Saskaņošana (Alignment)
Alignment
Process, kas nodroÅ¡ina, ka AI sistÄ“mas mÄ“rÄ·i, izvade un uzvedÄ«ba atbilst cilvÄ“ku mÄ“rÄ·iem un vÄ“rtÄ«bÄm. Tas ir Ä«paÅ¡i svarÄ«gi progresÄ«vÄs sistÄ“mÄs, kas var attÄ«stÄ«t uzvedÄ«bu, kas nav tieÅ¡i paredzÄ“ta.
PiemÄ“rs: NodroÅ¡inÄt, ka sarunu robots garÄ«gÄs veselÄ«bas atbalstam nekad neiesaka kaitÄ«gas darbÄ«bas neatkarÄ«gi no uzvedinÄjumiem.
Lietojumprogrammu saskarne (API) (Application Programming Interface (API))
Application Programming Interface (API)
DefinÄ“tu noteikumu un protokolu kopums, kas ļauj dažÄdÄm programmatÅ«ras sistÄ“mÄm sazinÄties un apmainÄ«ties ar datiem.
PiemÄ“rs: Izmantojot OpenAI API, lai nosÅ«tÄ«tu uzvedinÄjumu un saņemtu valodu modeļa Ä£enerÄ“tu atbildi jÅ«su tÄ«mekļa lietotnÄ“.
MÄkslÄ«gais vispÄrÄ«gais intelekts (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
TeorÄ“tisks AI veids, kas spÄ“j veikt jebkuru intelektuÄlu uzdevumu, ko var veikt cilvÄ“ks. Tas vispÄrina mÄcÄ«Å¡anos dažÄdÄs jomÄs.
PiemÄ“rs: AGI sistÄ“ma varÄ“tu iemÄcÄ«ties mÅ«zikas komponÄ“Å¡anu, veikt operÄcijas un nokÄrtot filozofijas eksÄmenu bez uzdevumam specifiskas programmÄ“Å¡anas.
MÄkslÄ«gais intelekts (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
CilvÄ“ka intelekta simulÄcija maÅ¡Ä«nÄs, kas ir ieprogrammÄ“tas domÄt, spriest un rÄ«koties autonomi.
PiemÄ“rs: AI darbina personÄ«gos palÄ«gus, piemÄ“ram, Siri, un autonomÄs braukÅ¡anas sistÄ“mas, piemÄ“ram, Tesla Autopilot.
AI Ä“tika (AI Ethics)
AI Ethics
DisciplÄ«na, kas nodarbojas ar AI attÄ«stÄ«bas un lietoÅ¡anas morÄlajÄm sekÄm, tostarp taisnÄ«gumu, privÄtumu, atbildÄ«bu un nediskriminÄciju.
PiemÄ“rs: Izveidot vadlÄ«nijas, lai novÄ“rstu pieņemÅ¡anas algoritmus no diskriminÄcijas dzimuma vai etniskÄs piederÄ«bas dēļ.
PaplaÅ¡inÄtais intelekts (Augmented Intelligence)
Augmented Intelligence
SadarbÄ«bas modelis, kurÄ AI papildina un uzlabo cilvÄ“ka intelektu, nevis to aizstÄj.
PiemÄ“rs: AI balstÄ«ti radioloÄ£ijas rÄ«ki, kas izceļ anomÄlijas Ärstiem, kuri pieņem galÄ«go diagnozi.
Autonomais aģents (Autonomous Agent)
Autonomous Agent
AI sistÄ“ma, kas spÄ“j patstÄvÄ«gi pieņemt lÄ“mumus un veikt darbÄ«bas, lai sasniegtu savus mÄ“rÄ·us bez cilvÄ“ka iejaukÅ¡anÄs.
PiemÄ“rs: PaÅ¡braucoÅ¡s piegÄdes robots, kas patstÄvÄ«gi pÄrvietojas pa pilsÄ“tas ielÄm un izvairÄs no Å¡Ä·Ä“ršļiem.
AizmugurÄ“jÄ izplatÄ«Å¡anÄs (Backpropagation)
Backpropagation
Paņēmiens neironu tÄ«klu apmÄcÄ«bai, atjauninot svarus atpakaļgaitÄ no izvades uz ievades slÄņiem, samazinot prognožu kļūdas.
PiemÄ“rs: Izmanto, lai apmÄcÄ«tu attÄ“lu klasifikatorus, lai samazinÄtu kļūdu lÄ«meni ar rokrakstu rakstÄ«tu ciparu atpazÄ«Å¡anÄ.
NeobjektivitÄte (AlgoritmiskÄ neobjektivitÄte) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
NejauÅ¡a un sistemÄtiska AI rezultÄtu priekÅ¡rocÄ«ba, kas radusies nelÄ«dzsvarotu vai nereprezentatÄ«vu apmÄcÄ«bas datu dēļ.
PiemÄ“rs: Sejas atpazÄ«Å¡anas sistÄ“ma, kas biežÄk nepareizi identificÄ“ krÄsainus cilvÄ“kus, jo tie ir nepietiekami pÄrstÄvÄ“ti apmÄcÄ«bas datos.
Lielie dati (Big Data)
Big Data
ĪpaÅ¡i lieli datu kopumi, kuru glabÄÅ¡anai, analÄ«zei un vÄ“rtÄ«bas izgÅ«Å¡anai nepiecieÅ¡ami Ä«paÅ¡i rÄ«ki, ko bieži izmanto AI modeļu apmÄcÄ«bai.
PiemÄ“rs: Izmantojot miljoniem lietotÄju mijiedarbÄ«bu, lai apmÄcÄ«tu ieteikumu dzinÄ“jus e-komercijas platformÄm.
