Otani AI Logo AICI Logo
Domů Výhody AI Bezplatná zpráva Ceny Novinky AI FAQ Kontakt Slovník

AI Jargon Buster

Demystifikujte terminologii umělé inteligence s naším komplexním slovníkem. Od strojového učení po neuronové sítě, rozkládáme složité koncepty AI do jednoduchých termínů.

Alignment (Alignment)

Alignment
Proces zajišťování, aby cíle, výstupy a chování systému AI byly v souladu s lidskými cíli a hodnotami. To je zvláště důležité u pokročilých systémů, které mohou vyvinout chování, jež nebylo explicitně zamýšleno.
Příklad: Zajištění, aby chatbot pro duševní zdraví nikdy nedoporučil škodlivé akce bez ohledu na podněty.

Application Programming Interface (API) (Application Programming Interface (API))

Application Programming Interface (API)
Sada definovaných pravidel a protokolů, která umožňují různým softwarovým systémům komunikovat a vyměňovat si data.
Příklad: Použití API OpenAI k odeslání podnětu a přijetí odpovědi generované jazykovým modelem ve vaší webové aplikaci.

Artificial General Intelligence (AGI) (Artificial General Intelligence (AGI))

Artificial General Intelligence (AGI)
Teoretická forma AI, která dokáže provádět jakýkoli intelektuální úkol, který může provést člověk. Generalizuje učení napříč doménami.
Příklad: Systém AGI by se mohl naučit skládat hudbu, provádět operace a složit zkoušku z filozofie bez programování specifického pro daný úkol.

Artificial Intelligence (AI) (Artificial Intelligence (AI))

Artificial Intelligence (AI)
Simulace lidské inteligence v strojích, které jsou naprogramovány tak, aby myslely, uvažovaly a jednaly autonomně.
Příklad: AI pohání osobní asistenty jako Siri a systémy autonomního řízení jako Tesla Autopilot.

AI Ethics (AI Ethics)

AI Ethics
Disciplína zabývající se morálními důsledky vývoje a používání AI, včetně spravedlnosti, soukromí, odpovědnosti a nediskriminace.
Příklad: Vytváření pokynů, které zabrání algoritmům pro nábor diskriminovat na základě pohlaví nebo etnického původu.

Augmented Intelligence (Augmented Intelligence)

Augmented Intelligence
Kolaborativní model, kde AI doplňuje a posiluje lidskou inteligenci, místo aby ji nahrazovala.
Příklad: Nástroje radiologie poháněné AI, které zvýrazňují anomálie pro lékaře, kteří provádějí konečnou diagnózu.

Autonomous Agent (Autonomous Agent)

Autonomous Agent
Systém AI schopný samostatně činit rozhodnutí a podnikat kroky k dosažení svých cílů bez lidského zásahu.
Příklad: Autonomní doručovací robot, který se nezávisle pohybuje po městských ulicích a vyhýbá se překážkám.

Backpropagation (Backpropagation)

Backpropagation
Technika pro trénování neuronových sítí úpravou vah v opačném směru od výstupních k vstupním vrstvám, minimalizující chyby predikce.
Příklad: Používá se při trénování klasifikátorů obrazu ke snížení chybovosti při rozpoznávání ručně psaných číslic.

Bias (Algorithmic Bias) (Bias (Algorithmic Bias))

Bias (Algorithmic Bias)
Neúmyslná a systematická předpojatost ve výstupech AI způsobená nevyváženými nebo nereprezentativními tréninkovými daty.
Příklad: Systém rozpoznávání obličejů, který častěji chybně identifikuje lidi s tmavší pletí kvůli jejich nedostatečnému zastoupení v tréninkových datech.

Big Data (Big Data)

Big Data
Extrémně velké datové sady, které vyžadují speciální nástroje pro ukládání, analýzu a získávání hodnoty, často používané k trénování modelů AI.
Příklad: Použití milionů uživatelských interakcí k trénování doporučovacích systémů pro e-commerce platformy.

