Usklađivanje (Alignment)
Alignment
Proces osiguravanja da ciljevi, izlazi i ponaÅ¡anja AI sustava budu u skladu s ljudskim ciljevima i vrijednostima. Ovo je posebno važno u naprednim sustavima koji mogu razviti ponaÅ¡anja koja nisu izriÄito namijenjena.
Primjer: Osiguravanje da chatbot za mentalno zdravlje nikada ne preporuÄuje Å¡tetne radnje bez obzira na upite.
API (SuÄelje za programiranje aplikacija) (Application Programming Interface (API))
Application Programming Interface (API)
Skup definiranih pravila i protokola koji omogućuju razliÄitim softverskim sustavima komunikaciju i razmjenu podataka.
Primjer: KoriÅ¡tenje OpenAI API-ja za slanje upita i primanje odgovora generiranog jeziÄnim modelom u vaÅ¡oj web aplikaciji.
Umjetna opća inteligencija (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
Teorijski oblik AI koji može obavljati bilo koji intelektualni zadatak koji može obaviti ljudsko biće. Generalizira uÄenje preko domena.
Primjer: AGI sustav bi mogao nauÄiti skladati glazbu, obavljati kirurÅ¡ke zahvate i položiti ispit iz filozofije bez programiranja specifiÄnog za zadatak.
Umjetna inteligencija (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
Simulacija ljudske inteligencije u strojevima koji su programirani da misle, rasuđuju i djeluju autonomno.
Primjer: AI pokreće osobne asistente poput Siri i sustave autonomne vožnje poput Tesla Autopilota.
AI etika (AI Ethics)
AI Ethics
Disciplina koja se bavi moralnim implikacijama razvoja i koriÅ¡tenja AI, ukljuÄujući pravednost, privatnost, odgovornost i nediskriminaciju.
Primjer: Stvaranje smjernica za sprjeÄavanje algoritama za zapoÅ¡ljavanje da diskriminiraju na temelju spola ili etniÄke pripadnosti.
Proširena inteligencija (Augmented Intelligence)
Augmented Intelligence
Kolaborativni model u kojem AI nadopunjuje i poboljšava ljudsku inteligenciju umjesto da je zamjenjuje.
Primjer: AI alati za radiologiju koji istiÄu anomalije za lijeÄnike, koji donose konaÄnu dijagnozu.
Autonomni agent (Autonomous Agent)
Autonomous Agent
AI sustav sposoban donositi vlastite odluke i poduzimati radnje za postizanje svojih ciljeva bez ljudske intervencije.
Primjer: Samovozeći dostavni robot koji samostalno navigira gradskim ulicama i izbjegava prepreke.
Povratna propagacija (Backpropagation)
Backpropagation
Tehnika za treniranje neuronskih mreža ažuriranjem težina unatrag od izlaznih do ulaznih slojeva, minimizirajući pogreške predviđanja.
Primjer: Koristi se u treniranju klasifikatora slika za smanjenje stope pogreške u prepoznavanju rukom pisanih znamenki.
Pristranost (Algoritamska pristranost) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
Neželjeno i sustavno favoriziranje u AI ishodima zbog neuravnoteženih ili nereprezentativnih podataka za treniranje.
Primjer: Sustav za prepoznavanje lica koji Äešće pogreÅ¡no identificira osobe tamnije puti zbog nedovoljne zastupljenosti u podacima za treniranje.
Veliki podaci (Big Data)
Big Data
Iznimno velike zbirke podataka koje zahtijevaju posebne alate za pohranu, analizu i izvlaÄenje vrijednosti, Äesto se koriste za treniranje AI modela.
Primjer: KoriÅ¡tenje milijuna korisniÄkih interakcija za treniranje preporuka za e-trgovinu.
Model crne kutije (Black Box Model)
Black Box Model
Vrsta AI ili modela strojnog uÄenja Äija je unutarnja logika teÅ¡ko interpretirati ljudima, Å¡to otežava razumijevanje naÄina na koji se donose odluke.
