შეთáƒáƒœáƒ®áƒ›áƒ”ბრ(Alignment)
Alignment
პრáƒáƒªáƒ”სი, რáƒáƒ›áƒ”ლიც უზრუნველყáƒáƒ¤áƒ¡ AI სისტემის მიზნების, შედეგების დრქცევების შესáƒáƒ‘áƒáƒ›áƒ˜áƒ¡áƒáƒ‘áƒáƒ¡ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ მიზნებთáƒáƒœ დრღირებულებებთáƒáƒœ. ეს გáƒáƒœáƒ¡áƒáƒ™áƒ£áƒ—რებით მნიშვნელáƒáƒ•áƒáƒœáƒ˜áƒ მáƒáƒ¬áƒ˜áƒœáƒáƒ•áƒ” სისტემებისთვის, რáƒáƒ›áƒšáƒ”ბსáƒáƒª შეუძლიáƒáƒ— გáƒáƒœáƒáƒ•áƒ˜áƒ—áƒáƒ áƒáƒœ ქცევები, რáƒáƒ›áƒšáƒ”ბიც áƒáƒ áƒáƒ ის პირდáƒáƒžáƒ˜áƒ გáƒáƒœáƒ–რáƒáƒ®áƒ£áƒšáƒ˜.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: იმის უზრუნველყáƒáƒ¤áƒ, რáƒáƒ› ფსიქიკური ჯáƒáƒœáƒ›áƒ თელáƒáƒ‘ის მხáƒáƒ დáƒáƒáƒ”რის ჩáƒáƒ¢áƒ‘áƒáƒ¢áƒ˜ áƒáƒ áƒáƒ¡áƒáƒ“ეს გირჩევს მáƒáƒ•áƒœáƒ” ქმედებებს, მიუხედáƒáƒ•áƒáƒ“ მáƒáƒ—ხáƒáƒ•áƒœáƒ”ბისáƒ.
áƒáƒžáƒšáƒ˜áƒ™áƒáƒªáƒ˜áƒ˜áƒ¡ პრáƒáƒ’რáƒáƒ›áƒ˜áƒ ების ინტერფეისი (API) (Application Programming Interface (API))
Application Programming Interface (API)
გáƒáƒœáƒ¡áƒáƒ–ღვრული წესებისრდრპრáƒáƒ¢áƒáƒ™áƒáƒšáƒ”ბის ნáƒáƒ™áƒ ები, რáƒáƒ›áƒ”ლიც სáƒáƒ¨áƒ£áƒáƒšáƒ”ბáƒáƒ¡ áƒáƒ«áƒšáƒ”ვს სხვáƒáƒ“áƒáƒ¡áƒ®áƒ•áƒ პრáƒáƒ’რáƒáƒ›áƒ£áƒš სისტემებს დáƒáƒ£áƒ™áƒáƒ•áƒ¨áƒ˜áƒ დნენ დრგáƒáƒªáƒ•áƒáƒšáƒáƒœ მáƒáƒœáƒáƒªáƒ”მები.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: OpenAI API-ის გáƒáƒ›áƒáƒ§áƒ”ნებრმáƒáƒ—ხáƒáƒ•áƒœáƒ˜áƒ¡ გáƒáƒ¡áƒáƒ’ზáƒáƒ•áƒœáƒáƒ“ დრენáƒáƒ‘რივი მáƒáƒ“ელის მიერგენერირებული პáƒáƒ¡áƒ£áƒ®áƒ˜áƒ¡ მისáƒáƒ¦áƒ”ბáƒáƒ“ თქვენს ვებ áƒáƒžáƒšáƒ˜áƒ™áƒáƒªáƒ˜áƒáƒ¨áƒ˜.
ხელáƒáƒ•áƒœáƒ£áƒ ი ზáƒáƒ’áƒáƒ“ი ინტელექტი (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
AI-ის თეáƒáƒ იული ფáƒáƒ მáƒ, რáƒáƒ›áƒ”ლსáƒáƒª შეუძლირშეáƒáƒ¡áƒ ულáƒáƒ¡ ნებისმიერი ინტელექტუáƒáƒšáƒ£áƒ ი დáƒáƒ•áƒáƒšáƒ”ბáƒ, რáƒáƒ›áƒ”ლსáƒáƒª áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ¡ შეუძლიáƒ. ის გენერáƒáƒšáƒ˜áƒ–ებს სწáƒáƒ•áƒšáƒáƒ¡ დáƒáƒ›áƒ”ნების მიხედვით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: AGI სისტემáƒáƒ¡ შეუძლირისწáƒáƒ•áƒšáƒáƒ¡ მუსიკის კáƒáƒ›áƒžáƒáƒ–იციáƒ, ჩáƒáƒáƒ¢áƒáƒ áƒáƒ¡ ქირურგიული áƒáƒžáƒ”რáƒáƒªáƒ˜áƒ დრჩáƒáƒáƒ‘áƒáƒ áƒáƒ¡ ფილáƒáƒ¡áƒáƒ¤áƒ˜áƒ˜áƒ¡ გáƒáƒ›áƒáƒªáƒ“რსპეციფიკური დáƒáƒ•áƒáƒšáƒ”ბის პრáƒáƒ’რáƒáƒ›áƒ˜áƒ ების გáƒáƒ ეშე.
ხელáƒáƒ•áƒœáƒ£áƒ ი ინტელექტი (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ინტელექტის სიმულáƒáƒªáƒ˜áƒ მáƒáƒœáƒ¥áƒáƒœáƒ”ბში, რáƒáƒ›áƒšáƒ”ბიც პრáƒáƒ’რáƒáƒ›áƒ˜áƒ ებულირáƒáƒ•áƒ¢áƒáƒœáƒáƒ›áƒ˜áƒ£áƒ áƒáƒ“ ფიქრის, მსჯელáƒáƒ‘ის დრმáƒáƒ¥áƒ›áƒ”დებისáƒáƒ—ვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: AI áƒáƒ«áƒšáƒ˜áƒ”რებს პერსáƒáƒœáƒáƒšáƒ£áƒ áƒáƒ¡áƒ˜áƒ¡áƒ¢áƒ”ნტებს, რáƒáƒ’áƒáƒ იცáƒáƒ Siri დრáƒáƒ•áƒ¢áƒáƒœáƒáƒ›áƒ˜áƒ£áƒ ი მáƒáƒ თვის სისტემები, რáƒáƒ’áƒáƒ იცáƒáƒ Tesla Autopilot.
AI ეთიკრ(AI Ethics)
AI Ethics
დისციპლინáƒ, რáƒáƒ›áƒ”ლიც ეხებრAI გáƒáƒœáƒ•áƒ˜áƒ—áƒáƒ ებისრდრგáƒáƒ›áƒáƒ§áƒ”ნების მáƒáƒ áƒáƒšáƒ£áƒ áƒáƒ¡áƒžáƒ”ქტებს, მáƒáƒ— შáƒáƒ ის სáƒáƒ›áƒáƒ თლიáƒáƒœáƒáƒ‘áƒáƒ¡, კáƒáƒœáƒ¤áƒ˜áƒ“ენციáƒáƒšáƒ£áƒ áƒáƒ‘áƒáƒ¡, áƒáƒœáƒ’áƒáƒ იშვáƒáƒšáƒ“ებულებáƒáƒ¡ დრდისკრიმინáƒáƒªáƒ˜áƒ˜áƒ¡ áƒáƒ áƒáƒ სებáƒáƒ‘áƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სáƒáƒ®áƒ”ლფáƒáƒ¡áƒ áƒáƒšáƒ’áƒáƒ ითმებისგáƒáƒœ სქესის áƒáƒœ ეთნიკურáƒáƒ‘ის მიხედვით დისკრიმინáƒáƒªáƒ˜áƒ˜áƒ¡ თáƒáƒ•áƒ˜áƒ“áƒáƒœ áƒáƒ¡áƒáƒªáƒ˜áƒšáƒ”ბლáƒáƒ“ მითითებების შექმნáƒ.
გáƒáƒ«áƒšáƒ˜áƒ”რებული ინტელექტი (Augmented Intelligence)
Augmented Intelligence
თáƒáƒœáƒáƒ›áƒ¨áƒ áƒáƒ›áƒšáƒáƒ‘ითი მáƒáƒ“ელი, სáƒáƒ“áƒáƒª AI áƒáƒ•áƒ¡áƒ”ბს დრáƒáƒ«áƒšáƒ˜áƒ”რებს áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ინტელექტს მის ჩáƒáƒœáƒáƒªáƒ•áƒšáƒ”ბის ნáƒáƒªáƒ•áƒšáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: AI-ზე მáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ” რáƒáƒ“იáƒáƒšáƒáƒ’იის ინსტრუმენტები, რáƒáƒ›áƒšáƒ”ბიც ხáƒáƒ–ს უსვáƒáƒ›áƒ”ნ áƒáƒœáƒáƒ›áƒáƒšáƒ˜áƒ”ბს ექიმებისთვის, რáƒáƒ›áƒšáƒ”ბიც იღებენ სáƒáƒ‘áƒáƒšáƒáƒ დიáƒáƒ’ნáƒáƒ–ს.
áƒáƒ•áƒ¢áƒáƒœáƒáƒ›áƒ˜áƒ£áƒ ი áƒáƒ’ენტი (Autonomous Agent)
Autonomous Agent
AI სისტემáƒ, რáƒáƒ›áƒ”ლსáƒáƒª შეუძლირმიიღáƒáƒ¡ სáƒáƒ™áƒ£áƒ—áƒáƒ ი გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილებები დრგáƒáƒœáƒáƒ®áƒáƒ ციელáƒáƒ¡ ქმედებები თáƒáƒ•áƒ˜áƒ¡áƒ˜ მიზნების მისáƒáƒ¦áƒ¬áƒ”ვáƒáƒ“ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ჩáƒáƒ ევის გáƒáƒ ეშე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: თვითმáƒáƒ თვáƒáƒ“ი მიტáƒáƒœáƒ˜áƒ¡ რáƒáƒ‘áƒáƒ¢áƒ˜, რáƒáƒ›áƒ”ლიც დáƒáƒ›áƒáƒ£áƒ™áƒ˜áƒ“ებლáƒáƒ“ ნáƒáƒ•áƒ˜áƒ’áƒáƒªáƒ˜áƒáƒ¡ áƒáƒ®áƒ“ენს ქáƒáƒšáƒáƒ¥áƒ˜áƒ¡ ქუჩებში დრთáƒáƒ•áƒ¡ áƒáƒ იდებს დáƒáƒ‘რკáƒáƒšáƒ”ბებს.
უკáƒáƒœáƒ გáƒáƒ•áƒ ცელებრ(Backpropagation)
Backpropagation
ტექნიკრნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელების სწáƒáƒ•áƒšáƒ”ბისთვის, წáƒáƒœáƒ”ბის გáƒáƒœáƒáƒ®áƒšáƒ”ბით უკუღმრგáƒáƒ›áƒáƒ›áƒáƒ•áƒáƒšáƒ˜áƒ“áƒáƒœ შეყვáƒáƒœáƒ˜áƒ¡ ფენებáƒáƒ›áƒ“ე, პრáƒáƒ’ნáƒáƒ–ირების შეცდáƒáƒ›áƒ”ბის მინიმიზáƒáƒªáƒ˜áƒ˜áƒ¡ მიზნით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრგáƒáƒ›áƒáƒ¡áƒáƒ®áƒ£áƒšáƒ”ბის კლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒ™áƒáƒ¢áƒáƒ ების სწáƒáƒ•áƒšáƒ”ბáƒáƒ¨áƒ˜ ხელნáƒáƒ¬áƒ”რციფრებში შეცდáƒáƒ›áƒ˜áƒ¡ მáƒáƒ©áƒ•áƒ”ნებლის შესáƒáƒ›áƒªáƒ˜áƒ ებლáƒáƒ“.
მიკერძáƒáƒ”ბრ(áƒáƒšáƒ’áƒáƒ ითმული მიკერძáƒáƒ”ბáƒ) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
AI შედეგებში უნებლიე დრსისტემáƒáƒ¢áƒ£áƒ ი უპირáƒáƒ¢áƒ”სáƒáƒ‘áƒ, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ¬áƒ•áƒ”ულირáƒáƒ áƒáƒ‘áƒáƒšáƒáƒœáƒ¡áƒ˜áƒ ებული áƒáƒœ áƒáƒ áƒáƒ ესპექტáƒáƒ‘ელური სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მებით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სáƒáƒ®áƒ˜áƒ¡ áƒáƒ›áƒáƒ›áƒªáƒœáƒáƒ‘ი სისტემáƒ, რáƒáƒ›áƒ”ლიც უფრრხშირáƒáƒ“ áƒáƒ áƒáƒ¡áƒ¬áƒáƒ áƒáƒ“ áƒáƒ›áƒáƒ˜áƒªáƒœáƒáƒ‘ს ფერáƒáƒ“კáƒáƒœáƒ˜áƒáƒœáƒ”ბს სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მებში მáƒáƒ—ი áƒáƒ áƒáƒ¡áƒáƒ™áƒ›áƒáƒ ისი წáƒáƒ მáƒáƒ›áƒáƒ“გენლáƒáƒ‘ის გáƒáƒ›áƒ.
