Otani AI Logo AICI Logo
Начало AI Предимства Безплатен доклад Цени AI Новини ЧЗВ Контакт Речник

AI Речник

Разгадайте терминологията на изкуствения интелект с нашия изчерпателен речник. От машинно обучение до невронни мрежи, ние разбиваме сложните AI концепции на прости термини.

Съгласуване (Alignment)

Alignment
Процесът на гарантиране, че целите, изходите и поведението на AI системата съответстват на човешките цели и ценности. Това е особено важно при напреднали системи, които могат да развият поведения, които не са изрично предвидени.
Пример: Гарантиране, че чатбот за психично здраве никога не препоръчва вредни действия, независимо от подканите.

Интерфейс за програмиране на приложения (API) (Application Programming Interface (API))

Application Programming Interface (API)
Набор от дефинирани правила и протоколи, които позволяват на различни софтуерни системи да комуникират и обменят данни.
Пример: Използване на API на OpenAI за изпращане на подкана и получаване на отговор, генериран от езиков модел, във вашето уеб приложение.

Изкуствен общ интелект (AGI) (Artificial General Intelligence (AGI))

Artificial General Intelligence (AGI)
Теоретична форма на AI, която може да изпълнява всяка интелектуална задача, която човек може. Тя обобщава ученето в различни домейни.
Пример: AGI система може да научи музикална композиция, да извърши операция и да премине изпит по философия без специфично програмиране за задачата.

Изкуствен интелект (AI) (Artificial Intelligence (AI))

Artificial Intelligence (AI)
Симулация на човешкия интелект в машини, които са програмирани да мислят, разсъждават и действат автономно.
Пример: AI захранва лични асистенти като Siri и системи за автономно шофиране като Tesla Autopilot.

AI Етика (AI Ethics)

AI Ethics
Дисциплина, занимаваща се с моралните последици от разработването и използването на AI, включително справедливост, поверителност, отчетност и недискриминация.
Пример: Създаване на насоки за предотвратяване на алгоритми за наемане на работа да дискриминират въз основа на пол или етническа принадлежност.

Усилен интелект (Augmented Intelligence)

Augmented Intelligence
Сътруднически модел, при който AI допълва и подобрява човешкия интелект, вместо да го замества.
Пример: AI инструменти за радиология, които подчертават аномалии за лекарите, които вземат окончателната диагноза.

Автономен агент (Autonomous Agent)

Autonomous Agent
AI система, способна да взема собствени решения и да предприема действия за постигане на целите си без човешка намеса.
Пример: Автономно доставящо робот, навигиращо по градски улици и избягващо препятствия самостоятелно.

Обратно разпространение (Backpropagation)

Backpropagation
Техника за обучение на невронни мрежи чрез актуализиране на теглата в обратна посока от изходните към входните слоеве, минимизирайки грешките в прогнозирането.
Пример: Използва се при обучение на класификатори на изображения за намаляване на процента грешки при разпознаване на ръкописни цифри.

Пристрастие (Алгоритмично пристрастие) (Bias (Algorithmic Bias))

Bias (Algorithmic Bias)
Непреднамерено и систематично фаворизиране в AI резултатите поради небалансирани или непредставителни данни за обучение.
Пример: Система за разпознаване на лица, която по-често погрешно идентифицира хора с цветна кожа поради недостатъчното им представяне в данните за обучение.

Големи данни (Big Data)

Big Data
Изключително големи набори от данни, които изискват специални инструменти за съхранение, анализ и извличане на стойност, често използвани за обучение на AI модели.
Пример: Използване на милиони потребителски взаимодействия за обучение на двигатели за препоръки за платформи за електронна търговия.

Модел „черна кутия“ (Black Box Model)

Black Box Model
Тип AI или модел за машинно обучение, чиято вътрешна логика не е лесно разбираема от хората, което затруднява разбирането как се вземат решения.
Пример: Дълбока невронна мрежа, използвана за одобрение на заеми, но предлагаща ясно обяснение защо един кандидат е приет, а друг отхвърлен.

