Słownik generatywnej sztucznej inteligencji dla liderów biznesu – cz. IV
Kontynuujemy kolejną część naszego słowniczka dotyczącego AI.
Jeśli nie czytaliście wcześniejszych części, dostępne są tutaj:
Słownik generatywnej sztucznej inteligencji dla liderów biznesu cz. I
Słownik generatywnej sztucznej inteligencji dla liderów biznesu – cz. II
Słownik generatywnej sztucznej inteligencji dla liderów biznesu – cz. III
Stronniczość w uczeniu maszynowym
Wszyscy słyszeliśmy wyrażenie „garbage in, garbage out”, prawda? Kiedy komputery są karmione stronniczymi informacjami, podejmują stronnicze decyzje. Może to być wynikiem celowej decyzji ludzi dostarczających komputerowi dane, przypadkowego włączenia stronniczych danych lub gdy algorytm przyjmuje błędne założenia podczas procesu uczenia się, co prowadzi do stronniczych wyników.
Przykład: Jeśli model zatwierdzania pożyczek jest szkolony na danych historycznych, które pokazują trend zatwierdzania pożyczek dla określonych grup demograficznych (takich jak płeć lub rasa), może on nauczyć się i utrwalić te uprzedzenia. Nie jest to spowodowane uprzedzeniami w systemie, ale uprzedzeniami w danych szkoleniowych. Będzie to miało ogromny wpływ na dokładność i skuteczność systemu oraz pomoże budować równość i zaufanie wśród klientów.
Co to oznacza dla klientów?
Współpraca z firmami, które aktywnie angażują się w przezwyciężanie uprzedzeń, prowadzi do bardziej sprawiedliwych doświadczeń i buduje zaufanie.
Co to oznacza dla zespołów?
Ważne jest, aby sprawdzać i eliminować stronniczość, aby zapewnić, że wszyscy klienci są traktowani sprawiedliwie i dokładnie. Zrozumienie stronniczości uczenia maszynowego i znajomość kontroli organizacji pod tym kątem pomaga zespołowi mieć zaufanie do procesów.
Model
Jest to program, który został przeszkolony do rozpoznawania wzorców w danych. Możesz mieć model, który przewiduje pogodę, tłumaczy języki, identyfikuje zdjęcia kotów itp. Podobnie jak model samolotu jest mniejszą, prostszą wersją prawdziwego samolotu, model AI jest matematyczną wersją rzeczywistego procesu.
Co to oznacza dla klientów?
Model może pomóc klientom uzyskać znacznie dokładniejsze rekomendacje produktów.
Co to oznacza dla zespołów?
Może to pomóc zespołom w przewidywaniu zachowań klientów i segmentowaniu ich na grupy.
Przetwarzanie języka naturalnego (NLP) - Natural language processing
NLP to dziedzina sztucznej inteligencji, która koncentruje się na tym, jak komputery mogą rozumieć, interpretować i generować ludzki język. Jest to technologia stojąca za takimi rzeczami jak wirtualni asystenci aktywowani głosem, aplikacje do tłumaczenia języków i chatboty.
Co to oznacza dla klientów?
NLP pozwala klientom na interakcję z systemami przy użyciu normalnego ludzkiego języka, a nie skomplikowanych poleceń. Asystenci aktywowani głosem są tego najlepszym przykładem. Dzięki temu technologia staje się bardziej dostępna i łatwiejsza w użyciu, poprawiając doświadczenia użytkowników.
Co to oznacza dla zespołów?
NLP może być wykorzystywane do analizowania opinii klientów, zasilania chatbotów lub automatyzacji tworzenia treści skierowanych do klientów.
Inżynieria zapytań - Prompt engineering
Nie potrzebujesz do tego dyplomu inżyniera. Inżynieria zapytań oznacza zastanawianie się, jak zadać pytanie, aby uzyskać dokładnie taką odpowiedź, jakiej potrzebujesz. Jest to staranne tworzenie lub wybieranie danych wejściowych (zapytań), które przekazujesz modelowi uczenia maszynowego, aby uzyskać najlepsze możliwe wyniki.
Co to oznacza dla klientów?
Gdy narzędzie generatywnej sztucznej inteligencji otrzymuje sprecyzowane zapytanie, jest w stanie dostarczyć precyzjny wynik. Im bardziej precyzyjne zapytanie, tym wrażenia użytkownika końcowego są lepsze.
Co to oznacza dla zespołów?
Może być używany do zadawania pytań dużemu modelowi językowemu w celu wygenerowania spersonalizowanej wiadomości e-mail do klienta lub do analizowania opinii klientów i wydobywania kluczowych spostrzeżeń.
Analiza nastroju - Sentiment analysis
Analiza nastroju polega na określeniu emocjonalnego tonu słów w celu zrozumienia postaw, opinii i emocji pytającego. Jest ona powszechnie stosowana w CRM w celu zrozumienia opinii klientów lub konwersacji w mediach społecznościowych na temat marki lub produktu.
Co to oznacza dla klientów?
Klienci mogą oferować informacje zwrotne za pośrednictwem nowych kanałów, co prowadzi do podejmowania bardziej świadomych decyzji przez firmy, z którymi wchodzą w interakcje.
Co to oznacza dla zespołów?
Analiza nastrojów może być wykorzystana do zrozumienia, co klienci myślą o produkcie lub marce, w oparciu o ich opinie lub posty w mediach społecznościowych, co może pomóc w wielu aspektach reputacji marki lub produktów i zarządzania nimi.
Uczenie nadzorowane - Supervised learning
Uczenie nadzorowane ma miejsce, gdy model uczy się na podstawie przykładów. Przypomina to scenariusz nauczyciel-uczeń: nauczyciel dostarcza uczniowi (modelowi) pytania i prawidłowe odpowiedzi. Uczeń studiuje je i z czasem uczy się samodzielnie odpowiadać na podobne pytania. Jest to bardzo pomocne w szkoleniu systemów, które rozpoznają obrazy, tłumaczą języki lub przewidują prawdopodobne wyniki.
Co to oznacza dla klientów?
Zwiększona wydajność i systemy, które uczą się rozumieć ich potrzeby dzięki wcześniejszym interakcjom.
Co to oznacza dla zespołów?
Może być używany do przewidywania zachowań klientów lub segmentacji klientów na grupy w oparciu o dane z przeszłości.
Powyżej udostępniamy Wam tłumaczenie artykułu z 19 czerwca 2023 roku dostępnego na stronie Salesforce.com pod adresem https://www.salesforce.com/blog/generative-ai-glossary/ Wszelkie prawa do artykułu przysługują Salesforce, Inc. z siedzibą w San Francisco, USA.
Wojciech Niżankowski
Redakcja coffee & force