დიდი მáƒáƒœáƒáƒªáƒ”მები (Big Data)
Big Data
ძáƒáƒšáƒ˜áƒáƒœ დიდი მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ები, რáƒáƒ›áƒšáƒ”ბიც სáƒáƒáƒ˜áƒ áƒáƒ”ბენ სპეციáƒáƒšáƒ£áƒ ინსტრუმენტებს შესáƒáƒœáƒáƒ®áƒáƒ“, áƒáƒœáƒáƒšáƒ˜áƒ–ისთვის დრღირებულების áƒáƒ›áƒáƒ¡áƒáƒ¦áƒ”ბáƒáƒ“, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრAI მáƒáƒ“ელების სწáƒáƒ•áƒšáƒ”ბისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მილიáƒáƒœáƒáƒ‘ით მáƒáƒ›áƒ®áƒ›áƒáƒ ებლის ურთიერთქმედების გáƒáƒ›áƒáƒ§áƒ”ნებრრეკáƒáƒ›áƒ”ნდáƒáƒªáƒ˜áƒ˜áƒ¡ ძრáƒáƒ•áƒ”ბის სწáƒáƒ•áƒšáƒ”ბისთვის ელექტრáƒáƒœáƒ£áƒšáƒ˜ კáƒáƒ›áƒ”რციის პლáƒáƒ¢áƒ¤áƒáƒ მებისთვის.
შáƒáƒ•áƒ˜ ყუთის მáƒáƒ“ელი (Black Box Model)
Black Box Model
AI áƒáƒœ მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელის ტიპი, რáƒáƒ›áƒšáƒ˜áƒ¡ შიდრლáƒáƒ’იკრáƒáƒ áƒáƒ ის áƒáƒ“ვილáƒáƒ“ გáƒáƒ¡áƒáƒ’ები áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ”ბისთვის, რáƒáƒª áƒáƒ თულებს გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილების მიღების პრáƒáƒªáƒ”სის გáƒáƒ’ებáƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ღრმრნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელი, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსესხების დáƒáƒ¡áƒáƒ›áƒ¢áƒ™áƒ˜áƒªáƒ”ბლáƒáƒ“, მáƒáƒ’რáƒáƒ› áƒáƒ იძლევრმკáƒáƒ¤áƒ˜áƒ áƒáƒ®áƒ¡áƒœáƒáƒ¡, თუ რáƒáƒ¢áƒáƒ› იქნრმიღებული ერთი გáƒáƒœáƒ›áƒªáƒ®áƒáƒ“ებელი დრუáƒáƒ ყáƒáƒ¤áƒ˜áƒšáƒ˜ მეáƒáƒ ე.
კáƒáƒ’ნიტური კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული ტექნáƒáƒšáƒáƒ’იები (Cognitive Computing)
Cognitive Computing
AI სისტემები, რáƒáƒ›áƒšáƒ”ბიც შექმნილირáƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ áƒáƒ–რáƒáƒ•áƒœáƒ”ბის პრáƒáƒªáƒ”სების, რáƒáƒ’áƒáƒ იცáƒáƒ მსჯელáƒáƒ‘რდრსწáƒáƒ•áƒšáƒ, სიმულáƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის, NLP დრნიმუშების áƒáƒ›áƒáƒªáƒœáƒáƒ‘ის ტექნიკების გáƒáƒ›áƒáƒ§áƒ”ნებით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: კáƒáƒ’ნიტური კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული სისტემáƒ, რáƒáƒ›áƒ”ლიც ეხმáƒáƒ ებრიურიდიულ პრáƒáƒ¤áƒ”სიáƒáƒœáƒáƒšáƒ”ბს სáƒáƒ¥áƒ›áƒ˜áƒ¡ კáƒáƒœáƒáƒœáƒ”ბის áƒáƒœáƒáƒšáƒ˜áƒ–ში დრშედეგების პრáƒáƒ’ნáƒáƒ–ირებáƒáƒ¨áƒ˜.
კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული ხედვრ(Computer Vision)
Computer Vision
ხელáƒáƒ•áƒœáƒ£áƒ ი ინტელექტის სფერáƒ, რáƒáƒ›áƒ”ლიც სáƒáƒ¨áƒ£áƒáƒšáƒ”ბáƒáƒ¡ áƒáƒ«áƒšáƒ”ვს კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რებს ინტერპრეტáƒáƒªáƒ˜áƒ დრდáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბრმáƒáƒáƒ®áƒ“ინáƒáƒœ ვიზუáƒáƒšáƒ£áƒ ი მáƒáƒœáƒáƒªáƒ”მების, რáƒáƒ’áƒáƒ იცáƒáƒ სურáƒáƒ—ები დრვიდეáƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სáƒáƒ®áƒ˜áƒ¡ áƒáƒ›áƒáƒ›áƒªáƒœáƒáƒ‘ი სისტემები, რáƒáƒ›áƒšáƒ”ბიც áƒáƒ›áƒáƒ˜áƒªáƒœáƒáƒ‘ენ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ”ბს უსáƒáƒ¤áƒ თხáƒáƒ”ბის კáƒáƒ“რებში კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული ხედვის გáƒáƒ›áƒáƒ§áƒ”ნებით.
კáƒáƒ პუსი (Corpus)
Corpus
წერილáƒáƒ‘ითი áƒáƒœ ნáƒáƒ—ქვáƒáƒ›áƒ˜ ტექსტების დიდი კáƒáƒšáƒ”ქციáƒ, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრენáƒáƒ‘რივი მáƒáƒ“ელების სწáƒáƒ•áƒšáƒ”ბისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: Common Crawl მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ები áƒáƒ ის სáƒáƒ¯áƒáƒ რვებ კáƒáƒ პუსი, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრGPT-ის მსგáƒáƒ•áƒ¡áƒ˜ დიდი ენáƒáƒ‘რივი მáƒáƒ“ელების სწáƒáƒ•áƒšáƒ”ბისთვის.
მáƒáƒœáƒáƒªáƒ”მთრდრიფტი (Data Drift)
Data Drift
ფენáƒáƒ›áƒ”ნი, რáƒáƒ“ესáƒáƒª შეყვáƒáƒœáƒ˜áƒ¡ მáƒáƒœáƒáƒªáƒ”მები იცვლებრდრáƒáƒ—რგáƒáƒœáƒ›áƒáƒ•áƒšáƒáƒ‘áƒáƒ¨áƒ˜, რáƒáƒª იწვევს მáƒáƒ“ელის მუშáƒáƒáƒ‘ის გáƒáƒ£áƒáƒ ესებáƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: პრáƒáƒ’ნáƒáƒ–ირებáƒáƒ“ი ტექნიკური მáƒáƒ›áƒ¡áƒáƒ®áƒ£áƒ ების მáƒáƒ“ელი სáƒáƒ›áƒ ეწველრáƒáƒ¦áƒáƒ£áƒ ვილáƒáƒ‘ისთვის ნáƒáƒ™áƒšáƒ”ბáƒáƒ“ ზუსტი ხდებრáƒáƒ®áƒáƒšáƒ˜ სენსáƒáƒ ული ტექნáƒáƒšáƒáƒ’იის შემáƒáƒ¦áƒ”ბისáƒáƒ¡.
მáƒáƒœáƒáƒªáƒ”მთრტეგირებრ(Data Labelling)
Data Labelling
მáƒáƒœáƒáƒªáƒ”მების ტეგებით áƒáƒœ ეტიკეტებით áƒáƒœáƒáƒ¢áƒáƒªáƒ˜áƒ˜áƒ¡ პრáƒáƒªáƒ”სი, რáƒáƒ—რის შესáƒáƒ¤áƒ”რისი გáƒáƒ®áƒ“ეს ზედáƒáƒ›áƒ®áƒ”დველáƒáƒ‘ითი სწáƒáƒ•áƒšáƒ”ბისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: áƒáƒ—áƒáƒ¡áƒáƒ‘ით სიმსივნის გáƒáƒ›áƒáƒ¡áƒáƒ®áƒ£áƒšáƒ”ბის ტეგირებრკეთილთვისებიáƒáƒœáƒáƒ“ áƒáƒœ áƒáƒ•áƒ—ვისებიáƒáƒœáƒáƒ“ კიბáƒáƒ¡ áƒáƒ›áƒáƒ›áƒªáƒœáƒáƒ‘ი მáƒáƒ“ელის სწáƒáƒ•áƒšáƒ”ბისთვის.
მáƒáƒœáƒáƒªáƒ”მთრმáƒáƒžáƒáƒ•áƒ”ბრ(Data Mining)
Data Mining
დიდ მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ებში მნიშვნელáƒáƒ•áƒáƒœáƒ˜ ნიმუშების, კáƒáƒ ელáƒáƒªáƒ˜áƒ”ბის დრáƒáƒœáƒáƒ›áƒáƒšáƒ˜áƒ”ბის áƒáƒ¦áƒ›áƒáƒ©áƒ”ნის პრáƒáƒªáƒ”სი.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სáƒáƒªáƒáƒšáƒ მáƒáƒ•áƒáƒáƒ ეები იყენებენ მáƒáƒœáƒáƒªáƒ”მთრმáƒáƒžáƒáƒ•áƒ”ბáƒáƒ¡ იმის დáƒáƒ¡áƒáƒ“გენáƒáƒ“, რáƒáƒ› სáƒáƒ¤áƒ”ნების მყიდველები ხშირáƒáƒ“ ყიდულáƒáƒ‘ენ ლუდსáƒáƒª.
ღრმრსწáƒáƒ•áƒšáƒ (Deep Learning)
Deep Learning
მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის ქვედáƒáƒ¦áƒ›áƒáƒ•áƒáƒšáƒ˜, რáƒáƒ›áƒ”ლიც იყენებს მრáƒáƒ•áƒáƒšáƒ¨áƒ იáƒáƒœ ნეირáƒáƒœáƒ£áƒš ქსელებს მáƒáƒœáƒáƒªáƒ”მებში რთული ნიმუშების მáƒáƒ“ელირებისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ღრმრსწáƒáƒ•áƒšáƒ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრენáƒáƒ‘რივ მáƒáƒ“ელებში, რáƒáƒ’áƒáƒ იცáƒáƒ GPT-4 დრგáƒáƒ›áƒáƒ¡áƒáƒ®áƒ£áƒšáƒ”ბის გენერáƒáƒªáƒ˜áƒ˜áƒ¡ მáƒáƒ“ელებში, რáƒáƒ’áƒáƒ იცáƒáƒ Stable Diffusion.
დიფუზიური მáƒáƒ“ელები (Diffusion Models)
Diffusion Models
გენერáƒáƒªáƒ˜áƒ£áƒšáƒ˜ მáƒáƒ“ელების კლáƒáƒ¡áƒ˜, რáƒáƒ›áƒšáƒ”ბიც სწáƒáƒ•áƒšáƒáƒ‘ენ მáƒáƒœáƒáƒªáƒ”მების წáƒáƒ მáƒáƒ¥áƒ›áƒœáƒáƒ¡ შემთხვევითი ხმáƒáƒ£áƒ ის თáƒáƒœáƒ“áƒáƒ—áƒáƒœáƒáƒ‘ით გáƒáƒ დáƒáƒ¥áƒ›áƒœáƒ˜áƒ— სტრუქტურირებულ შედეგებáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: Stable Diffusion ქმნის ფáƒáƒ¢áƒ-რეáƒáƒšáƒ˜áƒ¡áƒ¢áƒ£áƒ სურáƒáƒ—ებს ტექსტური მáƒáƒ—ხáƒáƒ•áƒœáƒ”ბიდáƒáƒœ დიფუზიური ტექნიკების გáƒáƒ›áƒáƒ§áƒ”ნებით.
ჩáƒáƒœáƒ”რგვრ(Embedding)
Embedding
მáƒáƒœáƒáƒªáƒ”მების რიცხვითი ვექტáƒáƒ ული წáƒáƒ მáƒáƒ“გენáƒ, რáƒáƒ›áƒ”ლიც ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსიტყვების, სურáƒáƒ—ების áƒáƒœ წინáƒáƒ“áƒáƒ“ებების სემáƒáƒœáƒ¢áƒ˜áƒ™áƒ£áƒ ი მნიშვნელáƒáƒ‘ის დáƒáƒ¡áƒáƒ¤áƒ˜áƒ¥áƒ¡áƒ˜áƒ ებლáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: NLP-ში, სიტყვრ'ბáƒáƒœáƒ™áƒ˜' შეიძლებრჰქáƒáƒœáƒ“ეს მსგáƒáƒ•áƒ¡áƒ˜ ჩáƒáƒœáƒ”რგვები 'ფულთáƒáƒœ' მáƒáƒ’რáƒáƒ› გáƒáƒœáƒ¡áƒ®áƒ•áƒáƒ•áƒ”ბული 'მდინáƒáƒ ის ნáƒáƒžáƒ˜áƒ თáƒáƒœ' კáƒáƒœáƒ¢áƒ”ქსტის მიხედვით.
ეპáƒáƒ¥áƒ (Epoch)
Epoch
სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ პრáƒáƒªáƒ”სის სრული გáƒáƒ›áƒ”áƒáƒ ებრმთელ სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ებზე მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: თუ მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ს áƒáƒ¥áƒ•áƒ¡ 1000 მáƒáƒ’áƒáƒšáƒ˜áƒ—ი დრმáƒáƒ“ელი ხედáƒáƒ•áƒ¡ მáƒáƒ— ყველრერთხელ სწáƒáƒ•áƒšáƒ”ბის დრáƒáƒ¡, ეს áƒáƒ ის ერთი ეპáƒáƒ¥áƒ.
