Otani AI Logo AICI Logo
ഹോം AI പ്രയോജനങ്ങൾ സൗജന്യ റിപ്പോർട്ട് വിലകൾ AI വാർത്തകൾ പതിവ് ചോദ്യങ്ങൾ ബന്ധപ്പെടുക ജാർഗൺ

AI ജാർഗൺ ബസ്റ്റർ

ഞങ്ങളുടെ സമഗ്രമായ ഗ്ലോസ്സറി ഉപയോഗിച്ച് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പദാവലി ലളിതമാക്കുക. മെഷീൻ ലേണിംഗ് മുതൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ വരെ, ഞങ്ങൾ സങ്കീർണ്ണമായ AI ആശയങ്ങൾ ലളിതമായ വാക്കുകളിൽ വിശദീകരിക്കുന്നു.

അലൈൻമെന്റ് (Alignment)

Alignment
ഒരു AI സിസ്റ്റത്തിൻ്റെ ലക്ഷ്യങ്ങൾ, ഔട്ട്‌പുട്ടുകൾ, പെരുമാറ്റങ്ങൾ എന്നിവ മനുഷ്യൻ്റെ ലക്ഷ്യങ്ങളുമായും മൂല്യങ്ങളുമായും യോജിക്കുന്നുവെന്ന് ഉറപ്പാക്കുന്ന പ്രക്രിയ. പ്രത്യേകിച്ച്, വ്യക്തമായി ഉദ്ദേശിക്കാത്ത പെരുമാറ്റങ്ങൾ വികസിപ്പിച്ചേക്കാവുന്ന നൂതന സംവിധാനങ്ങളിൽ ഇത് വളരെ പ്രധാനമാണ്.
ഉദാഹരണം: പ്രോംപ്റ്റുകൾ പരിഗണിക്കാതെ തന്നെ മാനസികാരോഗ്യ പിന്തുണയ്ക്കുള്ള ഒരു ചാറ്റ്ബോട്ട് ദോഷകരമായ പ്രവർത്തനങ്ങൾ ശുപാർശ ചെയ്യുന്നില്ലെന്ന് ഉറപ്പാക്കുക.

അപ്ലിക്കേഷൻ പ്രോഗ്രാമിംഗ് ഇൻ്റർഫേസ് (API) (Application Programming Interface (API))

Application Programming Interface (API)
വ്യത്യസ്ത സോഫ്റ്റ്‌വെയർ സിസ്റ്റങ്ങളെ ആശയവിനിമയം നടത്താനും ഡാറ്റ കൈമാറാനും അനുവദിക്കുന്ന നിർവചിക്കപ്പെട്ട നിയമങ്ങളുടെയും പ്രോട്ടോക്കോളുകളുടെയും ഒരു കൂട്ടം.
ഉദാഹരണം: നിങ്ങളുടെ വെബ് ആപ്പിൽ ഒരു പ്രോംപ്റ്റ് അയയ്‌ക്കാനും ഭാഷാ മോഡൽ സൃഷ്ടിച്ച പ്രതികരണം സ്വീകരിക്കാനും OpenAI API ഉപയോഗിക്കുന്നു.

ആർട്ടിഫിഷ്യൽ ജനറൽ ഇൻ്റലിജൻസ് (AGI) (Artificial General Intelligence (AGI))

Artificial General Intelligence (AGI)
ഒരു മനുഷ്യന് ചെയ്യാൻ കഴിയുന്ന ഏത് ബൗദ്ധിക ജോലിയും ചെയ്യാൻ കഴിവുള്ള AI യുടെ ഒരു സൈദ്ധാന്തിക രൂപം. ഇത് ഡൊമെയ്‌നുകളിലുടനീളം പഠനം പൊതുവൽക്കരിക്കുന്നു.
ഉദാഹരണം: ഒരു AGI സിസ്റ്റത്തിന് സംഗീതം ചിട്ടപ്പെടുത്താനും ശസ്ത്രക്രിയ നടത്താനും തത്ത്വചിന്താ പരീക്ഷ പാസ്സാകാനും കഴിയും, ഇതിനായി പ്രത്യേക പ്രോഗ്രാമിംഗ് ആവശ്യമില്ല.

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) (Artificial Intelligence (AI))

Artificial Intelligence (AI)
ചിന്തിക്കാനും, യുക്തിസഹമായി പ്രവർത്തിക്കാനും, സ്വയംഭരണാധികാരത്തോടെ പ്രവർത്തിക്കാനും പ്രോഗ്രാം ചെയ്ത യന്ത്രങ്ങളിൽ മനുഷ്യൻ്റെ ബുദ്ധിയുടെ അനുകരണം.
ഉദാഹരണം: സിരി പോലുള്ള വ്യക്തിഗത സഹായികളും ടെസ്‌ല ഓട്ടോപൈലറ്റ് പോലുള്ള സ്വയംഭരണാധികാരമുള്ള ഡ്രൈവിംഗ് സിസ്റ്റങ്ങളും AI ഉപയോഗിക്കുന്നു.

