Опасности од превелике способности у моделима вештачке интелигенције: разумевање и спречавање прекомерног прилагођавања

Преоптерећеност је феномен који се јавља када је АИ модел превише добар у хватању података о обуци, и као резултат тога, постаје превише специјализован за тај специфични скуп података. Ово може довести до тога да модел не ради лоше на новим, невидљивим подацима.ӕӕДругим речима, модел је научио шум у подацима обуке, а не основне обрасце. Ово се може десити када су подаци о обуци ограничени или пристрасни, или када се модел превише уклапа у податке о обуци.ӕӕПретераност се може спречити коришћењем техника као што су регуларизација, рано заустављање и унакрсна валидација током процеса обуке. Ове технике помажу да се спречи да модел постане превише специјализован за податке обуке и подстичу га да боље генерализује нове податке.