Black Box Model (Black Box Model)

Black Box Model
Typ modelu AI nebo strojového učení, jehož vnitřní logika není pro lidi snadno interpretovatelná, což ztěžuje pochopení toho, jak jsou rozhodnutí činěna.
Příklad: Hluboká neuronová síť používaná k schvalování půjček, ale nenabízející jasné vysvětlení, proč byl jeden žadatel přijat a druhý zamítnut.

Cognitive Computing (Cognitive Computing)

Cognitive Computing
Systémy AI navržené tak, aby simulovaly lidské myšlenkové procesy, jako je uvažování a učení, pomocí technik, jako je NLP a rozpoznávání vzorů.
Příklad: Systém kognitivního výpočtu, který pomáhá právním profesionálům analyzovat judikaturu a předpovídat výsledky.

Computer Vision (Computer Vision)

Computer Vision
Obor umělé inteligence, který umožňuje počítačům interpretovat a zpracovávat vizuální data, jako jsou obrázky a videa.
Příklad: Systémy rozpoznávání obličejů, které identifikují lidi v bezpečnostních záznamech pomocí počítačového vidění.

Corpus (Corpus)

Corpus
Velká sbírka psaných nebo mluvených textů používaná k trénování jazykových modelů.
Příklad: Dataset Common Crawl je veřejný webový korpus používaný k trénování velkých jazykových modelů, jako je GPT.

Data Drift (Data Drift)

Data Drift
Fenomén, kdy se vstupní data časem mění, což způsobuje degradaci výkonu modelu.
Příklad: Model prediktivní údržby pro průmyslová zařízení se stává méně přesným, jakmile je zavedena nová senzorová technologie.

Data Labelling (Data Labelling)

Data Labelling
Proces anotace dat značkami nebo štítky, aby byla vhodná pro učení pod dohledem.
Příklad: Označování tisíců snímků nádorů jako benigních nebo maligních k trénování modelu detekce rakoviny.

Data Mining (Data Mining)

Data Mining
Proces objevování smysluplných vzorů, korelací a anomálií ve velkých datových sadách.
Příklad: Maloobchodníci používají data mining k identifikaci toho, že lidé, kteří kupují plenky, si často kupují i pivo.

Deep Learning (Deep Learning)

Deep Learning
Podoblast strojového učení, která využívá vícevrstvé neuronové sítě k modelování složitých vzorů v datech.
Příklad: Hluboké učení se používá v jazykových modelech jako GPT-4 a modelech pro generování obrazu jako Stable Diffusion.

Diffusion Models (Diffusion Models)

Diffusion Models
Třída generativních modelů, které se učí produkovat data postupnou transformací náhodného šumu na strukturované výstupy.
Příklad: Stable Diffusion vytváří fotorealistické obrazy z textových podnětů pomocí difuzních technik.

Embedding (Embedding)

Embedding
Numerická vektorová reprezentace dat, často používaná k zachycení sémantického významu slov, obrázků nebo vět.
Příklad: V NLP může mít slovo 'banka' podobné vektory jako 'peníze', ale odlišné od 'břeh řeky' v závislosti na kontextu.

Epoch (Epoch)

Epoch
Jedna úplná iterace přes celou tréninkovou datovou sadu během procesu trénování modelu strojového učení.
Příklad: Pokud datová sada obsahuje 1 000 příkladů a model je během tréninku všechny jednou uvidí, je to jedna epocha.

Ethical AI (Ethical AI)

Ethical AI
Filozofie návrhu a nasazení, která zajišťuje, že technologie AI fungují transparentně, spravedlivě a v souladu se společenskými hodnotami.
Příklad: Nástroj pro nábor AI, který zahrnuje kontroly předpojatosti, aby se zabránilo diskriminaci kandidátů z menšin.

Expert System (Expert System)

Expert System
Systém AI, který napodobuje rozhodovací schopnosti lidského experta ve specifické doméně pomocí pravidel a logiky.
Příklad: Expertní systém používaný v zemědělství k doporučení ošetření plodin na základě údajů o půdě a historie škůdců.

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

Explainable AI (XAI)
Systémy AI navržené tak, aby jejich vnitřní procesy a rozhodnutí byly pro lidi srozumitelné, čímž se zvyšuje důvěra a odpovědnost.
Příklad: Lékařský diagnostický AI, který nejen poskytuje doporučení, ale také vysvětluje, které příznaky k tomuto závěru vedly.

