A torzítás az AI rendszerekben megjelenő rendszeres hiba, amelyet általában az adatokban meglévő egyenlőtlenségek vagy előítéletek okoznak.
Ha az adatok nem reprezentatívak, a modell rossz döntéseket hozhat. Például ha egy AI-t csak férfiak adataival tanítanak, nőkre nem fog jól működni.
A torzítás súlyos társadalmi és üzleti problémákat okozhat.
Hitelbírálati algoritmus, amely etnikai vagy nemi alapú hátrányt hoz létre.
Az adatok címkézése, hogy a modell tanulni tudjon belőlük.
Az adatelőkészítés az a folyamat, amely során a nyers adatokat megtisztítják, átalakítják és előkészítik a modell tanításához.
Az AI etika azon irányelvek és szabályok összessége, amelyek biztosítják, hogy a mesterséges intelligencia felelősségteljesen és igazságosan működjön.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
A magyarázható AI olyan technikák összessége, amelyek célja, hogy az AI döntéseit érthetővé tegyék az emberek számára.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A tesztkészlet egy külön adathalmaz, amellyel a betanított AI-modell teljesítményét mérik.
A validációs készlet olyan adathalmaz, amelyet a modell finomhangolására, az optimális paraméterek kiválasztására használnak.
