiċi ta' AI "ta' min jafdaha" bħal valida u affidabbli, sikura, protetta u reżiljenti, responsabbli u trasparenti, spjegabbli u interpretabbli, imtejba mill-privatezza, u ġusta (ġestizzjoni tal-preġudizzju dannuż). [5]

Traduzzjoni: tistaqsi jekk jaħdimx.
Tistaqsi wkoll jekk ifallix mingħajr periklu, u jekk tistax turi dan.

Punti Ewlenin 🧾✅

Jekk ma tieħu xejn aktar minn dan:

• Algoritmu tal-IA = l-approċċ tat-tagħlim, ir-riċetta tat-taħriġ

• Mudell tal-AI = l-output imħarreġ li tuża

• AI tajba mhix biss "intelliġenti" - hija affidabbli, immonitorjata, ivverifikata mill-preġudizzju, u adattata għax-xogħol

• Il-kwalità tad-dejta hija aktar importanti milli ħafna nies iridu jammettu

• L-aqwa algoritmu ġeneralment ikun dak li jsolvi l-problema mingħajr ma joħloq tliet problemi ġodda 😅

Eżempju fid-dinja reali: Ittestjar ta' algoritmu ta' tbassir tat-telf tal-klijenti qabel it-tnedija 📉🧪

Xenarju

Immaġina kumpanija żgħira ta' softwer b'abbonament li trid tbassar liema klijenti x'aktarx li jikkanċellaw fi żmien it-30 jum li ġejjin.

It-tim għandu 18-il xahar ta’ dejta tal-klijenti: frekwenza tal-login, talbiet għall-appoġġ, tip ta’ pjan, dewmien fil-ħlas, użu tal-prodott, dati ta’ tiġdid, u jekk kull klijent eventwalment ikkanċellax. Analista tad-dejta jibni żewġ verżjonijiet tal-mudell: linja bażi ta’ rigressjoni loġistika sempliċi u mudell ta’ spinta tal-gradjent aktar kumpless.

L-għan mhuwiex li "nstab l-aktar algoritmu intelliġenti." L-għan huwa li jinstab mudell li jgħin lit-tim tas-suċċess tal-klijent jikkuntattja l-kontijiet it-tajba kmieni, mingħajr ma jinħela nofs il-ġimgħa jiġri wara allarmi foloz.

Dak li jeħtieġ il-fluss tax-xogħol

Qabel ma jagħżel l-algoritmu, it-tim jipprepara:

• Sett ta' dejta ta' taħriġ nadif b'ringiela waħda għal kull klijent

• Tikketta ċara: “ikkanċellat fi żmien 30 jum” iva/le

• Lista ta' kolonni disponibbli qabel id-data tat-tbassir

• Sett ta' test ta' reżistenza mill-aktar tliet xhur riċenti

• Proċess sempliċi ta' reviżjoni għal pożittivi foloz u negattivi foloz

• Regola li l-ebda punteġġ ta' riskju ta' kanċellazzjoni awtomatizzat ma jintwera lill-klijenti

Verifika importanti waħda: neħħi kull ħaġa li tikxef it-tweġiba. Pereżempju, "skont offrut mit-tim taż-żamma" m'għandux jintuża jekk dan jiġri biss wara li xi ħadd ikun diġà suspettat li qed jikkanċella.

Eżempju ta' istruzzjoni

Uża din l-istruzzjoni meta titlob assistent jew analista tal-AI biex jirrevedi s-setup:

Irrevedi dan id-disinn tas-sett tad-dejta tat-tbassir tat-telf tal-klijenti. Identifika kwalunkwe kolonna li tista' tikkawża tnixxija tad-dejta, kwalunkwe karatteristika li tista' tgħawweġ it-tbassir b'mod inġust, u kwalunkwe metrika li għandna nsegwu qabel l-iskjerament. Il-mudell se jintuża minn tim tas-suċċess tal-klijent biex jipprijoritizza l-outreach, mhux biex jieħu deċiżjonijiet awtomatiċi dwar il-kont.