Когнитивни изчисления (Cognitive Computing)

Cognitive Computing
AI системи, проектирани да симулират човешки мисловни процеси, като разсъждение и учене, използвайки техники като NLP и разпознаване на модели.
Пример: Когнитивна изчислителна система, която помага на правни специалисти да анализират съдебна практика и да прогнозират резултати.

Компютърно зрение (Computer Vision)

Computer Vision
Област на изкуствения интелект, която позволява на компютрите да интерпретират и обработват визуални данни като изображения и видео.
Пример: Системи за разпознаване на лица, които идентифицират хора във видеозаписи за сигурност, използвайки компютърно зрение.

Корпус (Corpus)

Corpus
Голяма колекция от писмени или говорими текстове, използвани за обучение на езикови модели.
Пример: Наборът от данни Common Crawl е публичен уеб корпус, използван за обучение на големи езикови модели като GPT.

Дрейф на данни (Data Drift)

Data Drift
Феноменът, при който входните данни се променят с течение на времето, което води до влошаване на производителността на модела.
Пример: Модел за прогнозиране на поддръжка на индустриално оборудване става по-малко точен с въвеждането на нова сензорна технология.

Етикетиране на данни (Data Labelling)

Data Labelling
Процесът на анотиране на данни с етикети или маркери, за да ги направи подходящи за наблюдавано обучение.
Пример: Етикетиране на хиляди изображения на тумори като доброкачествени или злокачествени за обучение на модел за откриване на рак.

Извличане на данни (Data Mining)

Data Mining
Процесът на откриване на смислени модели, корелации и аномалии в големи набори от данни.
Пример: Търговците на дребно използват извличане на данни, за да установят, че хората, които купуват пелени, често купуват и бира.

Дълбоко обучение (Deep Learning)

Deep Learning
Подполе на машинното обучение, което използва многослойни невронни мрежи за моделиране на сложни модели в данните.
Пример: Дълбокото обучение се използва в езикови модели като GPT-4 и модели за генериране на изображения като Stable Diffusion.

Дифузионни модели (Diffusion Models)

Diffusion Models
Клас генеративни модели, които се учат да произвеждат данни, като постепенно трансформират случаен шум в структурирани изходи.
Пример: Stable Diffusion създава фотореалистични изображения от текстови подкани, използвайки дифузионни техники.

Вграждане (Embedding)

Embedding
Числено векторно представяне на данни, често използвано за улавяне на семантичното значение на думи, изображения или изречения.
Пример: В NLP думата „банка“ може да има сходни вграждания с „пари“, но различни от „бряг на река“ в зависимост от контекста.

Епоха (Epoch)

Epoch
Пълна итерация през целия набор от данни за обучение по време на процеса на обучение на модел за машинно обучение.
Пример: Ако наборът от данни има 1000 примера и моделът ги види всички веднъж по време на обучение, това е една епоха.

Етичен AI (Ethical AI)

Ethical AI
Философия на проектиране и внедряване, която гарантира, че AI технологиите работят прозрачно, справедливо и в съответствие с обществените ценности.
Пример: AI инструмент за наемане на работа, който включва проверки за пристрастия, за да се предотврати дискриминация срещу кандидати от малцинства.

Експертна система (Expert System)

Expert System
AI система, която имитира способностите за вземане на решения на човешки експерт в специфичен домейн, използвайки правила и логика.
Пример: Експертна система, използвана в селското стопанство за препоръчване на обработки на култури въз основа на данни за почвата и история на вредителите.

Обясним AI (XAI) (Explainable AI (XAI))

Explainable AI (XAI)
AI системи, проектирани да направят своите вътрешни процеси и решения разбираеми за хората, увеличавайки доверието и отчетността.
Пример: AI диагностичен инструмент, който не само предоставя препоръка, но и обяснява кои симптоми са довели до това заключение.

