Predicție

Ce este predicția?

Predicția este rezultatul final generat de un model AI în urma procesului de inferență. Reprezintă estimarea sau „răspunsul” modelului la o întrebare sau sarcină specifică — poate fi o clasificare, o valoare numerică, un text generat sau orice alt tip de ieșire.

Linia de producție: „Predicția”

În „linia de producție”, predicția este „produsul” care iese de pe linie: un scor, o categorie, o recomandare sau un text.

În practică, produsul vine aproape mereu cu o etichetă de calitate:

  • scor de încredere / probabilitate
  • alternative posibile
  • praguri de acceptare (când acționăm automat vs. cerem confirmare umană)

Acesta ajută sistemul să decidă: folosim direct rezultatul sau îl tratăm ca semnal pentru o decizie.

De ce sunt importante?

Predicțiile sunt valoarea practică a inteligenței artificiale:

  • Fără predicții — AI rămâne doar teorie și cercetare
  • Predicții precise — decizii mai bune, automatizare eficientă
  • Predicții greșite — consecințe care pot varia de la minore la grave

O predicție AI nu este un fapt incontestabil, ci o estimare statistică bazată pe tipare învățate anterior. Când un model indică „90% pisică”, acesta transmite că imaginea respectivă prezintă caracteristici care se suprapun în proporție de 90% cu exemplele de pisici din baza sa de date.

Tipuri de predicții

Modelul atribuie o categorie din opțiuni predefinite.

Exemplu output:

Email: „Ai câștigat $1.000.000!”
Predicție: SPAM (97% încredere)

Utilizări: Spam/Nu spam, Pisică/Câine, Pozitiv/Negativ/Neutru

Modelul prezice o valoare numerică.

Exemplu output:

Casa: 3 camere, București, 80mp
Predicție: 125.000 EUR (±8.000 EUR)

Utilizări: Prețuri, temperaturi, vânzări, durate

Modelul creează conținut nou.

Exemplu output:

Prompt: „Scrie 3 versuri despre toamnă”
Predicție: „Frunze ruginii cad,
           Vântul șoptește povești,
           Toamna se-nstăpânește.”

Utilizări: Text, imagini, muzică, cod

Modelul identifică elemente specifice în date.

Exemplu output:

Imagine: Fotografie stradală
Predicție: 
  - Mașină la (120, 340) - 95%
  - Pieton la (450, 280) - 89%
  - Semafor la (200, 100) - 99%

Utilizări: Obiecte în imagini, entități în text, anomalii în date

Anatomia unei predicții

%%{init: {'themeVariables': { 'fontSize': '18px', 'subGraphTitleFontSize': '22px', 'fontFamily': 'Open Sans' }}}%%
flowchart LR
    subgraph INPUT["<b>📥 Intrare</b>"]
        I["<b>Imagine <br>necunoscută</b>"]
    end
    
    subgraph PROCESS["<b>🧠 Inferență</b>"]
        M["<b>Model <br>procesează</b>"]
    end
    
    subgraph OUTPUT["<b>📤 Predicție</b>"]
        P1["<b>Pisică: 87%</b>"]
        P2["<b>Câine: 10%</b>"]
        P3["<b>Iepure: 3%</b>"]
    end
    
    subgraph DECISION["<b>✅ Decizie</b>"]
        D["<b>Clasificat: PISICĂ</b>"]
    end
    
    I --> M --> P1
    M --> P2
    M --> P3
    P1 --> D

    style INPUT fill:#f5f5f5,color:#000
    style PROCESS fill:#e3f2fd,color:#000
    style OUTPUT fill:#fff3e0,color:#000
    style DECISION fill:#e8f5e9,color:#000

Componentele unei predicții:

  1. Eticheta predicției (sau rezultatul) — categoria atribuită de model (ex: „pisică”).
  2. Nivelul de încredere — probabilitatea matematică estimată de model (ex: 87%).
  3. Alternative (distribuția probabilității) — celelalte clase analizate și scorurile lor (ex: „câine” 10%, „tigru” 3%).
  4. Pragul de încredere — limita minimă stabilită pentru ca rezultatul să fie considerat valid și afișat (ex: >80%).

Nivelul de încredere: Siguranța nu înseamnă adevăr

Scorul care însoțește o predicție (ex: „95%”) reprezintă nivelul de încredere. Acesta indică măsura în care datele introduse se potrivesc cu tiparele matematice extrase de algoritm în timpul antrenamentului.

Atenție: O încredere de 95% nu este o garanție a corectitudinii. Înseamnă doar că modelul este „foarte convins” de propria logică internă. Dacă modelul a fost antrenat pe date eronate sau părtinitoare, acesta poate genera o eroare (halucinație) cu o siguranță absolută.

Este important să nu confundăm certitudinea matematică cu acuratețea factuală. Verificați întotdeauna rezultatele cu impact major, indiferent de cât de „sigur” pare sistemul.

Exemple

Intrare: Destinația ta + ora curentă

Predicție:

  • Timp estimat: 23 minute
  • Rută optimă: pe strada X, apoi Y
  • Încredere: bazată pe date de trafic în timp real

Impact: Estimarea variază în funcție de trafic și de calitatea datelor în timp real.

Intrare: Istoricul tău de ascultare

Predicție:

  • 30 de melodii pe care probabil le vei aprecia
  • Ordonate după probabilitatea să-ți placă

Impact: Calitatea recomandărilor variază în funcție de utilizator și de datele disponibile.

Intrare: Radiografie pulmonară

Predicție:

  • Normal: 15%
  • Pneumonie: 82%
  • Tuberculoză: 3%

Rolul uman: Medicul ia decizia finală, AI este doar asistent.

Cum se leagă de alte concepte?

%%{init: {'themeVariables': { 'fontSize': '18px', 'subGraphTitleFontSize': '22px', 'fontFamily': 'Open Sans' }}}%%
flowchart LR
    M[Model AI] --> INF[Inferență]
    INF --> PRED[<b>PREDICȚIE</b><br>Tu ești aici]:::current
    PRED --> S[Sistem AI]
    
    classDef current fill:#CFE8F3,stroke:#000000,stroke-width:1px

Concept Relația cu Predicția
Inferență Predicția este REZULTATUL inferenței (calculul din sistem)
Model AI Modelul PRODUCE predicția când este rulat în inferență
Sistem AI Sistemul LIVREAZĂ predicția către utilizator/proces și decide cum o folosește

Termeni asociați: → Inferență | → Model AI | → Sistem AI

← Inferență

Sistem AI →

Back to top