Few-shot Learning (Few-shot Learning)

Few-shot Learning
Metoda strojového učení, kde je model trénován nebo doladěn s použitím pouze malého počtu označených příkladů.
Příklad: Přizpůsobení LLM pro psaní právních e-mailů po zobrazení pouze 10 příkladů.

Fine-tuning (Fine-tuning)

Fine-tuning
Proces převzetí předtrénovaného modelu a jeho dalšího trénování na novém, menším datovém souboru za účelem jeho specializace na konkrétní úkol.
Příklad: Doladění obecného LLM jako GPT na interních právních dokumentech za účelem vytvoření asistenta pro právní psaní.

Foundation Model (Foundation Model)

Foundation Model
Velký model trénovaný na rozmanitých a širokých datech, který lze přizpůsobit mnoha následným úkolům.
Příklad: GPT-4 a PaLM 2 jsou základní modely schopné sumarizace, odpovídání na otázky, překladu a dalších.

Fuzzy Logic (Fuzzy Logic)

Fuzzy Logic
Forma logiky, která se zabývá přibližnými hodnotami namísto pevné pravda/nepravda (binární) logiky, užitečná pro uvažování v nejistotě.
Příklad: Používá se v systémech řízení klimatu k úpravě teploty na základě nejasných vstupů, jako je „trochu horko“ nebo „velmi zima“.

Generative Adversarial Network (GAN) (Generative Adversarial Network (GAN))

Generative Adversarial Network (GAN)
Architektura generativního modelu, kde dvě sítě – generátor a diskriminátor – soutěží o zlepšení kvality výstupu.
Příklad: GANy se používají k vytváření deepfake videí nebo generování realistických fotografií produktů z náčrtů.

Generative AI (Generative AI)

Generative AI
Kategorie umělé inteligence, která dokáže vytvářet nový obsah – jako je text, obrázky, hudba nebo video – z tréninkových dat.
Příklad: ChatGPT generuje blogové příspěvky nebo Midjourney vytváří digitální umění z textových podnětů.

Generative Pre-trained Transformer (GPT) (Generative Pre-trained Transformer (GPT))

Generative Pre-trained Transformer (GPT)
Třída velkých jazykových modelů vyvinutých společností OpenAI, které využívají transformerovou architekturu a jsou předtrénovány na obrovském množství textových dat k provádění různých jazykových úkolů.
Příklad: GPT-4 je schopen psát eseje, překládat jazyky a sumarizovat dokumenty s minimálním zadáním.

Genetic Algorithm (Genetic Algorithm)

Genetic Algorithm
Optimalizační technika inspirovaná přirozeným výběrem, kde se řešení časem vyvíjejí prostřednictvím mutace, křížení a výběru.
Příklad: Používá se k návrhu efektivních architektur neuronových sítí simulací přežití nejschopnějších.

Hallucination (Hallucination)

Hallucination
Generování věrohodně znějícího, ale fakticky nesprávného nebo nesmyslného obsahu modelem AI.
Příklad: Jazykový model si vymyslí neexistující citaci nebo poskytne falešná historická fakta.

Heuristic (Heuristic)

Heuristic
Praktický přístup k řešení problémů, který nezaručuje dokonalé řešení, ale je dostatečný pro okamžité cíle.
Příklad: Použití pravidla palce k odhadu doby dodání v logistickém systému AI.

Hyperparameter (Hyperparameter)

Hyperparameter
Konfigurační hodnota nastavená před trénováním modelu strojového učení, jako je rychlost učení nebo počet vrstev.
Příklad: Úprava velikosti dávky z 32 na 128 pro zlepšení rychlosti tréninku a výkonu modelu.

Inference (Inference)

Inference
Proces používání natrénovaného modelu strojového učení k vytváření predikcí nebo generování výstupů z nových vstupních dat.
Příklad: Použití doladěného modelu GPT k vytváření návrhů e-mailů pro tým zákaznické podpory.