Primjer: Duboka neuronska mreža korištena za odobravanje zajmova, ali koja ne nudi jasno objašnjenje zašto je jedan kandidat prihvaćen, a drugi odbijen.
Kognitivno raÄunalstvo (Cognitive Computing)
Cognitive Computing
AI sustavi dizajnirani za simulaciju ljudskih procesa razmiÅ¡ljanja, poput rasuÄ‘ivanja i uÄenja, koristeći tehnike poput NLP-a i prepoznavanja uzoraka.
Primjer: Kognitivni raÄunalni sustav koji pomaže pravnim struÄnjacima analizirati sudsku praksu i predvidjeti ishode.
RaÄunalni vid (Computer Vision)
Computer Vision
PodruÄje umjetne inteligencije koje omogućuje raÄunalima tumaÄenje i obradu vizualnih podataka poput slika i videa.
Primjer: Sustavi za prepoznavanje lica koji identificiraju ljude na sigurnosnim snimkama koristeći raÄunalni vid.
Korpus (Corpus)
Corpus
Velika zbirka pisanih ili govornih tekstova koriÅ¡tena za treniranje jeziÄnih modela.
Primjer: Skup podataka Common Crawl je javni web korpus koriÅ¡ten za treniranje velikih jeziÄnih modela poput GPT-a.
Pomak podataka (Data Drift)
Data Drift
Fenomen gdje se ulazni podaci mijenjaju tijekom vremena, uzrokujući degradaciju performansi modela.
Primjer: Model prediktivnog održavanja za industrijsku opremu postaje manje toÄan kako se uvodi nova senzorska tehnologija.
OznaÄavanje podataka (Data Labelling)
Data Labelling
Proces anotiranja podataka oznakama ili etiketama kako bi postali prikladni za nadzirano uÄenje.
Primjer: OznaÄavanje tisuća slika tumora kao benignih ili malignih za treniranje modela za detekciju raka.
Rudarenje podataka (Data Mining)
Data Mining
Proces otkrivanja smislenih uzoraka, korelacija i anomalija u velikim skupovima podataka.
Primjer: Maloprodajni lanci koriste rudarenje podataka kako bi otkrili da ljudi koji kupuju pelene Äesto kupuju i pivo.
Duboko uÄenje (Deep Learning)
Deep Learning
PodruÄje strojnog uÄenja koje koristi viÅ¡eslojne neuronske mreže za modeliranje složenih uzoraka u podacima.
Primjer: Duboko uÄenje koristi se u jeziÄnim modelima poput GPT-4 i modelima za generiranje slika poput Stable Diffusion.
Difuzijski modeli (Diffusion Models)
Diffusion Models
Klasa generativnih modela koji uÄe stvarati podatke postupnim transformiranjem sluÄajnog Å¡uma u strukturirane izlaze.
Primjer: Stable Diffusion stvara fotorealistiÄne slike iz tekstualnih upita koristeći difuzijske tehnike.
Ugrađivanje (Embedding)
Embedding
NumeriÄka vektorska reprezentacija podataka, Äesto koriÅ¡tena za hvatanje semantiÄkog znaÄenja rijeÄi, slika ili reÄenica.
Primjer: U NLP-u, rijeÄ 'banka' može imati sliÄna ugraÄ‘ivanja kao 'novac', ali razliÄita od 'obala rijeke' ovisno o kontekstu.
Epoha (Epoch)
Epoch
Potpuna iteracija preko cijelog skupa podataka za treniranje tijekom procesa treniranja modela strojnog uÄenja.
Primjer: Ako skup podataka ima 1.000 primjera i model ih vidi sve jednom tijekom treniranja, to je jedna epoha.
EtiÄka AI (Ethical AI)
Ethical AI
Filozofija dizajna i implementacije koja osigurava da AI tehnologije djeluju transparentno, pravedno i u skladu s društvenim vrijednostima.
