ໂລໂກ້ Otani AI ໂລໂກ້ AICI
ໜ້າຫຼັກ ຜົນປະໂຫຍດຂອງ AI ລາຍງານຟຣີ ລາຄາ ຂ່າວ AI ຄຳຖາມທີ່ພົບເລື້ອຍ ຕິດຕໍ່ ຄຳສັບ

AI Jargon Buster

ຖອດລະຫັດຄຳສັບປັນຍາປະດິດດ້ວຍຄຳສັບທີ່ຄົບຖ້ວນຂອງພວກເຮົາ. ຈາກການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄປສູ່ເຄືອຂ່າຍປະສາດ, ພວກເຮົາແຍກແນວຄິດ AI ທີ່ສັບສົນອອກເປັນຄຳສັບທີ່ງ່າຍດາຍ.

ການຈັດລຽງ (Alignment)

Alignment
ຂະບວນການຮັບປະກັນວ່າຈຸດປະສົງ, ຜົນຜະລິດ, ແລະພຶດຕິກຳຂອງລະບົບ AI ສອດຄ່ອງກັບເປົ້າໝາຍ ແລະ ຄຸນຄ່າຂອງມະນຸດ. ນີ້ແມ່ນສິ່ງສຳຄັນໂດຍສະເພາະໃນລະບົບຂັ້ນສູງທີ່ອາດຈະພັດທະນາພຶດຕິກຳທີ່ບໍ່ໄດ້ຕັ້ງໃຈຢ່າງຊັດເຈນ.
ຕົວຢ່າງ: ການຮັບປະກັນວ່າ chatbot ສຳລັບການຊ່ວຍເຫຼືອສຸຂະພາບຈິດບໍ່ເຄີຍແນະນຳການກະທຳທີ່ເປັນອັນຕະລາຍໂດຍບໍ່ຄຳນຶງເຖິງຄຳສັ່ງ.

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

Application Programming Interface (API)
ຊຸດຂອງກົດລະບຽບ ແລະ ໂປຣໂຕຄໍທີ່ກຳນົດໄວ້ທີ່ອະນຸຍາດໃຫ້ລະບົບຊອບແວທີ່ແຕກຕ່າງກັນສື່ສານ ແລະ ແລກປ່ຽນຂໍ້ມູນ.
ຕົວຢ່າງ: ການໃຊ້ OpenAI API ເພື່ອສົ່ງຄຳສັ່ງ ແລະ ຮັບການຕອບສະໜອງທີ່ສ້າງຂຶ້ນໂດຍແບບຈຳລອງພາສາໃນແອັບເວັບຂອງທ່ານ.

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

Artificial General Intelligence (AGI)
ຮູບແບບທິດສະດີຂອງ AI ທີ່ສາມາດປະຕິບັດໜ້າວຽກທາງປັນຍາໃດໆທີ່ມະນຸດສາມາດເຮັດໄດ້. ມັນຮຽນຮູ້ແບບທົ່ວໄປໃນທົ່ວໂດເມນ.
ຕົວຢ່າງ: ລະບົບ AGI ສາມາດຮຽນຮູ້ການແຕ່ງເພງ, ປະຕິບັດການຜ່າຕັດ, ແລະຜ່ານການສອບເສັງປັດຊະຍາໂດຍບໍ່ມີການຂຽນໂປຣແກຣມສະເພາະໜ້າວຽກ.

ປັນຍາປະດິດ (AI) (Artificial Intelligence (AI))

Artificial Intelligence (AI)
ການຈຳລອງປັນຍາຂອງມະນຸດໃນເຄື່ອງຈັກທີ່ຖືກຂຽນໂປຣແກຣມໃຫ້ຄິດ, ໃຫ້ເຫດຜົນ, ແລະປະຕິບັດງານແບບອັດຕະໂນມັດ.
ຕົວຢ່າງ: AI ຂັບເຄື່ອນຜູ້ຊ່ວຍສ່ວນຕົວເຊັ່ນ Siri ແລະລະບົບຂັບຂີ່ອັດຕະໂນມັດເຊັ່ນ Tesla Autopilot.

ຈັນຍາບັນ AI (AI Ethics)

AI Ethics
ວິໄນທີ່ກ່ຽວຂ້ອງກັບຜົນກະທົບທາງສິນທຳຂອງການພັດທະນາ ແລະ ການນຳໃຊ້ AI, ລວມທັງຄວາມຍຸຕິທຳ, ຄວາມເປັນສ່ວນຕົວ, ຄວາມຮັບຜິດຊອບ, ແລະການບໍ່ຈຳແນກ.
ຕົວຢ່າງ: ການສ້າງຄຳແນະນຳເພື່ອປ້ອງກັນບໍ່ໃຫ້ algorithms ການຈ້າງງານຈຳແນກບົນພື້ນຖານເພດ ຫຼື ຊົນເຜົ່າ.

ປັນຍາເສີມ (Augmented Intelligence)

Augmented Intelligence
ແບບຈຳລອງການຮ່ວມມືທີ່ AI ເສີມ ແລະ ເສີມສ້າງປັນຍາຂອງມະນຸດ ແທນທີ່ຈະທົດແທນມັນ.
ຕົວຢ່າງ: ເຄື່ອງມື radiology ທີ່ຂັບເຄື່ອນດ້ວຍ AI ທີ່ເນັ້ນຄວາມຜິດປົກກະຕິສຳລັບແພດ, ຜູ້ທີ່ເຮັດການວິນິດໄສສຸດທ້າຍ.

ຕົວແທນອັດຕະໂນມັດ (Autonomous Agent)

Autonomous Agent
ລະບົບ AI ທີ່ສາມາດຕັດສິນໃຈເອງ ແລະ ປະຕິບັດການເພື່ອບັນລຸເປົ້າໝາຍຂອງຕົນເອງໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ.
ຕົວຢ່າງ: ຫຸ່ນຍົນຈັດສົ່ງທີ່ຂັບຂີ່ເອງນຳທາງຕາມຖະໜົນໃນເມືອງ ແລະ ຫຼີກລ້ຽງສິ່ງກີດຂວາງຢ່າງເປັນອິດສະຫຼະ.

Backpropagation (Backpropagation)

Backpropagation
ເຕັກນິກສຳລັບການຝຶກອົບຮົມເຄືອຂ່າຍປະສາດໂດຍການປັບປຸງນ້ຳໜັກໃນທາງກັບກັນຈາກຜົນຜະລິດໄປສູ່ຊັ້ນປ້ອນຂໍ້ມູນ, ຫຼຸດຜ່ອນຄວາມຜິດພາດໃນການຄາດຄະເນ.
ຕົວຢ່າງ: ໃຊ້ໃນການຝຶກອົບຮົມເຄື່ອງຈັດປະເພດຮູບພາບເພື່ອຫຼຸດຜ່ອນອັດຕາຄວາມຜິດພາດໃນການຮັບຮູ້ຕົວເລກທີ່ຂຽນດ້ວຍມື.

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

Bias (Algorithmic Bias)
ການລຳອຽງທີ່ບໍ່ໄດ້ຕັ້ງໃຈ ແລະ ເປັນລະບົບໃນຜົນໄດ້ຮັບຂອງ AI ເນື່ອງຈາກຂໍ້ມູນການຝຶກອົບຮົມທີ່ບໍ່ສົມດຸນ ຫຼື ບໍ່ເປັນຕົວແທນ.
ຕົວຢ່າງ: ລະບົບການຮັບຮູ້ໃບໜ້າທີ່ລະບຸຕົວຄົນຜິວສີຜິດພາດເລື້ອຍໆເນື່ອງຈາກການເປັນຕົວແທນໜ້ອຍໃນຂໍ້ມູນການຝຶກອົບຮົມ.