Intent Detection (Intent Detection)

Intent Detection
Úkol v porozumění přirozenému jazyku, kde systém identifikuje cíl nebo účel uživatele ve zprávě.
Příklad: V chatbotu rozpoznání „Chci si zarezervovat let“ jako záměr rezervace cestování.

Internet of Things (IoT) (Internet of Things (IoT))

Internet of Things (IoT)
Síť propojených fyzických zařízení s integrovanými senzory, softwarem a dalšími technologiemi pro sběr a výměnu dat.
Příklad: Chytré termostaty a ledničky, které hlásí data o používání a upravují nastavení pomocí analýzy AI.

Interpretability (Interpretability)

Interpretability
Míra, do jaké člověk dokáže pochopit vnitřní mechanismy modelu strojového učení a jeho rozhodovací proces.
Příklad: Rozhodovací strom je interpretovatelnější než hluboká neuronová síť, protože jeho rozhodnutí jsou sledovatelná.

Jupyter Notebook (Jupyter Notebook)

Jupyter Notebook
Open-source interaktivní výpočetní prostředí, které umožňuje uživatelům psát kód, vizualizovat výstupy a dokumentovat analýzy v jednom rozhraní.
Příklad: Datoví vědci používají Jupyter Notebooky k prototypování modelů strojového učení a sdílení výsledků.

K-Nearest Neighbours (KNN) (K-Nearest Neighbours (KNN))

K-Nearest Neighbours (KNN)
Jednoduchý, neparametrický algoritmus strojového učení používaný pro klasifikaci a regresi. Provádí rozhodnutí na základě nejbližších tréninkových příkladů v prostoru příznaků.
Příklad: K klasifikaci nového ovoce jako jablka nebo hrušky KNN kontroluje, které označené ovoce je nejblíže tvarem a barvou.

Knowledge Graph (Knowledge Graph)

Knowledge Graph
Datová struktura, která používá uzly a hrany k reprezentaci a ukládání propojených popisů entit a jejich vztahů.
Příklad: Panel znalostí Google je poháněn znalostním grafem, který propojuje entity jako lidé, místa a události.

Language Learning Model Optimisation (LLMO) (Language Learning Model Optimisation (LLMO))

Language Learning Model Optimisation (LLMO)
Techniky používané ke zlepšení výkonu, efektivity nebo adaptability velkých jazykových modelů pro specifické úkoly nebo domény.
Příklad: Použití kvantizace a ladění instrukcí k optimalizaci LLM pro podnikové použití.

Large Language Model (LLM) (Large Language Model (LLM))

Large Language Model (LLM)
Typ modelu hlubokého učení trénovaný na obrovském množství textových dat, schopný generovat, chápat a uvažovat s lidským jazykem.
Příklad: ChatGPT a Claude jsou LLM trénované na pomoc při psaní, kódování a odpovídání na otázky.

Latent Space (Latent Space)

Latent Space
Vysoce dimenzionální abstraktní reprezentace, kde jsou podobné vstupy seskupeny blízko sebe, používaná v generativních modelech a vkládání.
Příklad: Při generování obrazu může manipulace s latentním prostorem změnit vlastnosti, jako je jas nebo emoce.

Learning Rate (Learning Rate)

Learning Rate
Klíčový hyperparametr při tréninku, který řídí, jak moc jsou váhy modelu upravovány vzhledem ke gradientu ztráty.
Příklad: Vysoká rychlost učení může vést k přeskakování minim, zatímco příliš nízká rychlost zpomaluje postup tréninku.

Machine Learning (ML) (Machine Learning (ML))

Machine Learning (ML)
Větev AI, která umožňuje systémům učit se z dat a zlepšovat výkon bez explicitního programování.
Příklad: Spamové filtry používají strojové učení k klasifikaci e-mailů jako spam nebo ne na základě minulých příkladů.

Model Drift (Model Drift)

Model Drift
Fenomén, kdy se přesnost modelu časem snižuje v důsledku změn v datech nebo prostředí.
Příklad: Model detekce podvodů se stává méně přesným, jak se vyvíjejí taktiky podvodů.