Обучение с малко примери (Few-shot Learning)

Few-shot Learning
Метод за машинно обучение, при който моделът се обучава или фино настройва, използвайки само малък брой етикетирани примери.
Пример: Персонализиране на LLM за писане на правни имейли, след като му бъдат показани само 10 примера.

Фина настройка (Fine-tuning)

Fine-tuning
Процесът на вземане на предварително обучен модел и допълнителното му обучение върху нов, по-малък набор от данни, за да се специализира за конкретна задача.
Пример: Фина настройка на общ LLM като GPT върху вътрешни правни документи за създаване на асистент за изготвяне на правни документи.

Фундаментален модел (Foundation Model)

Foundation Model
Голям модел, обучен върху разнообразни и широки данни, който може да бъде адаптиран за много последващи задачи.
Пример: GPT-4 и PaLM 2 са фундаментални модели, способни на обобщаване, въпроси и отговори, превод и други.

Размита логика (Fuzzy Logic)

Fuzzy Logic
Форма на логика, която се занимава с приблизителни стойности вместо с фиксирана истина/лъжа (бинарна) логика, полезна за разсъждение при несигурност.
Пример: Използва се в системи за контрол на климата за регулиране на температурата въз основа на размити входове като „малко горещо“ или „много студено“.

Генеративна състезателна мрежа (GAN) (Generative Adversarial Network (GAN))

Generative Adversarial Network (GAN)
Архитектура на генеративен модел, при която две мрежи — генератор и дискриминатор — се състезават за подобряване на качеството на изхода.
Пример: GAN се използват за създаване на deepfake видеоклипове или генериране на реалистични продуктови снимки от скици.

Генеративен AI (Generative AI)

Generative AI
Категория изкуствен интелект, която може да създава ново съдържание — като текст, изображения, музика или видео — от данни за обучение.
Пример: ChatGPT генерира блогове или Midjourney създава дигитално изкуство от текстови подкани.

Генеративен предварително обучен трансформатор (GPT) (Generative Pre-trained Transformer (GPT))

Generative Pre-trained Transformer (GPT)
Клас големи езикови модели, разработени от OpenAI, които използват трансформаторна архитектура и са предварително обучени върху огромни количества текстови данни, за да изпълняват разнообразни езикови задачи.
Пример: GPT-4 е способен да пише есета, да превежда езици и да обобщава документи с минимални подкани.

Генетичен алгоритъм (Genetic Algorithm)

Genetic Algorithm
Оптимизационна техника, вдъхновена от естествения подбор, при която решенията се развиват с течение на времето чрез мутация, кръстосване и селекция.
Пример: Използва се за проектиране на ефективни архитектури на невронни мрежи чрез симулиране на оцеляване на най-приспособените.

Халюцинация (Hallucination)

Hallucination
Генериране на правдоподобно звучащо, но фактически неправилно или безсмислено съдържание от AI модел.
Пример: Езиков модел измисля несъществуваща цитат или предоставя неверни исторически факти.

Евристика (Heuristic)

Heuristic
Практически подход за решаване на проблеми, който не гарантира перфектно решение, но е достатъчен за непосредствени цели.
Пример: Използване на правило на палеца за оценка на времето за доставка в логистична AI система.

Хиперпараметър (Hyperparameter)

Hyperparameter
Конфигурационна стойност, зададена преди обучение на модел за машинно обучение, като скорост на обучение или брой слоеве.
Пример: Регулиране на размера на партидата от 32 на 128 за подобряване на скоростта на обучение и производителността на модела.

Извод (Inference)

Inference
Процесът на използване на обучен модел за машинно обучение за правене на прогнози или генериране на изходи от нови входни данни.
Пример: Използване на фино настроен GPT модел за изготвяне на имейли за екип за поддръжка на клиенти.

Разпознаване на намерение (Intent Detection)

Intent Detection
Задача в разбирането на естествен език, при която системата идентифицира целта или намерението на потребителя в съобщение.
Пример: В чатбот, разпознаване на „Искам да резервирам полет“ като намерение за резервация на пътуване.