ຂໍ້ມູນຂະໜາດໃຫຍ່ (Big Data)

Big Data
ຊຸດຂໍ້ມູນຂະໜາດໃຫຍ່ທີ່ຕ້ອງການເຄື່ອງມືພິເສດເພື່ອເກັບຮັກສາ, ວິເຄາະ, ແລະສະກັດຄຸນຄ່າ, ມັກຈະໃຊ້ເພື່ອຝຶກອົບຮົມແບບຈຳລອງ AI.
ຕົວຢ່າງ: ການໃຊ້ການໂຕ້ຕອບຂອງຜູ້ໃຊ້ຫຼາຍລ້ານຄົນເພື່ອຝຶກອົບຮົມເຄື່ອງຈັກແນະນຳສຳລັບແພລດຟອມອີຄອມເມີຊ.

Black Box Model (Black Box Model)

Black Box Model
ປະເພດຂອງແບບຈຳລອງ AI ຫຼື ການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ເຫດຜົນພາຍໃນບໍ່ສາມາດຕີຄວາມໝາຍໄດ້ງ່າຍໂດຍມະນຸດ, ເຮັດໃຫ້ມັນຍາກທີ່ຈະເຂົ້າໃຈວ່າການຕັດສິນໃຈຖືກເຮັດແນວໃດ.
ຕົວຢ່າງ: ເຄືອຂ່າຍປະສາດເລິກທີ່ໃຊ້ໃນການອະນຸມັດເງິນກູ້ແຕ່ບໍ່ມີຄຳອະທິບາຍທີ່ຊັດເຈນວ່າເປັນຫຍັງຜູ້ສະໝັກຄົນໜຶ່ງຖືກຍອມຮັບ ແລະ ອີກຄົນໜຶ່ງຖືກປະຕິເສດ.

ການຄິດໄລ່ແບບ Cognitive (Cognitive Computing)

Cognitive Computing
ລະບົບ AI ທີ່ຖືກອອກແບບມາເພື່ອຈຳລອງຂະບວນການຄິດຂອງມະນຸດ, ເຊັ່ນການໃຫ້ເຫດຜົນ ແລະ ການຮຽນຮູ້, ໂດຍໃຊ້ເຕັກນິກເຊັ່ນ NLP ແລະ ການຮັບຮູ້ຮູບແບບ.
ຕົວຢ່າງ: ລະບົບການຄິດໄລ່ແບບ cognitive ທີ່ຊ່ວຍຜູ້ຊ່ຽວຊານດ້ານກົດໝາຍວິເຄາະກົດໝາຍກໍລະນີ ແລະ ຄາດຄະເນຜົນໄດ້ຮັບ.

Computer Vision (Computer Vision)

Computer Vision
ຂົງເຂດຂອງປັນຍາປະດິດທີ່ຊ່ວຍໃຫ້ຄອມພິວເຕີສາມາດຕີຄວາມໝາຍ ແລະ ປະມວນຜົນຂໍ້ມູນພາບເຊັ່ນຮູບພາບ ແລະ ວິດີໂອ.
ຕົວຢ່າງ: ລະບົບການຮັບຮູ້ໃບໜ້າທີ່ລະບຸຕົວຄົນໃນພາບວິດີໂອຄວາມປອດໄພໂດຍໃຊ້ computer vision.

Corpus (Corpus)

Corpus
ການລວບລວມຂໍ້ຄວາມທີ່ຂຽນ ຫຼື ເວົ້າຈຳນວນຫຼາຍທີ່ໃຊ້ໃນການຝຶກອົບຮົມແບບຈຳລອງພາສາ.
ຕົວຢ່າງ: ຊຸດຂໍ້ມູນ Common Crawl ແມ່ນ corpus ເວັບສາທາລະນະທີ່ໃຊ້ໃນການຝຶກອົບຮົມແບບຈຳລອງພາສາຂະໜາດໃຫຍ່ເຊັ່ນ GPT.

Data Drift (Data Drift)

Data Drift
ປະກົດການທີ່ຂໍ້ມູນປ້ອນຂໍ້ມູນປ່ຽນແປງຕາມເວລາ, ເຮັດໃຫ້ປະສິດທິພາບຂອງແບບຈຳລອງຫຼຸດລົງ.
ຕົວຢ່າງ: ແບບຈຳລອງການບຳລຸງຮັກສາແບບຄາດຄະເນສຳລັບອຸປະກອນອຸດສາຫະກຳກາຍເປັນຄວາມຖືກຕ້ອງໜ້ອຍລົງເມື່ອມີການນຳໃຊ້ເຕັກໂນໂລຢີເຊັນເຊີໃໝ່.

Data Labelling (Data Labelling)

Data Labelling
ຂະບວນການໃສ່ຄຳອະທິບາຍຂໍ້ມູນດ້ວຍແທັກ ຫຼື ປ້າຍເພື່ອເຮັດໃຫ້ມັນເໝາະສົມສຳລັບການຮຽນຮູ້ແບບມີຜູ້ສອນ.
ຕົວຢ່າງ: ການຕິດປ້າຍຮູບພາບເນື້ອງອກຫຼາຍພັນຮູບເປັນ benign ຫຼື malignant ເພື່ອຝຶກອົບຮົມແບບຈຳລອງການກວດຫາໂຣກມະເຮັງ.

Data Mining (Data Mining)

Data Mining
ຂະບວນການຄົ້ນພົບຮູບແບບ, ຄວາມສຳພັນ, ແລະຄວາມຜິດປົກກະຕິທີ່ມີຄວາມໝາຍໃນຊຸດຂໍ້ມູນຂະໜາດໃຫຍ່.
ຕົວຢ່າງ: ຜູ້ຂາຍຍ່ອຍໃຊ້ data mining ເພື່ອກຳນົດວ່າຄົນທີ່ຊື້ຜ້າອ້ອມມັກຈະຊື້ເບຍນຳ.

Deep Learning (Deep Learning)

Deep Learning
ຂົງເຂດຍ່ອຍຂອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ໃຊ້ເຄືອຂ່າຍປະສາດຫຼາຍຊັ້ນເພື່ອສ້າງແບບຈຳລອງຮູບແບບທີ່ສັບສົນໃນຂໍ້ມູນ.
ຕົວຢ່າງ: Deep learning ຖືກໃຊ້ໃນແບບຈຳລອງພາສາເຊັ່ນ GPT-4 ແລະແບບຈຳລອງການສ້າງຮູບພາບເຊັ່ນ Stable Diffusion.

Diffusion Models (Diffusion Models)

Diffusion Models
ປະເພດຂອງແບບຈຳລອງການສ້າງທີ່ຮຽນຮູ້ການຜະລິດຂໍ້ມູນໂດຍການປ່ຽນສຽງລົບກວນແບບສຸ່ມໃຫ້ເປັນຜົນຜະລິດທີ່ມີໂຄງສ້າງເທື່ອລະກ້າວ.
ຕົວຢ່າງ: Stable Diffusion ສ້າງຮູບພາບ photorealistic ຈາກຄຳສັ່ງຂໍ້ຄວາມໂດຍໃຊ້ເຕັກນິກ diffusion.

Embedding (Embedding)

Embedding
ການເປັນຕົວແທນຕົວເລກຂອງຂໍ້ມູນ, ມັກຈະໃຊ້ເພື່ອຈັບຄວາມໝາຍທາງ semantic ຂອງຄຳສັບ, ຮູບພາບ, ຫຼືປະໂຫຍກ.
ຕົວຢ່າງ: ໃນ NLP, ຄຳວ່າ 'bank' ອາດຈະມີ embeddings ຄ້າຍຄືກັນກັບ 'money' ແຕ່ແຕກຕ່າງຈາກ 'riverbank' ຂຶ້ນກັບບໍລິບົດ.