Model Training (Model Training)

Model Training
Proces předkládání dat modelu strojového učení a úpravy jeho parametrů za účelem minimalizace chyby.
Příklad: Trénování doporučovacího systému na historii nákupů zákazníků za účelem doporučení nových produktů.

Multimodal AI (Multimodal AI)

Multimodal AI
Systémy AI schopné zpracovávat a integrovat více typů dat, jako je text, obrázky, zvuk a video.
Příklad: Model jako GPT-4 Vision, který dokáže číst text a interpretovat obrázky současně.

Natural Language Processing (NLP) (Natural Language Processing (NLP))

Natural Language Processing (NLP)
Podoblast AI zaměřená na interakci mezi počítači a lidskými (přirozenými) jazyky. Umožňuje strojům číst, chápat a reagovat v lidském jazyce.
Příklad: NLP se používá v hlasových asistentech, aplikacích pro překlad jazyků a chatbotech.

Neural Network (Neural Network)

Neural Network
Model strojového učení inspirovaný strukturou lidského mozku, složený z vrstev propojených uzlů (neuronů).
Příklad: Neuronové sítě stojí za modely hlubokého učení používanými v rozpoznávání obrazu a řeči.

Noise (Noise)

Noise
Náhodné nebo irelevantní informace v datech, které mohou zastřít smysluplné vzory a negativně ovlivnit výkon modelu.
Příklad: Chyby senzorů nebo datové záznamy s překlepy lze považovat za šum.

Ontology (Ontology)

Ontology
Strukturovaný rámec, který kategorizuje a definuje vztahy mezi koncepty v rámci domény, často používaný v sémantických systémech AI.
Příklad: Ontologie ve zdravotnictví může definovat, jak příznaky souvisejí s nemocemi a léčbou.

Overfitting (Overfitting)

Overfitting
Chyba modelování, kdy model strojového učení zachytí šum v tréninkových datech a špatně funguje na nových datech.
Příklad: Model, který si zapamatuje tréninkové odpovědi, ale nedokáže zpracovat neviděná testovací data, je přeučený.

Predictive Analytics (Predictive Analytics)

Predictive Analytics
Použití dat, algoritmů a AI k identifikaci pravděpodobnosti budoucích výsledků na základě historických dat.
Příklad: Maloobchodníci používají prediktivní analytiku k předpovídání poptávky po určitých produktech.

Pre-training (Pre-training)

Pre-training
Proces počátečního trénování modelu na velkém, obecném datovém souboru před jeho doladěním pro konkrétní úkoly.
Příklad: Modely GPT jsou předtrénovány na velkých korpusech předtím, než jsou přizpůsobeny pro chatboty zákaznických služeb.

Prompt Engineering (Prompt Engineering)

Prompt Engineering
Umění a věda vytváření efektivních podnětů pro řízení výstupu velkých jazykových modelů.
Příklad: Přidání systémových pokynů, jako je „Odpovídej jako zdvořilý tutor“, je příkladem prompt engineeringu.

Quantisation (Quantisation)

Quantisation
Technika komprese modelu, která snižuje počet bitů použitých k reprezentaci vah a aktivací, čímž zvyšuje efektivitu.
Příklad: Kvantizace modelu z 32bitového na 8bitový zlepšuje výkon na mobilních zařízeních.

Quantum Computing (Quantum Computing)

Quantum Computing
Nový paradigmat výpočtů založený na kvantové mechanice, který má potenciál pro exponenciální výpočetní schopnosti.
Příklad: Kvantové počítače by v budoucnu mohly zrychlit trénink AI nad klasické limity.

Reasoning Engine (Reasoning Engine)

Reasoning Engine
Systém v AI, který odvozuje logické závěry z množiny faktů nebo dat pomocí pravidel nebo inferenčních algoritmů.
Příklad: Diagnostický nástroj AI používá uvažovací motor k odvození možných lékařských stavů na základě příznaků.

Reinforcement Learning (RL) (Reinforcement Learning (RL))

Reinforcement Learning (RL)
Oblast strojového učení, kde se agenti učí interakcí se svým prostředím, aby maximalizovali kumulativní odměny.
Příklad: Robot se učí chodit pokusem a omylem pomocí technik RL.

