Tento základný slovník AI ponúka prehľad kľúčových termínov z oblasti umelej inteligencie (AI), ktorý pripravila spoločnosť Intermarketing. Zameriava sa na prepojenie biznisu a marketingu pomocou AI – od strojového učenia cez neurónové siete až po prompt engineering a iterovanie. Vhodný je aj ako vstupná brána do sveta AI pre začiatočníkov.
Ku každému výrazu nájdete krátku definíciu, otázku na zamyslenie a podnet na ďalšie uvažovanie, aby ste si AI pojmy a ich praktické súvislosti skutočne osvojili.
1. Machine Learning (Strojové učenie)
Definícia: Modely, ktoré sa „učia“ z dát bez explicitného naprogramovania pravidiel a na základe vzorov robia predikcie.
Na zamyslenie: Mám v organizácii dostatočný objem a kvalitu historických dát, aby sa investícia do ML oplatila?
Podnet na ďalšie uvažovanie: Skúmajte periodicitu kľúčových vzorov vo vašich dátach (štvrťrok, polrok) pre nastavenie pilotu.
Čo je strojové učenie? – jeden zo základných pojmov umelej inteligencie, ktorý by mal poznať každý, kto uvažuje o implementácii AI do procesov.
2. Deep Learning
Definícia: Podmnožina ML s viacvrstvovými neurónovými sieťami, vhodná na spracovanie komplexných dát (obrázky, zvuk, text).
Na zamyslenie: Máte stovky tisíc záznamov, ktoré odôvodnia zvýšené výpočtové nároky?
Podnet na ďalšie uvažovanie: Najskôr otestujte ľahší model (napr. Random Forest), až potom deep learning.
Neurónová sieť – čo to je? Jej hlbšie vrstvy sú základom deep learning techník využívaných v obrazoch, texte aj audiodátach.
3. Neurónová sieť
Definícia: Skladanica matematických „neurónov“ vo vrstvách, ktoré transformujú vstupy cez vážené súčty a aktivačné funkcie.
Na zamyslenie: Rozumiete, čo robia jednotlivé vrstvy (vstupná, skryté, výstupná)?
Podnet na ďalšie uvažovanie: Prezrite si heatmapy aktivácie na vizualizáciu silných vzorov.
Tento výraz je kľúčový v každom AI slovníku – pomáha pochopiť, ako funguje „myslenie“ modelov.
4. Supervised vs. Unsupervised Learning
Definície:
Základná dvojica pojmov umelej inteligencie, často vyhľadávaná v spojení „AI pre začiatočníkov“.
5. Reinforcement Learning
Definícia: Agent sa učí cez odmeny a tresty interakciou s prostredím.
Na zamyslenie: Máte presne definované KPI ako odmenu pre agenta?
Podnet na ďalšie uvažovanie: Vytvorte jednoduché simulované prostredie na rýchle testovanie.
Ideálny príklad, ako sa umelá inteligencia učí rozhodovať autonómne – bežné aj v hrách a robotike.
6. Overfitting & Underfitting
Definície:
Pojmy nevyhnutné pri trénovaní modelov – patria medzi najčastejšie výrazy v AI terminológii.
7. Hyperparametre
Definícia: Externé nastavenia modelu (learning rate, počet vrstiev), ktoré ladíte mimo procesu tréningu.
Na zamyslenie: Používate na ich hľadanie grid search, random search alebo bayesovské metódy?
Podnet na ďalšie uvažovanie: Vyskúšajte knižnice Optuna či Hyperopt na automatizované vyhľadávanie.
Kľúčové slovo v optimalizácii AI modelov – často vyhľadávané ako „nastavenie AI modelov“.
8. Feature Engineering
Definícia: Výber, transformácia a tvorba vstupov, ktoré modelom zvýšia predikčnú silu.
Na zamyslenie: Aké nové premenné by obohatili váš dataset (časové okná, agregované metriky)?
Podnet na ďalšie uvažovanie: Použite Featuretools na automatizované generovanie features a porovnajte výsledky.
Patrí medzi najdôležitejšie kroky pri budovaní výkonných AI modelov.
9. Model Drift
Definícia: Pokles presnosti modelu po nasadení v dôsledku zmien v dátach/prostredí.
Na zamyslenie: Máte nastavené alerty pri poklese metrík (napr. presnosť pod stanovenú hranicu)?
Podnet na ďalšie uvažovanie: Navrhnite dashboard so sledovaním výkonu a prahmi pre retréning.
Dôležitý pojem v dlhodobom nasadzovaní AI – udržiavanie výkonu modelu v čase.
10. Explainability (XAI)
Definícia: Schopnosť modelu (či doplnkových nástrojov) vysvetliť rozhodovanie, často pomocou SHAP alebo LIME.
Na zamyslenie: Viete pripraviť dokument pre regulátora, ktorý objasní vplyv vstupov?
Podnet na ďalšie uvažovanie: Urobte SHAP analýzu a vizualizujte top vstupy pre kľúčové prípady.
Vysvetliteľnosť AI je čoraz dôležitejšia najmä pre regulované sektory – často sa pýta „čo ovplyvnilo výstup modelu?“
11. Prompt a Prompt Engineering
Definície:
Tento pojem sa stal populárnym najmä po nástupe nástrojov ako ChatGPT – hľadaný ako „ako písať prompt pre AI“.
12. Iterovanie
Definícia: Opakovaný cyklus analýzy výstupov, úprav modelu alebo promptu a retestu, kým nedosiahnete požadovanú kvalitu.
Na zamyslenie: Ako často revidujete a vylepšujete svoje modely alebo prompty?
Podnet na ďalšie uvažovanie: Stanovte si pravidelný sprint (napr. každé 2 týždne) venovaný iterácii a dokumentujte zmeny.
Základná praktika každého dátového tímu – súvisí s agilným vývojom a neustálym učením sa modelu.
Tento slovník AI pojmov s podnetmi na ďalšie uvažovanie vám, ako klientom spoločnosti Intermarketing, pomôže lepšie pochopiť terminológiu umelej inteligencie a previesť ju do konkrétnych krokov pri príprave a hodnotení AI projektov v oblasti biznisu a marketingu. S takto štruktúrovaným prístupom si ucelíte vedomostnú bázu o umelej inteligencii a rýchlejšie rozhodnete, kedy a ako AI reálne zaviesť.