Primjer: AI alat za zapoÅ¡ljavanje koji ukljuÄuje provjere pristranosti kako bi se sprijeÄila diskriminacija kandidata iz manjina.
Ekspertni sustav (Expert System)
Expert System
AI sustav koji oponaÅ¡a sposobnosti donoÅ¡enja odluka ljudskog struÄnjaka u odreÄ‘enoj domeni koristeći pravila i logiku.
Primjer: Ekspertni sustav korišten u poljoprivredi za preporuku tretmana usjeva na temelju podataka o tlu i povijesti štetnika.
Objašnjiva AI (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
AI sustavi dizajnirani da njihove unutarnje procese i odluke uÄine razumljivima ljudima, povećavajući povjerenje i odgovornost.
Primjer: AI dijagnostiÄki alat koji ne samo da daje preporuku, već i objaÅ¡njava koji su simptomi doveli do tog zakljuÄka.
UÄenje s malo primjera (Few-shot Learning)
Few-shot Learning
Metoda strojnog uÄenja gdje se model trenira ili fino podeÅ¡ava koristeći samo mali broj oznaÄenih primjera.
Example: Prilagođavanje LLM-a za pisanje pravnih e-poruka nakon što mu se pokaže samo 10 primjera.
Fino podešavanje (Fine-tuning)
Fine-tuning
Proces uzimanja pred-treniranog modela i daljnjeg treniranja na novom, manjem skupu podataka kako bi se specijalizirao za određeni zadatak.
Primjer: Fino podešavanje općeg LLM-a poput GPT-a na internim pravnim dokumentima kako bi se stvorio pomoćnik za pravno sastavljanje.
Temeljni model (Foundation Model)
Foundation Model
Model velikih razmjera treniran na raznolikim i širokim podacima koji se može prilagoditi mnogim nizvodnim zadacima.
Primjer: GPT-4 i PaLM 2 su temeljni modeli sposobni za sažimanje, odgovaranje na pitanja, prevođenje i još mnogo toga.
Fuzzy logika (Fuzzy Logic)
Fuzzy Logic
Oblik logike koji se bavi približnim vrijednostima umjesto fiksne istinito/lažno (binarne) logike, korisno za rasuđivanje pod nesigurnošću.
Primjer: Koristi se u sustavima kontrole klime za podešavanje temperature na temelju fuzzy ulaza poput 'malo vruće' ili 'vrlo hladno'.
Generativna suparniÄka mreža (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
Arhitektura generativnog modela gdje se dvije mreže — generator i diskriminator — natjeÄu za poboljÅ¡anje kvalitete izlaza.
Primjer: GAN-ovi se koriste za stvaranje deepfake videa ili generiranje realistiÄnih fotografija proizvoda iz skica.
Generativna AI (Generative AI)
Generative AI
Kategorija umjetne inteligencije koja može stvarati novi sadržaj — poput teksta, slika, glazbe ili videa — iz podataka za treniranje.
Primjer: ChatGPT generira blog postove ili Midjourney stvara digitalnu umjetnost iz tekstualnih upita.
Generativni pred-trenirani transformator (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
Klasa velikih jeziÄnih modela razvijenih od strane OpenAI-ja koji koristi transformatorsku arhitekturu i pred-treniran je na ogromnim koliÄinama tekstualnih podataka za obavljanje raznih jeziÄnih zadataka.
Primjer: GPT-4 je sposoban pisati eseje, prevoditi jezike i sažimati dokumente s minimalnim upitima.
Genetski algoritam (Genetic Algorithm)
Genetic Algorithm
Tehnika optimizacije inspirirana prirodnom selekcijom gdje rješenja evoluiraju tijekom vremena kroz mutaciju, križanje i selekciju.
Primjer: Koristi se za dizajniranje uÄinkovitih arhitektura neuronskih mreža simulirajući opstanak najsposobnijih.