Reinforcement Learning with Human Feedback (RLHF) (Reinforcement Learning with Human Feedback (RLHF))

Reinforcement Learning with Human Feedback (RLHF)
Metoda učení, kde lidské preference řídí odměňovací signál AI, často používaná při ladění jazykových modelů.
Příklad: ChatGPT byl trénován s RLHF, aby produkoval užitečnější a bezpečnější odpovědi.

Retrieval-Augmented Generation (RAG) (Retrieval-Augmented Generation (RAG))

Retrieval-Augmented Generation (RAG)
Metoda kombinující vyhledávání informací s generováním, kde LLM načítá relevantní dokumenty pro zlepšení své odpovědi.
Příklad: AI asistent načítá a cituje specifikace produktu při generování odpovědi na technickou otázku.

Self-Supervised Learning (Self-Supervised Learning)

Self-Supervised Learning
Tréninkový přístup, kde se model učí vzory generováním vlastních štítků z nezpracovaných dat, čímž se snižuje závislost na lidsky anotovaných datech.
Příklad: BERT je trénován pomocí samoučícího se učení předpovídáním chybějících slov v textu.

Semantic Search (Semantic Search)

Semantic Search
Vyhledávací technika, která rozumí záměru uživatele a kontextovému významu, nejen shodě klíčových slov.
Příklad: Vyhledávání „jak opravit kapající kohoutek“ vrací návody, i když termín „kapající kohoutek“ není v dokumentu přítomen.

Sentiment Analysis (Sentiment Analysis)

Sentiment Analysis
Proces identifikace emocí, názorů nebo postojů v textu, často klasifikovaný jako pozitivní, negativní nebo neutrální.
Příklad: Analýza tweetů k posouzení reakce veřejnosti na nový produkt.

Stochastic (Stochastic)

Stochastic
Zahrnující náhodnost nebo pravděpodobnostní chování, často používané v generativní AI a optimalizačních algoritmech.
Příklad: Výstup GPT-4 se pro stejný vstup liší kvůli jeho stochastickému procesu dekódování.

Strong AI (Strong AI)

Strong AI
Také známá jako Artificial General Intelligence (AGI), odkazuje na stroje s kognitivními schopnostmi na lidské úrovni napříč všemi doménami.
Příklad: Budoucí AI, která dokáže autonomně psát romány, plánovat města a řešit etická dilemata stejně dobře.

Super Artificial Intelligence (SAI) (Super Artificial Intelligence (SAI))

Super Artificial Intelligence (SAI)
Teoretická AI daleko přesahující lidskou inteligenci ve všech aspektech – uvažování, kreativita, emoční inteligence atd.
Příklad: SAI by teoreticky mohla nezávisle vyvíjet nové vědy a filozofie.

Supervised Learning (Supervised Learning)

Supervised Learning
Metoda strojového učení, kde jsou modely trénovány na označených datech k naučení mapování vstupů a výstupů.
Příklad: Učení modelu klasifikovat e-maily jako spam nebo ne pomocí historických příkladů.

Synthetic Data (Synthetic Data)

Synthetic Data
Uměle generovaná data, která simulují data z reálného světa, často používaná pro trénování, když jsou skutečná data vzácná nebo citlivá.
Příklad: Vytváření syntetických lékařských obrazů k trénování diagnostických modelů bez porušení soukromí pacientů.

Token (Token)

Token
Jednotka textu zpracovávaná LLM – obvykle slovo nebo část slova.
Příklad: Věta „Hello world!“ je rozdělena do 3 tokenů: „Hello“, „world“ a „!“.

Tokenisation (Tokenisation)

Tokenisation
Proces rozdělení textu na tokeny pro zpracování modelem.
Příklad: V NLP se „ChatGPT is great“ stane [„Chat“, „G“, „PT“, „is“, „great“].

Transfer Learning (Transfer Learning)

Transfer Learning
Použití znalostí z jednoho úkolu k posílení učení na jiném souvisejícím úkolu, čímž se snižuje doba tréninku a potřeba dat.
Příklad: Doladění modelu trénovaného na anglickém textu k provádění analýzy sentimentu v jiném jazyce.