ეთიკური AI (Ethical AI)
Ethical AI
დიზáƒáƒ˜áƒœáƒ˜áƒ¡ დრდáƒáƒœáƒ”რგვის ფილáƒáƒ¡áƒáƒ¤áƒ˜áƒ, რáƒáƒ›áƒ”ლიც უზრუნველყáƒáƒ¤áƒ¡ AI ტექნáƒáƒšáƒáƒ’იების გáƒáƒ›áƒáƒ•áƒ˜áƒ ვáƒáƒšáƒ”დ, სáƒáƒ›áƒáƒ თლიáƒáƒœáƒáƒ“ დრსáƒáƒ–áƒáƒ’áƒáƒ“áƒáƒ”ბრივ ღირებულებებთáƒáƒœ შესáƒáƒ‘áƒáƒ›áƒ˜áƒ¡áƒáƒ“ მუშáƒáƒáƒ‘áƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: AI დáƒáƒ¡áƒáƒ¥áƒ›áƒ”ბის ინსტრუმენტი, რáƒáƒ›áƒ”ლიც მáƒáƒ˜áƒªáƒáƒ•áƒ¡ მიკერძáƒáƒ”ბის შემáƒáƒ¬áƒ›áƒ”ბáƒáƒ¡ უმცირესáƒáƒ‘ების კáƒáƒœáƒ“იდáƒáƒ¢áƒ”ბის მიმáƒáƒ თ დისკრიმინáƒáƒªáƒ˜áƒ˜áƒ¡ თáƒáƒ•áƒ˜áƒ“áƒáƒœ áƒáƒ¡áƒáƒªáƒ˜áƒšáƒ”ბლáƒáƒ“.
ექსპერტული სისტემრ(Expert System)
Expert System
AI სისტემáƒ, რáƒáƒ›áƒ”ლიც áƒáƒ™áƒáƒžáƒ˜áƒ ებს áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ექსპერტის გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილების მიღების შესáƒáƒ«áƒšáƒ”ბლáƒáƒ‘ებს კáƒáƒœáƒ™áƒ ეტულ დáƒáƒ›áƒ”ნში წესებისრდრლáƒáƒ’იკის გáƒáƒ›áƒáƒ§áƒ”ნებით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ექსპერტული სისტემáƒ, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსáƒáƒ¤áƒšáƒ˜áƒ¡ მეურნეáƒáƒ‘áƒáƒ¨áƒ˜, რáƒáƒ—რრეკáƒáƒ›áƒ”ნდáƒáƒªáƒ˜áƒ გáƒáƒ£áƒ¬áƒ˜áƒáƒ¡ კულტურების მკურნáƒáƒšáƒáƒ‘áƒáƒ¡ ნიáƒáƒ“áƒáƒ’ის მáƒáƒœáƒáƒªáƒ”მებისრდრმáƒáƒ•áƒœáƒ”ბლების ისტáƒáƒ იის სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე.
áƒáƒ¡áƒáƒ®áƒ¡áƒœáƒ”ლი AI (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
AI სისტემები, რáƒáƒ›áƒšáƒ”ბიც შექმნილირმáƒáƒ—ი შიდრპრáƒáƒªáƒ”სებისრდრგáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილების მიღების გáƒáƒ¡áƒáƒ’ებáƒáƒ“ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ”ბისთვის, ზრდის ნდáƒáƒ‘áƒáƒ¡ დრáƒáƒœáƒ’áƒáƒ იშვáƒáƒšáƒ“ებულებáƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სáƒáƒ›áƒ”დიცინრდიáƒáƒ’ნáƒáƒ¡áƒ¢áƒ˜áƒ™áƒ£áƒ ი AI, რáƒáƒ›áƒ”ლიც áƒáƒ რმხáƒáƒšáƒáƒ“ იძლევრრეკáƒáƒ›áƒ”ნდáƒáƒªáƒ˜áƒáƒ¡, áƒáƒ áƒáƒ›áƒ”დ ხსნის, თუ რáƒáƒ›áƒ”ლი სიმპტáƒáƒ›áƒ”ბი მიიყვáƒáƒœáƒ áƒáƒ› დáƒáƒ¡áƒ™áƒ•áƒœáƒáƒ›áƒ“ე.
რáƒáƒ›áƒ“ენიმე-შáƒáƒ¢áƒ˜áƒáƒœáƒ˜ სწáƒáƒ•áƒšáƒ (Few-shot Learning)
Few-shot Learning
მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მეთáƒáƒ“ი, სáƒáƒ“áƒáƒª მáƒáƒ“ელი სწáƒáƒ•áƒšáƒáƒ‘ს áƒáƒœ დáƒáƒ®áƒ•áƒ”წილირმხáƒáƒšáƒáƒ“ მცირე რáƒáƒáƒ“ენáƒáƒ‘ით ეტიკეტირებული მáƒáƒ’áƒáƒšáƒ˜áƒ—ების გáƒáƒ›áƒáƒ§áƒ”ნებით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: LLM-ის მáƒáƒ გებრიურიდიული წერილების დáƒáƒ¡áƒáƒ¬áƒ”რáƒáƒ“, მáƒáƒ¡ მხáƒáƒšáƒáƒ“ 10 მáƒáƒ’áƒáƒšáƒ˜áƒ—ის ჩვენების შემდეგ.
დáƒáƒ®áƒ•áƒ”წრ(Fine-tuning)
Fine-tuning
პრáƒáƒªáƒ”სი, სáƒáƒ“áƒáƒª წინáƒáƒ¡áƒ¬áƒáƒ გáƒáƒ¬áƒ•áƒ თნილი მáƒáƒ“ელი იღებრდრდáƒáƒ›áƒáƒ¢áƒ”ბით სწáƒáƒ•áƒšáƒáƒ‘ს áƒáƒ®áƒáƒš, მცირე მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ებზე, რáƒáƒ—რის სპეციáƒáƒšáƒ˜áƒ–ებული გáƒáƒ®áƒ“ეს კáƒáƒœáƒ™áƒ ეტული დáƒáƒ•áƒáƒšáƒ”ბისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ზáƒáƒ’áƒáƒ“ი LLM-ის, რáƒáƒ’áƒáƒ იცáƒáƒ GPT, დáƒáƒ®áƒ•áƒ”წრშიდრიურიდიულ დáƒáƒ™áƒ£áƒ›áƒ”ნტებზე, რáƒáƒ—რშეიქმნáƒáƒ¡ იურიდიული დáƒáƒ™áƒ£áƒ›áƒ”ნტáƒáƒªáƒ˜áƒ˜áƒ¡ áƒáƒ¡áƒ˜áƒ¡áƒ¢áƒ”ნტი.
ფáƒáƒœáƒ“ის მáƒáƒ“ელი (Foundation Model)
Foundation Model
დიდი მáƒáƒ¡áƒ¨áƒ¢áƒáƒ‘ის მáƒáƒ“ელი, რáƒáƒ›áƒ”ლიც გáƒáƒ¬áƒ•áƒ თნილირმრáƒáƒ•áƒáƒšáƒ¤áƒ”რáƒáƒ•áƒáƒœ დრფáƒáƒ თრმáƒáƒœáƒáƒªáƒ”მებზე, რáƒáƒ›áƒšáƒ˜áƒ¡ áƒáƒ“áƒáƒžáƒ¢áƒ˜áƒ ებáƒáƒª შესáƒáƒ«áƒšáƒ”ბელირმრáƒáƒ•áƒáƒšáƒ˜ შემდგáƒáƒ›áƒ˜ დáƒáƒ•áƒáƒšáƒ”ბისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: GPT-4 დრPaLM 2 áƒáƒ ის ფáƒáƒœáƒ“ის მáƒáƒ“ელები, რáƒáƒ›áƒšáƒ”ბსáƒáƒª შეუძლიáƒáƒ— შეჯáƒáƒ›áƒ”ბáƒ, კითხვáƒ-პáƒáƒ¡áƒ£áƒ®áƒ˜, თáƒáƒ გმნრდრსხვáƒ.
ბუნდáƒáƒ•áƒáƒœáƒ˜ ლáƒáƒ’იკრ(Fuzzy Logic)
Fuzzy Logic
ლáƒáƒ’იკის ფáƒáƒ მáƒ, რáƒáƒ›áƒ”ლიც ეხებრმიáƒáƒ®áƒšáƒáƒ”ბით მნიშვნელáƒáƒ‘ებს მყáƒáƒ ი áƒáƒ”შმáƒáƒ იტი/მცდáƒáƒ ი (ბინáƒáƒ ული) ლáƒáƒ’იკის ნáƒáƒªáƒ•áƒšáƒáƒ“, სáƒáƒ¡áƒáƒ გებლáƒáƒ გáƒáƒ£áƒ კვევლáƒáƒ‘ის პირáƒáƒ‘ებში მსჯელáƒáƒ‘ისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრკლიმáƒáƒ¢áƒ˜áƒ¡ კáƒáƒœáƒ¢áƒ áƒáƒšáƒ˜áƒ¡ სისტემებში ტემპერáƒáƒ¢áƒ£áƒ ის რეგულირებისთვის ბუნდáƒáƒ•áƒáƒœáƒ˜ შეყვáƒáƒœáƒ”ბის სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე, რáƒáƒ’áƒáƒ იცáƒáƒ 'ცáƒáƒ¢áƒ ცხელáƒ' áƒáƒœ 'ძáƒáƒšáƒ˜áƒáƒœ ცივი'.
გენერáƒáƒªáƒ˜áƒ£áƒšáƒ˜ áƒáƒœáƒ¢áƒáƒ’áƒáƒœáƒ˜áƒ¡áƒ¢áƒ£áƒ ი ქსელი (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
გენერáƒáƒªáƒ˜áƒ£áƒšáƒ˜ მáƒáƒ“ელის áƒáƒ ქიტექტურáƒ, სáƒáƒ“áƒáƒª áƒáƒ ი ქსელი - გენერáƒáƒ¢áƒáƒ ი დრდისკრიმინáƒáƒ¢áƒáƒ ი - ეჯიბრებიáƒáƒœ შედეგების ხáƒáƒ ისხის გáƒáƒ¡áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებლáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: GAN-ები გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრდიფეიქ ვიდეáƒáƒ”ბის შესáƒáƒ¥áƒ›áƒœáƒ”ლáƒáƒ“ áƒáƒœ ესკიზებიდáƒáƒœ რეáƒáƒšáƒ˜áƒ¡áƒ¢áƒ£áƒ ი პრáƒáƒ“უქტის ფáƒáƒ¢áƒáƒ”ბის გენერირებისთვის.
გენერáƒáƒªáƒ˜áƒ£áƒšáƒ˜ AI (Generative AI)
Generative AI
ხელáƒáƒ•áƒœáƒ£áƒ ი ინტელექტის კáƒáƒ¢áƒ”გáƒáƒ იáƒ, რáƒáƒ›áƒ”ლსáƒáƒª შეუძლირáƒáƒ®áƒáƒšáƒ˜ შინáƒáƒáƒ სის შექმნრ- რáƒáƒ’áƒáƒ იცáƒáƒ ტექსტი, სურáƒáƒ—ები, მუსიკრáƒáƒœ ვიდერ- სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მებიდáƒáƒœ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ChatGPT ქმნის ბლáƒáƒ’ პáƒáƒ¡áƒ¢áƒ”ბს áƒáƒœ Midjourney ქმნის ციფრულ ხელáƒáƒ•áƒœáƒ”ბáƒáƒ¡ ტექსტური მáƒáƒ—ხáƒáƒ•áƒœáƒ”ბიდáƒáƒœ.
გენერáƒáƒªáƒ˜áƒ£áƒšáƒ˜ წინáƒáƒ¡áƒ¬áƒáƒ გáƒáƒ¬áƒ•áƒ თნილი ტრáƒáƒœáƒ¡áƒ¤áƒáƒ მáƒáƒ¢áƒáƒ ი (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
დიდი ენáƒáƒ‘რივი მáƒáƒ“ელების კლáƒáƒ¡áƒ˜, რáƒáƒ›áƒ”ლიც შემუშáƒáƒ•áƒ”ბულირOpenAI-ის მიერდრიყენებს ტრáƒáƒœáƒ¡áƒ¤áƒáƒ მáƒáƒ¢áƒáƒ ულ áƒáƒ ქიტექტურáƒáƒ¡ დრწინáƒáƒ¡áƒ¬áƒáƒ გáƒáƒ¬áƒ•áƒ თნილირუზáƒáƒ მáƒáƒ–áƒáƒ ტექსტურმáƒáƒœáƒáƒªáƒ”მებზე მრáƒáƒ•áƒáƒšáƒ˜ ენáƒáƒ‘რივი დáƒáƒ•áƒáƒšáƒ”ბის შესáƒáƒ¡áƒ ულებლáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: GPT-4-ს შეუძლირესეების დáƒáƒ¬áƒ”რáƒ, ენების თáƒáƒ გმნრდრდáƒáƒ™áƒ£áƒ›áƒ”ნტების შეჯáƒáƒ›áƒ”ბრმინიმáƒáƒšáƒ£áƒ ი მáƒáƒ—ხáƒáƒ•áƒœáƒ”ბით.
გენეტიკური áƒáƒšáƒ’áƒáƒ ითმი (Genetic Algorithm)
Genetic Algorithm
áƒáƒžáƒ¢áƒ˜áƒ›áƒ˜áƒ–áƒáƒªáƒ˜áƒ˜áƒ¡ ტექნიკáƒ, რáƒáƒ›áƒ”ლიც შთáƒáƒ’áƒáƒœáƒ”ბულირბუნებრივი გáƒáƒ“áƒáƒ ჩევით, სáƒáƒ“áƒáƒª გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილებები ვითáƒáƒ დებრდრáƒáƒ—რგáƒáƒœáƒ›áƒáƒ•áƒšáƒáƒ‘áƒáƒ¨áƒ˜ მუტáƒáƒªáƒ˜áƒ˜áƒ¡, კრáƒáƒ¡áƒáƒ•áƒ”რის დრშერჩევის გზით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრეფექტური ნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელების áƒáƒ ქიტექტურების დიზáƒáƒ˜áƒœáƒ˜áƒ¡áƒ—ვის, რáƒáƒ›áƒ”ლიც სიმულáƒáƒªáƒ˜áƒáƒ¡ უკეთებს გáƒáƒ“áƒáƒ ჩენáƒáƒ¡ უძლიერესისთვის.