Halucinacija (Hallucination)
Hallucination
Generiranje uvjerljivog, ali ÄinjeniÄno netoÄnog ili besmislenog sadržaja od strane AI modela.
Primjer: JeziÄni model izmiÅ¡lja nepostojeću referencu ili pruža lažne povijesne Äinjenice.
Heuristika (Heuristic)
Heuristic
PraktiÄan pristup rjeÅ¡avanju problema koji ne jamÄi savrÅ¡eno rjeÅ¡enje, ali je dovoljan za trenutne ciljeve.
Primjer: Korištenje pravila palca za procjenu vremena isporuke u AI sustavu logistike.
Hiperparametar (Hyperparameter)
Hyperparameter
Konfiguracijska vrijednost postavljena prije treniranja modela strojnog uÄenja, poput brzine uÄenja ili broja slojeva.
Primjer: PodeÅ¡avanje veliÄine paketa s 32 na 128 kako bi se poboljÅ¡ala brzina treniranja i performanse modela.
ZakljuÄivanje (Inference)
Inference
Proces koriÅ¡tenja treniranog modela strojnog uÄenja za izradu predviÄ‘anja ili generiranje izlaza iz novih ulaznih podataka.
Primjer: KoriÅ¡tenje fino podeÅ¡enog GPT modela za sastavljanje e-poruka za tim za korisniÄku podrÅ¡ku.
Detekcija namjere (Intent Detection)
Intent Detection
Zadatak u razumijevanju prirodnog jezika gdje sustav identificira korisnikov cilj ili svrhu u poruci.
Primjer: U chatbotu, prepoznavanje 'želim rezervirati let' kao namjere rezervacije putovanja.
Internet stvari (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
Mreža povezanih fiziÄkih ureÄ‘aja ugraÄ‘enih sa senzorima, softverom i drugim tehnologijama za prikupljanje i razmjenu podataka.
Primjer: Pametni termostati i hladnjaci koji izvještavaju o podacima o korištenju i prilagođavaju postavke pomoću AI analitike.
Interpretativnost (Interpretability)
Interpretability
Opseg do kojeg ljudsko biće može razumjeti unutarnje mehanizme modela strojnog uÄenja i njegov proces donoÅ¡enja odluka.
Primjer: Stablo odluka je interpretativnije od duboke neuronske mreže jer su njegove odluke sljedive.
Jupyter bilježnica (Jupyter Notebook)
Jupyter Notebook
Interaktivno raÄunalno okruženje otvorenog koda koje korisnicima omogućuje pisanje koda, vizualizaciju izlaza i dokumentiranje analize u jednom suÄelju.
Primjer: Znanstvenici podataka koriste Jupyter bilježnice za prototipiranje modela strojnog uÄenja i dijeljenje rezultata.
K-najbližih susjeda (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
Jednostavan, neparametrijski algoritam strojnog uÄenja koriÅ¡ten za klasifikaciju i regresiju. Donosi odluke na temelju najbližih primjera treniranja u prostoru znaÄajki.
Primjer: Za klasifikaciju novog voća kao jabuke ili kruÅ¡ke, KNN provjerava koje oznaÄene voćke su najbliže po obliku i boji.
Graf znanja (Knowledge Graph)
Knowledge Graph
Struktura podataka koja koristi Ävorove i rubove za predstavljanje i pohranu meÄ‘usobno povezanih opisa entiteta i njihovih odnosa.
Primjer: Googleova informacijska ploÄa pokreće se grafom znanja koji povezuje entitete poput ljudi, mjesta i dogaÄ‘aja.
Optimizacija modela uÄenja jezika (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
Tehnike koriÅ¡tene za poboljÅ¡anje performansi, uÄinkovitosti ili prilagodljivosti velikih jeziÄnih modela za specifiÄne zadatke ili domene.
Primjer: Korištenje kvantizacije i podešavanja uputa za optimizaciju LLM-a za poduzeća.