Интернет на нещата (IoT) (Internet of Things (IoT))

Internet of Things (IoT)
Мрежа от взаимосвързани физически устройства, вградени със сензори, софтуер и други технологии за събиране и обмен на данни.
Пример: Умни термостати и хладилници, които докладват данни за използване и регулират настройките, използвайки AI анализи.

Интерпретируемост (Interpretability)

Interpretability
Степента, до която човек може да разбере вътрешните механизми на модел за машинно обучение и неговия процес на вземане на решения.
Пример: Дървото на решенията е по-интерпретируемо от дълбока невронна мрежа, тъй като решенията му са проследими.

Jupyter Notebook (Jupyter Notebook)

Jupyter Notebook
Интерактивна изчислителна среда с отворен код, която позволява на потребителите да пишат код, да визуализират изходи и да документират анализ в един интерфейс.
Пример: Data scientists използват Jupyter Notebooks за прототипиране на модели за машинно обучение и споделяне на резултати.

K-най-близки съседи (KNN) (K-Nearest Neighbours (KNN))

K-Nearest Neighbours (KNN)
Прост, непараметричен алгоритъм за машинно обучение, използван за класификация и регресия. Той взема решения въз основа на най-близките примери за обучение в пространството на характеристиките.
Пример: За да класифицира ново плод като ябълка или круша, KNN проверява кои етикетирани плодове са най-близки по форма и цвят.

Граф на знанието (Knowledge Graph)

Knowledge Graph
Структура от данни, която използва възли и ребра за представяне и съхранение на взаимосвързани описания на обекти и техните връзки.
Пример: Панелът със знания на Google се захранва от граф на знанието, който свързва обекти като хора, места и събития.

Оптимизация на езикови модели за обучение (LLMO) (Language Learning Model Optimisation (LLMO))

Language Learning Model Optimisation (LLMO)
Техники, използвани за подобряване на производителността, ефективността или адаптивността на големи езикови модели за специфични задачи или домейни.
Пример: Използване на квантизация и настройка на инструкции за оптимизиране на LLM за корпоративна употреба.

Голям езиков модел (LLM) (Large Language Model (LLM))

Large Language Model (LLM)
Тип модел за дълбоко обучение, обучен върху огромни количества текстови данни, способен да генерира, разбира и разсъждава с човешки език.
Пример: ChatGPT и Claude са LLM, обучени да помагат при писане, кодиране и отговаряне на въпроси.

Латентно пространство (Latent Space)

Latent Space
Високоизмерно абстрактно представяне, където сходни входове са групирани близо един до друг, използвано в генеративни модели и вграждания.
Пример: При генериране на изображения, манипулирането на латентното пространство може да промени характеристики като яркост или емоция.

Скорост на обучение (Learning Rate)

Learning Rate
Ключов хиперпараметър при обучение, който контролира колко се актуализират теглата на модела спрямо градиента на загубата.
Пример: Висока скорост на обучение може да доведе до прескачане на минимуми, докато твърде ниска скорост забавя напредъка на обучението.

Машинно обучение (ML) (Machine Learning (ML))

Machine Learning (ML)
Клон на AI, който позволява на системите да се учат от данни и да подобряват производителността си, без да бъдат изрично програмирани.
Пример: Филтрите за спам използват машинно обучение, за да класифицират имейли като спам или не въз основа на минали примери.

Дрейф на модел (Model Drift)

Model Drift
Феномен, при който точността на модела намалява с течение на времето поради промени в данните или средата.
Пример: Модел за откриване на измами става по-малко точен, тъй като тактиките за измами се развиват.

Обучение на модел (Model Training)

Model Training
Процесът на подаване на данни към модел за машинно обучение и настройка на неговите параметри за минимизиране на грешката.
Пример: Обучение на двигател за препоръки върху историята на покупките на клиенти за предлагане на нови продукти.

