L’entrenament és el procés pel qual un
model d’IA "
aprèn" a realitzar la seva tasca mitjançant l’anàlisi de grans quantitats de dades (
datasets). És similar a com un estudiant
aprèn mitjançant la pràctica i els exemples, però a una escala i velocitat molt més grans.
Durant l’entrenament, el model analitza milers o milions d’exemples per identificar
patrons i
aprendre d’aquests. Per exemple, per reconèixer gats en fotografies, un model s’entrenaria amb milions d’imatges etiquetades de gats, aprenent gradualment a identificar orelles, bigotis i altres característiques felines.
El procés inclou diverses fases: primer es recopilen i es preparen les dades d’entrenament, després s’ajusten els
paràmetres del model mentre analitza aquestes dades, i finalment es prova el seu rendiment amb dades noves que mai ha vist. És com un cicle d’estudi, pràctica i exàmens.
Els resultats de l’entrenament depenen molt de la qualitat i la quantitat de les dades utilitzades. Si les dades estan esbiaixades o són incorrectes, el model aprendrà aquests mateixos
biaixos, com un estudiant que
aprèn de llibres amb errors.