Veliki jeziÄni model (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
Vrsta modela dubokog uÄenja treniranog na ogromnim koliÄinama tekstualnih podataka sposobnih za generiranje, razumijevanje i rasuÄ‘ivanje s ljudskim jezikom.
Primjer: ChatGPT i Claude su LLM-ovi trenirani da pomažu u pisanju, kodiranju i odgovaranju na pitanja.
Latentni prostor (Latent Space)
Latent Space
Visokodimenzionalna apstraktna reprezentacija gdje su sliÄni ulazi grupirani blizu, koriÅ¡tena u generativnim modelima i ugraÄ‘ivanjima.
Primjer: U generiranju slika, manipulacija latentnim prostorom može promijeniti znaÄajke poput svjetline ili emocija.
Brzina uÄenja (Learning Rate)
Learning Rate
KljuÄni hiperparametar u treniranju koji kontrolira koliko se težine modela prilagoÄ‘avaju u odnosu na gradijent gubitka.
Primjer: Visoka brzina uÄenja može dovesti do prekoraÄenja minimuma, dok preniska brzina usporava napredak treniranja.
Strojno uÄenje (ML) (Machine Learning (ML))
Machine Learning (ML)
Grana AI koja omogućuje sustavima uÄenje iz podataka i poboljÅ¡anje performansi bez izriÄitog programiranja.
Primjer: Spam filteri koriste strojno uÄenje za klasifikaciju e-poruka kao spam ili ne, na temelju proÅ¡lih primjera.
Pomak modela (Model Drift)
Model Drift
Fenomen gdje se toÄnost modela smanjuje tijekom vremena zbog promjena u podacima ili okruženju.
Primjer: Model za detekciju prijevara postaje manje toÄan kako se taktike prijevara razvijaju.
Treniranje modela (Model Training)
Model Training
Proces davanja podataka modelu strojnog uÄenja i prilagoÄ‘avanja njegovih parametara radi minimiziranja pogreÅ¡ke.
Primjer: Treniranje preporuka na povijesti kupnje kupaca za predlaganje novih proizvoda.
Multimodalan AI (Multimodal AI)
Multimodal AI
AI sustavi sposobni za obradu i integraciju više vrsta podataka poput teksta, slika, zvuka i videa.
Primjer: Model poput GPT-4 Vision koji može Äitati tekst i interpretirati slike istovremeno.
Obrada prirodnog jezika (NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
PodruÄje AI usmjereno na interakciju izmeÄ‘u raÄunala i ljudskih (prirodnih) jezika. Omogućuje strojevima Äitanje, razumijevanje i odgovaranje na ljudskom jeziku.
Primjer: NLP se koristi u glasovnim pomoćnicima, aplikacijama za prijevod jezika i chatbotovima.
Neuronska mreža (Neural Network)
Neural Network
Model strojnog uÄenja inspiriran strukturom ljudskog mozga, sastavljen od slojeva povezanih Ävorova (neurona).
Primjer: Neuronske mreže stoje iza modela dubokog uÄenja koriÅ¡tenih u prepoznavanju slika i govora.
Å um (Noise)
Noise
SluÄajne ili irelevantne informacije u podacima koje mogu zamagliti smislene uzorke i negativno utjecati na performanse modela.
Primjer: Pogreške senzora ili podaci ispunjeni tipografskim greškama mogu se smatrati šumom.
Ontologija (Ontology)
Ontology
Strukturirani okvir koji kategorizira i definira odnose meÄ‘u konceptima unutar domene, Äesto se koristi u semantiÄkim AI sustavima.
Primjer: Ontologija u zdravstvu mogla bi definirati kako se simptomi odnose na bolesti i lijeÄenja.
Prekomjerno uklapanje (Overfitting)
Overfitting
PogreÅ¡ka modeliranja gdje model strojnog uÄenja hvata Å¡um u podacima za treniranje i loÅ¡e se ponaÅ¡a na novim podacima.
Primjer: Model koji pamti odgovore za treniranje, ali ne može obraditi neviđene testne podatke, je prekomjerno uklopljen.