Мултимодален AI (Multimodal AI)

Multimodal AI
AI системи, способни да обработват и интегрират множество типове данни като текст, изображения, аудио и видео.
Пример: Модел като GPT-4 Vision, който може да чете текст и да интерпретира изображения едновременно.

Обработка на естествен език (NLP) (Natural Language Processing (NLP))

Natural Language Processing (NLP)
Подполе на AI, фокусирано върху взаимодействието между компютри и човешки (естествен) езици. То позволява на машините да четат, разбират и отговарят на човешки език.
Пример: NLP се използва във гласови асистенти, приложения за езиков превод и чатботове.

Невронна мрежа (Neural Network)

Neural Network
Модел за машинно обучение, вдъхновен от структурата на човешкия мозък, състоящ се от слоеве от взаимосвързани възли (неврони).
Пример: Невронните мрежи стоят зад моделите за дълбоко обучение, използвани при разпознаване на изображения и глас.

Шум (Noise)

Noise
Случайна или нерелевантна информация в данните, която може да замъгли смислени модели и да повлияе негативно на производителността на модела.
Пример: Грешки в сензорите или въведени данни с правописни грешки могат да се считат за шум.

Онтология (Ontology)

Ontology
Структурирана рамка, която категоризира и дефинира връзките между концепциите в даден домейн, често използвана в семантични AI системи.
Пример: Онтология в здравеопазването може да дефинира как симптомите са свързани с болести и лечения.

Преобучаване (Overfitting)

Overfitting
Грешка в моделирането, при която модел за машинно обучение улавя шума в данните за обучение и се представя зле на нови данни.
Пример: Модел, който запаметява отговори от обучение, но не може да обработва непознати тестови данни, е преобучен.

Прогностична аналитика (Predictive Analytics)

Predictive Analytics
Използването на данни, алгоритми и AI за идентифициране на вероятността от бъдещи резултати въз основа на исторически данни.
Пример: Търговците на дребно използват прогностична аналитика за прогнозиране на търсенето на определени продукти.

Предварително обучение (Pre-training)

Pre-training
Процесът на първоначално обучение на модел върху голям, общ набор от данни, преди да бъде фино настроен за специфични задачи.
Пример: GPT моделите се предварително обучават върху големи корпуси, преди да бъдат персонализирани за чатботове за поддръжка на клиенти.

Инженеринг на подкани (Prompt Engineering)

Prompt Engineering
Изкуството и науката за създаване на ефективни подкани за насочване на изхода на големи езикови модели.
Пример: Добавянето на системни инструкции като „Отговаряй като учтив преподавател“ е пример за инженеринг на подкани.

Квантизация (Quantisation)

Quantisation
Техника за компресиране на модели, която намалява броя на битовете, използвани за представяне на тегла и активации, подобрявайки ефективността.
Пример: Квантизирането на модел от 32-битов на 8-битов подобрява производителността на мобилни устройства.

Квантови изчисления (Quantum Computing)

Quantum Computing
Нова парадигма на изчисленията, базирана на квантовата механика, която предлага потенциал за експоненциални възможности за обработка.
Пример: Квантовите изчисления може един ден да ускорят AI обучението отвъд класическите граници.

Двигател за разсъждение (Reasoning Engine)

Reasoning Engine
Система в AI, която извежда логически заключения от набор от факти или данни, използвайки правила или алгоритми за извод.
Пример: AI диагностичен инструмент използва двигател за разсъждение, за да заключи възможни медицински състояния въз основа на симптоми.

Обучение с подсилване (RL) (Reinforcement Learning (RL))

Reinforcement Learning (RL)
Област на машинното обучение, където агентите се учат чрез взаимодействие със своята среда, за да максимизират кумулативните награди.
Пример: Робот, който се учи да ходи чрез проба и грешка, използвайки RL техники.