Kif tittestjah

Ittestja l-mudell b'mistoqsijiet bħal:

• Il-mudell għadu jaħdem fuq id-dejta tal-aktar tliet xhur reċenti?

• Liema 10 kolonni jinfluwenzaw l-aktar it-tbassir?

• Il-klijenti fuq pjanijiet irħas qed jiġu mmarkati aktar spiss għal raġunijiet mhux relatati mar-riskju attwali ta' tħassir?

• Kemm klijenti mmarkati jkollu ħin it-tim biex jikkuntattja kull ġimgħa?

• X'jiġri jekk l-użu tal-prodott jonqos għal kulħadd matul perjodu ta' vaganzi?

Test tajjeb huwa prattiku, mhux biss matematiku. Jekk il-mudell jindika 600 klijent fil-ġimgħa u t-tim jista' jikkuntattja biss 80, l-algoritmu jista' jkun preċiż iżda xorta waħda ddisinjat ħażin għall-fluss tax-xogħol.

Riżultat

Riżultat illustrattiv: ibbażat fuq sett ta' test ta' 1,000 kont tal-klijenti, il-mudell sempliċi ta' rigressjoni loġistika laħaq 71% tifkira u 42% preċiżjoni. Il-mudell li jżid il-gradjent laħaq 78% tifkira u 48% preċiżjoni, iżda kien jeħtieġ reviżjoni żejda minħabba li l-karatteristiċi ewlenin tiegħu kienu jinkludu żewġ riskji possibbli ta' tnixxija.

Wara li tneħħew il-kolonni suxxettibbli għat-tnixxija, il-mudell li jsaħħaħ il-gradjent niżel xi ftit għal 74% tifkira u 46% preċiżjoni. Dan xorta kien ta’ valur: f’reviżjoni ta’ kull ġimgħa ta’ 100 kont immarkati, it-tim seta’ jistenna madwar 46 klijent ġenwinament b’riskju għoli minflok ma jikkuntattja l-kontijiet bl-addoċċ.

Stima tal-ħin: jekk ir-reviżjoni manwali tal-kont tieħu 6 minuti għal kull klijent, ir-reviżjoni ta' 100 kont magħżula b'mod każwali tieħu 10 sigħat. L-użu tal-mudell biex jiġu mqassra r-riskji probabbli ta' tħassir iżomm il-ħin tar-reviżjoni għal 10 sigħat iżda jżid in-numru ta' tentattivi ta' sensibilizzazzjoni li jiswew. Il-metrika li trid tivverifika hija sempliċi: traċċa kemm ġew ikkuntattjati klijenti mmarkati, kemm kienu verament f'riskju, u kemm żammew l-abbonament tagħhom wara s-sensibilizzazzjoni.

X'jista' jmur ħażin

Il-mudell jista' jidher aħjar milli hu verament jekk is-sett tad-dejta jinkludi informazzjoni futura, bħal offerti ta' żamma, tweġibiet għal stħarriġ dwar il-kanċellazzjoni, jew noti ta' appoġġ miktuba wara li l-klijent ikun diġà ddeċieda li jitlaq.

It-tim jista’ wkoll jaqa’ fil-preġudizzju tal-awtomazzjoni. Punteġġ ta’ “riskju għoli” għandu jqanqal reviżjoni umana, mhux email robotika li tdejjaq lill-klijenti leali.

Żball ieħor huwa li wieħed isegwi l-eżattezza biss. Jekk 5% biss tal-klijenti jikkanċellaw, mudell għażżien li jbassar "ħadd mhu se jikkanċella" jista' jidher preċiż filwaqt li ma joffri l-ebda valur prattiku.

