Dołącz do grona liderów, którzy chcą więcej
Premium
Komunikacja
Magazyn (Nr 18, czerwiec - lipiec 2023)
Polska flaga

Komentarz eksperta: Trening algorytmów

1 czerwca 2023 5 min czytania
Leszek Bukowski
Komentarz eksperta: Trening algorytmów

Streszczenie: Trening algorytmów w kontekście sztucznej inteligencji polega na dostosowywaniu wewnętrznych parametrów modelu, aby jego odpowiedzi jak najlepiej odpowiadały danym wzorcowym. W tym procesie algorytm porównuje swoje przewidywania z rzeczywistymi wynikami i na tej podstawie modyfikuje swoje wagi. Przykładem może być model językowy, który uczy się na podstawie miliardów zdań, aby generować odpowiedzi podobne do tych, które podałby człowiek. Ważnym elementem skutecznego treningu jest odpowiednie przygotowanie danych treningowych, które powinny być starannie oznaczone przez ekspertów. W przypadku, gdy błędne klasyfikacje mogą prowadzić do poważnych konsekwencji, konieczne jest zapewnienie wysokiej jakości danych wejściowych. Dobre przygotowanie danych treningowych jest kluczowe dla skuteczności i niezawodności systemów opartych na sztucznej inteligencji.

Pokaż więcej

Menedżerowie odpowiedzialni za wdrażanie systemów AI w organizacji powinni dokonać ewaluacji ryzyka i kosztów związanych z błędnym działaniem wdrażanego systemu. Jeżeli koszty (nie tylko finansowe) związane z błędną klasyfikacją danego przypadku przez model są wysokie, to oznaczanie danych treningowych powinno zostać powierzone ekspertom.

Współcześnie przez sztuczną inteligencję najczęściej rozumie się narzędzia z zakresu uczenia maszynowego, które odniosły w ostatnich latach najwięcej spektakularnych sukcesów w rozwiązywaniu wielu wymagających zadań z zakresu wizji komputerowej czy przetwarzania języka naturalnego. Przykładowo, znany chatbot ChatGPT działa na podstawie modelu językowego, który powstał w wyniku trenowania sieci neuronowej na miliardach zdań pobranych z internetu. W takim podejściu twórcy danego rozwiązania AI nie programują go własnoręcznie, lecz wybierają uczący się algorytm, a następnie w procesie „treningu” zasilają go przykładami treningowymi, odpowiednio oznaczonymi przez ekspertów lub inne osoby do tego wyznaczone. Przykładem danych treningowych mogą być np. zdjęcia rentgenowskie, na których eksperci zaznaczyli niepokojące zmiany, lub wypowiedzi internautów, którym przypisano odpowiednią etykietę ze względu na wydźwięk emocjonalny wypowiedzi. W czasie treningu algorytm uczy się rozróżniania odpowiednich przypadków, porównując swoje odpowiedzi z danymi wzorcowymi, i na tej podstawie modyfikuje swoje wewnętrzne wagi. Celem treningu jest taka modyfikacja wewnętrznych wag, aby na wyjściu z modelu odpowiedzi były jak najbardziej zbliżone do danych wzorcowych. Innymi słowy, wybrany algorytm uczenia maszynowego dokonuje pomiarów swoich błędów względem danych wzorcowych i na tej podstawie modyfikuje wewnętrzne parametry.

Zostało 66% materiału do przeczytania

Materiał dostępny tylko dla subskrybentów

Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!

Kup subskrypcję
O autorach
Tematy

Może Cię zainteresować

Cyfrowe rozczarowanie. Dlaczego w wielu firmach automatyzacja nie przynosi efektów? 

Wdrażasz nowe narzędzia, ale nie widzisz efektów? Problem rzadko leży w technologii. Automatyzacja niespójnych i nieuporządkowanych procesów sprawia jedynie, że błędy pojawiają się szybciej. Przeczytaj, dlaczego technologia nie naprawi firmy za Ciebie i jak mądrze przygotować się do wdrożenia rozwiązań AI, by przyniosły realne korzyści.

