Datová augmentace | AI slovník

Odborná definice

Datová augmentace je soubor postupů, které vytvářejí nové tréninková příklady transformací existujúcich dat při zachování významu cílové třídy nebo úlohy. Při obrazech může jít o otočení, orez, změnu jasu či syntetická překrytí, při textu o kontrolované parafráze a při zvuku o posun tónu nebo pridání šumu. Cílem je rozšírit variabilitu dat, snížit přeučení a zlepšit generalizaci modelu na situace, které neboli přesně zastúpené v původním souboru.

Srozumitelné vysvětlení

Představte si, že učíte systém rozpoznávat poškodený výrobok pouze z fotografií nasnímaných spredu a při stejném svetle. V reálném provozu však kamera zachytí predmet z jiného uhla, v tieni nebo mírně rozmazaný. Augmentace připraví upravené verze původných fotografií, aby se model naučil rozlišovat podstatný znak chyby od náhodných okolností snímání. Dobrá augmentace napodobňuje realistické změny, zlá může změnit význam příkladu a naučit model nesprávně pravidlo.

Časté otázky

Nahrazuje datová augmentace sběr nových dat?

Ne. Ví zvýšit využitelnost existujúceho souboru, ale nevytvorí chybějící případy, nové populace ani měření, které v zdroji vůbec nejsou.

Jako zistím, či transformace zachovala správný štítek?

Transformace musí respektovat invariance úlohy. Horizontálne prevrátení může být vhodné při mačke, ale nevhodné při textu, dopravní značke nebo medicínském obraze s laterálnou informací.

Používá se augmentace i při generativní AI?

Ano. Může obohatit vstupní data pro fine tuning, vytvářet syntetická varianty instrukcí nebo rozširovat multimodální páry, vždy však s kontrolou kvality a původu.

Kdy může augmentace zhoršit výsledek?

Když vytváří nereálne příklady, posilňuje chybnou třídu, narúša citlivé znaky nebo mění distribuci tak, že se vzdiali od skutečného použití modelu.

Jak se hodnotí přínos augmentace?

Porovná se model trénovaný s augmentací a bez ní na nezávislej validační a testovací množině. Sleduje se výkon, robustnost i výsledky po jednotlivých skupinách dat.

Související pojmy

Zdroje a redakční stopa

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