Prediktivna analitika (Predictive Analytics)
Predictive Analytics
Korištenje podataka, algoritama i AI za identifikaciju vjerojatnosti budućih ishoda na temelju povijesnih podataka.
Primjer: Maloprodajni lanci koriste prediktivnu analitiku za predviđanje potražnje za određenim proizvodima.
Pred-treniranje (Pre-training)
Pre-training
Proces poÄetnog treniranja modela na velikom, općem skupu podataka prije finog podeÅ¡avanja za specifiÄne zadatke.
Primjer: GPT modeli se pred-treniraju na velikim korpusima prije nego Å¡to se prilagode za chatbotove za korisniÄku podrÅ¡ku.
Inženjering upita (Prompt Engineering)
Prompt Engineering
Umjetnost i znanost izrade uÄinkovitih upita za usmjeravanje izlaza velikih jeziÄnih modela.
Primjer: Dodavanje sistemskih uputa poput 'Odgovori kao pristojan tutor' primjer je inženjeringa upita.
Kvantizacija (Quantisation)
Quantisation
Tehnika kompresije modela koja smanjuje broj bitova koriÅ¡tenih za predstavljanje težina i aktivacija, poboljÅ¡avajući uÄinkovitost.
Primjer: Kvantizacija modela s 32-bitnog na 8-bitni poboljšava performanse na mobilnim uređajima.
Kvantno raÄunalstvo (Quantum Computing)
Quantum Computing
Nova paradigma raÄunalstva temeljena na kvantnoj mehanici, koja ima potencijal za eksponencijalne raÄunalne sposobnosti.
Primjer: Kvantno raÄunalstvo bi jednog dana moglo ubrzati AI treniranje iznad klasiÄnih granica.
Mehanizam zakljuÄivanja (Reasoning Engine)
Reasoning Engine
Sustav u AI koji izvodi logiÄke zakljuÄke iz skupa Äinjenica ili podataka koristeći pravila ili algoritme zakljuÄivanja.
Primjer: AI dijagnostiÄki alat koristi mehanizam zakljuÄivanja za dedukciju mogućih medicinskih stanja na temelju simptoma.
UÄenje s pojaÄanjem (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
PodruÄje strojnog uÄenja gdje agenti uÄe interakcijom sa svojim okruženjem kako bi maksimizirali kumulativne nagrade.
Primjer: Robot koji uÄi hodati pokuÅ¡ajem i pogreÅ¡kom koristeći RL tehnike.
UÄenje s pojaÄanjem s povratnom informacijom od ljudi (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
Metoda uÄenja gdje ljudske preferencije vode signal nagrade AI-ja, Äesto se koristi u finom podeÅ¡avanju jeziÄnih modela.
Primjer: ChatGPT je treniran s RLHF-om kako bi proizveo korisnije i sigurnije odgovore.
Generiranje prošireno dohvaćanjem (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
Metoda koja kombinira dohvaćanje informacija s generiranjem, gdje LLM dohvaća relevantne dokumente kako bi poboljšao svoj odgovor.
Primjer: AI pomoćnik dohvaća i citira specifikacije proizvoda dok generira odgovor na tehniÄko pitanje.
Samonadzorirano uÄenje (Self-Supervised Learning)
Self-Supervised Learning
Pristup treniranju gdje model uÄi uzorke generiranjem vlastitih oznaka iz sirovih podataka, smanjujući oslanjanje na podatke oznaÄene od strane ljudi.
Primjer: BERT se trenira samonadzoriranim uÄenjem predviÄ‘anjem nedostajućih rijeÄi u tekstu.
SemantiÄko pretraživanje (Semantic Search)
Semantic Search
Tehnika pretraživanja koja razumije korisniÄku namjeru i kontekstualno znaÄenje, a ne samo podudaranje kljuÄnih rijeÄi.
