Nasadenie a MLOps · Prevádzková spoľahlivosť

Drift modelu

Model drift

Posledná odborná revízia
1. augusta 2026
Odborný garant
Miroslav Schmiedt
ID
AI-GEO-M-20

Odborná definícia

Význam a odborné vymedzenie pojmu

Model drift je zhoršovanie alebo zmena správania nasadeného modelu v čase v dôsledku posunu dát, vzťahu medzi vstupmi a cieľom, používateľského správania, procesu merania alebo okolitého systému. Pojem sa často používa ako prevádzkový zastrešujúci názov pre data drift, concept drift a posun výkonu. Drift nemožno spoľahlivo určiť iba z distribúcie vstupov, pretože nie každý posun zhorší rozhodnutia a výkon sa môže zmeniť aj bez výraznej zmeny jednoduchých príznakových štatistík.

Zrozumiteľné vysvetlenie

Ako sa pojem používa v praxi

Model odhadu dopytu môže byť presný počas bežného obdobia a zlyhať po zmene cien, správania zákazníkov alebo skladovej politiky. Váhy sa nezmenili, zmenil sa svet, na ktorý sa aplikujú. Model drift preto neznamená, že sa súbor modelu sám poškodil. Znamená, že jeho naučené vzťahy už nemusia zodpovedať aktuálnej prevádzke. Monitorovanie vstupov môže upozorniť na posun, no rozhodujúce je sledovať aj oneskorené skutočné výsledky, chyby podľa segmentov a zmeny v procese.

Časté otázky

Otázky, ktoré spresňujú význam

Ako sa model drift líši od data drift?

Data drift označuje zmenu distribúcie vstupov. Model drift je širší prevádzkový problém zmeneného správania alebo výkonu, ktorý môže zahŕňať aj concept drift.

Dá sa drift merať bez nových labelov?

Možno sledovať vstupné distribúcie, embeddingy, confidence a výstupné pomery, ale bez ground truth sa nedá priamo potvrdiť zmena predikčnej chyby.

Je každý štatistický posun dôvod na pretrénovanie?

Nie. Posun môže byť neškodný alebo očakávaný. Rozhodnutie má vychádzať z dopadu na výkon, riziko a prevádzkové náklady.

Čo je náhly a postupný drift?

Náhly vznikne pri rýchlej zmene režimu, napríklad novej politike. Postupný sa prejavuje pomalým posunom preferencií, zariadení alebo populácie.

Ako sa na drift reaguje?

Vyšetrením príčiny, úpravou prahov, zmenou príznakov, pretrénovaním na novších dátach, fallback pravidlom alebo dočasným obmedzením použitia modelu.

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 AI RMF Playbook, monitoring and maintenance

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.