Konklużjoni prattika

L-aqwa algoritmu tal-IA huwa dak li jibqa' ħaj wara kuntatt mal-fluss tax-xogħol dirett. Ibda b'linja bażi, iċċekkja għal tnixxija, ittestja fuq dejta reċenti, kejjel allarmi foloz, u kun żgur li l-bnedmin ikunu jafu meta għandhom jiddubitaw il-punteġġ.

Mistoqsijiet Frekwenti

X'inhu algoritmu tal-IA fi kliem sempliċi?

Algoritmu tal-IA huwa l-metodu li juża kompjuter biex jitgħallem mudelli mid-dejta u jieħu deċiżjonijiet. Minflok ma jiddependi fuq regoli fissi ta' "jekk-imbagħad", jaġġusta lilu nnifsu wara li jara ħafna eżempji jew jirċievi feedback. L-għan huwa li jtejjeb it-tbassir jew il-klassifikazzjoni ta' inputs ġodda maż-żmien. Huwa qawwi, iżda xorta jista' jagħmel żbalji kunfidenti.

X'inhi d-differenza bejn algoritmu tal-IA u mudell tal-IA?

Algoritmu tal-IA huwa l-proċess tat-tagħlim jew ir-riċetta tat-taħriġ - kif is-sistema taġġorna lilha nnifisha mid-dejta. Mudell tal-IA huwa r-riżultat imħarreġ li tħaddem biex tagħmel tbassir fuq inputs ġodda. L-istess algoritmu tal-IA jista' jipproduċi mudelli differenti ħafna skont id-dejta, it-tul tat-taħriġ, u s-settings. Aħseb "proċess tat-tisjir" kontra "ikla lesta."

Kif jitgħallem algoritmu tal-AI waqt it-taħriġ kontra l-inferenza?

It-taħriġ huwa meta l-algoritmu jistudja: jara eżempji, jagħmel tbassir, ikejjel l-iżball, u jaġġusta l-parametri interni biex inaqqas dak l-iżball. L-inferenza hija meta l-mudell imħarreġ jintuża fuq inputs ġodda, bħall-klassifikazzjoni tal-ispam jew it-tikkettar ta' immaġni. It-taħriġ huwa l-fażi tat-tagħlim; l-inferenza hija l-fażi tal-użu. Ħafna kwistjonijiet jitfaċċaw biss waqt l-inferenza għaliex dejta ġdida taġixxi b'mod differenti minn dak li tgħallmet is-sistema.

X'inhuma t-tipi ewlenin ta' algoritmi tal-IA (sorveljati, mhux sorveljati, ta' rinfurzar)?

It-tagħlim sorveljat juża eżempji ttikkettjati biex jitgħallem mappa mill-inputs għall-outputs, bħal spam vs mhux spam. It-tagħlim mhux sorveljat m'għandux tikketti u jfittex struttura, bħal raggruppamenti jew mudelli mhux tas-soltu. It-tagħlim ta' rinfurzar jitgħallem permezz ta' prova u żball bl-użu ta' premjijiet. It-tagħlim profond huwa familja usa' ta' tekniki ta' netwerks newrali li jistgħu jaqbdu mudelli kumplessi, speċjalment għal kompiti tal-vista u tal-lingwa.

Kif tkun taf jekk algoritmu tal-AI huwiex "tajjeb" fil-ħajja reali?

Algoritmu tajjeb tal-IA mhux awtomatikament l-aktar wieħed kumpless - huwa dak li jilħaq l-għan b'mod affidabbli. It-timijiet iħarsu lejn metriċi bħall-eżattezza, il-preċiżjoni/ir-recall, l-F1, l-AUC-ROC, u l-kalibrazzjoni, imbagħad jittestjaw il-prestazzjoni u l-impatt downstream f'settings ta' skjerament. L-istabbiltà, l-ispjegabbiltà, l-effiċjenza, u l-manutenzjoni huma importanti ħafna fil-produzzjoni. Kultant mudell kemxejn aktar dgħajjef fuq il-karta jirbaħ għax ikun aktar faċli li wieħed jimmonitorjah u jafdah.

