Tréningové dáta

Tréningové dáta sú príklady, z ktorých sa model učí. Pri jazykových modeloch ide o texty z internetu, z digitalizovaných kníh, z diskusií a z technickej dokumentácie. Pri rozpoznávaní obrázkov o fotografie s popisom, čo na nich je.

Ich kvalita rozhoduje o kvalite modelu viac než akékoľvek nastavenie. Model nemá odkiaľ vedieť nič, čo v dátach nebolo, a naopak si odnesie aj to, čo tam byť nemalo.

Čo sa v dátach kazí najčastejšie

• Diery. O slovenských reáliách je na internete napísané málo, takže odpovede o slovenských dejinách alebo právnych predpisoch bývajú slabšie než odpovede o amerických.
• Vek. Dáta majú dátum. Model natrénovaný na textoch do roku 2024 nevie o ničom, čo prišlo potom, aj keď sa tak netvári.
• Skreslenie. Ak sa v textoch objavovali lekári väčšinou ako muži, model bude tú súvislosť opakovať. Viac je o tom v hesle nižšie.
• Cudzí obsah. Do dát sa dostali aj texty a obrázky, ktoré niekto napísal alebo nakreslil a nedal na to súhlas. Preto sa o AI vedú súdne spory.

Pre učiteľa z toho vyplýva praktická vec. Keď chatbot odpovie zle na otázku o slovenskej literatúre a dobre na otázku o americkej, nie je to náhoda ani zlá vôľa. Je to obraz toho, čoho bolo v dátach viac.

Žiakom sa to dá ukázať veľmi rýchlo: nechajte ich spýtať sa na tú istú vec o dvoch krajinách a porovnať, ktorá odpoveď je konkrétnejšia.

Súvisí s tým

• Zaujatosť AIOdkiaľ sa berie skreslenie vo výsledkoch
• Autorské práva a AIKomu patrí to, na čom sa model učil