ჰáƒáƒšáƒ£áƒªáƒ˜áƒœáƒáƒªáƒ˜áƒ (Hallucination)
Hallucination
დáƒáƒ›áƒáƒ¯áƒ”რებლáƒáƒ“ ჟღერáƒáƒ“áƒáƒ‘ის, მáƒáƒ’რáƒáƒ› ფáƒáƒ¥áƒ¢áƒáƒ‘რივáƒáƒ“ áƒáƒ áƒáƒ¡áƒ¬áƒáƒ ი áƒáƒœ უáƒáƒ–რრშინáƒáƒáƒ სის გენერირებრAI მáƒáƒ“ელის მიერ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ენáƒáƒ‘რივი მáƒáƒ“ელი იგáƒáƒœáƒ”ბს áƒáƒ áƒáƒ სებულ ციტირებáƒáƒ¡ áƒáƒœ იძლევრყáƒáƒšáƒ‘ ისტáƒáƒ იულ ფáƒáƒ¥áƒ¢áƒ”ბს.
ჰევრისტიკრ(Heuristic)
Heuristic
პრáƒáƒ‘ლემის გáƒáƒ“áƒáƒáƒ ის პრáƒáƒ¥áƒ¢áƒ˜áƒ™áƒ£áƒšáƒ˜ მიდგáƒáƒ›áƒ, რáƒáƒ›áƒ”ლიც áƒáƒ იძლევრსრულყáƒáƒ¤áƒ˜áƒš გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტáƒáƒ¡, მáƒáƒ’რáƒáƒ› სáƒáƒ™áƒ›áƒáƒ ისირდáƒáƒ£áƒ§áƒáƒ•áƒœáƒ”ბლივი მიზნებისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ლáƒáƒ’ისტიკის AI სისტემáƒáƒ¨áƒ˜ მიტáƒáƒœáƒ˜áƒ¡ დრáƒáƒ˜áƒ¡ შესáƒáƒ¤áƒáƒ¡áƒ”ბლáƒáƒ“ წესის გáƒáƒ›áƒáƒ§áƒ”ნებáƒ.
ჰიპერპáƒáƒ áƒáƒ›áƒ”ტრი (Hyperparameter)
Hyperparameter
კáƒáƒœáƒ¤áƒ˜áƒ’ურáƒáƒªáƒ˜áƒ˜áƒ¡ მნიშვნელáƒáƒ‘áƒ, რáƒáƒ›áƒ”ლიც დáƒáƒ§áƒ”ნებულირმáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელის სწáƒáƒ•áƒšáƒ”ბის დáƒáƒ¬áƒ§áƒ”ბáƒáƒ›áƒ“ე, რáƒáƒ’áƒáƒ იცáƒáƒ სწáƒáƒ•áƒšáƒ˜áƒ¡ სიჩქáƒáƒ ე áƒáƒœ ფენების რáƒáƒáƒ“ენáƒáƒ‘áƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ბáƒáƒ¢áƒ©áƒ˜áƒ¡ ზáƒáƒ›áƒ˜áƒ¡ 32-დáƒáƒœ 128-მდე შეცვლრსწáƒáƒ•áƒšáƒ˜áƒ¡ სიჩქáƒáƒ ისრდრმáƒáƒ“ელის მუშáƒáƒáƒ‘ის გáƒáƒ¡áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებლáƒáƒ“.
დáƒáƒ¡áƒ™áƒ•áƒœáƒ (Inference)
Inference
გáƒáƒ¬áƒ•áƒ თნილი მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელის გáƒáƒ›áƒáƒ§áƒ”ნების პრáƒáƒªáƒ”სი áƒáƒ®áƒáƒšáƒ˜ შეყვáƒáƒœáƒ˜áƒ¡ მáƒáƒœáƒáƒªáƒ”მებიდáƒáƒœ პრáƒáƒ’ნáƒáƒ–ების გáƒáƒ¡áƒáƒ™áƒ”თებლáƒáƒ“ áƒáƒœ შედეგების გენერირებისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: დáƒáƒ®áƒ•áƒ”წილი GPT მáƒáƒ“ელის გáƒáƒ›áƒáƒ§áƒ”ნებრმáƒáƒ›áƒ®áƒ›áƒáƒ ებელთრმხáƒáƒ დáƒáƒáƒ”რის გუნდისთვის წერილების მáƒáƒ¡áƒáƒ›áƒ–áƒáƒ“ებლáƒáƒ“.
გáƒáƒœáƒ–რáƒáƒ®áƒ•áƒ˜áƒ¡ áƒáƒ›áƒáƒªáƒœáƒáƒ‘რ(Intent Detection)
Intent Detection
ბუნებრივი ენის გáƒáƒ’ების áƒáƒ›áƒáƒªáƒáƒœáƒ, სáƒáƒ“áƒáƒª სისტემრáƒáƒ›áƒáƒ˜áƒªáƒœáƒáƒ‘ს მáƒáƒ›áƒ®áƒ›áƒáƒ ებლის მიზáƒáƒœáƒ¡ áƒáƒœ დáƒáƒœáƒ˜áƒ¨áƒœáƒ£áƒšáƒ”ბáƒáƒ¡ შეტყáƒáƒ‘ინებáƒáƒ¨áƒ˜.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ჩáƒáƒ¢áƒ‘áƒáƒ¢áƒ¨áƒ˜, 'მინდრფრენის დáƒáƒ¯áƒáƒ•áƒ¨áƒœáƒ' áƒáƒ›áƒáƒªáƒœáƒáƒ‘áƒ, რáƒáƒ’áƒáƒ ც მáƒáƒ’ზáƒáƒ£áƒ áƒáƒ‘ის დáƒáƒ¯áƒáƒ•áƒ¨áƒœáƒ˜áƒ¡ გáƒáƒœáƒ–რáƒáƒ®áƒ•áƒ.
ნივთების ინტერნეტი (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
დáƒáƒ™áƒáƒ•áƒ¨áƒ˜áƒ ებული ფიზიკური მáƒáƒ¬áƒ§áƒáƒ‘ილáƒáƒ‘ების ქსელი, რáƒáƒ›áƒ”ლიც ჩáƒáƒ¨áƒ”ნებულირსენსáƒáƒ ებით, პრáƒáƒ’რáƒáƒ›áƒ£áƒšáƒ˜ უზრუნველყáƒáƒ¤áƒ˜áƒ— დრსხვრტექნáƒáƒšáƒáƒ’იებით მáƒáƒœáƒáƒªáƒ”მების შეგრáƒáƒ•áƒ”ბისრდრგáƒáƒªáƒ•áƒšáƒ˜áƒ¡áƒ—ვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: áƒáƒ™áƒ•áƒ˜áƒáƒœáƒ˜ თერმáƒáƒ¡áƒ¢áƒáƒ¢áƒ”ბი დრმáƒáƒªáƒ˜áƒ•áƒ ები, რáƒáƒ›áƒšáƒ”ბიც იუწყებიáƒáƒœ გáƒáƒ›áƒáƒ§áƒ”ნების მáƒáƒœáƒáƒªáƒ”მებს დრáƒáƒ ეგულირებენ პáƒáƒ áƒáƒ›áƒ”ტრებს AI áƒáƒœáƒáƒšáƒ˜áƒ¢áƒ˜áƒ™áƒ˜áƒ¡ გáƒáƒ›áƒáƒ§áƒ”ნებით.
ინტერპრეტáƒáƒªáƒ˜áƒ£áƒ áƒáƒ‘რ(Interpretability)
Interpretability
ის ხáƒáƒ ისხი, რáƒáƒ›áƒšáƒ˜áƒ—áƒáƒª áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ¡ შეუძლირგáƒáƒ˜áƒ’áƒáƒ¡ მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელის შიდრმექáƒáƒœáƒ˜áƒ™áƒ დრმისი გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილების მიღების პრáƒáƒªáƒ”სი.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილების ხე უფრრინტერპრეტáƒáƒªáƒ˜áƒ£áƒšáƒ˜áƒ, ვიდრე ღრმრნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელი, რáƒáƒ“გáƒáƒœ მისი გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილებები თვáƒáƒšáƒ§áƒ£áƒ ს áƒáƒ“ევნებს.
Jupyter Notebook (Jupyter Notebook)
Jupyter Notebook
ღირკáƒáƒ“ის ინტერáƒáƒ¥áƒ¢áƒ˜áƒ£áƒšáƒ˜ კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული გáƒáƒ ემáƒ, რáƒáƒ›áƒ”ლიც მáƒáƒ›áƒ®áƒ›áƒáƒ ებლებს სáƒáƒ¨áƒ£áƒáƒšáƒ”ბáƒáƒ¡ áƒáƒ«áƒšáƒ”ვს დáƒáƒ¬áƒ”რáƒáƒœ კáƒáƒ“ი, ვიზუáƒáƒšáƒ˜áƒ–áƒáƒªáƒ˜áƒ მáƒáƒáƒ®áƒ“ინáƒáƒœ შედეგები დრდáƒáƒ™áƒ£áƒ›áƒ”ნტირებრმáƒáƒáƒ®áƒ“ინáƒáƒœ áƒáƒœáƒáƒšáƒ˜áƒ–ის ერთ ინტერფეისში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒœáƒáƒªáƒ”მთრმეცნიერები იყენებენ Jupyter Notebooks მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელების პრáƒáƒ¢áƒáƒ¢áƒ˜áƒžáƒ”ბის შესáƒáƒ¥áƒ›áƒœáƒ”ლáƒáƒ“ დრშედეგების გáƒáƒ¡áƒáƒ–იáƒáƒ ებლáƒáƒ“.
K-უáƒáƒ®áƒšáƒáƒ”სი მეზáƒáƒ‘ლები (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
მáƒáƒ ტივი, áƒáƒ áƒáƒžáƒáƒ áƒáƒ›áƒ”ტრული მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის áƒáƒšáƒ’áƒáƒ ითმი, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრკლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒ™áƒáƒªáƒ˜áƒ˜áƒ¡áƒ დრრეგრესიისთვის. ის იღებს გáƒáƒ“áƒáƒ¬áƒ§áƒ•áƒ”ტილებებს მáƒáƒ®áƒáƒ¡áƒ˜áƒáƒ—ებლების სივრცეში უáƒáƒ®áƒšáƒáƒ”სი სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒ’áƒáƒšáƒ˜áƒ—ების სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: áƒáƒ®áƒáƒšáƒ˜ ხილის კლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒ™áƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის ვáƒáƒ¨áƒšáƒáƒ“ áƒáƒœ მსხლáƒáƒ“, KNN áƒáƒ›áƒáƒ¬áƒ›áƒ”ბს, რáƒáƒ›áƒ”ლი ეტიკეტირებული ხილირუáƒáƒ®áƒšáƒáƒ”სი ფáƒáƒ მისრდრფერის მიხედვით.
ცáƒáƒ“ნის გრáƒáƒ¤áƒ˜ (Knowledge Graph)
Knowledge Graph
მáƒáƒœáƒáƒªáƒ”მთრსტრუქტურáƒ, რáƒáƒ›áƒ”ლიც იყენებს კვáƒáƒœáƒ«áƒ”ბს დრკიდეებს áƒáƒ‘იექტების დრმáƒáƒ—ი ურთიერთáƒáƒ‘ების დáƒáƒ™áƒáƒ•áƒ¨áƒ˜áƒ ებული áƒáƒ¦áƒ¬áƒ”რილáƒáƒ‘ების წáƒáƒ მáƒáƒ¡áƒáƒ“გენáƒáƒ“ დრშესáƒáƒœáƒáƒ®áƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: Google-ის ცáƒáƒ“ნის პáƒáƒœáƒ”ლი დáƒáƒ¤áƒ£áƒ«áƒœáƒ”ბულირცáƒáƒ“ნის გრáƒáƒ¤áƒ–ე, რáƒáƒ›áƒ”ლიც áƒáƒ™áƒáƒ•áƒ¨áƒ˜áƒ ებს ისეთ áƒáƒ‘იექტებს, რáƒáƒ’áƒáƒ იცáƒáƒ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ”ბი, áƒáƒ“გილები დრმáƒáƒ•áƒšáƒ”ნები.
ენის სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელის áƒáƒžáƒ¢áƒ˜áƒ›áƒ˜áƒ–áƒáƒªáƒ˜áƒ (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
ტექნიკები, რáƒáƒ›áƒšáƒ”ბიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრდიდი ენáƒáƒ‘რივი მáƒáƒ“ელების მუშáƒáƒáƒ‘ის, ეფექტურáƒáƒ‘ის áƒáƒœ áƒáƒ“áƒáƒžáƒ¢áƒ˜áƒ ების გáƒáƒ¡áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებლáƒáƒ“ კáƒáƒœáƒ™áƒ ეტული დáƒáƒ•áƒáƒšáƒ”ბებისთვის áƒáƒœ დáƒáƒ›áƒ”ნებისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: კვáƒáƒœáƒ¢áƒ˜áƒ–áƒáƒªáƒ˜áƒ˜áƒ¡áƒ დრინსტრუქციის დáƒáƒ®áƒ•áƒ”წის გáƒáƒ›áƒáƒ§áƒ”ნებრLLM-ის áƒáƒžáƒ¢áƒ˜áƒ›áƒ˜áƒ–áƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის სáƒáƒ¬áƒáƒ მáƒáƒ¡ გáƒáƒ›áƒáƒ§áƒ”ნებისთვის.
დიდი ენáƒáƒ‘რივი მáƒáƒ“ელი (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
ღრმრსწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელის ტიპი, რáƒáƒ›áƒ”ლიც გáƒáƒ¬áƒ•áƒ თნილირუზáƒáƒ მáƒáƒ–áƒáƒ ტექსტურმáƒáƒœáƒáƒªáƒ”მებზე დრშეუძლირáƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ენის გენერირებáƒ, გáƒáƒ’ებრდრმსჯელáƒáƒ‘áƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ChatGPT დრClaude áƒáƒ ის LLM, რáƒáƒ›áƒšáƒ”ბიც გáƒáƒ¬áƒ•áƒ თნილირწერის, კáƒáƒ“ირებისრდრკითხვებზე პáƒáƒ¡áƒ£áƒ®áƒ˜áƒ¡ გáƒáƒªáƒ”მáƒáƒ¨áƒ˜ დáƒáƒ¡áƒáƒ®áƒ›áƒáƒ ებლáƒáƒ“.
