Interpretovatelnost znamená, jak snadno lze porozumět tomu, jak AI model došel ke svému výsledku. U složitých modelů, jako jsou hluboké neuronové sítě, bývá toto vysvětlení obtížné – říkáme, že model je „černá skříňka“. Interpretovatelnost je zásadní ve vysoce regulovaných oblastech, jako je zdravotnictví, finance nebo právo, kde je důležité rozumět důvodům rozhodnutí AI.

V kontextu AI označuje inteligence schopnost systému vnímat okolí, chápat data, učit se z nich a reagovat na základě získaných zkušeností. Na rozdíl od lidské inteligence je ta umělá specifická – většinou se zaměřuje na úzké úkoly, jako je rozpoznávání hlasu, překlad textu nebo řízení vozidla. Vize obecné umělé inteligence (AGI) zatím zůstává cílem budoucnosti.

Inference je proces, kdy AI model používá naučené znalosti k vytváření nových výstupů – tedy ke „skutečné práci“. Zatímco trénink modelu probíhá na rozsáhlých datech, inference nastává například ve chvíli, kdy zadáš dotaz do chatbotu nebo model rozpozná objekt na obrázku. Je to klíčová fáze, kdy model aplikuje naučené vzory na nová, dříve neviděná data.