AI-skolan
Drift detection handlar om att övervaka om fördelningen av indata till en AI-modell eller dess output förändras över tid på ett sätt som kan försämra prestandan. Det finns datadrift (indata förändras), konceptdrift (relationen mellan indata och utdata förändras) och prediktionsdrift (utdatafördelningen förändras). Att upptäcka drift tidigt är avgörande för att hålla modeller i god form.
Exempel
En chatbot tränad på kundärenden från 2022 kan uppleva konceptdrift när företaget lanserar nya produkter 2024: plötsligt ställs frågor om produkter och problem som inte existerade under träning. Drift detection-system larmar när andelen oväntade frågor ökar, vilket signalerar att modellen behöver finjusteras på nyare data.
ML
Avancerat