X'inhi t-tnixxija tad-dejta, u għaliex tkisser il-proġetti tal-IA?

It-tnixxija tad-dejta sseħħ meta l-mudell jitgħallem minn informazzjoni li ma tkunx disponibbli fil-ħin tat-tbassir. Dan jista' jagħmel ir-riżultati jidhru tal-għaġeb fl-ittestjar filwaqt li jfallu bil-kbir wara l-iskjerament. Eżempju klassiku huwa l-użu aċċidentali ta' sinjali li jirriflettu azzjonijiet meħuda wara r-riżultat, bħal kuntatt mat-tim taż-żamma f'mudell ta' churn. It-tnixxija toħloq "prestazzjoni falza" li tisparixxi fil-fluss tax-xogħol reali.

Għaliex l-algoritmi tal-IA jiggravaw maż-żmien anke jekk kienu preċiżi fit-tnedija?

Id-dejta tinbidel maż-żmien - il-klijenti jġibu ruħhom b'mod differenti, il-politiki jinbidlu, jew il-prodotti jevolvu - u dan jikkawża tibdil fil-kunċetti. Il-mudell jibqa' l-istess sakemm ma tissorveljax il-prestazzjoni u taġġornahx. Anke bidliet żgħar jistgħu jnaqqsu l-eżattezza jew iżidu l-allarmi foloz, speċjalment jekk il-mudell kien fraġli. L-evalwazzjoni kontinwa, it-taħriġ mill-ġdid, u l-prattiki ta' skjerament bir-reqqa huma parti miż-żamma ta' sistema tal-IA b'saħħitha.

X'inhuma l-aktar nases komuni meta jiġi skjerat algoritmu tal-AI?

L-overfitting huwa wieħed kbir: mudell jagħti riżultati tajbin ħafna fuq dejta ta' taħriġ iżda ħżiena fuq dejta ġdida. Jistgħu jidhru problemi ta' preġudizzju u ġustizzja għaliex id-dejta storika spiss ikun fiha inġustizzja storika. Metriċi mhux allinjati jistgħu wkoll jegħrqu l-proġetti - u b'hekk jottimizzaw l-eżattezza meta l-utenti jimpurtahom minn xi ħaġa oħra. Riskju sottili ieħor huwa l-preġudizzju tal-awtomazzjoni, fejn il-bnedmin jafdaw iżżejjed ir-riżultati kunfidenti tal-mudell u jieqfu milli jivverifikaw darbtejn.

Xi tfisser fil-prattika “IA affidabbli”?

L-IA affidabbli mhijiex biss "preċiżjoni għolja" - hija approċċ taċ-ċiklu tal-ħajja: ippjana, ibni, ittestja, skjerja, immonitorja, u aġġorna. Fil-prattika, tfittex sistemi li huma validi u affidabbli, sikuri, responsabbli, spjegabbli, konxji tal-privatezza, u vverifikati mill-preġudizzju. Trid ukoll modi ta' falliment li jkunu jistgħu jinftiehmu u jiġu rkuprati. L-idea ewlenija hija li tkun tista' turi li taħdem u tfalli b'mod sikur, mhux biss bit-tama li tagħmel dan.

Referenzi

1. Żviluppaturi tal-Google - Glossarju tat-Tagħlim Awtomatiku

2. scikit-learn - preċiżjoni, sejħa lura, kejl-F

3. scikit-learn - Punteġġ tal-AUC tar-ROC

4. Goddard et al. - Reviżjoni sistematika tal-preġudizzju tal-awtomazzjoni (test sħiħ tal-PMC)

5. NIST - Qafas għall-Ġestjoni tar-Riskju tal-AI (AI RMF 1.0) PDF

Sib l-Aħħar AI fil-Ħanut Uffiċjali tal-Assistent tal-AI

Dwarna