Transformer (Transformer)

Transformer
Architektura neuronové sítě, která používá pozornostní mechanismy k modelování sekvenčních dat, široce používaná v LLM.
Příklad: BERT, GPT a T5 jsou všechny modely založené na transformerech.

Underfitting (Underfitting)

Underfitting
Když je model příliš zjednodušený na to, aby zachytil vzory v tréninkových datech, což vede ke špatnému výkonu.
Příklad: Lineární model, který se snaží předpovídat složité klasifikace obrazu, může podhodnotit.

Unsupervised Learning (Unsupervised Learning)

Unsupervised Learning
Učící přístup, kde modely identifikují vzory nebo shluky v neoznačených datech.
Příklad: Seskupování zákazníků na základě nákupního chování bez předem definovaných štítků.

User Intent (User Intent)

User Intent
Cíl nebo účel dotazu nebo interakce uživatele.
Příklad: Uživatel zadávající „jak upéct dort“ pravděpodobně zamýšlí najít recept.

Validation Set (Validation Set)

Validation Set
Podmnožina dat používaná k hodnocení výkonu modelu během tréninku a ladění hyperparametrů.
Příklad: Používá se k detekci přeučení před konečným testováním.

Vector Database (Vector Database)

Vector Database
Databáze navržená pro ukládání a vyhledávání vektorových vkládání používaných v úkolech AI, jako je vyhledávání podobnosti a RAG.
Příklad: Pinecone a Weaviate jsou vektorové databáze pro ukládání vkládání textu nebo obrázků.

Vector Embedding (Vector Embedding)

Vector Embedding
Numerická reprezentace dat, která zachovává sémantický význam a vztahy ve vektorovém prostoru.
Příklad: Slova „král“ a „královna“ mají podobné vektory s jemnými genderovými rozdíly.

Virtual Assistant (Virtual Assistant)

Virtual Assistant
Softwarový agent poháněný AI, který pomáhá uživatelům dokončovat úkoly prostřednictvím konverzace nebo hlasových příkazů.
Příklad: Siri, Alexa a Google Assistant jsou populární virtuální asistenti.

Voice Recognition (Voice Recognition)

Voice Recognition
Technologie, která interpretuje a převádí mluvený jazyk na text nebo akci.
Příklad: Hlasové psaní a hlasové příkazy se spoléhají na systémy rozpoznávání hlasu.

Weak AI (Weak AI)

Weak AI
Systémy AI navržené tak, aby prováděly úzký, specifický úkol bez obecné inteligence.
Příklad: AI hrající šachy, která nerozumí jazyku ani neřídí auto, je příkladem slabé AI.

Web Scraping (Web Scraping)

Web Scraping
Automatizovaná extrakce informací z webových stránek, často používaná ke sběru tréninkových dat nebo monitorování obsahu.
Příklad: Seškrabávání nabídek nemovitostí k trénování modelu oceňování nemovitostí.

Weight (Weight)

Weight
Parametr v neuronových sítích, který určuje sílu vlivu jednoho uzlu na druhý.
Příklad: Váhy se během tréninku upravují, aby se minimalizovala chyba modelu.

Whisper (Whisper)

Whisper
Model řeči na text vyvinutý společností OpenAI, schopný přepisovat zvuk v několika jazycích.
Příklad: Whisper dokáže s vysokou přesností přepisovat přednášky a podcasty.

YAML (YAML)

YAML
Lidsky čitelný formát pro serializaci dat, běžně používaný pro konfigurační soubory v pracovních postupech strojového učení.
Příklad: Definování parametrů modelu v souboru YAML pro trénink v PyTorch.

Zero-shot Learning (Zero-shot Learning)

Zero-shot Learning
Schopnost modelu provádět úkoly, na které nebyl explicitně trénován, využitím obecných znalostí.
Příklad: Model odpovídající na právní otázky, přestože nebyl specificky trénován na právních datech.

Zettabyte (Zettabyte)

Zettabyte
Jednotka digitálních dat rovná jednomu sextilionu (10^21) bajtů, často používaná k popisu rozsahu internetových dat.
Příklad: Globální internetový provoz překročil 1 zettabyte za rok v roce 2016.