<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Trust on בלוג Formize.com</title><link>https://blog.formize.com/he/tags/trust/</link><description>Recent content in Trust on בלוג Formize.com</description><generator>Hugo</generator><language>he</language><atom:link href="https://blog.formize.com/he/tags/trust/index.xml" rel="self" type="application/rss+xml"/><item><title>יצירת נתונים סינתטיים ניתנים להסבר עבור Edge AI: בניית אמון, ציות וביצועים</title><link>https://blog.formize.com/he/explainable-synthetic-data-for-edge-ai/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/he/explainable-synthetic-data-for-edge-ai/</guid><description>&lt;h1 id="יצירת-נתונים-סינתטיים-ניתנים-להסבר-עבור-edge-ai-בניית-אמון-ציות-וביצועים">יצירת נתונים סינתטיים ניתנים להסבר עבור Edge AI: בניית אמון, ציות וביצועים&lt;/h1>
&lt;p>Edge AI עובר ממעבדות ניסוי לפריסות ברמת ייצור ברכבים אוטונומיים, IoT תעשייתי וחיישני ערים חכמות. ההבטחה ברורה: אינפרנס בעל השהייה נמוכה, עלויות רוחב פס מצומצמות, ופרטיות במכשיר. עם זאת, הנתונים שמזינים את המודלים הללו הם לעיתים קרובות &lt;strong>סינתטיים&lt;/strong>, שנוצרו כדי להתגבר על מחסור, מגבלות פרטיות, או העלות הגבוהה של תיוג זרמי קצה בעולם האמיתי.&lt;/p>
&lt;p>נתונים סינתטיים פותרים בעיות רבות, אך הם מביאים סיכון חדש—&lt;strong>אופקיות&lt;/strong>. כאשר מודל מאומן על נתונים שאף אדם לא ראה, איך יכולים בעלי העניין לוודא שהנתונים מכבדים פרטיות, הוגנות ורלוונטיות לתחום? התשובה היא &lt;strong>נתונים סינתטיים ניתנים להסבר (XSD)&lt;/strong>: קבוצה של טכניקות, חפצים ותהליכי ממשל שמפכירים את יצירת, שינוי וצריכת הנתונים לשקופה, ניתנת לביקורת ובטוחה.&lt;/p></description></item></channel></rss>