Обучение с подсилване с човешка обратна връзка (RLHF) (Reinforcement Learning with Human Feedback (RLHF))

Reinforcement Learning with Human Feedback (RLHF)
Метод на обучение, при който човешките предпочитания насочват сигнала за награда на AI, често използван при фина настройка на езикови модели.
Пример: ChatGPT беше обучен с RLHF, за да произвежда по-полезни и безопасни отговори.

Генерация, подсилена с извличане (RAG) (Retrieval-Augmented Generation (RAG))

Retrieval-Augmented Generation (RAG)
Метод, комбиниращ извличане на информация с генерация, при който LLM извлича релевантни документи, за да подобри своя отговор.
Пример: AI асистент извлича и цитира продуктови спецификации, докато генерира отговор на технически въпрос.

Самообучение (Self-Supervised Learning)

Self-Supervised Learning
Подход за обучение, при който моделът се учи на модели, като генерира собствени етикети от сурови данни, намалявайки зависимостта от данни, анотирани от хора.
Пример: BERT се обучава със самообучение чрез предсказване на липсващи думи в текст.

Семантично търсене (Semantic Search)

Semantic Search
Техника за търсене, която разбира намерението на потребителя и контекстуалното значение, а не само съвпадението на ключови думи.
Пример: Търсенето „как да поправя течащ кран“ връща ръководства, дори ако терминът „течащ кран“ не присъства в документа.

Анализ на настроенията (Sentiment Analysis)

Sentiment Analysis
Процесът на идентифициране на емоции, мнения или нагласи в текст, често класифицирайки ги като положителни, отрицателни или неутрални.
Пример: Анализиране на туитове за измерване на обществената реакция към нов продукт.

Стохастичен (Stochastic)

Stochastic
Включващ случайност или вероятностно поведение, често използван в генеративни AI и оптимизационни алгоритми.
Пример: Изходът на GPT-4 варира за една и съща вход поради неговия стохастичен процес на декодиране.

Силен AI (Strong AI)

Strong AI
Известен още като Изкуствен общ интелект (AGI), се отнася до машини с когнитивни способности на човешко ниво във всички домейни.
Пример: Бъдещ AI, който може автономно да пише романи, да планира градове и да решава етични дилеми еднакво добре.

Супер изкуствен интелект (SAI) (Super Artificial Intelligence (SAI))

Super Artificial Intelligence (SAI)
Теоретичен AI, който далеч надхвърля човешкия интелект във всички аспекти — разсъждение, креативност, емоционална интелигентност и т.н.
Пример: SAI теоретично може да разработва нови науки и философии независимо.

Наблюдавано обучение (Supervised Learning)

Supervised Learning
Метод за машинно обучение, при който моделите се обучават върху етикетирани данни, за да научат съответствията вход-изход.
Пример: Обучение на модел да класифицира имейли като спам или не, използвайки исторически примери.

Синтетични данни (Synthetic Data)

Synthetic Data
Изкуствено генерирани данни, които симулират реални данни, често използвани за обучение, когато реалните данни са оскъдни или чувствителни.
Пример: Създаване на синтетични медицински изображения за обучение на диагностични модели, без да се нарушава поверителността на пациентите.

Токен (Token)

Token
Единица текст, обработвана от LLM — обикновено дума или част от дума.
Пример: Изречението „Здравей свят!“ се разделя на 3 токена: „Здравей“, „свят“ и „!“.

Токенизация (Tokenisation)

Tokenisation
Процесът на разделяне на текст на токени за обработка от модел.
Пример: В NLP „ChatGPT е страхотен“ става [„Chat“, „G“, „PT“, „е“, „страхотен“].

Трансферно обучение (Transfer Learning)

Transfer Learning
Използване на знания от една задача за подобряване на ученето по друга свързана задача, намалявайки времето за обучение и нуждите от данни.
Пример: Фина настройка на модел, обучен на английски текст, за извършване на анализ на настроенията на друг език.