MelnÄs kastes modelis (Black Box Model)
Black Box Model
AI vai maÅ¡Ä«nmÄcÄ«Å¡anÄs modeļa veids, kura iekÅ¡Ä“jÄ loÄ£ika nav viegli interpretÄ“jama cilvÄ“kiem, padarot to grÅ«ti saprotamu, kÄ tiek pieņemti lÄ“mumi.
PiemÄ“rs: Dziļš neironu tÄ«kls, ko izmanto aizdevumu apstiprinÄÅ¡anai, bet nepiedÄvÄ skaidru pamatojumu, kÄpÄ“c viens pretendents tika pieņemts un otrs noraidÄ«ts.
KognatÄ«vÄ skaitļoÅ¡ana (Cognitive Computing)
Cognitive Computing
AI sistÄ“mas, kas izstrÄdÄtas, lai simulÄ“tu cilvÄ“ka domÄÅ¡anas procesus, piemÄ“ram, sprieÅ¡anu un mÄcÄ«Å¡anos, izmantojot tÄdas metodes kÄ NLP un modeļu atpazÄ«Å¡ana.
PiemÄ“rs: KognatÄ«vÄ skaitļoÅ¡anas sistÄ“ma, kas palÄ«dz juristiem analizÄ“t tiesu praksi un prognozÄ“t rezultÄtus.
Datorredze (Computer Vision)
Computer Vision
MÄkslÄ«gÄ intelekta joma, kas ļauj datoriem interpretÄ“t un apstrÄdÄt vizuÄlos datus, piemÄ“ram, attÄ“lus un video.
Piemērs: Sejas atpazīšanas sistēmas, kas identificē cilvēkus drošības kameru ierakstos, izmantojot datorredzi.
Korpus (Corpus)
Corpus
Liels rakstÄ«tu vai runÄtu tekstu krÄjums, ko izmanto valodu modeļu apmÄcÄ«bai.
PiemÄ“rs: Common Crawl datu kopums ir publisks tÄ«mekļa korpuss, ko izmanto, lai apmÄcÄ«tu lielus valodu modeļus, piemÄ“ram, GPT.
Datu novirze (Data Drift)
Data Drift
ParÄdÄ«ba, kurÄ ievades dati laika gaitÄ mainÄs, izraisot modeļa veiktspÄ“jas pasliktinÄÅ¡anos.
PiemÄ“rs: PrognozÄ“joÅ¡s industriÄlo iekÄrtu uzturÄ“Å¡anas modelis kļūst mazÄk precÄ«zs, jo tiek ieviestas jaunas sensoru tehnoloÄ£ijas.
Datu marÄ·Ä“Å¡ana (Data Labelling)
Data Labelling
Datu anotÄ“Å¡anas process ar tagiem vai etiÄ·etÄ“m, lai padarÄ«tu tos piemÄ“rotus uzraudzÄ«tai mÄcÄ«Å¡anai.
PiemÄ“rs: MarÄ·Ä“jot tÅ«kstoÅ¡iem audzÄ“ju attÄ“lu kÄ labdabÄ«gus vai ļaundabÄ«gus, lai apmÄcÄ«tu vēža noteikÅ¡anas modeli.
Datu ieguve (Data Mining)
Data Mining
NozÄ«mÄ«gu modeļu, korelÄciju un anomÄliju atklÄÅ¡anas process lielos datu kopumos.
PiemÄ“rs: MazumtirgotÄji izmanto datu ieguvi, lai identificÄ“tu, ka cilvÄ“ki, kuri pÄ“rk autiņbiksÄ«tes, bieži pÄ“rk arÄ« alu.
DziÄ¼Ä mÄcÄ«Å¡anÄs (Deep Learning)
Deep Learning
MaÅ¡Ä«nmÄcÄ«Å¡anÄs apakÅ¡nozare, kas izmanto daudzslÄņu neironu tÄ«klus, lai modelÄ“tu sarežģītus datu modeļus.
PiemÄ“rs: DziÄ¼Ä mÄcÄ«Å¡anÄs tiek izmantota valodu modeļos, piemÄ“ram, GPT-4, un attÄ“lu Ä£enerÄ“Å¡anas modeļos, piemÄ“ram, Stable Diffusion.
Difūzijas modeļi (Diffusion Models)
Diffusion Models
Ä¢eneratÄ«vo modeļu klase, kas iemÄcÄs radÄ«t datus, pakÄpeniski pÄrveidojot nejauÅ¡u troksni strukturÄ“tos izvados.
PiemÄ“rs: Stable Diffusion rada fotoreÄlistiskus attÄ“lus no teksta uzvedinÄjumiem, izmantojot difÅ«zijas metodes.
Iegulšana (Embedding)
Embedding
Datu skaitliskÄ vektoru attÄ“lojums, ko bieži izmanto, lai uztvertu vÄrdu, attÄ“lu vai teikumu semantisko nozÄ«mi.
PiemÄ“rs: NLP, vÄrdam 'banka' var bÅ«t lÄ«dzÄ«gas iegulÅ¡anas kÄ 'nauda', bet atÅ¡Ä·irÄ«gas no 'upes krasta' atkarÄ«bÄ no konteksta.
Epohs (Epoch)
Epoch
Pilna iterÄcija pÄr visu apmÄcÄ«bas datu kopumu maÅ¡Ä«nmÄcÄ«Å¡anÄs modeļa apmÄcÄ«bas procesÄ.
PiemÄ“rs: Ja datu kopumam ir 1000 piemÄ“ru un modelis tos visus redz vienu reizi apmÄcÄ«bas laikÄ, tas ir viens epohs.
Ä’tisks AI (Ethical AI)
Ethical AI
Dizaina un izvietoÅ¡anas filozofija, kas nodroÅ¡ina, ka AI tehnoloÄ£ijas darbojas caurspÄ«dÄ«gi, godÄ«gi un saskaÅ†Ä ar sabiedrÄ«bas vÄ“rtÄ«bÄm.
