Odborná definícia
Odborná definícia
Personalization je prispôsobovanie výstupov, poradia, odporúčaní alebo správania AI konkrétnemu používateľovi, účtu, organizácii či relácii na základe oprávnene dostupného kontextu. Signálmi môžu byť explicitné preferencie, história interakcií, rola, jazyk, zariadenie alebo aktuálny cieľ. Personalizácia sa môže realizovať rankingom, retrievalom, profilovým vektorom, pravidlami alebo adaptáciou modelu. Musí odlišovať stabilnú preferenciu od náhodného správania, podporovať opravu profilu a rešpektovať minimalizáciu údajov, súhlas, bezpečnosť a riziko uzavretia používateľa do filtračnej bubliny.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Vzdelávací asistent môže jednému učiteľovi ponúkať krátke pracovné listy a druhému detailné metodické poznámky, pretože pozná ich zvolený formát a predmet. Nemal by však z jednej náhodnej otázky odvodiť trvalú citlivú vlastnosť ani tajne ukladať celý obsah konverzácií. Dobrá personalizácia používateľovi ukáže, čo si systém pamätá, umožní údaj opraviť alebo vymazať a oddelí profil od faktickej odpovede. Pri evaluácii sa sleduje prínos pre konkrétne segmenty, nie iba priemerný počet kliknutí.
Časté otázky
Časté otázky
Aký je rozdiel medzi personalizáciou a segmentáciou?
Segmentácia priraďuje človeka do skupiny s podobným správaním. Personalizácia môže využívať skupinový signál, ale výsledok prispôsobuje individuálnemu profilu alebo aktuálnej relácii.
Musí personalizácia používať osobné údaje?
Nie vždy. Môže vychádzať z kontextu aktuálnej úlohy alebo z preferencií uložených lokálne. Keď používa osobné údaje, musí mať jasný účel, právny základ a primeranú retenciu.
Ako sa meria kvalita personalizácie?
Používajú sa offline rankingové metriky, A/B testy, miera splnenia úlohy, dlhodobá spokojnosť, rozmanitosť odporúčaní a fairness medzi skupinami. Krátkodobé kliknutie nemusí znamenať dlhodobý úžitok.
Čo je cold start pri personalizácii?
Nový používateľ alebo položka nemá históriu, z ktorej by sa dal vytvoriť profil. Pomáhajú explicitné voľby, obsahové príznaky, bezpečné predvolené nastavenia a postupné učenie.
Ako sa zabráni prehnanému prispôsobeniu?
Systém môže miešať známe preferencie s objavovaním nových možností, používať časový útlm starých signálov a poskytovať ovládanie profilu. Dôležitá je aj kontrola, či personalizácia nemení objektívne fakty.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- Google Cloud, Recommendations AI overview
- NIST Privacy Framework
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.