ლáƒáƒ¢áƒ”ნტური სივრცე (Latent Space)
Latent Space
მáƒáƒ¦áƒáƒšáƒ’áƒáƒœáƒ–áƒáƒ›áƒ˜áƒšáƒ”ბიáƒáƒœáƒ˜ áƒáƒ‘სტრáƒáƒ¥áƒ¢áƒ£áƒšáƒ˜ წáƒáƒ მáƒáƒ“გენáƒ, სáƒáƒ“áƒáƒª მსგáƒáƒ•áƒ¡áƒ˜ შეყვáƒáƒœáƒ”ბი áƒáƒ®áƒšáƒáƒ¡áƒáƒ გáƒáƒœáƒšáƒáƒ’ებული, გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრგენერáƒáƒªáƒ˜áƒ£áƒš მáƒáƒ“ელებში დრჩáƒáƒœáƒ”რგვებში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გáƒáƒ›áƒáƒ¡áƒáƒ®áƒ£áƒšáƒ”ბის გენერáƒáƒªáƒ˜áƒáƒ¨áƒ˜, ლáƒáƒ¢áƒ”ნტური სივრცის მáƒáƒœáƒ˜áƒžáƒ£áƒšáƒ˜áƒ ებრშეუძლირშეცვáƒáƒšáƒáƒ¡ ისეთი მáƒáƒ®áƒáƒ¡áƒ˜áƒáƒ—ებლები, რáƒáƒ’áƒáƒ იცáƒáƒ სიკáƒáƒ¨áƒ™áƒáƒ¨áƒ” áƒáƒœ ემáƒáƒªáƒ˜áƒ.
სწáƒáƒ•áƒšáƒ˜áƒ¡ სიჩქáƒáƒ ე (Learning Rate)
Learning Rate
მნიშვნელáƒáƒ•áƒáƒœáƒ˜ ჰიპერპáƒáƒ áƒáƒ›áƒ”ტრი სწáƒáƒ•áƒšáƒ”ბისáƒáƒ¡, რáƒáƒ›áƒ”ლიც áƒáƒ™áƒáƒœáƒ¢áƒ áƒáƒšáƒ”ბს, თუ რáƒáƒ›áƒ“ენáƒáƒ“ იცვლებრმáƒáƒ“ელის წáƒáƒœáƒ”ბი დáƒáƒœáƒáƒ™áƒáƒ გის გრáƒáƒ“იენტის მიმáƒáƒ თ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ¦áƒáƒšáƒ˜ სწáƒáƒ•áƒšáƒ˜áƒ¡ სიჩქáƒáƒ ე შეიძლებრგáƒáƒ›áƒáƒ˜áƒ¬áƒ•áƒ˜áƒáƒ¡ მინიმუმების გáƒáƒ“áƒáƒáƒáƒ ბებáƒ, ხáƒáƒšáƒ ძáƒáƒšáƒ˜áƒáƒœ დáƒáƒ‘áƒáƒšáƒ˜ სიჩქáƒáƒ ე áƒáƒœáƒ”ლებს სწáƒáƒ•áƒšáƒ˜áƒ¡ პრáƒáƒ’რესს.
მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ (ML) (Machine Learning (ML))
Machine Learning (ML)
AI-ის ფილიáƒáƒšáƒ˜, რáƒáƒ›áƒ”ლიც სáƒáƒ¨áƒ£áƒáƒšáƒ”ბáƒáƒ¡ áƒáƒ«áƒšáƒ”ვს სისტემებს ისწáƒáƒ•áƒšáƒáƒœ მáƒáƒœáƒáƒªáƒ”მებიდáƒáƒœ დრგáƒáƒáƒ£áƒ›áƒ¯áƒáƒ‘ესáƒáƒœ მუშáƒáƒáƒ‘რსპეციფიკური პრáƒáƒ’რáƒáƒ›áƒ˜áƒ ების გáƒáƒ ეშე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სპáƒáƒ›áƒ˜áƒ¡ ფილტრები იყენებენ მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ სწáƒáƒ•áƒšáƒáƒ¡ ელ.ფáƒáƒ¡áƒ¢áƒ”ბის კლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒ™áƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის სპáƒáƒ›áƒáƒ“ áƒáƒœ áƒáƒ áƒ, წინრმáƒáƒ’áƒáƒšáƒ˜áƒ—ების სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე.
მáƒáƒ“ელის დრიფტი (Model Drift)
Model Drift
ფენáƒáƒ›áƒ”ნი, რáƒáƒ“ესáƒáƒª მáƒáƒ“ელის სიზუსტე დრáƒáƒ—რგáƒáƒœáƒ›áƒáƒ•áƒšáƒáƒ‘áƒáƒ¨áƒ˜ იკლებს მáƒáƒœáƒáƒªáƒ”მების áƒáƒœ გáƒáƒ ემáƒáƒ¡ ცვლილებების გáƒáƒ›áƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: თáƒáƒ¦áƒšáƒ˜áƒ—áƒáƒ‘ის áƒáƒ›áƒáƒ›áƒªáƒœáƒáƒ‘ი მáƒáƒ“ელი ნáƒáƒ™áƒšáƒ”ბáƒáƒ“ ზუსტი ხდებáƒ, რáƒáƒ“გáƒáƒœ თáƒáƒ¦áƒšáƒ˜áƒ—áƒáƒ‘ის ტáƒáƒ¥áƒ¢áƒ˜áƒ™áƒ”ბი ვითáƒáƒ დებáƒ.
მáƒáƒ“ელის სწáƒáƒ•áƒšáƒ”ბრ(Model Training)
Model Training
მáƒáƒœáƒáƒªáƒ”მების მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელში შეტáƒáƒœáƒ˜áƒ¡ დრმისი პáƒáƒ áƒáƒ›áƒ”ტრების შეცდáƒáƒ›áƒ˜áƒ¡ მინიმიზáƒáƒªáƒ˜áƒ˜áƒ¡ მიზნით რეგულირების პრáƒáƒªáƒ”სი.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: რეკáƒáƒ›áƒ”ნდáƒáƒªáƒ˜áƒ˜áƒ¡ ძრáƒáƒ•áƒ˜áƒ¡ სწáƒáƒ•áƒšáƒ”ბრმáƒáƒ›áƒ®áƒ›áƒáƒ ებლის შესყიდვების ისტáƒáƒ იáƒáƒ–ე áƒáƒ®áƒáƒšáƒ˜ პრáƒáƒ“უქტების შეთáƒáƒ•áƒáƒ–ებისთვის.
მულტიმáƒáƒ“áƒáƒšáƒ£áƒ ი AI (Multimodal AI)
Multimodal AI
AI სისტემები, რáƒáƒ›áƒšáƒ”ბსáƒáƒª შეუძლიáƒáƒ— მრáƒáƒ•áƒáƒšáƒ˜ ტიპის მáƒáƒœáƒáƒªáƒ”მების, რáƒáƒ’áƒáƒ იცáƒáƒ ტექსტი, სურáƒáƒ—ები, áƒáƒ£áƒ“ირდრვიდეáƒ, დáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბრდრინტეგრირებáƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: GPT-4 Vision-ის მსგáƒáƒ•áƒ¡áƒ˜ მáƒáƒ“ელი, რáƒáƒ›áƒ”ლსáƒáƒª შეუძლირტექსტის წáƒáƒ™áƒ˜áƒ—ხვრდრსურáƒáƒ—ების ერთდრáƒáƒ£áƒšáƒáƒ“ ინტერპრეტáƒáƒªáƒ˜áƒ.
ბუნებრივი ენის დáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბრ(NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
AI-ის ქვედáƒáƒ¦áƒ›áƒáƒ•áƒáƒšáƒ˜, რáƒáƒ›áƒ”ლიც ფáƒáƒ™áƒ£áƒ¡áƒ˜áƒ ებულირკáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რებსრდრáƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ (ბუნებრივ) ენებს შáƒáƒ ის ურთიერთქმედებáƒáƒ–ე. ის სáƒáƒ¨áƒ£áƒáƒšáƒ”ბáƒáƒ¡ áƒáƒ«áƒšáƒ”ვს მáƒáƒœáƒ¥áƒáƒœáƒ”ბს წáƒáƒ˜áƒ™áƒ˜áƒ—ხáƒáƒœ, გáƒáƒ˜áƒ’áƒáƒœ დრუპáƒáƒ¡áƒ£áƒ®áƒáƒœ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ენáƒáƒ–ე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: NLP გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრხმáƒáƒ•áƒáƒœ áƒáƒ¡áƒ˜áƒ¡áƒ¢áƒ”ნტებში, ენის თáƒáƒ გმნის áƒáƒžáƒšáƒ˜áƒ™áƒáƒªáƒ˜áƒ”ბში დრჩáƒáƒ¢áƒ‘áƒáƒ¢áƒ”ბში.
ნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელი (Neural Network)
Neural Network
მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელი, რáƒáƒ›áƒ”ლიც შთáƒáƒ’áƒáƒœáƒ”ბულირáƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ტვინის სტრუქტურით, რáƒáƒ›áƒ”ლიც შედგებრდáƒáƒ™áƒáƒ•áƒ¨áƒ˜áƒ ებული კვáƒáƒœáƒ«áƒ”ბის (ნეირáƒáƒœáƒ”ბის) ფენებისგáƒáƒœ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელები დგáƒáƒ¡ ღრმრსწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელების უკáƒáƒœ, რáƒáƒ›áƒšáƒ”ბიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსურáƒáƒ—ებისრდრმეტყველების áƒáƒ›áƒáƒªáƒœáƒáƒ‘áƒáƒ¨áƒ˜.
ხმáƒáƒ£áƒ ი (Noise)
Noise
შემთხვევითი áƒáƒœ შეუსáƒáƒ‘áƒáƒ›áƒ ინფáƒáƒ მáƒáƒªáƒ˜áƒ მáƒáƒœáƒáƒªáƒ”მებში, რáƒáƒ›áƒ”ლმáƒáƒª შეიძლებრდáƒáƒ¤áƒáƒ áƒáƒ¡ მნიშვნელáƒáƒ•áƒáƒœáƒ˜ ნიმუშები დრუáƒáƒ ყáƒáƒ¤áƒ˜áƒ—áƒáƒ“ იმáƒáƒ¥áƒ›áƒ”დáƒáƒ¡ მáƒáƒ“ელის მუშáƒáƒáƒ‘áƒáƒ–ე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სენსáƒáƒ ული შეცდáƒáƒ›áƒ”ბი áƒáƒœ áƒáƒ™áƒ ეფით სáƒáƒ•áƒ¡áƒ” მáƒáƒœáƒáƒªáƒ”მთრჩáƒáƒœáƒáƒ¬áƒ”რები შეიძლებრჩáƒáƒ˜áƒ—ვáƒáƒšáƒáƒ¡ ხმáƒáƒ£áƒ áƒáƒ“.
áƒáƒœáƒ¢áƒáƒšáƒáƒ’ირ(Ontology)
Ontology
სტრუქტურირებული ჩáƒáƒ ჩáƒ, რáƒáƒ›áƒ”ლიც კáƒáƒ¢áƒ”გáƒáƒ იზებს დრგáƒáƒœáƒ¡áƒáƒ–ღვრáƒáƒ•áƒ¡ ურთიერთáƒáƒ‘ებს ცნებებს შáƒáƒ ის დáƒáƒ›áƒ”ნში, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსემáƒáƒœáƒ¢áƒ˜áƒ™áƒ£áƒ ი AI სისტემებში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ჯáƒáƒœáƒ“áƒáƒªáƒ•áƒ˜áƒ¡ áƒáƒœáƒ¢áƒáƒšáƒáƒ’იáƒáƒ› შეიძლებრგáƒáƒœáƒ¡áƒáƒ–ღვრáƒáƒ¡, თუ რáƒáƒ’áƒáƒ უკáƒáƒ•áƒ¨áƒ˜áƒ დებრსიმპტáƒáƒ›áƒ”ბი დáƒáƒáƒ•áƒáƒ“ებებს დრმკურნáƒáƒšáƒáƒ‘áƒáƒ¡.
გáƒáƒ“áƒáƒáƒáƒ ბებული მáƒáƒ გებრ(Overfitting)
Overfitting
მáƒáƒ“ელირების შეცდáƒáƒ›áƒ, რáƒáƒ“ესáƒáƒª მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის მáƒáƒ“ელი იáƒáƒ”რს სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მებში ხმáƒáƒ£áƒ ს დრცუდáƒáƒ“ მუშáƒáƒáƒ‘ს áƒáƒ®áƒáƒš მáƒáƒœáƒáƒªáƒ”მებზე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ“ელი, რáƒáƒ›áƒ”ლიც იმáƒáƒ®áƒ¡áƒáƒ•áƒ ებს სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ პáƒáƒ¡áƒ£áƒ®áƒ”ბს, მáƒáƒ’რáƒáƒ› áƒáƒ შეუძლირუცნáƒáƒ‘ი ტესტის მáƒáƒœáƒáƒªáƒ”მების დáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბáƒ, გáƒáƒ“áƒáƒáƒáƒ ბებულáƒáƒ“ áƒáƒ ის მáƒáƒ გებული.