PiemÄ“rs: AI pieņemÅ¡anas rÄ«ks, kas ietver neobjektivitÄtes pÄrbaudes, lai novÄ“rstu diskriminÄciju pret mazÄkumtautÄ«bu kandidÄtiem.
Ekspertu sistēma (Expert System)
Expert System
AI sistÄ“ma, kas atdarina cilvÄ“ka eksperta lÄ“mumu pieņemÅ¡anas spÄ“jas noteiktÄ jomÄ, izmantojot noteikumus un loÄ£iku.
PiemÄ“rs: Ekspertu sistÄ“ma, ko izmanto lauksaimniecÄ«bÄ, lai ieteiktu augu aizsardzÄ«bas lÄ«dzekļus, pamatojoties uz augsnes datiem un kaitÄ“kļu vÄ“sturi.
Skaidrojams AI (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
AI sistÄ“mas, kas izstrÄdÄtas, lai padarÄ«tu to iekÅ¡Ä“jos procesus un lÄ“mumu pieņemÅ¡anu saprotamu cilvÄ“kiem, palielinot uzticÄ«bu un atbildÄ«bu.
PiemÄ“rs: MedicÄ«nas diagnostikas AI, kas ne tikai sniedz ieteikumu, bet arÄ« izskaidro, kuri simptomi ir noveduÅ¡i pie Å¡Ä« secinÄjuma.
MazskaitlÄ«gu piemÄ“ru mÄcÄ«Å¡anÄs (Few-shot Learning)
Few-shot Learning
MaÅ¡Ä«nmÄcÄ«Å¡anÄs metode, kurÄ modelis tiek apmÄcÄ«ts vai smalki noregulÄ“ts, izmantojot tikai nelielu skaitu marÄ·Ä“tu piemÄ“ru.
PiemÄ“rs: LLM pielÄgoÅ¡ana juridisku e-pastu rakstÄ«Å¡anai pÄ“c tam, kad tai ir parÄdÄ«ti tikai 10 piemÄ“ri.
Smalka noregulēšana (Fine-tuning)
Fine-tuning
Procesu, kurÄ tiek ņemts iepriekÅ¡ apmÄcÄ«ts modelis un turpinÄts to apmÄcÄ«t uz jaunu, mazÄku datu kopumu, lai to specializÄ“tu konkrÄ“tam uzdevumam.
PiemÄ“rs: VispÄrÄ“jÄ LLM, piemÄ“ram, GPT, smalka noregulÄ“Å¡ana uz iekÅ¡Ä“jiem juridiskajiem dokumentiem, lai izveidotu juridisko projektu palÄ«gu.
Pamata modelis (Foundation Model)
Foundation Model
Liela mÄ“roga modelis, kas apmÄcÄ«ts uz dažÄdiem un plaÅ¡iem datiem, ko var pielÄgot daudziem turpmÄkiem uzdevumiem.
PiemÄ“rs: GPT-4 un PaLM 2 ir pamata modeļi, kas spÄ“j veikt kopsavilkumu, jautÄjumus un atbildes, tulkoÅ¡anu un daudz ko citu.
Fuzzy loģika (Fuzzy Logic)
Fuzzy Logic
LoÄ£ikas forma, kas nodarbojas ar aptuvenÄm vÄ“rtÄ«bÄm, nevis fiksÄ“tu patiesu/nepatiesu (binÄro) loÄ£iku, kas ir noderÄ«ga sprieÅ¡anai nenoteiktÄ«bas apstÄkļos.
PiemÄ“rs: Izmanto klimata kontroles sistÄ“mÄs, lai pielÄgotu temperatÅ«ru, pamatojoties uz fuzzy ieejÄm, piemÄ“ram, 'nedaudz karsts' vai 'ļoti auksts'.
Ģeneratīvs pretinieku tīkls (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
Ä¢eneratÄ«va modeļa arhitektÅ«ra, kurÄ divi tÄ«kli — Ä£enerators un diskriminators — sacenÅ¡as, lai uzlabotu izvades kvalitÄti.
PiemÄ“rs: GAN tiek izmantoti, lai radÄ«tu dziļfakes video vai Ä£enerÄ“tu reÄlistiskas produktu fotogrÄfijas no skicÄ“m.
Ģeneratīvais AI (Generative AI)
Generative AI
MÄkslÄ«gÄ intelekta kategorija, kas var radÄ«t jaunu saturu — piemÄ“ram, tekstu, attÄ“lus, mÅ«ziku vai video — no apmÄcÄ«bas datiem.
PiemÄ“rs: ChatGPT Ä£enerÄ“ blogu ierakstus vai Midjourney rada digitÄlo mÄkslu no teksta uzvedinÄjumiem.
IepriekÅ¡ apmÄcÄ«ts Ä£eneratÄ«vais transformators (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
Lielu valodu modeļu klase, ko izstrÄdÄjis OpenAI, kas izmanto transformatora arhitektÅ«ru un ir iepriekÅ¡ apmÄcÄ«ts uz milzÄ«gu teksta datu daudzumu, lai veiktu dažÄdus valodu uzdevumus.
PiemÄ“rs: GPT-4 spÄ“j rakstÄ«t esejas, tulkot valodas un kopsavilkuma dokumentus ar minimÄlu uzvedinÄjumu.
Ģenētiskais algoritms (Genetic Algorithm)
Genetic Algorithm
OptimizÄcijas tehnika, ko iedvesmojusi dabiskÄ atlase, kurÄ risinÄjumi laika gaitÄ attÄ«stÄs caur mutÄciju, krustoÅ¡anos un atlasi.
