A federált tanulás olyan módszer, amely lehetővé teszi, hogy több eszköz közösen tanítson egy modellt anélkül, hogy az adatokat központilag összegyűjtenék.
Az adatok az adott eszközön maradnak (pl. okostelefonon), és csak a tanulás eredményeit (modellfrissítéseket) osztják meg. Így az adatvédelem sokkal jobban biztosítható.
Egyensúlyt teremt a hatékony AI fejlesztés és a személyes adatok védelme között.
Google billentyűzet (Gboard) szövegjóslás, amely az egyéni felhasználói adatokat nem osztja meg központilag.
Az adat minden olyan információ, amit az AI rendszerek feldolgoznak, és amiből tanulnak.
Az adatbiztonság az adatokat védő technológiák és eljárások összessége, amelyek megakadályozzák az illetéktelen hozzáférést, módosítást vagy lopást.
Egy AI modell betanítás költsége a számítási erőforrások, adatelőkészítés és szakértői munka összességét jelenti, amely egy modell kifejlesztéséhez szükséges.
A felhőalapú AI egy olyan AI-szolgáltatás, amely távoli szervereken fut, és interneten keresztül érhető el.
Az on-premise AI egy olyan AI-rendszer, amelyet a vállalkozás saját szerverein vagy eszközein futtat.
Az AI skálázhatósága azt jelenti, hogy a rendszer mennyire képes nagyobb adatmennyiségen vagy több felhasználóval is hatékonyan működni.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A torzítás az AI rendszerekben megjelenő rendszeres hiba, amelyet általában az adatokban meglévő egyenlőtlenségek vagy előítéletek okoznak.