Трансформатор (Transformer)

Transformer
Архитектура на невронна мрежа, която използва механизми за внимание за моделиране на последователни данни, широко използвана в LLM.
Пример: BERT, GPT и T5 са всички модели, базирани на трансформатори.

Недообучаване (Underfitting)

Underfitting
Когато моделът е твърде опростен, за да улови моделите в данните за обучение, което води до лоша производителност.
Пример: Линеен модел, който се опитва да прогнозира сложни класификации на изображения, може да недообучи.

Ненаблюдавано обучение (Unsupervised Learning)

Unsupervised Learning
Подход за обучение, при който моделите идентифицират модели или клъстери в нетипирани данни.
Пример: Групиране на клиенти въз основа на покупателно поведение без предварително зададени етикети.

Потребителско намерение (User Intent)

User Intent
Целта или намерението зад заявката или взаимодействието на потребителя.
Пример: Потребител, който пише „как да изпека торта“, вероятно възнамерява да намери рецепта.

Валидационен набор (Validation Set)

Validation Set
Подмножество от данни, използвано за оценка на производителността на модела по време на обучение и настройка на хиперпараметри.
Пример: Използва се за откриване на преобучаване преди окончателно тестване.

Векторна база данни (Vector Database)

Vector Database
База данни, проектирана за съхранение и търсене на векторни вграждания, използвани в AI задачи като търсене на сходство и RAG.
Пример: Pinecone и Weaviate са векторни бази данни за съхранение на текстови или образни вграждания.

Векторно вграждане (Vector Embedding)

Vector Embedding
Числено представяне на данни, което запазва семантичното значение и връзките във векторно пространство.
Пример: Думите „крал“ и „кралица“ имат сходни вграждания с фини полови разлики.

Виртуален асистент (Virtual Assistant)

Virtual Assistant
Софтуерен агент, захранван от AI, който помага на потребителите да изпълняват задачи чрез разговор или гласови команди.
Пример: Siri, Alexa и Google Assistant са популярни виртуални асистенти.

Разпознаване на глас (Voice Recognition)

Voice Recognition
Технология, която интерпретира и преобразува говорим език в текст или действие.
Пример: Гласовото въвеждане и гласовите команди разчитат на системи за разпознаване на глас.

Слабо AI (Weak AI)

Weak AI
AI системи, проектирани да изпълняват тясна, специфична задача без общ интелект.
Пример: AI за игра на шах, която не може да разбира език или да шофира кола, е пример за слабо AI.

Уеб скрейпинг (Web Scraping)

Web Scraping
Автоматизирано извличане на информация от уебсайтове, често използвано за събиране на данни за обучение или наблюдение на съдържание.
Пример: Скрейпинг на обяви за недвижими имоти за обучение на модел за оценка на имоти.

Тегло (Weight)

Weight
Параметър в невронните мрежи, който определя силата на влияние на един възел върху друг.
Пример: Теглата се коригират по време на обучение, за да се минимизира грешката на модела.

Whisper (Whisper)

Whisper
Модел за преобразуване на реч в текст, разработен от OpenAI, способен да транскрибира аудио на множество езици.
Пример: Whisper може да транскрибира лекции и подкасти с висока точност.

YAML (YAML)

YAML
Човешки четим формат за сериализация на данни, често използван за конфигурационни файлове в работни процеси за машинно обучение.
Пример: Дефиниране на параметри на модела във YAML файл за обучение в PyTorch.

Обучение с нула примери (Zero-shot Learning)

Zero-shot Learning
Способността на модел да изпълнява задачи, на които никога не е бил изрично обучен, като използва общи знания.
Пример: Модел, отговарящ на правни въпроси, въпреки че не е обучен конкретно на правни данни.

Зетабайт (Zettabyte)

Zettabyte
Единица за цифрови данни, равна на един секстилион (10^21) байта, често използвана за описване на мащаба на интернет данните.
Пример: Глобалният интернет трафик надхвърли 1 зетабайт годишно до 2016 г.