PiemÄ“rs: Izmanto, lai izstrÄdÄtu efektÄ«vas neironu tÄ«klu arhitektÅ«ras, simulÄ“jot izdzÄ«voÅ¡anu vispiemÄ“rotÄkajiem.
HalucinÄcija (Hallucination)
Hallucination
Plausiblu, bet faktiski nepareizu vai bezjēdzīgu saturu ģenerēšana ar AI modeli.
PiemÄ“rs: Valodu modelis izgudro neeksistÄ“joÅ¡u citÄtu vai sniedz nepatiesus vÄ“sturiskus faktus.
Heiristika (Heuristic)
Heuristic
Praktiska pieeja problÄ“mu risinÄÅ¡anai, kas negarantÄ“ perfektu risinÄjumu, bet ir pietiekama tÅ«lÄ«tÄ“jiem mÄ“rÄ·iem.
PiemÄ“rs: Izmantojot Ä«kÅ¡Ä·a likumu, lai novÄ“rtÄ“tu piegÄdes laiku loÄ£istikas AI sistÄ“mÄ.
Hiperparametrs (Hyperparameter)
Hyperparameter
KonfigurÄcijas vÄ“rtÄ«ba, kas iestatÄ«ta pirms maÅ¡Ä«nmÄcÄ«Å¡anÄs modeļa apmÄcÄ«bas, piemÄ“ram, mÄcÄ«Å¡anÄs Ätrums vai slÄņu skaits.
PiemÄ“rs: Partijas izmÄ“ra pielÄgoÅ¡ana no 32 uz 128, lai uzlabotu apmÄcÄ«bas Ätrumu un modeļa veiktspÄ“ju.
Inferēšana (Inference)
Inference
ApmÄcÄ«ta maÅ¡Ä«nmÄcÄ«Å¡anÄs modeļa izmantoÅ¡anas process, lai veiktu prognozes vai Ä£enerÄ“tu izvades no jauniem ievades datiem.
Piemērs: Smalki noregulēta GPT modeļa izmantošana, lai izveidotu e-pastus klientu atbalsta komandai.
Nodomu noteikšana (Intent Detection)
Intent Detection
Dabisko valodu izpratnes uzdevums, kurÄ sistÄ“ma identificÄ“ lietotÄja mÄ“rÄ·i vai nolÅ«ku ziņojumÄ.
PiemÄ“rs: Sarunu robotÄ, atzÄ«stot 'Es vÄ“los rezervÄ“t lidojumu' kÄ ceļojumu rezervÄ“Å¡anas nodomu.
Lietu internets (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
SavstarpÄ“ji savienotu fizisku ierÄ«Äu tÄ«kls, kas aprÄ«kots ar sensoriem, programmatÅ«ru un citÄm tehnoloÄ£ijÄm datu vÄkÅ¡anai un apmaiņai.
PiemÄ“rs: Viedie termostati un ledusskapji, kas ziņo par lietoÅ¡anas datiem un pielÄgo iestatÄ«jumus, izmantojot AI analÄ«tiku.
Interpretējamība (Interpretability)
Interpretability
PakÄpe, kÄdÄ cilvÄ“ks var saprast maÅ¡Ä«nmÄcÄ«Å¡anÄs modeļa iekÅ¡Ä“jo mehÄnismu un tÄ lÄ“mumu pieņemÅ¡anas procesu.
PiemÄ“rs: LÄ“mumu koks ir vairÄk interpretÄ“jams nekÄ dziļš neironu tÄ«kls, jo tÄ lÄ“mumi ir izsekojami.
Jupyter Notebook (Jupyter Notebook)
Jupyter Notebook
AtvÄ“rtÄ pirmkoda interaktÄ«va skaitļoÅ¡anas vide, kas ļauj lietotÄjiem rakstÄ«t kodu, vizualizÄ“t izvades un dokumentÄ“t analÄ«zi vienÄ saskarnÄ“.
PiemÄ“rs: Datu zinÄtnieki izmanto Jupyter Notebook, lai prototipÄ“tu maÅ¡Ä«nmÄcÄ«Å¡anÄs modeļus un dalÄ«tos rezultÄtos.
K-tuvÄkie kaimiņi (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
VienkÄrÅ¡s, neparametrisks maÅ¡Ä«nmÄcÄ«Å¡anÄs algoritms, ko izmanto klasifikÄcijai un regresijai. Tas pieņem lÄ“mumus, pamatojoties uz tuvÄkajiem apmÄcÄ«bas piemÄ“riem funkciju telpÄ.
PiemÄ“rs: Lai klasificÄ“tu jaunu augli kÄ Äbolu vai bumbieri, KNN pÄrbauda, kuri marÄ·Ä“tie augļi ir vistuvÄkie pÄ“c formas un krÄsas.
ZinÄÅ¡anu grafiks (Knowledge Graph)
Knowledge Graph
Datu struktÅ«ra, kas izmanto mezglus un malas, lai attÄ“lotu un uzglabÄtu savstarpÄ“ji saistÄ«tus entitÄÅ¡u aprakstus un to attiecÄ«bas.
PiemÄ“rs: Google zinÄÅ¡anu panelis darbojas, izmantojot zinÄÅ¡anu grafiku, kas savieno tÄdas entitÄtes kÄ cilvÄ“ki, vietas un notikumi.
Valodu mÄcÄ«Å¡anÄs modeļa optimizÄcija (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
Metodes, ko izmanto, lai uzlabotu lielo valodu modeļu veiktspÄ“ju, efektivitÄti vai pielÄgojamÄ«bu konkrÄ“tiem uzdevumiem vai jomÄm.
PiemÄ“rs: KvantizÄcijas un instrukciju noregulÄ“Å¡anas izmantoÅ¡ana, lai optimizÄ“tu LLM uzņēmumu lietoÅ¡anai.