Ciemna strona AI: Treści dla dorosłych i ryzyko dla firm

Nowe badanie naukowe ujawnia, że szeroka dostępność treści dla dorosłych generowanych przez sztuczną inteligencję mogła doprowadzić do gwałtownego wzrostu przestępczości na tle seksualnym. Analiza szczegółowych danych o przestępczości, opublikowanych przez japońską Narodową Agencję Policji, wykazała, że w okresach szczytowego zaangażowania w materiały oznaczone jako wygenerowane przez AI i przeznaczone wyłącznie dla dorosłych, odnotowano statystycznie istotny wzrost liczby gwałtów. Może to wskazywać na nadciągające ryzyko wizerunkowe i prawne dla firm dostarczających narzędzia oraz platformy dla tego typu treści.

Premium
Gdy firma rośnie, a zysk znika

laczego szybko rozwijająca się firma nagle traci marże, chociaż przychody notują historyczne rekordy? Przekonaj się, na czym polega problem „ziemi niczyjej” w ewolucji biznesu i sprawdź, dlaczego wdrożenie sztucznej inteligencji w nieuporządkowanej architektonicznie organizacji jest prostym przepisem na skalowanie chaosu.

Premium
Skalowanie AI dzięki adaptacyjnemu ładowi zarządczemu

Zastosowanie sztucznej inteligencji na szeroką skalę diametralnie zwiększa ryzyka biznesowe i wizerunkowe. Poznaj koncepcję adaptacyjnego ładu zarządczego – innowacyjnego podejścia, które wbudowuje mechanizmy kontroli bezpośrednio w procesy i struktury operacyjne firmy, chroniąc przed niewidocznymi, kaskadowymi błędami modeli uczących się.

Premium
Twórz wartość z generatywnej AI w skali całej organizacji

Jak skutecznie wdrażać generatywną sztuczną inteligencję w całej organizacji, unikając organizacyjnych silosów? Zobacz, dlaczego tradycyjne struktury decyzyjne zawodzą przy GenAI i dowiedz się, w jaki sposób innowacyjny twór zwany „kręgosłupem AI” pozwala łączyć kompetencje biznesowe oraz technologiczne, przynosząc firmom wymierny zwrot z inwestycji.

Premium
Strategia w cieniu AI. Gdy sprawy pilne wypierają ważne

AI zmienia sposób, w jaki firmy tworzą kampanie, analizują dane i docierają do klientów. Jednak największym ryzykiem nie jest brak wdrożenia nowych technologii, lecz wykorzystanie ich w sposób, który zwiększa produktywność kosztem przewagi konkurencyjnej. Liderzy muszą odpowiedzieć na pytanie: jak skalować działania marketingowe, nie tracąc tego, co czyni markę wyjątkową?

Premium
Jak liderzy uwalniają innowacyjność na pierwszej linii

Najlepsze innowacje ratujące jakość i efektywność często rodzą się na operacyjnej pierwszej linii. Sprawdź, dlaczego to średni szczebel zarządzania jest kluczem do ich uwolnienia.

Premium
Jak GenAI może – a jak nie może – pomóc w zarządzaniu wiedzą o klientach

Generatywna sztuczna inteligencja rewelacyjnie analizuje informacje o konsumentach, ale nie naprawi kultury Twojej firmy. Gdzie kończą się możliwości technologii?

Premium
Co prezesi muszą wiedzieć o suwerennej AI

Globalna skala AI zderza się z lokalnymi regulacjami prawnymi. Dlaczego strategia „suwerennej sztucznej inteligencji” to pilne zadanie dla prezesów, a nie tylko dla działu IT?

Premium
Dlaczego przejrzysta strategia ma znaczenie w erze cyfrowej

Technologie cyfrowe i AI znoszą bariery geograficzne, ale bez odpowiedniej strategii mogą pogłębiać nierówności w biznesie. Zobacz, jak uniknąć pułapki skalowania w globalnym świecie.

Materiał dostępny tylko dla subskrybentów

Jeszcze nie masz subskrypcji? Dołącz do grona subskrybentów i korzystaj bez ograniczeń!

Subskrybuj

Otrzymuj najważniejsze artykuły biznesowe — zapisz się do newslettera!