Concept drift

Concept drift — это изменение статистических свойств данных, на которых обучалась модель ИИ. Мир меняется, и то, что было верно вчера, сегодня может перестать работать. Модель, построенная на старых данных, начинает ошибаться, потому что реальность ускользает от неё.

Понимать дрейф важно: большинство систем ИИ работают в динамичной среде. Банки, магазины, медицина используют модели, которые должны оставаться точными годами. Если игнорировать дрейф, качество прогнозов незаметно падает: рекомендации становятся нерелевантными, антифрод пропускает мошенников, диагностика ошибается. ИИ превращается из помощника в источник убытков.

Интуитивно это так: вы учите друга угадывать время года по фото за окном. Он запомнил: зелёные деревья — лето, снег — зима. Но наступает тёплый январь без снега — друг в замешательстве, его правила устарели. Так же и модель: закономерности, выявленные на истории, меняются — постепенно или скачкообразно.

Пример — рекомендации одежды в магазине. Модель знала: зимой пуховики, летом футболки. Но климат сдвинулся, в феврале люди ищут лёгкие куртки. Модель продолжает советовать зимнее, продажи падают. Если система не отслеживает дрейф, она не замечает, что связь «февраль = холод» разрушилась.

Кратко: concept drift — напоминание, что ИИ должен не помнить прошлое, а сверяться с настоящим. Хорошая модель — та, что замечает изменения и адаптируется. Иначе любой алгоритм со временем превращается в музейный экспонат.