Liels valodu modelis (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
DziļÄs mÄcÄ«Å¡anÄs modeļa veids, kas apmÄcÄ«ts uz milzÄ«gu teksta datu daudzumu, spÄ“jot Ä£enerÄ“t, saprast un spriest ar cilvÄ“ka valodu.
PiemÄ“rs: ChatGPT un Claude ir LLM, kas apmÄcÄ«ti palÄ«dzÄ“t rakstÄ«Å¡anÄ, kodÄ“Å¡anÄ un atbildÄ“t uz jautÄjumiem.
LatentÄ telpa (Latent Space)
Latent Space
AugstdimensionÄls abstraktÄs attÄ“lojums, kur lÄ«dzÄ«gi ievadi ir grupÄ“ti tuvu viens otram, ko izmanto Ä£eneratÄ«vos modeļos un iegulÅ¡anÄs.
PiemÄ“rs: AttÄ“lu Ä£enerÄ“Å¡anÄ latentÄs telpas manipulÄ“Å¡ana var mainÄ«t tÄdas Ä«paÅ¡Ä«bas kÄ spilgtums vai emocijas.
MÄcÄ«Å¡anÄs Ätrums (Learning Rate)
Learning Rate
Galvenais hiperparametrs apmÄcÄ«bÄ, kas kontrolÄ“, cik daudz modeļa svari tiek pielÄgoti attiecÄ«bÄ pret zuduma gradientu.
PiemÄ“rs: Augsts mÄcÄ«Å¡anÄs Ätrums var izraisÄ«t minimÄlo vÄ“rtÄ«bu pÄrsniegÅ¡anu, savukÄrt pÄrÄk zems Ätrums palÄ“nina apmÄcÄ«bas progresu.
MaÅ¡Ä«nmÄcÄ«Å¡anÄs (ML) (Machine Learning (ML))
Machine Learning (ML)
AI nozare, kas ļauj sistÄ“mÄm mÄcÄ«ties no datiem un uzlabot veiktspÄ“ju bez tieÅ¡as programmÄ“Å¡anas.
PiemÄ“rs: Spam filtri izmanto maÅ¡Ä«nmÄcÄ«Å¡anos, lai klasificÄ“tu e-pastus kÄ surogÄtpastu vai nÄ“, pamatojoties uz iepriekÅ¡Ä“jiem piemÄ“riem.
Modeļa novirze (Model Drift)
Model Drift
ParÄdÄ«ba, kurÄ modeļa precizitÄte laika gaitÄ samazinÄs datu vai vides izmaiņu dēļ.
PiemÄ“rs: KrÄpÅ¡anas noteikÅ¡anas modelis kļūst mazÄk precÄ«zs, jo krÄpÅ¡anas taktikas attÄ«stÄs.
Modeļa apmÄcÄ«ba (Model Training)
Model Training
Datu piegÄdes maÅ¡Ä«nmÄcÄ«Å¡anÄs modelim un tÄ parametru pielÄgoÅ¡anas process, lai samazinÄtu kļūdas.
PiemÄ“rs: Ieteikumu dzinÄ“ja apmÄcÄ«ba uz klientu pirkumu vÄ“sturi, lai ieteiktu jaunus produktus.
MultimodÄls AI (Multimodal AI)
Multimodal AI
AI sistÄ“mas, kas spÄ“j apstrÄdÄt un integrÄ“t dažÄdus datu veidus, piemÄ“ram, tekstu, attÄ“lus, audio un video.
Piemērs: Modelis, piemēram, GPT-4 Vision, kas spēj vienlaicīgi lasīt tekstu un interpretēt attēlus.
Dabisko valodu apstrÄde (NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
AI apakÅ¡nozare, kas koncentrÄ“jas uz datoru un cilvÄ“ka (dabiskÄs) valodas mijiedarbÄ«bu. TÄ Ä¼auj maÅ¡Ä«nÄm lasÄ«t, saprast un atbildÄ“t cilvÄ“ka valodÄ.
Piemērs: NLP tiek izmantota balss palīgos, valodu tulkošanas lietotnēs un sarunu robotu.
Neironu tīkls (Neural Network)
Neural Network
MaÅ¡Ä«nmÄcÄ«Å¡anÄs modelis, ko iedvesmojis cilvÄ“ka smadzeņu uzbÅ«ve, sastÄv no savstarpÄ“ji savienotu mezglu (neironu) slÄņiem.
PiemÄ“rs: Neironu tÄ«kli ir dziļÄs mÄcÄ«Å¡anÄs modeļu pamatÄ, ko izmanto attÄ“lu un runas atpazÄ«Å¡anÄ.
Troksnis (Noise)
Noise
NejauÅ¡a vai nenozÄ«mÄ«ga informÄcija datos, kas var aizÄ“not nozÄ«mÄ«gus modeļus un negatÄ«vi ietekmÄ“t modeļa veiktspÄ“ju.
PiemÄ“rs: Sensora kļūdas vai ar drukas kļūdÄm aizpildÄ«ti datu ieraksti var tikt uzskatÄ«ti par troksni.
Ontoloģija (Ontology)
Ontology
StrukturÄ“ts satvars, kas kategorizÄ“ un definÄ“ jÄ“dzienu attiecÄ«bas noteiktÄ jomÄ, ko bieži izmanto semantiskÄs AI sistÄ“mÄs.
PiemÄ“rs: OntoloÄ£ija veselÄ«bas aprÅ«pÄ“ varÄ“tu definÄ“t, kÄ simptomi ir saistÄ«ti ar slimÄ«bÄm un ÄrstÄ“Å¡anu.