AI ധാർമ്മികത (AI Ethics)

AI Ethics
AI വികസനത്തിൻ്റെയും ഉപയോഗത്തിൻ്റെയും ധാർമ്മിക ഫലങ്ങളെക്കുറിച്ചുള്ള ഒരു അച്ചടക്കം, ഇതിൽ ന്യായീകരണം, സ്വകാര്യത, ഉത്തരവാദിത്തം, വിവേചനം എന്നിവ ഉൾപ്പെടുന്നു.
ഉദാഹരണം: ലിംഗഭേദം അല്ലെങ്കിൽ വംശീയത എന്നിവയുടെ അടിസ്ഥാനത്തിൽ വിവേചനം ഒഴിവാക്കാൻ നിയമന അൽഗോരിതങ്ങൾ തടയുന്നതിനുള്ള മാർഗ്ഗനിർദ്ദേശങ്ങൾ സൃഷ്ടിക്കുന്നു.

ഓഗ്മെൻ്റഡ് ഇൻ്റലിജൻസ് (Augmented Intelligence)

Augmented Intelligence
AI മനുഷ്യൻ്റെ ബുദ്ധിയെ മാറ്റിസ്ഥാപിക്കുന്നതിനു പകരം അതിനെ പൂർത്തീകരിക്കുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്ന ഒരു സഹകരണ മാതൃക.
ഉദാഹരണം: ഡോക്ടർമാർക്ക് അസാധാരണമായ കാര്യങ്ങൾ ഹൈലൈറ്റ് ചെയ്യുന്ന AI- പവർഡ് റേഡിയോളജി ടൂളുകൾ, അവർ അന്തിമ രോഗനിർണയം നടത്തുന്നു.

ഓട്ടോണമസ് ഏജൻ്റ് (Autonomous Agent)

Autonomous Agent
മനുഷ്യൻ്റെ ഇടപെടലില്ലാതെ അതിൻ്റെ ലക്ഷ്യങ്ങൾ നേടുന്നതിന് സ്വന്തമായി തീരുമാനങ്ങൾ എടുക്കാനും പ്രവർത്തനങ്ങൾ നടത്താനും കഴിവുള്ള ഒരു AI സിസ്റ്റം.
ഉദാഹരണം: നഗര തെരുവുകളിലൂടെ സഞ്ചരിക്കുകയും തടസ്സങ്ങൾ സ്വതന്ത്രമായി ഒഴിവാക്കുകയും ചെയ്യുന്ന ഒരു സ്വയംഭരണാധികാരമുള്ള ഡെലിവറി റോബോട്ട്.

ബാക്ക്പ്രൊപ്പഗേഷൻ (Backpropagation)

Backpropagation
പ്രവചന പിശകുകൾ കുറയ്ക്കുന്നതിലൂടെ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾക്ക് പരിശീലനം നൽകുന്നതിനുള്ള ഒരു സാങ്കേതികവിദ്യ, ഔട്ട്‌പുട്ടിൽ നിന്ന് ഇൻപുട്ട് ലേയറുകളിലേക്ക് വിപരീതമായി ഭാരങ്ങൾ അപ്ഡേറ്റ് ചെയ്യുന്നു.
ഉദാഹരണം: കൈയക്ഷര അക്കങ്ങൾ തിരിച്ചറിയുന്നതിൽ പിശക് നിരക്ക് കുറയ്ക്കുന്നതിന് ചിത്ര വർഗ്ഗീകരണം പരിശീലിപ്പിക്കുന്നതിൽ ഉപയോഗിക്കുന്നു.

ബയാസ് (അൽഗോരിതമിക് ബയാസ്) (Bias (Algorithmic Bias))

Bias (Algorithmic Bias)
അസന്തുലിതമായ അല്ലെങ്കിൽ പ്രതിനിധീകരിക്കാത്ത പരിശീലന ഡാറ്റ കാരണം AI ഫലങ്ങളിൽ ഉണ്ടാകുന്ന അവിചാരിതവും ചിട്ടയായതുമായ പക്ഷപാതം.
ഉദാഹരണം: പരിശീലന ഡാറ്റയിൽ കുറഞ്ഞ പ്രാതിനിധ്യം കാരണം നിറമുള്ള ആളുകളെ കൂടുതൽ തവണ തെറ്റായി തിരിച്ചറിയുന്ന ഒരു മുഖം തിരിച്ചറിയൽ സംവിധാനം.

ബിഗ് ഡാറ്റ (Big Data)

Big Data
വലിയ ഡാറ്റാ സെറ്റുകൾ, അവ സംഭരിക്കാനും വിശകലനം ചെയ്യാനും മൂല്യം വീണ്ടെടുക്കാനും പ്രത്യേക ടൂളുകൾ ആവശ്യമാണ്, ഇത് പലപ്പോഴും AI മോഡലുകൾക്ക് പരിശീലനം നൽകാൻ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: ഇ-കൊമേഴ്‌സ് പ്ലാറ്റ്‌ഫോമുകൾക്കായി ശുപാർശ എഞ്ചിനുകൾക്ക് പരിശീലനം നൽകാൻ ദശലക്ഷക്കണക്കിന് ഉപയോക്തൃ ഇടപെടലുകൾ ഉപയോഗിക്കുന്നു.