Epoch (Epoch)

Epoch
ການເຮັດຊ້ຳເຕັມຮູບແບບໃນຊຸດຂໍ້ມູນການຝຶກອົບຮົມທັງໝົດໃນລະຫວ່າງຂະບວນການຝຶກອົບຮົມຂອງແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ.
ຕົວຢ່າງ: ຖ້າຊຸດຂໍ້ມູນມີ 1,000 ຕົວຢ່າງ ແລະ ແບບຈຳລອງເຫັນທັງໝົດຄັ້ງດຽວໃນລະຫວ່າງການຝຶກອົບຮົມ, ນັ້ນແມ່ນໜຶ່ງ epoch.

AI ທີ່ມີຈັນຍາບັນ (Ethical AI)

Ethical AI
ປັດຊະຍາການອອກແບບ ແລະ ການນຳໃຊ້ທີ່ຮັບປະກັນວ່າເຕັກໂນໂລຢີ AI ດຳເນີນງານຢ່າງໂປ່ງໃສ, ຍຸຕິທຳ, ແລະສອດຄ່ອງກັບຄຸນຄ່າຂອງສັງຄົມ.
ຕົວຢ່າງ: ເຄື່ອງມືການຈ້າງງານ AI ທີ່ລວມເອົາການກວດສອບອະຄະຕິເພື່ອປ້ອງກັນການຈຳແນກຕໍ່ຜູ້ສະໝັກຊົນເຜົ່າສ່ວນໜ້ອຍ.

Expert System (Expert System)

Expert System
ລະບົບ AI ທີ່ຈຳລອງຄວາມສາມາດໃນການຕັດສິນໃຈຂອງຜູ້ຊ່ຽວຊານມະນຸດໃນໂດເມນສະເພາະໂດຍໃຊ້ກົດລະບຽບ ແລະ ເຫດຜົນ.
ຕົວຢ່າງ: ລະບົບຜູ້ຊ່ຽວຊານທີ່ໃຊ້ໃນກະສິກຳເພື່ອແນະນຳການປິ່ນປົວພືດໂດຍອີງໃສ່ຂໍ້ມູນດິນ ແລະ ປະຫວັດສັດຕູພືດ.

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

Explainable AI (XAI)
ລະບົບ AI ທີ່ຖືກອອກແບບມາເພື່ອເຮັດໃຫ້ຂະບວນການພາຍໃນ ແລະ ການຕັດສິນໃຈຂອງພວກມັນເຂົ້າໃຈໄດ້ສຳລັບມະນຸດ, ເພີ່ມຄວາມໄວ້ວາງໃຈ ແລະ ຄວາມຮັບຜິດຊອບ.
ຕົວຢ່າງ: AI ວິນິດໄສທາງການແພດທີ່ບໍ່ພຽງແຕ່ໃຫ້ຄຳແນະນຳເທົ່ານັ້ນ ແຕ່ຍັງອະທິບາຍວ່າອາການໃດທີ່ນຳໄປສູ່ການສະຫຼຸບນັ້ນ.

Few-shot Learning (Few-shot Learning)

Few-shot Learning
ວິທີການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ແບບຈຳລອງຖືກຝຶກອົບຮົມ ຫຼື ປັບປຸງໂດຍໃຊ້ຕົວຢ່າງທີ່ຕິດປ້າຍຈຳນວນໜ້ອຍ.
ຕົວຢ່າງ: ການປັບແຕ່ງ LLM ເພື່ອຂຽນອີເມວທາງກົດໝາຍຫຼັງຈາກສະແດງໃຫ້ເຫັນພຽງ 10 ຕົວຢ່າງ.

Fine-tuning (Fine-tuning)

Fine-tuning
ຂະບວນການນຳໃຊ້ແບບຈຳລອງທີ່ຝຶກອົບຮົມມາກ່ອນ ແລະ ຝຶກອົບຮົມມັນຕື່ມອີກໃນຊຸດຂໍ້ມູນໃໝ່, ນ້ອຍກວ່າເພື່ອເຮັດໃຫ້ມັນສະເພາະສຳລັບໜ້າວຽກສະເພາະ.
ຕົວຢ່າງ: ການປັບປຸງ LLM ທົ່ວໄປເຊັ່ນ GPT ໃນເອກະສານທາງກົດໝາຍພາຍໃນເພື່ອສ້າງຜູ້ຊ່ວຍຮ່າງກົດໝາຍ.

Foundation Model (Foundation Model)

Foundation Model
ແບບຈຳລອງຂະໜາດໃຫຍ່ທີ່ຝຶກອົບຮົມໃນຂໍ້ມູນທີ່ຫຼາກຫຼາຍ ແລະ ກວ້າງຂວາງທີ່ສາມາດປັບປ່ຽນໄດ້ກັບໜ້າວຽກປາຍທາງຫຼາຍຢ່າງ.
ຕົວຢ່າງ: GPT-4 ແລະ PaLM 2 ແມ່ນແບບຈຳລອງພື້ນຖານທີ່ສາມາດສະຫຼຸບ, ຖາມ-ຕອບ, ແປພາສາ, ແລະອື່ນໆ.

Fuzzy Logic (Fuzzy Logic)

Fuzzy Logic
ຮູບແບບຂອງເຫດຜົນທີ່ຈັດການກັບຄ່າປະມານແທນທີ່ຈະເປັນເຫດຜົນ true/false (binary) ທີ່ກຳນົດໄວ້, ເປັນປະໂຫຍດສຳລັບການໃຫ້ເຫດຜົນພາຍໃຕ້ຄວາມບໍ່ແນ່ນອນ.
ຕົວຢ່າງ: ໃຊ້ໃນລະບົບຄວບຄຸມສະພາບອາກາດເພື່ອປັບອຸນຫະພູມໂດຍອີງໃສ່ inputs fuzzy ເຊັ່ນ 'ຮ້ອນເລັກນ້ອຍ' ຫຼື 'ໜາວຫຼາຍ'.

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

Generative Adversarial Network (GAN)
ສະຖາປັດຕະຍະກຳແບບຈຳລອງການສ້າງທີ່ສອງເຄືອຂ່າຍ — ເຄື່ອງສ້າງ ແລະ ເຄື່ອງຈຳແນກ — ແຂ່ງຂັນກັນເພື່ອປັບປຸງຄຸນນະພາບຜົນຜະລິດ.
ຕົວຢ່າງ: GANs ຖືກໃຊ້ເພື່ອສ້າງວິດີໂອ deepfake ຫຼື ສ້າງຮູບພາບຜະລິດຕະພັນທີ່ສົມຈິງຈາກຮູບແຕ້ມ.

Generative AI (Generative AI)

Generative AI
ປະເພດຂອງປັນຍາປະດິດທີ່ສາມາດສ້າງເນື້ອຫາໃໝ່ — ເຊັ່ນຂໍ້ຄວາມ, ຮູບພາບ, ເພງ, ຫຼືວິດີໂອ — ຈາກຂໍ້ມູນການຝຶກອົບຮົມ.
ຕົວຢ່າງ: ChatGPT ສ້າງ blog posts ຫຼື Midjourney ສ້າງງານສິລະປະດິຈິຕອນຈາກຄຳສັ່ງຂໍ້ຄວາມ.