PÄrmÄcÄ«Å¡anÄs (Overfitting)
Overfitting
ModelÄ“Å¡anas kļūda, kurÄ maÅ¡Ä«nmÄcÄ«Å¡anÄs modelis uztver troksni apmÄcÄ«bas datos un slikti darbojas ar jauniem datiem.
PiemÄ“rs: Modelis, kas iegaumÄ“ apmÄcÄ«bas atbildes, bet nevar apstrÄdÄt neredzÄ“tus testu datus, ir pÄrmÄcÄ«ts.
PrognozÄ“joÅ¡Ä analÄ«tika (Predictive Analytics)
Predictive Analytics
Datu, algoritmu un AI izmantoÅ¡ana, lai identificÄ“tu nÄkotnes rezultÄtu iespÄ“jamÄ«bu, pamatojoties uz vÄ“sturiskiem datiem.
PiemÄ“rs: MazumtirgotÄji izmanto prognozÄ“joÅ¡o analÄ«tiku, lai prognozÄ“tu pieprasÄ«jumu pÄ“c noteiktiem produktiem.
IepriekÅ¡Ä“ja apmÄcÄ«ba (Pre-training)
Pre-training
SÄkotnÄ“jÄs modeļa apmÄcÄ«bas process uz liela, vispÄrÄ«ga datu kopuma pirms tÄ smalkas noregulÄ“Å¡anas konkrÄ“tiem uzdevumiem.
PiemÄ“rs: GPT modeļi tiek iepriekÅ¡ apmÄcÄ«ti uz lieliem korpusiem pirms to pielÄgoÅ¡anas klientu apkalpoÅ¡anas sarunu robotiem.
Promptu inženierija (Prompt Engineering)
Prompt Engineering
Prasmju un zinÄtnes veidoÅ¡ana efektÄ«vus uzvedinÄjumus, lai virzÄ«tu lielo valodu modeļu izvadi.
PiemÄ“rs: SistÄ“mas instrukciju pievienoÅ¡ana, piemÄ“ram, 'Atbildiet kÄ pieklÄjÄ«gs pasniedzÄ“js', ir promptu inženierijas piemÄ“rs.
KvantizÄcija (Quantisation)
Quantisation
Modeļa saspieÅ¡anas tehnika, kas samazina svaru un aktivizÄciju attÄ“loÅ¡anai izmantoto bitu skaitu, uzlabojot efektivitÄti.
PiemÄ“rs: Modeļa kvantizÄcija no 32 bitiem uz 8 bitiem uzlabo veiktspÄ“ju mobilajÄs ierÄ«cÄ“s.
KvantitatÄ«vÄ skaitļoÅ¡ana (Quantum Computing)
Quantum Computing
Jauna skaitļoÅ¡anas paradigma, kas balstÄ«ta uz kvantu mehÄniku, kas sniedz potenciÄlu eksponenciÄlÄm apstrÄdes iespÄ“jÄm.
PiemÄ“rs: KvantitatÄ«vÄ skaitļoÅ¡ana kÄdreiz var paÄtrinÄt AI apmÄcÄ«bu Ärpus klasiskajiem ierobežojumiem.
Spriešanas dzinējs (Reasoning Engine)
Reasoning Engine
AI sistÄ“ma, kas izved loÄ£iskus secinÄjumus no faktu vai datu kopuma, izmantojot noteikumus vai inferÄ“Å¡anas algoritmus.
PiemÄ“rs: AI diagnostikas rÄ«ks izmanto sprieÅ¡anas dzinÄ“ju, lai secinÄtu iespÄ“jamÄs medicÄ«niskÄs slimÄ«bas, pamatojoties uz simptomiem.
PastiprinÄjuma mÄcÄ«Å¡anÄs (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
MaÅ¡Ä«nmÄcÄ«Å¡anÄs joma, kurÄ aÄ£enti mÄcÄs, mijiedarbojoties ar savu vidi, lai maksimizÄ“tu kumulatÄ«vÄs atlÄ«dzÄ«bas.
PiemÄ“rs: Robots, kas mÄcÄs staigÄt, izmÄ“Ä£inot un kļūdoties, izmantojot RL metodes.
PastiprinÄjuma mÄcÄ«Å¡anÄs ar cilvÄ“ka atsauksmÄ“m (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
MÄcÄ«Å¡anÄs metode, kurÄ cilvÄ“ka preferences vada AI atlÄ«dzÄ«bas signÄlu, ko bieži izmanto valodu modeļu smalkai noregulÄ“Å¡anai.
PiemÄ“rs: ChatGPT tika apmÄcÄ«ts ar RLHF, lai radÄ«tu noderÄ«gÄkas un droÅ¡Äkas atbildes.
Izguves papildinÄtÄ Ä£enerÄ“Å¡ana (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
Metode, kas apvieno informÄcijas izguvi ar Ä£enerÄ“Å¡anu, kurÄ LLM izgÅ«st atbilstoÅ¡us dokumentus, lai uzlabotu savu atbildi.
PiemÄ“rs: AI asistents izgÅ«st un citÄ“ produktu specifikÄcijas, Ä£enerÄ“jot atbildi uz tehnisku jautÄjumu.
PaÅ¡uzraudzÄ«tÄ mÄcÄ«Å¡anÄs (Self-Supervised Learning)
Self-Supervised Learning
ApmÄcÄ«bas pieeja, kurÄ modelis mÄcÄs modeļus, Ä£enerÄ“jot savas etiÄ·etes no neapstrÄdÄtiem datiem, samazinot atkarÄ«bu no cilvÄ“ka anotÄ“tiem datiem.
PiemÄ“rs: BERT tiek apmÄcÄ«ts ar paÅ¡uzraudzÄ«tu mÄcÄ«Å¡anos, paredzot trÅ«kstoÅ¡os vÄrdus tekstÄ.