პრáƒáƒ’ნáƒáƒ–ული áƒáƒœáƒáƒšáƒ˜áƒ¢áƒ˜áƒ™áƒ (Predictive Analytics)
Predictive Analytics
მáƒáƒœáƒáƒªáƒ”მების, áƒáƒšáƒ’áƒáƒ ითმების დრAI-ის გáƒáƒ›áƒáƒ§áƒ”ნებრმáƒáƒ›áƒáƒ•áƒáƒšáƒ˜ შედეგების áƒáƒšáƒ‘áƒáƒ—áƒáƒ‘ის დáƒáƒ¡áƒáƒ“გენáƒáƒ“ ისტáƒáƒ იული მáƒáƒœáƒáƒªáƒ”მების სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სáƒáƒªáƒáƒšáƒ მáƒáƒ•áƒáƒáƒ ეები იყენებენ პრáƒáƒ’ნáƒáƒ–ულ áƒáƒœáƒáƒšáƒ˜áƒ¢áƒ˜áƒ™áƒáƒ¡ გáƒáƒ კვეული პრáƒáƒ“უქტების მáƒáƒ—ხáƒáƒ•áƒœáƒ˜áƒ¡ პრáƒáƒ’ნáƒáƒ–ირებისთვის.
წინáƒáƒ¡áƒ¬áƒáƒ ი სწáƒáƒ•áƒšáƒ”ბრ(Pre-training)
Pre-training
მáƒáƒ“ელის თáƒáƒ•áƒ“áƒáƒžáƒ˜áƒ ველი სწáƒáƒ•áƒšáƒ”ბის პრáƒáƒªáƒ”სი დიდ, ზáƒáƒ’áƒáƒ“ მáƒáƒœáƒáƒªáƒ”მთრნáƒáƒ™áƒ ზე, სáƒáƒœáƒáƒ› ის დáƒáƒ®áƒ•áƒ”წილი იქნებრკáƒáƒœáƒ™áƒ ეტული დáƒáƒ•áƒáƒšáƒ”ბებისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: GPT მáƒáƒ“ელები წინáƒáƒ¡áƒ¬áƒáƒ გáƒáƒ¬áƒ•áƒ თნილირდიდ კáƒáƒ პუსებზე, სáƒáƒœáƒáƒ› ისინი მáƒáƒ გებული იქნებრმáƒáƒ›áƒ®áƒ›áƒáƒ ებელთრმáƒáƒ›áƒ¡áƒáƒ®áƒ£áƒ ების ჩáƒáƒ¢áƒ‘áƒáƒ¢áƒ”ბისთვის.
პრáƒáƒ›áƒžáƒ¢áƒ˜áƒ¡ ინჟინერირ(Prompt Engineering)
Prompt Engineering
ეფექტური პრáƒáƒ›áƒžáƒ¢áƒ”ბის შექმნის ხელáƒáƒ•áƒœáƒ”ბრდრმეცნიერებრდიდი ენáƒáƒ‘რივი მáƒáƒ“ელების შედეგების წáƒáƒ სáƒáƒ›áƒáƒ თáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სისტემური ინსტრუქციების დáƒáƒ›áƒáƒ¢áƒ”ბáƒ, რáƒáƒ’áƒáƒ იცáƒáƒ 'უპáƒáƒ¡áƒ£áƒ®áƒ” რáƒáƒ’áƒáƒ ც თáƒáƒ•áƒáƒ–იáƒáƒœáƒ˜ მáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ”ბელი', áƒáƒ ის პრáƒáƒ›áƒžáƒ¢áƒ˜áƒ¡ ინჟინერიის მáƒáƒ’áƒáƒšáƒ˜áƒ—ი.
კვáƒáƒœáƒ¢áƒ˜áƒ–áƒáƒªáƒ˜áƒ (Quantisation)
Quantisation
მáƒáƒ“ელის შეკუმშვის ტექნიკáƒ, რáƒáƒ›áƒ”ლიც áƒáƒ›áƒªáƒ˜áƒ ებს წáƒáƒœáƒ”ბისრდრáƒáƒ¥áƒ¢áƒ˜áƒ•áƒáƒªáƒ˜áƒ”ბის წáƒáƒ მáƒáƒ¡áƒáƒ“გენáƒáƒ“ გáƒáƒ›áƒáƒ§áƒ”ნებული ბიტების რáƒáƒáƒ“ენáƒáƒ‘áƒáƒ¡, რáƒáƒª áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებს ეფექტურáƒáƒ‘áƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ“ელის კვáƒáƒœáƒ¢áƒ˜áƒ–áƒáƒªáƒ˜áƒ 32-ბიტიდáƒáƒœ 8-ბიტáƒáƒ›áƒ“ე áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებს მუშáƒáƒáƒ‘áƒáƒ¡ მáƒáƒ‘ილურმáƒáƒ¬áƒ§áƒáƒ‘ილáƒáƒ‘ებზე.
კვáƒáƒœáƒ¢áƒ£áƒ ი კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული ტექნáƒáƒšáƒáƒ’იები (Quantum Computing)
Quantum Computing
კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული ტექნáƒáƒšáƒáƒ’იების áƒáƒ®áƒáƒšáƒ˜ პáƒáƒ áƒáƒ“იგმáƒ, რáƒáƒ›áƒ”ლიც დáƒáƒ¤áƒ£áƒ«áƒœáƒ”ბულირკვáƒáƒœáƒ¢áƒ£áƒ მექáƒáƒœáƒ˜áƒ™áƒáƒ–ე, რáƒáƒ›áƒ”ლსáƒáƒª áƒáƒ¥áƒ•áƒ¡ პáƒáƒ¢áƒ”ნციáƒáƒšáƒ˜ ექსპáƒáƒœáƒ”ნციáƒáƒšáƒ£áƒ ი დáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბის შესáƒáƒ«áƒšáƒ”ბლáƒáƒ‘ებისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: კვáƒáƒœáƒ¢áƒ£áƒ ი კáƒáƒ›áƒžáƒ˜áƒ£áƒ¢áƒ”რული ტექნáƒáƒšáƒáƒ’იები ერთ დღეს შეიძლებრდáƒáƒáƒ©áƒ¥áƒáƒ áƒáƒ¡ AI სწáƒáƒ•áƒšáƒ”ბრკლáƒáƒ¡áƒ˜áƒ™áƒ£áƒ ი ლიმიტების მიღმáƒ.
მსჯელáƒáƒ‘ის ძრáƒáƒ•áƒ (Reasoning Engine)
Reasoning Engine
AI-ის სისტემáƒ, რáƒáƒ›áƒ”ლიც ლáƒáƒ’იკურდáƒáƒ¡áƒ™áƒ•áƒœáƒ”ბს გáƒáƒ›áƒáƒáƒ¥áƒ•áƒ¡ ფáƒáƒ¥áƒ¢áƒ”ბისრდრმáƒáƒœáƒáƒªáƒ”მების ნáƒáƒ™áƒ ებიდáƒáƒœ წესებისრდრდáƒáƒ¡áƒ™áƒ•áƒœáƒ˜áƒ¡ áƒáƒšáƒ’áƒáƒ ითმების გáƒáƒ›áƒáƒ§áƒ”ნებით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: AI დიáƒáƒ’ნáƒáƒ¡áƒ¢áƒ˜áƒ™áƒ£áƒ ი ინსტრუმენტი იყენებს მსჯელáƒáƒ‘ის ძრáƒáƒ•áƒáƒ¡ შესáƒáƒ«áƒšáƒ სáƒáƒ›áƒ”დიცინრმდგáƒáƒ›áƒáƒ ეáƒáƒ‘ების გáƒáƒ›áƒáƒ¡áƒáƒ¢áƒáƒœáƒáƒ“ სიმპტáƒáƒ›áƒ”ბის სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე.
გáƒáƒ›áƒáƒ«áƒšáƒ˜áƒ”რებელი სწáƒáƒ•áƒšáƒ (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის სფერáƒ, სáƒáƒ“áƒáƒª áƒáƒ’ენტები სწáƒáƒ•áƒšáƒáƒ‘ენ თáƒáƒ•áƒ˜áƒáƒœáƒ— გáƒáƒ ემáƒáƒ¡áƒ—áƒáƒœ ურთიერთქმედებით, რáƒáƒ—რმáƒáƒ¥áƒ¡áƒ˜áƒ›áƒáƒšáƒ£áƒ áƒáƒ“ გáƒáƒ–áƒáƒ დáƒáƒœ დáƒáƒ’რáƒáƒ•áƒ˜áƒšáƒ˜ ჯილდáƒáƒ”ბი.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: რáƒáƒ‘áƒáƒ¢áƒ˜, რáƒáƒ›áƒ”ლიც სწáƒáƒ•áƒšáƒáƒ‘ს სიáƒáƒ ულს ცდისრდრშეცდáƒáƒ›áƒ˜áƒ¡ გზით RL ტექნიკების გáƒáƒ›áƒáƒ§áƒ”ნებით.
გáƒáƒ›áƒáƒ«áƒšáƒ˜áƒ”რებელი სწáƒáƒ•áƒšáƒ áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ უკუკáƒáƒ•áƒ¨áƒ˜áƒ ით (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
სწáƒáƒ•áƒšáƒ˜áƒ¡ მეთáƒáƒ“ი, სáƒáƒ“áƒáƒª áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ უპირáƒáƒ¢áƒ”სáƒáƒ‘ები ხელმძღვáƒáƒœáƒ”ლáƒáƒ‘ს AI-ის ჯილდáƒáƒ¡ სიგნáƒáƒšáƒ¡, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრენáƒáƒ‘რივი მáƒáƒ“ელების დáƒáƒ®áƒ•áƒ”წáƒáƒ¨áƒ˜.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ChatGPT გáƒáƒ¬áƒ•áƒ თნილი იყრRLHF-ით, რáƒáƒ—რუფრრსáƒáƒ¡áƒáƒ გებლრდრუსáƒáƒ¤áƒ თხრპáƒáƒ¡áƒ£áƒ®áƒ”ბი მიეღáƒ.
მáƒáƒ«áƒ˜áƒ”ბáƒ-გáƒáƒ«áƒšáƒ˜áƒ”რებული გენერáƒáƒªáƒ˜áƒ (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
მეთáƒáƒ“ი, რáƒáƒ›áƒ”ლიც áƒáƒ”რთიáƒáƒœáƒ”ბს ინფáƒáƒ მáƒáƒªáƒ˜áƒ˜áƒ¡ მáƒáƒ«áƒ˜áƒ”ბáƒáƒ¡ გენერáƒáƒªáƒ˜áƒáƒ¡áƒ—áƒáƒœ, სáƒáƒ“áƒáƒª LLM იღებს შესáƒáƒ‘áƒáƒ›áƒ˜áƒ¡ დáƒáƒ™áƒ£áƒ›áƒ”ნტებს თáƒáƒ•áƒ˜áƒ¡áƒ˜ პáƒáƒ¡áƒ£áƒ®áƒ˜áƒ¡ გáƒáƒ¡áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებლáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: AI áƒáƒ¡áƒ˜áƒ¡áƒ¢áƒ”ნტი იღებს დრციტირებს პრáƒáƒ“უქტის სპეციფიკáƒáƒªáƒ˜áƒ”ბს, ხáƒáƒšáƒ პáƒáƒ¡áƒ£áƒ®áƒ¡ გენერირებს ტექნიკურკითხვáƒáƒ–ე.
თვითზედáƒáƒ›áƒ®áƒ”დველáƒáƒ‘ითი სწáƒáƒ•áƒšáƒ (Self-Supervised Learning)
Self-Supervised Learning
სáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მიდგáƒáƒ›áƒ, სáƒáƒ“áƒáƒª მáƒáƒ“ელი სწáƒáƒ•áƒšáƒáƒ‘ს ნიმუშებს სáƒáƒ™áƒ£áƒ—áƒáƒ ი ეტიკეტების გენერირებით ნედლი მáƒáƒœáƒáƒªáƒ”მებიდáƒáƒœ, რáƒáƒª áƒáƒ›áƒªáƒ˜áƒ ებს áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ მიერáƒáƒœáƒáƒ¢áƒáƒªáƒ˜áƒ ებული მáƒáƒœáƒáƒªáƒ”მების დáƒáƒ›áƒáƒ™áƒ˜áƒ“ებულებáƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: BERT გáƒáƒ¬áƒ•áƒ თნილირთვითზედáƒáƒ›áƒ®áƒ”დველáƒáƒ‘ითი სწáƒáƒ•áƒšáƒ˜áƒ— ტექსტში დáƒáƒ™áƒáƒ გული სიტყვების პრáƒáƒ’ნáƒáƒ–ირებით.
სემáƒáƒœáƒ¢áƒ˜áƒ™áƒ£áƒ ი ძიებრ(Semantic Search)
Semantic Search
სáƒáƒ«áƒ˜áƒ”ბრტექნიკáƒ, რáƒáƒ›áƒ”ლიც ესმის მáƒáƒ›áƒ®áƒ›áƒáƒ ებლის გáƒáƒœáƒ–რáƒáƒ®áƒ•áƒáƒ¡ დრკáƒáƒœáƒ¢áƒ”ქსტურმნიშვნელáƒáƒ‘áƒáƒ¡, áƒáƒ რმხáƒáƒšáƒáƒ“ სáƒáƒ™áƒ•áƒáƒœáƒ«áƒ სიტყვების შესáƒáƒ¢áƒ§áƒ•áƒ˜áƒ¡áƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: 'რáƒáƒ’áƒáƒ შევáƒáƒ™áƒ”თáƒáƒ— გáƒáƒŸáƒáƒœáƒ•áƒáƒ“ი áƒáƒœáƒ™áƒáƒœáƒ˜' ძიებრáƒáƒ‘რუნებს სáƒáƒ®áƒ”ლმძღვáƒáƒœáƒ”ლáƒáƒ”ბს, მáƒáƒ¨áƒ˜áƒœáƒáƒª კი, თუ ტერმინი 'გáƒáƒŸáƒáƒœáƒ•áƒáƒ“ი áƒáƒœáƒ™áƒáƒœáƒ˜' áƒáƒ áƒáƒ ის დáƒáƒ™áƒ£áƒ›áƒ”ნტში.