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

Generative Pre-trained Transformer (GPT)
ປະເພດຂອງແບບຈຳລອງພາສາຂະໜາດໃຫຍ່ທີ່ພັດທະນາໂດຍ OpenAI ທີ່ໃຊ້ສະຖາປັດຕະຍະກຳ transformer ແລະ ຖືກຝຶກອົບຮົມມາກ່ອນໃນຂໍ້ມູນຂໍ້ຄວາມຈຳນວນມະຫາສານເພື່ອປະຕິບັດໜ້າວຽກພາສາທີ່ຫຼາກຫຼາຍ.
ຕົວຢ່າງ: GPT-4 ສາມາດຂຽນບົດຄວາມ, ແປພາສາ, ແລະສະຫຼຸບເອກະສານດ້ວຍການສັ່ງໜ້ອຍທີ່ສຸດ.

Genetic Algorithm (Genetic Algorithm)

Genetic Algorithm
ເຕັກນິກການປັບປຸງທີ່ໄດ້ຮັບແຮງບັນດານໃຈຈາກການຄັດເລືອກທຳມະຊາດທີ່ວິທີແກ້ໄຂພັດທະນາຕາມເວລາຜ່ານການກາຍພັນ, ການຂ້າມຜ່ານ, ແລະການຄັດເລືອກ.
ຕົວຢ່າງ: ໃຊ້ໃນການອອກແບບສະຖາປັດຕະຍະກຳເຄືອຂ່າຍປະສາດທີ່ມີປະສິດທິພາບໂດຍການຈຳລອງການຢູ່ລອດຂອງຜູ້ທີ່ເໝາະສົມທີ່ສຸດ.

Hallucination (Hallucination)

Hallucination
ການສ້າງເນື້ອຫາທີ່ຟັງແລ້ວເປັນໄປໄດ້ແຕ່ບໍ່ຖືກຕ້ອງຕາມຄວາມຈິງ ຫຼື ບໍ່ມີເຫດຜົນໂດຍແບບຈຳລອງ AI.
ຕົວຢ່າງ: ແບບຈຳລອງພາສາສ້າງການອ້າງອີງທີ່ບໍ່ມີຢູ່ຈິງ ຫຼື ໃຫ້ຂໍ້ມູນປະຫວັດສາດທີ່ບໍ່ຖືກຕ້ອງ.

Heuristic (Heuristic)

Heuristic
ວິທີການແກ້ໄຂບັນຫາແບບປະຕິບັດທີ່ບໍ່ຮັບປະກັນວິທີແກ້ໄຂທີ່ສົມບູນແບບແຕ່ພຽງພໍສຳລັບເປົ້າໝາຍທັນທີ.
ຕົວຢ່າງ: ການໃຊ້ກົດລະບຽບທົ່ວໄປເພື່ອຄາດຄະເນເວລາຈັດສົ່ງໃນລະບົບ AI logistics.

Hyperparameter (Hyperparameter)

Hyperparameter
ຄ່າການຕັ້ງຄ່າທີ່ກຳນົດກ່ອນການຝຶກອົບຮົມແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ, ເຊັ່ນອັດຕາການຮຽນຮູ້ ຫຼື ຈຳນວນຊັ້ນ.
ຕົວຢ່າງ: ການປັບຂະໜາດ batch ຈາກ 32 ເປັນ 128 ເພື່ອປັບປຸງຄວາມໄວການຝຶກອົບຮົມ ແລະ ປະສິດທິພາບຂອງແບບຈຳລອງ.

Inference (Inference)

Inference
ຂະບວນການນຳໃຊ້ແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ຝຶກອົບຮົມແລ້ວເພື່ອເຮັດການຄາດຄະເນ ຫຼື ສ້າງຜົນຜະລິດຈາກຂໍ້ມູນປ້ອນຂໍ້ມູນໃໝ່.
ຕົວຢ່າງ: ການໃຊ້ແບບຈຳລອງ GPT ທີ່ປັບປຸງແລ້ວເພື່ອຮ່າງອີເມວສຳລັບທີມງານຊ່ວຍເຫຼືອລູກຄ້າ.

Intent Detection (Intent Detection)

Intent Detection
ໜ້າວຽກໃນການເຂົ້າໃຈພາສາທຳມະຊາດທີ່ລະບົບກຳນົດເປົ້າໝາຍ ຫຼື ຈຸດປະສົງຂອງຜູ້ໃຊ້ໃນຂໍ້ຄວາມ.
ຕົວຢ່າງ: ໃນ chatbot, ການຮັບຮູ້ 'ຂ້ອຍຕ້ອງການຈອງຖ້ຽວບິນ' ເປັນຈຸດປະສົງການຈອງການເດີນທາງ.

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

Internet of Things (IoT)
ເຄືອຂ່າຍຂອງອຸປະກອນທາງກາຍະພາບທີ່ເຊື່ອມຕໍ່ກັນທີ່ຝັງດ້ວຍເຊັນເຊີ, ຊອບແວ, ແລະເຕັກໂນໂລຢີອື່ນໆເພື່ອເກັບກຳ ແລະ ແລກປ່ຽນຂໍ້ມູນ.
ຕົວຢ່າງ: ເຄື່ອງຄວບຄຸມອຸນຫະພູມອັດສະລິຍະ ແລະ ຕູ້ເຢັນທີ່ລາຍງານຂໍ້ມູນການນຳໃຊ້ ແລະ ປັບການຕັ້ງຄ່າໂດຍໃຊ້ AI analytics.

Interpretability (Interpretability)

Interpretability
ຂອບເຂດທີ່ມະນຸດສາມາດເຂົ້າໃຈກົນໄກພາຍໃນຂອງແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ຂະບວນການຕັດສິນໃຈຂອງມັນ.
ຕົວຢ່າງ: ຕົ້ນໄມ້ຕັດສິນໃຈສາມາດຕີຄວາມໝາຍໄດ້ຫຼາຍກວ່າເຄືອຂ່າຍປະສາດເລິກ ເພາະການຕັດສິນໃຈຂອງມັນສາມາດຕິດຕາມໄດ້.

Jupyter Notebook (Jupyter Notebook)

Jupyter Notebook
ສະພາບແວດລ້ອມການຄິດໄລ່ແບບໂຕ້ຕອບແບບເປີດເຜີຍທີ່ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ຂຽນລະຫັດ, ສະແດງຜົນຜະລິດ, ແລະບັນທຶກການວິເຄາະໃນສ່ວນຕິດຕໍ່ດຽວ.
ຕົວຢ່າງ: ນັກວິທະຍາສາດຂໍ້ມູນໃຊ້ Jupyter Notebooks ເພື່ອສ້າງແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ແບ່ງປັນຜົນໄດ້ຮັບ.

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

K-Nearest Neighbours (KNN)
algorithm ການຮຽນຮູ້ຂອງເຄື່ອງຈັກແບບງ່າຍດາຍ, ບໍ່ມີພາລາມິເຕີທີ່ໃຊ້ສຳລັບການຈັດປະເພດ ແລະ ການຖົດຖອຍ. ມັນເຮັດການຕັດສິນໃຈໂດຍອີງໃສ່ຕົວຢ່າງການຝຶກອົບຮົມທີ່ໃກ້ທີ່ສຸດໃນພື້ນທີ່ຄຸນສົມບັດ.
ຕົວຢ່າງ: ເພື່ອຈັດປະເພດໝາກໄມ້ໃໝ່ເປັນໝາກແອັບເປີ້ນ ຫຼື ໝາກພ້າວ, KNN ກວດສອບວ່າໝາກໄມ້ທີ່ຕິດປ້າຍໃດທີ່ໃກ້ທີ່ສຸດໃນຮູບຮ່າງ ແລະ ສີ.