Primjer: Pretraživanje 'kako popraviti slavinu koja curi' vraća vodiÄe Äak i ako pojam 'slavina koja curi' nije prisutan u dokumentu.
Analiza sentimenta (Sentiment Analysis)
Sentiment Analysis
Proces identificiranja emocija, miÅ¡ljenja ili stavova u tekstu, Äesto klasificirajući kao pozitivno, negativno ili neutralno.
Primjer: Analiziranje tweetova kako bi se procijenila javna reakcija na novi proizvod.
StohastiÄki (Stochastic)
Stochastic
UkljuÄuje sluÄajnost ili probabilistiÄko ponaÅ¡anje, Äesto se koristi u generativnoj AI i optimizacijskim algoritmima.
Primjer: Izlaz GPT-4 varira za isti upit zbog svog stohastiÄkog procesa dekodiranja.
Jaka AI (Strong AI)
Strong AI
Također poznata kao Umjetna opća inteligencija (AGI), odnosi se na strojeve s kognitivnim sposobnostima na ljudskoj razini u svim domenama.
Primjer: Buduća AI koja može autonomno pisati romane, planirati gradove i rjeÅ¡avati etiÄke dileme jednako dobro.
Super umjetna inteligencija (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
Teorijska AI koja daleko nadmašuje ljudsku inteligenciju u svim aspektima — rasuđivanju, kreativnosti, emocionalnoj inteligenciji, itd.
Primjer: SAI bi teoretski mogao neovisno razvijati nove znanosti i filozofije.
Nadzirano uÄenje (Supervised Learning)
Supervised Learning
Metoda strojnog uÄenja gdje se modeli treniraju na oznaÄenim podacima kako bi nauÄili preslikavanja ulaz-izlaz.
Primjer: UÄenje modela klasificiranju e-poruka kao spam ili ne, koristeći povijesne primjere.
SintetiÄki podaci (Synthetic Data)
Synthetic Data
Umjetno generirani podaci koji simuliraju stvarne podatke, Äesto se koriste za treniranje kada su stvarni podaci rijetki ili osjetljivi.
Primjer: Stvaranje sintetiÄkih medicinskih slika za treniranje dijagnostiÄkih modela bez krÅ¡enja privatnosti pacijenata.
Token (Token)
Token
Jedinica teksta koju obraÄ‘uju LLM-ovi — obiÄno rijeÄ ili dio rijeÄi.
Primjer: ReÄenica 'Hello world!' podijeljena je na 3 tokena: 'Hello', 'world' i '!'.
Tokenizacija (Tokenisation)
Tokenisation
Proces razbijanja teksta na tokene za obradu od strane modela.
Primjer: U NLP-u, 'ChatGPT je sjajan' postaje ['Chat', 'G', 'PT', 'je', 'sjajan'].
Prijenosno uÄenje (Transfer Learning)
Transfer Learning
KoriÅ¡tenje znanja iz jednog zadatka za poboljÅ¡anje uÄenja na drugom srodnom zadatku, smanjujući vrijeme treniranja i potrebu za podacima.
Primjer: Fino podešavanje modela treniranog na engleskom tekstu za obavljanje analize sentimenta na drugom jeziku.
Transformator (Transformer)
Transformer
Arhitektura neuronske mreže koja koristi mehanizme pažnje za modeliranje sekvencijalnih podataka, široko korištena u LLM-ovima.
Primjer: BERT, GPT i T5 su svi modeli temeljeni na transformatorima.
Nedovoljno uklapanje (Underfitting)
Underfitting
Kada je model previše pojednostavljen da bi uhvatio uzorke u podacima za treniranje, što rezultira lošim performansama.
Primjer: Linearni model koji pokušava predvidjeti složene klasifikacije slika može nedovoljno uklopiti.
Nenadzirano uÄenje (Unsupervised Learning)
Unsupervised Learning
Pristup uÄenja gdje modeli identificiraju uzorke ili klastere u neoznaÄenim podacima.
