Personalizace AI systému | AI slovník

Odborná definice

Personalization je prispůsobování výstupů, pořadí, doporučení nebo chování AI konkrétnímu uživateli, účtu, organizaci či relaci na základě oprávnene dostupného kontextu. Signály mohou být explicitní preference, historie interakcí, rola, jazyk, zařízení nebo aktuální cíl. Personalizace se může realizovat rankingom, retrievalem, profilovým vektorem, pravidly nebo adaptací modelu. Musí odlišovat stabilnou preferenci od náhodného chování, podporovat opravu profilu a respektovat minimalizaci údajů, souhlas, bezpečnost a riziko uzavretia uživatele do filtračnej bubliny.

Srozumitelné vysvětlení

Vzdelávací asistent může jednomu učitelovi ponúkat krátké pracovní listy a druhému detailné metodické poznámky, protože pozná jejich zvolený formát a predmet. Nemal by však z jedné náhodné otázky odvodit trvalou citlivou vlastnost ani tajne ukladat celý obsah konverzací. Dobrá personalizace uživateli ukáže, co si systém pametá, umožní údaj opravit nebo vymazat a oddelí profil od faktickej odpovědi. Při evaluaci se sleduje přínos pro konkrétně segmenty, ne pouze průměrný počet kliknutí.

Časté otázky

Jaký je rozdíl mezi personalizací a segmentací?

Segmentace přiřazuje člověka do skupiny s podobným chováním. Personalizace může využívat skupinový signál, ale výsledek přizpůsobuje individuálnemu profilu nebo aktuální relaci.

Musí personalizace používat osobní údaje?

Ne vždy. Může vycházet z kontextu aktuální úlohy nebo z preferencií uložených lokálně. Když používá osobní údaje, musí mít jasný účel, právní základ a přiměřenou retenci.

Jak se měří kvalita personalizace?

Používají se offline rankingové metriky, A/B testy, míra splnění úlohy, dlhodobá spokojnost, rozmanitost doporučení a fairness mezi skupinami. Krátkodobé kliknutí nemusí znamenat dlouhodobý úžitok.

Co je cold start při personalizaci?

Nový uživatel nebo položka nemá historii, ze které by se dal vytvořit profil. Pomáhají explicitní volby, obsahové příznaky, bezpečné predvolené nastavení a postupné učení.

Jak se zabrání prehnanému prispůsobení?

Systém může miešat známé preference s objavováním nových možností, používat časový útlm starých signálů a poskytovat ovládání profilu. Důležitá je i kontrola, či personalizace nemění objektívne fakta.

Související pojmy

Zdroje a redakční 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.