Recall i F1 Score? (Metrike uspjeha)
Recall i F1 Score: Kako da znaš da li tvoj AI ZAISTA radi posao (i zašto ti je to bitno)
Sjećaš se onog osjećaja kada dobiješ novi gadget, pun si entuzijazma, ali onda shvatiš da ne radi baš onako kako si zamislio? Ili, još gore, radi, ali nikako da “pogodi” ono što ti stvarno treba?
E, pa, ista priča je i sa vještačkom inteligencijom. Možeš imati super napredan AI model, ali kako da znaš da li je stvarno dobar? Nije dovoljno da kažeš: “radi”. Treba nam nešto konkretno, nešto što možemo izmjeriti. I tu na scenu stupaju Recall i F1 Score.
Znam šta misliš. Brojke, statistika, opet nešto komplikovano. Ali, vjeruj mi, ovo nije bauk. Zamisli da si fudbalski trener koji ocjenjuje napadača. Nije ti dovoljno da on samo trči po terenu, je l’ da? Moraš da znaš koliko puta je pogodio gol (kada je trebalo) i koliko je lopti promašio (kada nije smio).
Evo kako da ova dva “mjerača uspjeha” pretvorimo u nešto opipljivo, sa primjerima koji ti neće dati glavobolju.
Recall: Ne smiješ ništa propustiti!
Zamislite da ste u potrazi za najkvalitetnijim vrganjima u šumi. Vaš cilj je da ih pronađete sve. Ne smijete propustiti nijedan. Ako vam je korpa puna, ali ste ostavili pola šume nepregledano, niste uradili dobar posao.
U svijetu AI-ja, Recall (ili osjetljivost) nam govori: „Koliko je AI uspio da pronađe svih onih stvari koje smo tražili, od svih koje su se zaista nalazile tamo?“
- Primjer iz života: Sistem za prepoznavanje opasnih komentara na društvenim mrežama, recimo, na nekom forumu u Mostaru. U ovom slučaju, apsolutno je ključno da AI prepozna SVAKI opasan komentar. Bolje da pogrešno označi neki bezazlen, pa da ga čovjek provjeri, nego da propusti pravu prijetnju. Ovdje nam je Recall izuzetno važan!
- Drugi primjer: Medicinska dijagnostika raka. Mora se uhvatiti svaki slučaj. Bolje je imati nekoliko