Knowledge Graph (Knowledge Graph)

Knowledge Graph
ໂຄງສ້າງຂໍ້ມູນທີ່ໃຊ້ nodes ແລະ edges ເພື່ອເປັນຕົວແທນ ແລະ ເກັບຮັກສາຄຳອະທິບາຍທີ່ເຊື່ອມໂຍງກັນຂອງ entities ແລະ ຄວາມສຳພັນຂອງພວກມັນ.
ຕົວຢ່າງ: ແຜງຄວາມຮູ້ຂອງ Google ຖືກຂັບເຄື່ອນໂດຍ knowledge graph ທີ່ເຊື່ອມຕໍ່ entities ເຊັ່ນຄົນ, ສະຖານທີ່, ແລະເຫດການ.

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

Language Learning Model Optimisation (LLMO)
ເຕັກນິກທີ່ໃຊ້ເພື່ອປັບປຸງປະສິດທິພາບ, ປະສິດທິພາບ, ຫຼືຄວາມສາມາດໃນການປັບຕົວຂອງແບບຈຳລອງພາສາຂະໜາດໃຫຍ່ສຳລັບໜ້າວຽກ ຫຼື ໂດເມນສະເພາະ.
ຕົວຢ່າງ: ການໃຊ້ quantisation ແລະ instruction tuning ເພື່ອປັບປຸງ LLM ສໍາລັບການນໍາໃຊ້ໃນວິສາຫະກິດ.

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

Large Language Model (LLM)
ປະເພດຂອງແບບຈຳລອງການຮຽນຮູ້ເລິກເຊິ່ງທີ່ຝຶກອົບຮົມໃນຂໍ້ມູນຂໍ້ຄວາມຈຳນວນມະຫາສານທີ່ສາມາດສ້າງ, ເຂົ້າໃຈ, ແລະໃຫ້ເຫດຜົນກັບພາສາມະນຸດ.
ຕົວຢ່າງ: ChatGPT ແລະ Claude ແມ່ນ LLMs ທີ່ຝຶກອົບຮົມເພື່ອຊ່ວຍໃນການຂຽນ, ການຂຽນໂປຣແກຣມ, ແລະການຕອບຄຳຖາມ.

Latent Space (Latent Space)

Latent Space
ການເປັນຕົວແທນແບບ abstract ທີ່ມີມິຕິສູງທີ່ inputs ທີ່ຄ້າຍຄືກັນຖືກຈັດກຸ່ມຢູ່ໃກ້ກັນ, ໃຊ້ໃນແບບຈຳລອງການສ້າງ ແລະ embeddings.
ຕົວຢ່າງ: ໃນການສ້າງຮູບພາບ, ການຈັດການ latent space ສາມາດປ່ຽນຄຸນສົມບັດເຊັ່ນຄວາມສະຫວ່າງ ຫຼື ອາລົມ.

Learning Rate (Learning Rate)

Learning Rate
hyperparameter ທີ່ສຳຄັນໃນການຝຶກອົບຮົມທີ່ຄວບຄຸມວ່າຈະປັບນ້ຳໜັກແບບຈຳລອງຫຼາຍປານໃດເມື່ອທຽບກັບ loss gradient.
ຕົວຢ່າງ: ອັດຕາການຮຽນຮູ້ທີ່ສູງອາດຈະນຳໄປສູ່ການ overshooting minima, ໃນຂະນະທີ່ອັດຕາທີ່ຕໍ່າເກີນໄປເຮັດໃຫ້ຄວາມຄືບໜ້າການຝຶກອົບຮົມຊ້າລົງ.

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

Machine Learning (ML)
ສາຂາໜຶ່ງຂອງ AI ທີ່ຊ່ວຍໃຫ້ລະບົບຮຽນຮູ້ຈາກຂໍ້ມູນ ແລະ ປັບປຸງປະສິດທິພາບໂດຍບໍ່ຕ້ອງຖືກຂຽນໂປຣແກຣມຢ່າງຊັດເຈນ.
ຕົວຢ່າງ: ຕົວກອງ spam ໃຊ້ machine learning ເພື່ອຈັດປະເພດອີເມວເປັນ spam ຫຼື ບໍ່ໂດຍອີງໃສ່ຕົວຢ່າງທີ່ຜ່ານມາ.

Model Drift (Model Drift)

Model Drift
ປະກົດການທີ່ຄວາມຖືກຕ້ອງຂອງແບບຈຳລອງຫຼຸດລົງຕາມເວລາເນື່ອງຈາກການປ່ຽນແປງຂອງຂໍ້ມູນ ຫຼື ສະພາບແວດລ້ອມ.
ຕົວຢ່າງ: ແບບຈຳລອງການກວດຫາການສໍ້ໂກງກາຍເປັນຄວາມຖືກຕ້ອງໜ້ອຍລົງເມື່ອມີການພັດທະນາຍຸດທະວິທີການສໍ້ໂກງ.

Model Training (Model Training)

Model Training
ຂະບວນການປ້ອນຂໍ້ມູນໃຫ້ກັບແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ປັບພາລາມິເຕີຂອງມັນເພື່ອຫຼຸດຜ່ອນຄວາມຜິດພາດ.
ຕົວຢ່າງ: ການຝຶກອົບຮົມເຄື່ອງຈັກແນະນຳກ່ຽວກັບປະຫວັດການຊື້ຂອງລູກຄ້າເພື່ອແນະນຳຜະລິດຕະພັນໃໝ່.

Multimodal AI (Multimodal AI)

Multimodal AI
ລະບົບ AI ທີ່ສາມາດປະມວນຜົນ ແລະ ລວມປະເພດຂໍ້ມູນຫຼາຍປະເພດເຊັ່ນຂໍ້ຄວາມ, ຮູບພາບ, ສຽງ, ແລະວິດີໂອ.
ຕົວຢ່າງ: ແບບຈຳລອງເຊັ່ນ GPT-4 Vision ທີ່ສາມາດອ່ານຂໍ້ຄວາມ ແລະ ຕີຄວາມໝາຍຮູບພາບໄດ້ພ້ອມກັນ.

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

Natural Language Processing (NLP)
ຂົງເຂດຍ່ອຍຂອງ AI ທີ່ສຸມໃສ່ການໂຕ້ຕອບລະຫວ່າງຄອມພິວເຕີ ແລະ ພາສາມະນຸດ (ທຳມະຊາດ). ມັນຊ່ວຍໃຫ້ເຄື່ອງຈັກອ່ານ, ເຂົ້າໃຈ, ແລະຕອບສະໜອງໃນພາສາມະນຸດ.
ຕົວຢ່າງ: NLP ຖືກໃຊ້ໃນຜູ້ຊ່ວຍສຽງ, ແອັບແປພາສາ, ແລະ chatbots.

Neural Network (Neural Network)

Neural Network
ແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ໄດ້ຮັບແຮງບັນດານໃຈຈາກໂຄງສ້າງຂອງສະໝອງມະນຸດ, ປະກອບດ້ວຍຊັ້ນຂອງ nodes (neurons) ທີ່ເຊື່ອມຕໍ່ກັນ.
ຕົວຢ່າງ: Neural networks ຢູ່ເບື້ອງຫຼັງແບບຈຳລອງການຮຽນຮູ້ເລິກເຊິ່ງທີ່ໃຊ້ໃນການຮັບຮູ້ຮູບພາບ ແລະ ສຽງເວົ້າ.

Noise (Noise)

Noise
ຂໍ້ມູນແບບສຸ່ມ ຫຼື ບໍ່ກ່ຽວຂ້ອງໃນຂໍ້ມູນທີ່ສາມາດບັງຮູບແບບທີ່ມີຄວາມໝາຍ ແລະ ສົ່ງຜົນກະທົບທາງລົບຕໍ່ປະສິດທິພາບຂອງແບບຈຳລອງ.
ຕົວຢ່າງ: ຄວາມຜິດພາດຂອງເຊັນເຊີ ຫຼື ການປ້ອນຂໍ້ມູນທີ່ມີຂໍ້ຜິດພາດສາມາດຖືວ່າເປັນສຽງລົບກວນ.

