Odborná definícia
Význam a odborné vymedzenie pojmu
AI model je výpočtová, štatistická alebo symbolická komponenta AI systému, ktorá z prijatých vstupov vytvára výstupy, napríklad predikcie, odporúčania, skóre, klasifikácie alebo generovaný obsah. Model môže byť naučený z dát, zostavený z pravidiel alebo kombinovať oba prístupy. Jeho správanie určuje architektúra, parametre, tréningový postup, dáta a nastavenie inferencie. Samotný model nie je celý produkt, pretože neobsahuje všetky integrácie, rozhrania a prevádzkové kontroly.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Model je motor, nie celé vozidlo. Dostane vstup a vypočíta výstup podľa toho, čo sa naučil alebo aké pravidlá obsahuje. Aplikácia okolo neho rieši prihlasovanie, načítanie dokumentov, zobrazenie výsledku, logovanie a oprávnenia. Rovnaký model preto môže byť bezpečný v jednom produkte a nebezpečný v inom. Pri hodnotení treba poznať nielen názov modelu, ale aj jeho verziu, tréningový pôvod, nastavenia, pripojené nástroje a konkrétny účel použitia. Tento rozdiel je kľúčový pri nákupe, pretože názov modelu sám neprezrádza, aké dáta a kontroly používa konkrétna aplikácia.
Časté otázky
Otázky, ktoré spresňujú význam
Aký je rozdiel medzi AI modelom a AI systémom?
Model vykonáva inferenciu alebo inú základnú výpočtovú funkciu. AI systém zahŕňa model spolu s dátovým spracovaním, používateľským rozhraním, pravidlami, infraštruktúrou a spôsobom nasadenia. Právne a prevádzkové riziko sa často posudzuje na úrovni celého systému, pretože rovnaký model môže mať odlišné dôsledky v prekladači, náborovom nástroji alebo zdravotníckej aplikácii.
Čo sú parametre modelu?
Parametre sú hodnoty, ktoré určujú, ako model transformuje vstup na výstup. Pri neurónovej sieti ide najmä o váhy a biasy upravené počas tréningu. Počet parametrov približne opisuje kapacitu, nie automaticky kvalitu. Dva modely s rovnakým počtom parametrov sa môžu výrazne líšiť architektúrou, dátami, optimalizáciou, kontextovým oknom a schopnosťami.
Čo sa deje pri inferencii?
Pri inferencii sa už natrénovaný model použije na nový vstup. V klasifikátore vypočíta skóre tried, v jazykovom modeli postupne odhaduje ďalšie tokeny a v odporúčacom systéme zoradí položky. Správanie môže meniť prah, teplota, system prompt, dostupný kontext alebo kvantizácia. Preto sa musia evidovať aj nastavenia inferencie, nie iba súbor s váhami.
Prečo je potrebné verzovanie AI modelu?
Nová verzia môže zmeniť presnosť, bezpečnostné správanie, formát výstupu, cenu aj latenciu. Ak dodávateľ aktualizuje model bez jasného označenia, výsledky testov sa môžu stať neplatnými. Evidencia verzie, dátumu nasadenia, konfigurácie a hodnotiacich výsledkov umožňuje reprodukovať incident, vykonať rollback a určiť, ktoré aplikácie zmena zasiahla.
Je pravidlový systém AI modelom?
Závisí od definície a kontextu. AI môže zahŕňať aj znalostné a symbolické prístupy, no nie každý jednoduchý rozhodovací strom alebo pevný if-then proces sa prakticky považuje za AI. Pri právnom posúdení je rozhodujúca definícia AI systému v príslušnom predpise a spôsob, akým systém odvodzuje výstupy zo vstupov, nie marketingové označenie produktu.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- NIST CSRC Glossary, Artificial Intelligence Model
- OECD, vysvetlenie definície systému AI Nariadenie Európskeho parlamentu a Rady (EÚ) 2024/1689
- ISO/IEC 22989:2022, Artificial intelligence concepts and terminology
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.