SemantiskÄ meklÄ“Å¡ana (Semantic Search)
Semantic Search
MeklÄ“Å¡anas tehnika, kas saprot lietotÄja nodomu un kontekstuÄlo nozÄ«mi, nevis tikai atslÄ“gvÄrdu atbilstÄ«bu.
PiemÄ“rs: MeklÄ“jot 'kÄ salabot noplÅ«duÅ¡u krÄnu', tiek atgriezti ceļveži, pat ja dokuments nesatur terminu 'noplÅ«dis krÄns'.
Sentimentu analīze (Sentiment Analysis)
Sentiment Analysis
Emociju, viedokļu vai attieksmju identificÄ“Å¡anas process tekstÄ, bieži klasificÄ“jot kÄ pozitÄ«vu, negatÄ«vu vai neitrÄlu.
Piemērs: Tvitera analīze, lai novērtētu sabiedrības reakciju uz jaunu produktu.
Stokastisks (Stochastic)
Stochastic
Ietver nejauÅ¡Ä«bu vai probabilitÄtes uzvedÄ«bu, ko bieži izmanto Ä£eneratÄ«vajÄ AI un optimizÄcijas algoritmos.
PiemÄ“rs: GPT-4 izvade atÅ¡Ä·iras attiecÄ«bÄ uz vienu un to paÅ¡u ievadi tÄs stokastiskÄ dekodÄ“Å¡anas procesa dēļ.
Spēcīgs AI (Strong AI)
Strong AI
PazÄ«stams arÄ« kÄ MÄkslÄ«gais vispÄrÄ«gais intelekts (AGI), attiecas uz maÅ¡Ä«nÄm ar cilvÄ“ka lÄ«meņa kognitÄ«vajÄm spÄ“jÄm visÄs jomÄs.
PiemÄ“rs: NÄkotnes AI, kas var autonomi rakstÄ«t romÄnus, plÄnot pilsÄ“tas un vienlÄ«dz labi risinÄt Ä“tiskas dilemmas.
Super mÄkslÄ«gais intelekts (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
TeorÄ“tisks AI, kas visos aspektos ievÄ“rojami pÄrsniedz cilvÄ“ka intelektu — sprieÅ¡anu, radoÅ¡umu, emocionÄlo intelektu utt.
PiemÄ“rs: SAI teorÄ“tiski varÄ“tu neatkarÄ«gi izstrÄdÄt jaunas zinÄtnes un filozofijas.
UzraudzÄ«tÄ mÄcÄ«Å¡anÄs (Supervised Learning)
Supervised Learning
MaÅ¡Ä«nmÄcÄ«Å¡anÄs tehnika, kurÄ modeļi tiek apmÄcÄ«ti uz marÄ·Ä“tiem datiem, lai iemÄcÄ«tos ievades-izvades atbilstÄ«bas.
PiemÄ“rs: Modeļa apmÄcÄ«Å¡ana klasificÄ“t e-pastus kÄ surogÄtpastu vai nÄ“, izmantojot vÄ“sturiskus piemÄ“rus.
Sintētiski dati (Synthetic Data)
Synthetic Data
MÄkslÄ«gi Ä£enerÄ“ti dati, kas simulÄ“ reÄlos datus, ko bieži izmanto apmÄcÄ«bai, kad reÄlie dati ir reti vai sensitÄ«vi.
PiemÄ“rs: SintÄ“tisku medicÄ«nisko attÄ“lu radÄ«Å¡ana, lai apmÄcÄ«tu diagnostikas modeļus, neizjaucot pacientu privÄtumu.
Tokens (Token)
Token
Teksta vienÄ«ba, ko apstrÄdÄ LLM — parasti vÄrds vai vÄrda daļa.
PiemÄ“rs: FrÄze 'Sveika pasaule!' tiek sadalÄ«ta 3 tokenos: 'Sveika', 'pasaule' un '!'.
TokenizÄcija (Tokenisation)
Tokenisation
Teksta sadalÄ«Å¡anas procesu tokenos apstrÄdei ar modeli.
Piemērs: NLP, 'ChatGPT ir lieliski' kļūst par ['Chat', 'G', 'PT', 'ir', 'lieliski'].
PÄrneses mÄcÄ«Å¡anÄs (Transfer Learning)
Transfer Learning
ZinÄÅ¡anu izmantoÅ¡ana no viena uzdevuma, lai uzlabotu mÄcÄ«Å¡anos citÄ saistÄ«tÄ uzdevumÄ, samazinot apmÄcÄ«bas laiku un datu vajadzÄ«bas.
PiemÄ“rs: Modeļa, kas apmÄcÄ«ts angļu valodÄ, smalka noregulÄ“Å¡ana, lai veiktu sentimentu analÄ«zi citÄ valodÄ.
Transformators (Transformer)
Transformer
Neironu tÄ«kla arhitektÅ«ra, kas izmanto uzmanÄ«bas mehÄnismus, lai modelÄ“tu secÄ«gus datus, ko plaÅ¡i izmanto LLM.
PiemÄ“rs: BERT, GPT un T5 ir visi transformatoru bÄzÄ“ti modeļi.
Neapgušana (Underfitting)
Underfitting
Kad modelis ir pÄrÄk vienkÄrÅ¡s, lai uztvertu apmÄcÄ«bas datu modeļus, kÄ rezultÄtÄ rodas slikta veiktspÄ“ja.
PiemÄ“rs: LineÄrs modelis, kas mÄ“Ä£ina prognozÄ“t sarežģītas attÄ“lu klasifikÄcijas, var neapgÅ«t.
PaÅ¡uzraudzÄ«tÄ mÄcÄ«Å¡anÄs (Unsupervised Learning)
Unsupervised Learning
MÄcÄ«Å¡anÄs pieeja, kurÄ modeļi identificÄ“ modeļus vai klasterus neapzÄ«mÄ“tos datos.