Ontology (Ontology)

Ontology
ກອບໂຄງສ້າງທີ່ຈັດປະເພດ ແລະ ກຳນົດຄວາມສຳພັນລະຫວ່າງແນວຄິດພາຍໃນໂດເມນ, ມັກຈະໃຊ້ໃນລະບົບ AI semantic.
ຕົວຢ່າງ: Ontology ໃນການດູແລສຸຂະພາບອາດຈະກຳນົດວ່າອາການຕ່າງໆກ່ຽວຂ້ອງກັບພະຍາດ ແລະ ການປິ່ນປົວແນວໃດ.

Overfitting (Overfitting)

Overfitting
ຄວາມຜິດພາດໃນການສ້າງແບບຈຳລອງທີ່ແບບຈຳລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກຈັບສຽງລົບກວນໃນຂໍ້ມູນການຝຶກອົບຮົມ ແລະ ປະຕິບັດງານບໍ່ດີໃນຂໍ້ມູນໃໝ່.
ຕົວຢ່າງ: ແບບຈຳລອງທີ່ຈົດຈຳຄຳຕອບການຝຶກອົບຮົມແຕ່ບໍ່ສາມາດຈັດການກັບຂໍ້ມູນການທົດສອບທີ່ບໍ່ເຄີຍເຫັນແມ່ນ overfitted.

Predictive Analytics (Predictive Analytics)

Predictive Analytics
ການນຳໃຊ້ຂໍ້ມູນ, algorithms, ແລະ AI ເພື່ອກຳນົດຄວາມເປັນໄປໄດ້ຂອງຜົນໄດ້ຮັບໃນອະນາຄົດໂດຍອີງໃສ່ຂໍ້ມູນປະຫວັດສາດ.
ຕົວຢ່າງ: ຜູ້ຂາຍຍ່ອຍໃຊ້ predictive analytics ເພື່ອຄາດຄະເນຄວາມຕ້ອງການສຳລັບຜະລິດຕະພັນບາງຢ່າງ.

Pre-training (Pre-training)

Pre-training
ຂະບວນການຝຶກອົບຮົມແບບຈຳລອງໃນເບື້ອງຕົ້ນໃນຊຸດຂໍ້ມູນທົ່ວໄປຂະໜາດໃຫຍ່ກ່ອນທີ່ຈະປັບປຸງມັນສຳລັບໜ້າວຽກສະເພາະ.
ຕົວຢ່າງ: ແບບຈຳລອງ GPT ຖືກຝຶກອົບຮົມມາກ່ອນໃນ corpora ຂະໜາດໃຫຍ່ກ່ອນທີ່ຈະຖືກປັບແຕ່ງສຳລັບ chatbots ບໍລິການລູກຄ້າ.

Prompt Engineering (Prompt Engineering)

Prompt Engineering
ສິລະປະ ແລະ ວິທະຍາສາດຂອງການສ້າງ prompts ທີ່ມີປະສິດທິພາບເພື່ອຊີ້ນຳຜົນຜະລິດຂອງແບບຈຳລອງພາສາຂະໜາດໃຫຍ່.
ຕົວຢ່າງ: ການເພີ່ມຄຳແນະນຳລະບົບເຊັ່ນ 'ຕອບເປັນຄູສອນທີ່ສຸພາບ' ແມ່ນຕົວຢ່າງຂອງ prompt engineering.

Quantisation (Quantisation)

Quantisation
ເຕັກນິກການບີບອັດແບບຈຳລອງທີ່ຫຼຸດຜ່ອນຈຳນວນ bits ທີ່ໃຊ້ເພື່ອເປັນຕົວແທນນ້ຳໜັກ ແລະ activations, ເພີ່ມປະສິດທິພາບ.
ຕົວຢ່າງ: ການ quantising ແບບຈຳລອງຈາກ 32-bit ເປັນ 8-bit ປັບປຸງປະສິດທິພາບໃນອຸປະກອນມືຖື.

Quantum Computing (Quantum Computing)

Quantum Computing
ຮູບແບບໃໝ່ຂອງການຄິດໄລ່ໂດຍອີງໃສ່ກົນໄກ quantum, ເຊິ່ງມີທ່າແຮງສຳລັບຄວາມສາມາດໃນການປະມວນຜົນແບບ exponential.
ຕົວຢ່າງ: Quantum computing ອາດຈະເລັ່ງການຝຶກອົບຮົມ AI ເກີນຂີດຈຳກັດແບບຄລາສສິກໃນມື້ໜຶ່ງ.

Reasoning Engine (Reasoning Engine)

Reasoning Engine
ລະບົບໃນ AI ທີ່ໄດ້ຮັບຂໍ້ສະຫຼຸບທາງເຫດຜົນຈາກຊຸດຂອງຂໍ້ເທັດຈິງ ຫຼື ຂໍ້ມູນໂດຍໃຊ້ກົດລະບຽບ ຫຼື algorithms ການອ້າງອີງ.
ຕົວຢ່າງ: ເຄື່ອງມືວິນິດໄສ AI ໃຊ້ reasoning engine ເພື່ອສະຫຼຸບສະພາບທາງການແພດທີ່ເປັນໄປໄດ້ໂດຍອີງໃສ່ອາການ.

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

Reinforcement Learning (RL)
ຂົງເຂດໜຶ່ງຂອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ຕົວແທນຮຽນຮູ້ໂດຍການໂຕ້ຕອບກັບສະພາບແວດລ້ອມຂອງພວກເຂົາເພື່ອເພີ່ມລາງວັນສະສົມ.
ຕົວຢ່າງ: ຫຸ່ນຍົນຮຽນຮູ້ການຍ່າງໂດຍການທົດລອງ ແລະ ຄວາມຜິດພາດໂດຍໃຊ້ເຕັກນິກ RL.

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

Reinforcement Learning with Human Feedback (RLHF)
ວິທີການຮຽນຮູ້ທີ່ຄວາມມັກຂອງມະນຸດຊີ້ນຳສັນຍານລາງວັນຂອງ AI, ມັກຈະໃຊ້ໃນການປັບປຸງແບບຈຳລອງພາສາ.
ຕົວຢ່າງ: ChatGPT ຖືກຝຶກອົບຮົມດ້ວຍ RLHF ເພື່ອຜະລິດການຕອບສະໜອງທີ່ເປັນປະໂຫຍດ ແລະ ປອດໄພຫຼາຍຂຶ້ນ.

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

Retrieval-Augmented Generation (RAG)
ວິທີການລວມການດຶງຂໍ້ມູນກັບການສ້າງ, ບ່ອນທີ່ LLM ດຶງເອກະສານທີ່ກ່ຽວຂ້ອງເພື່ອປັບປຸງການຕອບສະໜອງຂອງມັນ.
ຕົວຢ່າງ: ຜູ້ຊ່ວຍ AI ດຶງ ແລະ ອ້າງອີງຂໍ້ມູນສະເພາະຜະລິດຕະພັນໃນຂະນະທີ່ສ້າງຄຳຕອບຕໍ່ຄຳຖາມດ້ານເຕັກນິກ.

Self-Supervised Learning (Self-Supervised Learning)

Self-Supervised Learning
ວິທີການຝຶກອົບຮົມທີ່ແບບຈຳລອງຮຽນຮູ້ຮູບແບບໂດຍການສ້າງປ້າຍຂອງຕົນເອງຈາກຂໍ້ມູນດິບ, ຫຼຸດຜ່ອນການເພິ່ງພາຂໍ້ມູນທີ່ມະນຸດໃສ່ຄຳອະທິບາຍ.
ຕົວຢ່າງ: BERT ຖືກຝຶກອົບຮົມດ້ວຍ self-supervised learning ໂດຍການຄາດຄະເນຄຳທີ່ຂາດຫາຍໄປໃນຂໍ້ຄວາມ.