Primjer: Grupiranje kupaca na temelju ponašanja pri kupnji bez unaprijed definiranih oznaka.
KorisniÄka namjera (User Intent)
User Intent
Cilj ili svrha upita ili interakcije korisnika.
Primjer: Korisnik koji upisuje 'kako ispeći tortu' vjerojatno namjerava pronaći recept.
Validacijski skup (Validation Set)
Validation Set
Podskup podataka korišten za procjenu performansi modela tijekom treniranja i podešavanje hiperparametara.
Primjer: Koristi se za detekciju prekomjernog uklapanja prije konaÄnog testiranja.
Vektorska baza podataka (Vector Database)
Vector Database
Baza podataka dizajnirana za pohranu i pretraživanje vektorskih ugraÄ‘ivanja koriÅ¡tenih u AI zadacima poput pretraživanja sliÄnosti i RAG-a.
Primjer: Pinecone i Weaviate su vektorske baze podataka za pohranu ugrađivanja teksta ili slika.
Vektorsko ugrađivanje (Vector Embedding)
Vector Embedding
NumeriÄka reprezentacija podataka koja Äuva semantiÄko znaÄenje i odnose u vektorskom prostoru.
Primjer: RijeÄi 'kralj' i 'kraljica' imaju sliÄna ugraÄ‘ivanja s suptilnim rodnim razlikama.
Virtualni asistent (Virtual Assistant)
Virtual Assistant
Softverski agent pokretan AI-jem koji pomaže korisnicima dovršiti zadatke putem razgovora ili glasovnih naredbi.
Primjer: Siri, Alexa i Google Assistant su popularni virtualni asistenti.
Prepoznavanje glasa (Voice Recognition)
Voice Recognition
Tehnologija koja interpretira i pretvara govorni jezik u tekst ili akciju.
Primjer: Glasovno tipkanje i glasovne naredbe oslanjaju se na sustave prepoznavanja glasa.
Slaba AI (Weak AI)
Weak AI
AI sustavi dizajnirani za obavljanje uskog, specifiÄnog zadatka bez opće inteligencije.
Primjer: AI za igranje šaha koji ne može razumjeti jezik ili voziti automobil primjer je slabe AI.
Web Scraping (Web Scraping)
Web Scraping
Automatsko izvlaÄenje informacija s web stranica, Äesto se koristi za prikupljanje podataka za treniranje ili praćenje sadržaja.
Primjer: Scraping oglasa za nekretnine za treniranje modela procjene vrijednosti nekretnina.
Težina (Weight)
Weight
Parametar u neuronskim mrežama koji odreÄ‘uje snagu utjecaja jednog Ävora na drugi.
Primjer: Težine se prilagođavaju tijekom treniranja kako bi se minimizirala pogreška modela.
Whisper (Whisper)
Whisper
Model pretvaranja govora u tekst koji je razvio OpenAI, sposoban za transkripciju audiozapisa na više jezika.
Primjer: Whisper može transkribirati predavanja i podcaste s visokom toÄnošću.
YAML (YAML)
YAML
Format za serijalizaciju podataka Äitljiv ljudima, uobiÄajeno koriÅ¡ten za konfiguracijske datoteke u radnim procesima strojnog uÄenja.
Primjer: Definiranje parametara modela u YAML datoteci za treniranje u PyTorch-u.
UÄenje bez primjera (Zero-shot Learning)
Zero-shot Learning
Sposobnost modela da obavlja zadatke na koje nikada nije izriÄito treniran, oslanjajući se na opće znanje.
Primjer: Model koji odgovara na pravna pitanja unatoÄ tome Å¡to nije posebno treniran na pravnim podacima.
Zettabajt (Zettabyte)
Zettabyte
Jedinica digitalnih podataka jednaka jednom sekstilijunu (10^21) bajtova, Äesto se koristi za opisivanje razmjera internetskih podataka.
Primjer: Globalni internetski promet premašio je 1 zettabajt godišnje do 2016.