გáƒáƒœáƒ¬áƒ§áƒáƒ‘ის áƒáƒœáƒáƒšáƒ˜áƒ–ი (Sentiment Analysis)
Sentiment Analysis
ტექსტში ემáƒáƒªáƒ˜áƒ”ბის, მáƒáƒ¡áƒáƒ–რებების áƒáƒœ დáƒáƒ›áƒáƒ™áƒ˜áƒ“ებულებების áƒáƒ›áƒáƒªáƒœáƒáƒ‘ის პრáƒáƒªáƒ”სი, ხშირáƒáƒ“ კლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒªáƒ˜áƒ დებრრáƒáƒ’áƒáƒ ც დáƒáƒ“ებითი, უáƒáƒ ყáƒáƒ¤áƒ˜áƒ—ი áƒáƒœ ნეიტრáƒáƒšáƒ£áƒ ი.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ტვიტების áƒáƒœáƒáƒšáƒ˜áƒ–ი áƒáƒ®áƒáƒšáƒ˜ პრáƒáƒ“უქტის მიმáƒáƒ თ სáƒáƒ–áƒáƒ’áƒáƒ“áƒáƒ”ბრივი რეáƒáƒ¥áƒªáƒ˜áƒ˜áƒ¡ შესáƒáƒ¤áƒáƒ¡áƒ”ბლáƒáƒ“.
სტוכáƒáƒ¡áƒ¢áƒ£áƒ ი (Stochastic)
Stochastic
შემთხვევითáƒáƒ‘ის áƒáƒœ áƒáƒšáƒ‘áƒáƒ—ური ქცევის ჩáƒáƒ თვáƒ, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრგენერáƒáƒªáƒ˜áƒ£áƒš AI-ში დრáƒáƒžáƒ¢áƒ˜áƒ›áƒ˜áƒ–áƒáƒªáƒ˜áƒ˜áƒ¡ áƒáƒšáƒ’áƒáƒ ითმებში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: GPT-4-ის შედეგი ვáƒáƒ იáƒáƒªáƒ˜áƒáƒ¡ გáƒáƒœáƒ˜áƒªáƒ“ის იგივე შეყვáƒáƒœáƒ˜áƒ¡áƒ—ვის მისი სტוכáƒáƒ¡áƒ¢áƒ£áƒ ი დეკáƒáƒ“ირების პრáƒáƒªáƒ”სის გáƒáƒ›áƒ.
ძლიერი AI (Strong AI)
Strong AI
áƒáƒ¡áƒ”ვე ცნáƒáƒ‘ილი რáƒáƒ’áƒáƒ ც ხელáƒáƒ•áƒœáƒ£áƒ ი ზáƒáƒ’áƒáƒ“ი ინტელექტი (AGI), ეხებრმáƒáƒœáƒ¥áƒáƒœáƒ”ბს áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ დáƒáƒœáƒ˜áƒ¡ კáƒáƒ’ნიტური შესáƒáƒ«áƒšáƒ”ბლáƒáƒ‘ებით ყველრდáƒáƒ›áƒ”ნში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ›áƒáƒ•áƒáƒšáƒ˜ AI, რáƒáƒ›áƒ”ლსáƒáƒª შეუძლირáƒáƒ•áƒ¢áƒáƒœáƒáƒ›áƒ˜áƒ£áƒ áƒáƒ“ დáƒáƒ¬áƒ”რáƒáƒ¡ რáƒáƒ›áƒáƒœáƒ”ბი, დáƒáƒ’ეგმáƒáƒ¡ ქáƒáƒšáƒáƒ¥áƒ”ბი დრგáƒáƒ“áƒáƒáƒ áƒáƒ¡ ეთიკური დილემები თáƒáƒœáƒáƒ‘რáƒáƒ“ კáƒáƒ გáƒáƒ“.
სუპერხელáƒáƒ•áƒœáƒ£áƒ ი ინტელექტი (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
თეáƒáƒ იული AI, რáƒáƒ›áƒ”ლიც ბევრáƒáƒ“ áƒáƒ¦áƒ”მáƒáƒ¢áƒ”ბრáƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡ ინტელექტს ყველრáƒáƒ¡áƒžáƒ”ქტში - მსჯელáƒáƒ‘áƒ, შემáƒáƒ¥áƒ›áƒ”დებითáƒáƒ‘áƒ, ემáƒáƒªáƒ˜áƒ£áƒ ი ინტელექტი დრáƒ.შ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: SAI-ს თეáƒáƒ იულáƒáƒ“ შეუძლირდáƒáƒ›áƒáƒ£áƒ™áƒ˜áƒ“ებლáƒáƒ“ გáƒáƒœáƒáƒ•áƒ˜áƒ—áƒáƒ áƒáƒ¡ áƒáƒ®áƒáƒšáƒ˜ მეცნიერებები დრფილáƒáƒ¡áƒáƒ¤áƒ˜áƒ”ბი.
ზედáƒáƒ›áƒ®áƒ”დველáƒáƒ‘ითი სწáƒáƒ•áƒšáƒ (Supervised Learning)
Supervised Learning
მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის ტექნიკáƒ, სáƒáƒ“áƒáƒª მáƒáƒ“ელები გáƒáƒ¬áƒ•áƒ თნილირეტიკეტირებულ მáƒáƒœáƒáƒªáƒ”მებზე შეყვáƒáƒœáƒ-გáƒáƒ›áƒáƒ›áƒáƒ•áƒáƒšáƒ˜ რუკების შესáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ“ელის სწáƒáƒ•áƒšáƒ”ბრელ.ფáƒáƒ¡áƒ¢áƒ”ბის კლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒ™áƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის სპáƒáƒ›áƒáƒ“ áƒáƒœ áƒáƒ áƒ, ისტáƒáƒ იული მáƒáƒ’áƒáƒšáƒ˜áƒ—ების გáƒáƒ›áƒáƒ§áƒ”ნებით.
სინთეტიკური მáƒáƒœáƒáƒªáƒ”მები (Synthetic Data)
Synthetic Data
ხელáƒáƒ•áƒœáƒ£áƒ áƒáƒ“ გენერირებული მáƒáƒœáƒáƒªáƒ”მები, რáƒáƒ›áƒšáƒ”ბიც áƒáƒ¡áƒáƒ®áƒáƒ•áƒ¡ რეáƒáƒšáƒ£áƒ მáƒáƒœáƒáƒªáƒ”მებს, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსწáƒáƒ•áƒšáƒ”ბისთვის, რáƒáƒ“ესáƒáƒª რეáƒáƒšáƒ£áƒ ი მáƒáƒœáƒáƒªáƒ”მები იშვიáƒáƒ—ირáƒáƒœ მგრძნáƒáƒ‘იáƒáƒ ეáƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სინთეტიკური სáƒáƒ›áƒ”დიცინრსურáƒáƒ—ების შექმნრდიáƒáƒ’ნáƒáƒ¡áƒ¢áƒ˜áƒ™áƒ£áƒ ი მáƒáƒ“ელების სწáƒáƒ•áƒšáƒ”ბისთვის პáƒáƒªáƒ˜áƒ”ნტის კáƒáƒœáƒ¤áƒ˜áƒ“ენციáƒáƒšáƒ£áƒ áƒáƒ‘ის დáƒáƒ ღვევის გáƒáƒ ეშე.
ტáƒáƒ™áƒ”ნი (Token)
Token
ტექსტის ერთეული, რáƒáƒ›áƒ”ლსáƒáƒª áƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბს LLM - ჩვეულებრივ სიტყვრáƒáƒœ სიტყვის ნáƒáƒ¬áƒ˜áƒšáƒ˜.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: წინáƒáƒ“áƒáƒ“ებრ'Hello world!' იყáƒáƒ¤áƒ 3 ტáƒáƒ™áƒ”ნáƒáƒ“: 'Hello', 'world', დრ'!'.
ტáƒáƒ™áƒ”ნიზáƒáƒªáƒ˜áƒ (Tokenisation)
Tokenisation
ტექსტის ტáƒáƒ™áƒ”ნებáƒáƒ“ დáƒáƒ§áƒáƒ¤áƒ˜áƒ¡ პრáƒáƒªáƒ”სი მáƒáƒ“ელის მიერდáƒáƒ¡áƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ”ბლáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: NLP-ში, 'ChatGPT is great' ხდებრ['Chat', 'G', 'PT', 'is', 'great'].
გáƒáƒ“áƒáƒªáƒ”მის სწáƒáƒ•áƒšáƒ (Transfer Learning)
Transfer Learning
ერთი დáƒáƒ•áƒáƒšáƒ”ბიდáƒáƒœ მიღებული ცáƒáƒ“ნის გáƒáƒ›áƒáƒ§áƒ”ნებრსხვრდáƒáƒ™áƒáƒ•áƒ¨áƒ˜áƒ ებულ დáƒáƒ•áƒáƒšáƒ”ბáƒáƒ–ე სწáƒáƒ•áƒšáƒ˜áƒ¡ გáƒáƒ¡áƒáƒ£áƒ›áƒ¯áƒáƒ‘ესებლáƒáƒ“, რáƒáƒª áƒáƒ›áƒªáƒ˜áƒ ებს სწáƒáƒ•áƒšáƒ˜áƒ¡ დრáƒáƒ¡ დრმáƒáƒœáƒáƒªáƒ”მთრსáƒáƒáƒ˜áƒ áƒáƒ”ბებს.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ინგლისურტექსტზე გáƒáƒ¬áƒ•áƒ თნილი მáƒáƒ“ელის დáƒáƒ®áƒ•áƒ”წრსხვრენáƒáƒ–ე გáƒáƒœáƒ¬áƒ§áƒáƒ‘ის áƒáƒœáƒáƒšáƒ˜áƒ–ის შესáƒáƒ¡áƒ ულებლáƒáƒ“.
ტრáƒáƒœáƒ¡áƒ¤áƒáƒ მáƒáƒ¢áƒáƒ ი (Transformer)
Transformer
ნეირáƒáƒœáƒ£áƒšáƒ˜ ქსელის áƒáƒ ქიტექტურáƒ, რáƒáƒ›áƒ”ლიც იყენებს ყურáƒáƒ“ღების მექáƒáƒœáƒ˜áƒ–მებს თáƒáƒœáƒ›áƒ˜áƒ›áƒ“ევრული მáƒáƒœáƒáƒªáƒ”მების მáƒáƒ“ელირებისთვის, ფáƒáƒ თáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრLLM-ებში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: BERT, GPT დრT5 ყველრტრáƒáƒœáƒ¡áƒ¤áƒáƒ მáƒáƒ¢áƒáƒ ზე დáƒáƒ¤áƒ£áƒ«áƒœáƒ”ბული მáƒáƒ“ელიáƒ.
áƒáƒ áƒáƒ¡áƒáƒ™áƒ›áƒáƒ ისი მáƒáƒ გებრ(Underfitting)
Underfitting
რáƒáƒ“ესáƒáƒª მáƒáƒ“ელი ძáƒáƒšáƒ˜áƒáƒœ მáƒáƒ ტივირსáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მებში ნიმუშების დáƒáƒ¡áƒáƒ¤áƒ˜áƒ¥áƒ¡áƒ˜áƒ ებლáƒáƒ“, რáƒáƒª იწვევს ცუდ მუშáƒáƒáƒ‘áƒáƒ¡.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ხáƒáƒ–áƒáƒ•áƒáƒœáƒ˜ მáƒáƒ“ელი, რáƒáƒ›áƒ”ლიც ცდილáƒáƒ‘ს რთული გáƒáƒ›áƒáƒ¡áƒáƒ®áƒ£áƒšáƒ”ბის კლáƒáƒ¡áƒ˜áƒ¤áƒ˜áƒ™áƒáƒªáƒ˜áƒ”ბის პრáƒáƒ’ნáƒáƒ–ირებáƒáƒ¡, შეიძლებრáƒáƒ áƒáƒ¡áƒáƒ™áƒ›áƒáƒ ისáƒáƒ“ იყáƒáƒ¡ მáƒáƒ გებული.
ზედáƒáƒ›áƒ®áƒ”დველáƒáƒ‘ის გáƒáƒ ეშე სწáƒáƒ•áƒšáƒ (Unsupervised Learning)
Unsupervised Learning
სწáƒáƒ•áƒšáƒ˜áƒ¡ მიდგáƒáƒ›áƒ, სáƒáƒ“áƒáƒª მáƒáƒ“ელები áƒáƒ›áƒáƒ˜áƒªáƒœáƒáƒ‘ენ ნიმუშებს áƒáƒœ კლáƒáƒ¡áƒ¢áƒ”რებს დáƒáƒ£áƒ‘ეáƒáƒ“áƒáƒ•áƒ˜ მáƒáƒœáƒáƒªáƒ”მებში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ›áƒ®áƒ›áƒáƒ ებლების ჯგუფებáƒáƒ“ დáƒáƒ§áƒáƒ¤áƒ შესყიდვების ქცევის სáƒáƒ¤áƒ£áƒ«áƒ•áƒ”ლზე წინáƒáƒ¡áƒ¬áƒáƒ გáƒáƒœáƒ¡áƒáƒ–ღვრული ეტიკეტების გáƒáƒ ეშე.