Semantic Search (Semantic Search)

Semantic Search
ເຕັກນິກການຊອກຫາທີ່ເຂົ້າໃຈຈຸດປະສົງຂອງຜູ້ໃຊ້ ແລະ ຄວາມໝາຍຕາມບໍລິບົດ, ບໍ່ພຽງແຕ່ການຈັບຄູ່ຄຳສັບ.
ຕົວຢ່າງ: ການຊອກຫາ 'ວິທີແກ້ໄຂກ໊ອກນ້ຳຮົ່ວ' ຈະສົ່ງຄືນຄູ່ມືເຖິງແມ່ນວ່າຄຳວ່າ 'ກ໊ອກນ້ຳຮົ່ວ' ຈະບໍ່ມີຢູ່ໃນເອກະສານ.

Sentiment Analysis (Sentiment Analysis)

Sentiment Analysis
ຂະບວນການກຳນົດອາລົມ, ຄວາມຄິດເຫັນ, ຫຼືທັດສະນະຄະຕິໃນຂໍ້ຄວາມ, ມັກຈະຈັດປະເພດເປັນບວກ, ລົບ, ຫຼືເປັນກາງ.
ຕົວຢ່າງ: ການວິເຄາະ tweets ເພື່ອວັດແທກປະຕິກິລິຍາຂອງສາທາລະນະຕໍ່ຜະລິດຕະພັນໃໝ່.

Stochastic (Stochastic)

Stochastic
ກ່ຽວຂ້ອງກັບຄວາມສຸ່ມ ຫຼື ພຶດຕິກຳແບບ probabilistic, ມັກຈະໃຊ້ໃນ AI ການສ້າງ ແລະ algorithms ການປັບປຸງ.
ຕົວຢ່າງ: ຜົນຜະລິດຂອງ GPT-4 ແຕກຕ່າງກັນສຳລັບ input ດຽວກັນເນື່ອງຈາກຂະບວນການ decoding ແບບ stochastic ຂອງມັນ.

Strong AI (Strong AI)

Strong AI
ເອີ້ນອີກຢ່າງໜຶ່ງວ່າ Artificial General Intelligence (AGI), ໝາຍເຖິງເຄື່ອງຈັກທີ່ມີຄວາມສາມາດທາງ cognitive ລະດັບມະນຸດໃນທຸກໂດເມນ.
ຕົວຢ່າງ: AI ໃນອະນາຄົດທີ່ສາມາດຂຽນນະວະນິຍາຍ, ວາງແຜນເມືອງ, ແລະແກ້ໄຂບັນຫາຈັນຍາບັນໄດ້ດີເທົ່າທຽມກັນ.

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

Super Artificial Intelligence (SAI)
AI ທາງທິດສະດີທີ່ເກີນກວ່າປັນຍາຂອງມະນຸດໃນທຸກດ້ານ—ການໃຫ້ເຫດຜົນ, ຄວາມຄິດສ້າງສັນ, ປັນຍາທາງອາລົມ, ແລະອື່ນໆ.
ຕົວຢ່າງ: SAI ສາມາດພັດທະນາວິທະຍາສາດ ແລະ ປັດຊະຍາໃໝ່ໆໄດ້ຢ່າງເປັນອິດສະຫຼະ.

Supervised Learning (Supervised Learning)

Supervised Learning
ເຕັກນິກການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ແບບຈຳລອງຖືກຝຶກອົບຮົມໃນຂໍ້ມູນທີ່ຕິດປ້າຍເພື່ອຮຽນຮູ້ການສ້າງແຜນທີ່ input-output.
ຕົວຢ່າງ: ການສອນແບບຈຳລອງເພື່ອຈັດປະເພດອີເມວເປັນ spam ຫຼື ບໍ່ໂດຍໃຊ້ຕົວຢ່າງປະຫວັດສາດ.

Synthetic Data (Synthetic Data)

Synthetic Data
ຂໍ້ມູນທີ່ສ້າງຂຶ້ນໂດຍປອມທີ່ຈຳລອງຂໍ້ມູນໃນໂລກຈິງ, ມັກຈະໃຊ້ສຳລັບການຝຶກອົບຮົມເມື່ອຂໍ້ມູນຈິງຂາດແຄນ ຫຼື ລະອຽດອ່ອນ.
ຕົວຢ່າງ: ການສ້າງຮູບພາບທາງການແພດແບບສັງເຄາະເພື່ອຝຶກອົບຮົມແບບຈຳລອງການວິນິດໄສໂດຍບໍ່ລະເມີດຄວາມເປັນສ່ວນຕົວຂອງຄົນເຈັບ.

Token (Token)

Token
ໜ່ວຍຂອງຂໍ້ຄວາມທີ່ປະມວນຜົນໂດຍ LLMs—ໂດຍປົກກະຕິແມ່ນຄຳສັບ ຫຼື ສ່ວນຂອງຄຳສັບ.
ຕົວຢ່າງ: ປະໂຫຍກ 'Hello world!' ຖືກແຍກອອກເປັນ 3 tokens: 'Hello', 'world', ແລະ '!'.

Tokenisation (Tokenisation)

Tokenisation
ຂະບວນການແຍກຂໍ້ຄວາມອອກເປັນ tokens ເພື່ອປະມວນຜົນໂດຍແບບຈຳລອງ.
ຕົວຢ່າງ: ໃນ NLP, 'ChatGPT is great' ກາຍເປັນ ['Chat', 'G', 'PT', 'is', 'great'].

Transfer Learning (Transfer Learning)

Transfer Learning
ການນຳໃຊ້ຄວາມຮູ້ຈາກໜ້າວຽກໜຶ່ງເພື່ອເພີ່ມການຮຽນຮູ້ໃນໜ້າວຽກທີ່ກ່ຽວຂ້ອງອີກໜຶ່ງ, ຫຼຸດຜ່ອນເວລາການຝຶກອົບຮົມ ແລະ ຄວາມຕ້ອງການຂໍ້ມູນ.
ຕົວຢ່າງ: ການປັບປຸງແບບຈຳລອງທີ່ຝຶກອົບຮົມໃນຂໍ້ຄວາມພາສາອັງກິດເພື່ອປະຕິບັດການວິເຄາະຄວາມຮູ້ສຶກໃນພາສາອື່ນ.

Transformer (Transformer)

Transformer
ສະຖາປັດຕະຍະກຳເຄືອຂ່າຍປະສາດທີ່ໃຊ້ກົນໄກຄວາມສົນໃຈເພື່ອສ້າງແບບຈຳລອງຂໍ້ມູນຕາມລຳດັບ, ຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງໃນ LLMs.
ຕົວຢ່າງ: BERT, GPT, ແລະ T5 ລ້ວນແຕ່ເປັນແບບຈຳລອງທີ່ອີງໃສ່ transformer.

Underfitting (Underfitting)

Underfitting
ເມື່ອແບບຈຳລອງງ່າຍດາຍເກີນໄປທີ່ຈະຈັບຮູບແບບໃນຂໍ້ມູນການຝຶກອົບຮົມ, ສົ່ງຜົນໃຫ້ປະສິດທິພາບບໍ່ດີ.
ຕົວຢ່າງ: ແບບຈຳລອງເສັ້ນຊື່ທີ່ພະຍາຍາມຄາດຄະເນການຈັດປະເພດຮູບພາບທີ່ສັບສົນອາດຈະ underfit.