PiemÄ“rs: Klientu grupÄ“Å¡ana, pamatojoties uz pirkÅ¡anas uzvedÄ«bu bez iepriekÅ¡ noteiktÄm etiÄ·etÄ“m.
LietotÄja nodoms (User Intent)
User Intent
MÄ“rÄ·is vai nolÅ«ks, kas slÄ“pjas aiz lietotÄja pieprasÄ«juma vai mijiedarbÄ«bas.
PiemÄ“rs: LietotÄjs, rakstot 'kÄ cept kÅ«ku', visticamÄk, vÄ“las atrast recepti.
ValidÄcijas kopa (Validation Set)
Validation Set
Datu apakÅ¡kopa, ko izmanto modeļa veiktspÄ“jas novÄ“rtÄ“Å¡anai apmÄcÄ«bas laikÄ un hiperparametru noregulÄ“Å¡anai.
PiemÄ“rs: Izmanto, lai noteiktu pÄrmÄcÄ«Å¡anos pirms galÄ«gÄs testÄ“Å¡anas.
Vektoru datubÄze (Vector Database)
Vector Database
DatubÄze, kas izstrÄdÄta, lai uzglabÄtu un meklÄ“tu vektoru iegulÅ¡anas, ko izmanto AI uzdevumos, piemÄ“ram, lÄ«dzÄ«bas meklÄ“Å¡anÄ un RAG.
PiemÄ“rs: Pinecone un Weaviate ir vektoru datubÄzes teksta vai attÄ“lu iegulÅ¡anas uzglabÄÅ¡anai.
Vektoru iegulšana (Vector Embedding)
Vector Embedding
Datu skaitliskais attÄ“lojums, kas saglabÄ semantisko nozÄ«mi un attiecÄ«bas vektoru telpÄ.
PiemÄ“rs: VÄrdiem 'karalis' un 'karaliene' ir lÄ«dzÄ«gas iegulÅ¡anas ar smalkÄm dzimumu atÅ¡Ä·irÄ«bÄm.
VirtuÄlais asistents (Virtual Assistant)
Virtual Assistant
Ar AI darbinÄms programmatÅ«ras aÄ£ents, kas palÄ«dz lietotÄjiem veikt uzdevumus, izmantojot sarunu vai balss komandas.
PiemÄ“rs: Siri, Alexa un Google Assistant ir populÄri virtuÄlie asistenti.
Balss atpazīšana (Voice Recognition)
Voice Recognition
TehnoloÄ£ija, kas interpretÄ“ un pÄrvÄ“rÅ¡ runÄto valodu tekstÄ vai darbÄ«bÄ.
PiemÄ“rs: Balss rakstÄ«Å¡ana un balss komandas paļaujas uz balss atpazÄ«Å¡anas sistÄ“mÄm.
VÄjÅ¡ AI (Weak AI)
Weak AI
AI sistÄ“mas, kas izstrÄdÄtas, lai veiktu Å¡auru, specifisku uzdevumu bez vispÄrÄ“ja intelekta.
PiemÄ“rs: Å aha spÄ“lÄ“Å¡anas AI, kas nevar saprast valodu vai vadÄ«t automaÅ¡Ä«nu, ir vÄja AI piemÄ“rs.
TÄ«mekļa skrÄpÄ“Å¡ana (Web Scraping)
Web Scraping
AutomÄtiska informÄcijas izvilkÅ¡ana no tÄ«mekļa vietnÄ“m, ko bieži izmanto apmÄcÄ«bas datu vÄkÅ¡anai vai satura uzraudzÄ«bai.
PiemÄ“rs: NekustamÄ Ä«paÅ¡uma sludinÄjumu skrÄpÄ“Å¡ana, lai apmÄcÄ«tu Ä«paÅ¡uma novÄ“rtÄ“Å¡anas modeli.
Svars (Weight)
Weight
Neironu tīklu parametrs, kas nosaka viena mezgla ietekmes spēku uz citu.
PiemÄ“rs: Svari tiek pielÄgoti apmÄcÄ«bas laikÄ, lai samazinÄtu modeļa kļūdu.
Whisper (Whisper)
Whisper
Runas-teksta modelis, ko izstrÄdÄjis OpenAI, spÄ“jot transkribÄ“t audio vairÄkÄs valodÄs.
PiemÄ“rs: Whisper var transkribÄ“t lekcijas un podkastus ar augstu precizitÄti.
YAML (YAML)
YAML
CilvÄ“kam lasÄms datu serializÄcijas formÄts, ko parasti izmanto konfigurÄcijas failiem maÅ¡Ä«nmÄcÄ«Å¡anÄs darbplÅ«smÄs.
PiemÄ“rs: Modeļa parametru definÄ“Å¡ana YAML failÄ apmÄcÄ«bai PyTorch.
Nulles kadru mÄcÄ«Å¡anÄs (Zero-shot Learning)
Zero-shot Learning
Modeļa spÄ“ja veikt uzdevumus, ko tas nekad nav tieÅ¡i apmÄcÄ«jis, izmantojot vispÄrÄ«gas zinÄÅ¡anas.
PiemÄ“rs: Modelis atbild uz juridiskajiem jautÄjumiem, lai gan nav Ä«paÅ¡i apmÄcÄ«ts ar juridiskajiem datiem.
Zettabaits (Zettabyte)
Zettabyte
DigitÄlo datu vienÄ«ba, kas vienÄda ar vienu sekstiljonu (10^21) baitiem, ko bieži izmanto, lai aprakstÄ«tu interneta datu mÄ“rogu.
PiemÄ“rs: GlobÄlais interneta trafiks pÄrsniedza 1 zettabaitu gadÄ lÄ«dz 2016. gadam.