მáƒáƒ›áƒ®áƒ›áƒáƒ ებლის გáƒáƒœáƒ–რáƒáƒ®áƒ•áƒ (User Intent)
User Intent
მáƒáƒ›áƒ®áƒ›áƒáƒ ებლის მáƒáƒ—ხáƒáƒ•áƒœáƒ˜áƒ¡ áƒáƒœ ურთიერთქმედების მიზáƒáƒœáƒ˜ áƒáƒœ დáƒáƒœáƒ˜áƒ¨áƒœáƒ£áƒšáƒ”ბáƒ.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ›áƒ®áƒ›áƒáƒ ებელი, რáƒáƒ›áƒ”ლიც áƒáƒ™áƒ ეფს 'რáƒáƒ’áƒáƒ გáƒáƒ›áƒáƒ•áƒáƒªáƒ®áƒáƒ— ნáƒáƒ›áƒªáƒ®áƒ•áƒáƒ ი', სáƒáƒ•áƒáƒ áƒáƒ£áƒ“áƒáƒ“ áƒáƒžáƒ˜áƒ ებს რეცეპტის პáƒáƒ•áƒœáƒáƒ¡.
ვáƒáƒšáƒ˜áƒ“áƒáƒªáƒ˜áƒ˜áƒ¡ ნáƒáƒ™áƒ ები (Validation Set)
Validation Set
მáƒáƒœáƒáƒªáƒ”მების ქვედრნáƒáƒ™áƒ ები, რáƒáƒ›áƒ”ლიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრმáƒáƒ“ელის მუშáƒáƒáƒ‘ის შესáƒáƒ¤áƒáƒ¡áƒ”ბლáƒáƒ“ სწáƒáƒ•áƒšáƒ”ბის დრáƒáƒ¡ დრჰიპერპáƒáƒ áƒáƒ›áƒ”ტრების დáƒáƒ¡áƒáƒ ეგულირებლáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრგáƒáƒ“áƒáƒáƒáƒ ბებული მáƒáƒ გების áƒáƒ¦áƒ›áƒáƒ¡áƒáƒ©áƒ”ნáƒáƒ“ სáƒáƒ‘áƒáƒšáƒáƒ ტესტირებáƒáƒ›áƒ“ე.
ვექტáƒáƒ ული მáƒáƒœáƒáƒªáƒ”მთრბáƒáƒ–რ(Vector Database)
Vector Database
მáƒáƒœáƒáƒªáƒ”მთრბáƒáƒ–áƒ, რáƒáƒ›áƒ”ლიც შექმნილირვექტáƒáƒ ული ჩáƒáƒœáƒ”რგვების შესáƒáƒœáƒáƒ®áƒáƒ“ დრმáƒáƒ¡áƒáƒ«áƒ˜áƒ”ბლáƒáƒ“, რáƒáƒ›áƒšáƒ”ბიც გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრAI áƒáƒ›áƒáƒªáƒáƒœáƒ”ბში, რáƒáƒ’áƒáƒ იცáƒáƒ მსგáƒáƒ•áƒ¡áƒ”ბის ძიებრდრRAG.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: Pinecone დრWeaviate áƒáƒ ის ვექტáƒáƒ ული მáƒáƒœáƒáƒªáƒ”მთრბáƒáƒ–ები ტექსტური áƒáƒœ გáƒáƒ›áƒáƒ¡áƒáƒ®áƒ£áƒšáƒ”ბის ჩáƒáƒœáƒ”რგვების შესáƒáƒœáƒáƒ®áƒáƒ“.
ვექტáƒáƒ ული ჩáƒáƒœáƒ”რგვრ(Vector Embedding)
Vector Embedding
მáƒáƒœáƒáƒªáƒ”მების რიცხვითი წáƒáƒ მáƒáƒ“გენáƒ, რáƒáƒ›áƒ”ლიც ინáƒáƒ ჩუნებს სემáƒáƒœáƒ¢áƒ˜áƒ™áƒ£áƒ მნიშვნელáƒáƒ‘áƒáƒ¡ დრურთიერთáƒáƒ‘ებს ვექტáƒáƒ ულ სივრცეში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: სიტყვებს 'მეფე' დრ'დედáƒáƒ¤áƒáƒšáƒ˜' áƒáƒ¥áƒ•áƒ— მსგáƒáƒ•áƒ¡áƒ˜ ჩáƒáƒœáƒ”რგვები მცირე სქესáƒáƒ‘რივი გáƒáƒœáƒ¡áƒ®áƒ•áƒáƒ•áƒ”ბებით.
ვირტუáƒáƒšáƒ£áƒ ი áƒáƒ¡áƒ˜áƒ¡áƒ¢áƒ”ნტი (Virtual Assistant)
Virtual Assistant
AI-ზე მáƒáƒ›áƒ£áƒ¨áƒáƒ•áƒ” პრáƒáƒ’რáƒáƒ›áƒ£áƒšáƒ˜ áƒáƒ’ენტი, რáƒáƒ›áƒ”ლიც ეხმáƒáƒ ებრმáƒáƒ›áƒ®áƒ›áƒáƒ ებლებს დáƒáƒ•áƒáƒšáƒ”ბების შესრულებáƒáƒ¨áƒ˜ სáƒáƒ£áƒ‘რის áƒáƒœ ხმáƒáƒ•áƒáƒœáƒ˜ ბრძáƒáƒœáƒ”ბების სáƒáƒ¨áƒ£áƒáƒšáƒ”ბით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: Siri, Alexa დრGoogle Assistant პáƒáƒžáƒ£áƒšáƒáƒ ული ვირტუáƒáƒšáƒ£áƒ ი áƒáƒ¡áƒ˜áƒ¡áƒ¢áƒ”ნტებიáƒ.
ხმის áƒáƒ›áƒáƒªáƒœáƒáƒ‘რ(Voice Recognition)
Voice Recognition
ტექნáƒáƒšáƒáƒ’იáƒ, რáƒáƒ›áƒ”ლიც ინტერპრეტáƒáƒªáƒ˜áƒáƒ¡ უკეთებს დრგáƒáƒ დáƒáƒ¥áƒ›áƒœáƒ˜áƒ¡ ნáƒáƒ—ქვáƒáƒ› ენáƒáƒ¡ ტექსტáƒáƒ“ áƒáƒœ მáƒáƒ¥áƒ›áƒ”დებáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: ხმáƒáƒ•áƒáƒœáƒ˜ áƒáƒ™áƒ ეფრდრხმáƒáƒ•áƒáƒœáƒ˜ ბრძáƒáƒœáƒ”ბები ეყრდნáƒáƒ‘რხმის áƒáƒ›áƒáƒªáƒœáƒáƒ‘ის სისტემებს.
სუსტი AI (Weak AI)
Weak AI
AI სისტემები, რáƒáƒ›áƒšáƒ”ბიც შექმნილირვიწრáƒ, სპეციფიკური დáƒáƒ•áƒáƒšáƒ”ბის შესáƒáƒ¡áƒ ულებლáƒáƒ“ ზáƒáƒ’áƒáƒ“ი ინტელექტის გáƒáƒ ეშე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: áƒáƒáƒ“რáƒáƒ™áƒ˜áƒ¡ მáƒáƒ—áƒáƒ›áƒáƒ¨áƒ” AI, რáƒáƒ›áƒ”ლსáƒáƒª áƒáƒ შეუძლირენის გáƒáƒ’ებრáƒáƒœ მáƒáƒœáƒ¥áƒáƒœáƒ˜áƒ¡ მáƒáƒ თვáƒ, áƒáƒ ის სუსტი AI-ის მáƒáƒ’áƒáƒšáƒ˜áƒ—ი.
ვებ სკრეპინგი (Web Scraping)
Web Scraping
ვებსáƒáƒ˜áƒ¢áƒ”ბიდáƒáƒœ ინფáƒáƒ მáƒáƒªáƒ˜áƒ˜áƒ¡ áƒáƒ•áƒ¢áƒáƒ›áƒáƒ¢áƒ£áƒ ი áƒáƒ›áƒáƒ¦áƒ”ბáƒ, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრსáƒáƒ¡áƒ¬áƒáƒ•áƒšáƒ მáƒáƒœáƒáƒªáƒ”მების შეგრáƒáƒ•áƒ”ბისთვის áƒáƒœ შინáƒáƒáƒ სის მáƒáƒœáƒ˜áƒ¢áƒáƒ ინგისთვის.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: უძრáƒáƒ•áƒ˜ ქáƒáƒœáƒ”ბის სიების სკრეპინგი ქáƒáƒœáƒ”ბის შეფáƒáƒ¡áƒ”ბის მáƒáƒ“ელის სწáƒáƒ•áƒšáƒ”ბისთვის.
წáƒáƒœáƒ (Weight)
Weight
ნეირáƒáƒœáƒ£áƒš ქსელებში პáƒáƒ áƒáƒ›áƒ”ტრი, რáƒáƒ›áƒ”ლიც გáƒáƒœáƒ¡áƒáƒ–ღვრáƒáƒ•áƒ¡ ერთი კვáƒáƒœáƒ«áƒ˜áƒ¡ გáƒáƒ•áƒšáƒ”ნის სიძლიერეს მეáƒáƒ ეზე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: წáƒáƒœáƒ”ბი რეგულირდებრსწáƒáƒ•áƒšáƒ”ბის დრáƒáƒ¡ მáƒáƒ“ელის შეცდáƒáƒ›áƒ˜áƒ¡ მინიმიზáƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის.
Whisper (Whisper)
Whisper
OpenAI-ის მიერშემუშáƒáƒ•áƒ”ბული მეტყველების ტექსტáƒáƒ“ გáƒáƒ დáƒáƒ›áƒ¥áƒ›áƒœáƒ”ლი მáƒáƒ“ელი, რáƒáƒ›áƒ”ლსáƒáƒª შეუძლირáƒáƒ£áƒ“იáƒáƒ¡ ტრáƒáƒœáƒ¡áƒ™áƒ იფცირმრáƒáƒ•áƒáƒš ენáƒáƒ–ე.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: Whisper-ს შეუძლირლექციებისრდრპáƒáƒ“კáƒáƒ¡áƒ¢áƒ”ბის მáƒáƒ¦áƒáƒšáƒ˜ სიზუსტით ტრáƒáƒœáƒ¡áƒ™áƒ იფციáƒ.
YAML (YAML)
YAML
áƒáƒ“áƒáƒ›áƒ˜áƒáƒœáƒ˜áƒ¡áƒ—ვის წáƒáƒ™áƒ˜áƒ—ხვáƒáƒ“ი ფáƒáƒ მáƒáƒ¢áƒ˜ მáƒáƒœáƒáƒªáƒ”მთრსერიáƒáƒšáƒ˜áƒ–áƒáƒªáƒ˜áƒ˜áƒ¡áƒ—ვის, რáƒáƒ›áƒ”ლიც ჩვეულებრივ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრკáƒáƒœáƒ¤áƒ˜áƒ’ურáƒáƒªáƒ˜áƒ˜áƒ¡ ფáƒáƒ˜áƒšáƒ”ბისთვის მáƒáƒœáƒ¥áƒáƒœáƒ£áƒ ი სწáƒáƒ•áƒšáƒ”ბის სáƒáƒ›áƒ£áƒ¨áƒáƒ ნáƒáƒ™áƒáƒ“ებში.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ“ელის პáƒáƒ áƒáƒ›áƒ”ტრების გáƒáƒœáƒ¡áƒáƒ–ღვრრYAML ფáƒáƒ˜áƒšáƒ¨áƒ˜ PyTorch-ში სწáƒáƒ•áƒšáƒ”ბისთვის.
ნულáƒáƒ•áƒáƒœáƒ˜-შáƒáƒ¢áƒ˜áƒáƒœáƒ˜ სწáƒáƒ•áƒšáƒ (Zero-shot Learning)
Zero-shot Learning
მáƒáƒ“ელის უნáƒáƒ ი შეáƒáƒ¡áƒ ულáƒáƒ¡ áƒáƒ›áƒáƒªáƒáƒœáƒ”ბი, რáƒáƒ›áƒšáƒ”ბზეც ის áƒáƒ áƒáƒ¡áƒáƒ“ეს ყáƒáƒ¤áƒ˜áƒšáƒ სპეციáƒáƒšáƒ£áƒ áƒáƒ“ გáƒáƒ¬áƒ•áƒ თნილი, ზáƒáƒ’áƒáƒ“ი ცáƒáƒ“ნის გáƒáƒ›áƒáƒ§áƒ”ნებით.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: მáƒáƒ“ელი, რáƒáƒ›áƒ”ლიც პáƒáƒ¡áƒ£áƒ®áƒáƒ‘ს იურიდიულ კითხვებს, მიუხედáƒáƒ•áƒáƒ“ იმისáƒ, რáƒáƒ› áƒáƒ áƒáƒ ის გáƒáƒ¬áƒ•áƒ თნილი სპეციáƒáƒšáƒ£áƒ áƒáƒ“ იურიდიულ მáƒáƒœáƒáƒªáƒ”მებზე.
ზეტáƒáƒ‘áƒáƒ˜áƒ¢áƒ˜ (Zettabyte)
Zettabyte
ციფრული მáƒáƒœáƒáƒªáƒ”მების ერთეული, რáƒáƒ›áƒ”ლიც უდრის ერთ სექსტილიáƒáƒœ (10^21) ბáƒáƒ˜áƒ¢áƒ¡, ხშირáƒáƒ“ გáƒáƒ›áƒáƒ˜áƒ§áƒ”ნებრინტერნეტის მáƒáƒœáƒáƒªáƒ”მების მáƒáƒ¡áƒ¨áƒ¢áƒáƒ‘ის áƒáƒ¦áƒ¡áƒáƒ¬áƒ”რáƒáƒ“.
მáƒáƒ’áƒáƒšáƒ˜áƒ—ი: გლáƒáƒ‘áƒáƒšáƒ£áƒ მრინტერნეტ ტრáƒáƒ¤áƒ˜áƒ™áƒ›áƒ 2016 წლისთვის გáƒáƒ“áƒáƒáƒáƒáƒ ბრ1 ზეტáƒáƒ‘áƒáƒ˜áƒ¢áƒ¡ წელიწáƒáƒ“ში.