Unsupervised Learning (Unsupervised Learning)

Unsupervised Learning
ວິທີການຮຽນຮູ້ທີ່ແບບຈຳລອງກຳນົດຮູບແບບ ຫຼື clusters ໃນຂໍ້ມູນທີ່ບໍ່ມີປ້າຍ.
ຕົວຢ່າງ: ການຈັດກຸ່ມລູກຄ້າໂດຍອີງໃສ່ພຶດຕິກຳການຊື້ໂດຍບໍ່ມີປ້າຍທີ່ກຳນົດໄວ້ລ່ວງໜ້າ.

User Intent (User Intent)

User Intent
ເປົ້າໝາຍ ຫຼື ຈຸດປະສົງທີ່ຢູ່ເບື້ອງຫຼັງການສອບຖາມ ຫຼື ການໂຕ້ຕອບຂອງຜູ້ໃຊ້.
ຕົວຢ່າງ: ຜູ້ໃຊ້ພິມ 'ວິທີອົບເຄັກ' ອາດຈະຕັ້ງໃຈຊອກຫາສູດອາຫານ.

Validation Set (Validation Set)

Validation Set
ຊຸດຍ່ອຍຂອງຂໍ້ມູນທີ່ໃຊ້ໃນການປະເມີນປະສິດທິພາບຂອງແບບຈຳລອງໃນລະຫວ່າງການຝຶກອົບຮົມ ແລະ ປັບ hyperparameter.
ຕົວຢ່າງ: ໃຊ້ເພື່ອກວດຫາ overfitting ກ່ອນການທົດສອບສຸດທ້າຍ.

Vector Database (Vector Database)

Vector Database
ຖານຂໍ້ມູນທີ່ຖືກອອກແບບມາເພື່ອເກັບຮັກສາ ແລະ ຊອກຫາ vector embeddings ທີ່ໃຊ້ໃນໜ້າວຽກ AI ເຊັ່ນ similarity search ແລະ RAG.
ຕົວຢ່າງ: Pinecone ແລະ Weaviate ແມ່ນຖານຂໍ້ມູນ vector ສໍາລັບການເກັບຮັກສາ embeddings ຂໍ້ຄວາມ ຫຼື ຮູບພາບ.

Vector Embedding (Vector Embedding)

Vector Embedding
ການເປັນຕົວແທນຕົວເລກຂອງຂໍ້ມູນທີ່ຮັກສາຄວາມໝາຍທາງ semantic ແລະ ຄວາມສຳພັນໃນພື້ນທີ່ vector.
ຕົວຢ່າງ: ຄຳວ່າ 'king' ແລະ 'queen' ມີ embeddings ຄ້າຍຄືກັນກັບຄວາມແຕກຕ່າງທາງເພດເລັກນ້ອຍ.

Virtual Assistant (Virtual Assistant)

Virtual Assistant
ຕົວແທນຊອບແວທີ່ຂັບເຄື່ອນດ້ວຍ AI ທີ່ຊ່ວຍຜູ້ໃຊ້ເຮັດສຳເລັດໜ້າວຽກຜ່ານການສົນທະນາ ຫຼື ຄຳສັ່ງສຽງ.
ຕົວຢ່າງ: Siri, Alexa, ແລະ Google Assistant ແມ່ນຜູ້ຊ່ວຍ virtual ທີ່ນິຍົມ.

Voice Recognition (Voice Recognition)

Voice Recognition
ເຕັກໂນໂລຢີທີ່ຕີຄວາມໝາຍ ແລະ ປ່ຽນພາສາເວົ້າເປັນຂໍ້ຄວາມ ຫຼື ການກະທຳ.
ຕົວຢ່າງ: ການພິມດ້ວຍສຽງ ແລະ ຄຳສັ່ງສຽງອີງໃສ່ລະບົບການຮັບຮູ້ສຽງ.

Weak AI (Weak AI)

Weak AI
ລະບົບ AI ທີ່ຖືກອອກແບບມາເພື່ອປະຕິບັດໜ້າວຽກສະເພາະ, ແຄບໆໂດຍບໍ່ມີປັນຍາທົ່ວໄປ.
ຕົວຢ່າງ: AI ຫຼິ້ນໝາກຮຸກທີ່ບໍ່ສາມາດເຂົ້າໃຈພາສາ ຫຼື ຂັບລົດແມ່ນຕົວຢ່າງຂອງ weak AI.

Web Scraping (Web Scraping)

Web Scraping
ການສະກັດຂໍ້ມູນແບບອັດຕະໂນມັດຈາກເວັບໄຊທ໌, ມັກຈະໃຊ້ເພື່ອເກັບກຳຂໍ້ມູນການຝຶກອົບຮົມ ຫຼື ຕິດຕາມເນື້ອຫາ.
ຕົວຢ່າງ: ການ scraping ລາຍຊື່ອະສັງຫາລິມະສັບເພື່ອຝຶກອົບຮົມແບບຈຳລອງການປະເມີນມູນຄ່າຊັບສິນ.

Weight (Weight)

Weight
ພາລາມິເຕີໃນເຄືອຂ່າຍປະສາດທີ່ກຳນົດຄວາມແຮງຂອງອິດທິພົນທີ່ node ໜຶ່ງມີຕໍ່ອີກ node ໜຶ່ງ.
ຕົວຢ່າງ: Weights ປັບປ່ຽນໃນລະຫວ່າງການຝຶກອົບຮົມເພື່ອຫຼຸດຜ່ອນຄວາມຜິດພາດຂອງແບບຈຳລອງ.

Whisper (Whisper)

Whisper
ແບບຈຳລອງ speech-to-text ທີ່ພັດທະນາໂດຍ OpenAI ທີ່ສາມາດຖອດສຽງໃນຫຼາຍພາສາ.
ຕົວຢ່າງ: Whisper ສາມາດຖອດສຽງບັນຍາຍ ແລະ podcasts ດ້ວຍຄວາມຖືກຕ້ອງສູງ.

YAML (YAML)

YAML
ຮູບແບບທີ່ມະນຸດສາມາດອ່ານໄດ້ສຳລັບການ serialisation ຂໍ້ມູນ, ຖືກນຳໃຊ້ທົ່ວໄປສຳລັບໄຟລ໌ການຕັ້ງຄ່າໃນ workflow ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ.
ຕົວຢ່າງ: ການກຳນົດພາລາມິເຕີແບບຈຳລອງໃນໄຟລ໌ YAML ສໍາລັບການຝຶກອົບຮົມໃນ PyTorch.

Zero-shot Learning (Zero-shot Learning)

Zero-shot Learning
ຄວາມສາມາດຂອງແບບຈຳລອງໃນການປະຕິບັດໜ້າວຽກທີ່ມັນບໍ່ເຄີຍຖືກຝຶກອົບຮົມຢ່າງຊັດເຈນໂດຍການນຳໃຊ້ຄວາມຮູ້ທົ່ວໄປ.
ຕົວຢ່າງ: ແບບຈຳລອງຕອບຄຳຖາມທາງກົດໝາຍເຖິງແມ່ນວ່າຈະບໍ່ໄດ້ຖືກຝຶກອົບຮົມສະເພາະໃນຂໍ້ມູນທາງກົດໝາຍ.

Zettabyte (Zettabyte)

Zettabyte
ໜ່ວຍຂອງຂໍ້ມູນດິຈິຕອນເທົ່າກັບໜຶ່ງ sextillion (10^21) bytes, ມັກຈະໃຊ້ເພື່ອອະທິບາຍຂະໜາດຂອງຂໍ້ມູນອິນເຕີເນັດ.
ຕົວຢ່າງ: ການຈະລາຈອນອິນເຕີເນັດທົ່ວໂລກເກີນ 1 zettabyte ຕໍ່ປີໃນປີ 2016.