Odborná definice
Odborná definice
Algorithm, algoritmus, je konečný a jednoznačne opísaný postup, který transformuje vstupy na výstupy prostřednictvím série kroků. Může být deterministický, když stejný vstup vede k rovnakému výsledku, nebo používat náhodnost. V AI se algoritmy používají na trénink modelů, vyhledávání, optimalizaci, rozhodování a zpracování dat. Algoritmus není synonymom modelu: tréninkový algoritmus model vytváří nebo upravuje, zatímco model uchovává naučené parametry či pravidla.
Srozumitelné vysvětlení
Srozumitelné vysvětlení
Recept je jednoduchá analógia algoritmu: má vstupy, pořadí kroků a výsledek. Při AI může algoritmus vybrat nejlépe parametry modelu, zoradit dokumenty nebo najít cestu v grafu. Model je dříve výsledná naučená struktura, kterou algoritmus používá nebo vytvořil. Když firma řekne, že rozhoduje algoritmus, je třeba se pýtať, či jde o pevné pravidla, statistický model, optimalizační postup nebo celou aplikaci, protože tyto veci mají odlišné rizika. Jasné pomenování vrstvy problému zabraňuje tomu, aby se technická vlastnost jednoho postupu pripisovala celému rozhodovaciemu systému.
Časté otázky
Časté otázky
Jaký je rozdíl mezi algoritmem a programom?
Algoritmus je abstraktný postup řešení problému. Program je konkrétní implementace v programovacom jazyku spolu s dátovými štruktúrami, rozhraniami a ošetrením chyb. Ten jistý algoritmus lze implementovat více spůsobmi a s odlišnou výkonností. Chyba může být v návrhu algoritmu nebo pouze v konkrétním programe, který ho realizuje.
Co znamená časová a paměťová složitost?
Časová složitost popisuje, jako roste počet potřebných operací s velikostí vstupu. Paměťová složitost popisuje rast spotreby paměti. Zapisují se například pomocí Big O. Dva algoritmy mohou poskytovat stejný výsledek, ale jeden je prakticky nepoužitelný při velkých datech. Při AI ovlivňuje složitost cenu tréninku, latenci a energetickou náročnost.
Může být algoritmus náhodný?
Ano. Stochastické algoritmy používají náhodný výběr nebo inicializaci, například při mini-batch tréninku, exploraci nebo bootstrapování. Výsledek se potom může mezi behmi lišit. Reprodukovatelnost vyžaduje zaznamenat seed, verze knižníc a hardware, ale ani to nemusí vždy odstranit všechny nedeterministické operace v paralelnom výpočtu.
Je každý algoritmus umělá inteligence?
Ne. Triedení seznamu, výpočet dane nebo komprese jsou algoritmy, ale běžně se nepovažují za AI. AI používá algoritmy na úlohy spájané s inferencí, učením, vnímáním, jazykem nebo rozhodováním. Hranice závisí na definice a kontextu. Marketingové označení algoritmu jako AI není samo sám o sobě technickým ani právnym důkazem.
Proč je třeba při algoritmickom rozhodování poznat vstupy?
I dokonale implementovaný postup může vytvářet škodlivé výsledky, pokud používá nepresné, diskriminačné nebo neprípustné vstupy. Některé proměnné mohou fungovat jako proxy pro chránenou vlastnost. Dokumentace má uvádět, odkial vstupy pochádzají, proč jsou relevantní a jak se řeší chybějící hodnoty. Audit výstupu bez kontroly vstupů je neúplný.
Související pojmy
Související pojmy
Zdroje a redakční stopa
Zdroje a redakční stopa
- ISO/IEC 22989:2022, Artificial intelligence concepts and terminology
- OECD, vysvetlenie definície systému AI
- Google Machine Learning Glossary
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.