ബ്ലാക്ക് ബോക്സ് മോഡൽ (Black Box Model)

Black Box Model
ഒരു AI അല്ലെങ്കിൽ മെഷീൻ ലേണിംഗ് മോഡലിൻ്റെ ഒരു തരം, അതിൻ്റെ ആന്തരിക യുക്തി മനുഷ്യർക്ക് എളുപ്പത്തിൽ മനസ്സിലാക്കാൻ കഴിയില്ല, ഇത് എങ്ങനെ തീരുമാനങ്ങൾ എടുക്കുന്നു എന്ന് മനസ്സിലാക്കാൻ ബുദ്ധിമുട്ടുണ്ടാക്കുന്നു.
ഉദാഹരണം: വായ്പകൾ അംഗീകരിക്കുന്നതിന് ഉപയോഗിക്കുന്ന ഒരു ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്ക്, എന്നാൽ ഒരു അപേക്ഷകനെ എന്തുകൊണ്ട് അംഗീകരിച്ചു മറ്റൊരാളെ നിരസിച്ചു എന്നതിന് വ്യക്തമായ വിശദീകരണം നൽകുന്നില്ല.

കോഗ്നിറ്റീവ് കമ്പ്യൂട്ടിംഗ് (Cognitive Computing)

Cognitive Computing
NLP, പാറ്റേൺ തിരിച്ചറിയൽ പോലുള്ള സാങ്കേതികവിദ്യകൾ ഉപയോഗിച്ച് മനുഷ്യൻ്റെ ചിന്താ പ്രക്രിയകളെ, അതായത് യുക്തിയും പഠനവും അനുകരിക്കാൻ രൂപകൽപ്പന ചെയ്ത AI സിസ്റ്റങ്ങൾ.
ഉദാഹരണം: നിയമപരമായ പ്രൊഫഷണലുകൾക്ക് കേസ് നിയമങ്ങൾ വിശകലനം ചെയ്യാനും ഫലങ്ങൾ പ്രവചിക്കാനും സഹായിക്കുന്ന ഒരു കോഗ്നിറ്റീവ് കമ്പ്യൂട്ടിംഗ് സിസ്റ്റം.

കമ്പ്യൂട്ടർ വിഷൻ (Computer Vision)

Computer Vision
ചിത്രങ്ങളും വീഡിയോകളും പോലുള്ള ദൃശ്യ ഡാറ്റയെ വ്യാഖ്യാനിക്കാനും പ്രോസസ്സ് ചെയ്യാനും കമ്പ്യൂട്ടറുകളെ പ്രാപ്തമാക്കുന്ന ഒരു ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഫീൽഡ്.
ഉദാഹരണം: കമ്പ്യൂട്ടർ വിഷൻ ഉപയോഗിച്ച് സുരക്ഷാ ഫൂട്ടേജിൽ ആളുകളെ തിരിച്ചറിയുന്ന ഫേഷ്യൽ റെക്കഗ്നിഷൻ സിസ്റ്റങ്ങൾ.

കോർപ്പസ് (Corpus)

Corpus
ഭാഷാ മോഡലുകൾക്ക് പരിശീലനം നൽകാൻ ഉപയോഗിക്കുന്ന എഴുതിയതോ സംസാരിച്ചതോ ആയ ഗ്രന്ഥങ്ങളുടെ വലിയ ശേഖരം.
ഉദാഹരണം: GPT പോലുള്ള വലിയ ഭാഷാ മോഡലുകൾക്ക് പരിശീലനം നൽകാൻ ഉപയോഗിക്കുന്ന ഒരു പൊതു വെബ് കോർപ്പസ് ആണ് കോമൺ ക്രോൾ ഡാറ്റാസെറ്റ്.

ഡാറ്റ ഡ്രിഫ്റ്റ് (Data Drift)

Data Drift
ഇൻപുട്ട് ഡാറ്റ കാലക്രമേണ മാറുന്ന പ്രതിഭാസം, ഇത് മോഡൽ പ്രകടനം മോശമാക്കുന്നു.
ഉദാഹരണം: പുതിയ സെൻസർ സാങ്കേതികവിദ്യ അവതരിപ്പിക്കുമ്പോൾ വ്യാവസായിക ഉപകരണങ്ങൾക്കുള്ള ഒരു പ്രവചന പരിപാലന മോഡൽ കുറഞ്ഞ കൃത്യതയുള്ളതാകുന്നു.

ഡാറ്റ ലേബലിംഗ് (Data Labelling)

Data Labelling
സൂപ്പർവൈസ്ഡ് ലേണിംഗിന് അനുയോജ്യമാക്കാൻ ഡാറ്റയെ ടാഗുകളോ ലേബലുകളോ ഉപയോഗിച്ച് അടയാളപ്പെടുത്തുന്ന പ്രക്രിയ.
ഉദാഹരണം: കാൻസർ കണ്ടെത്തൽ മോഡലിന് പരിശീലനം നൽകാൻ ആയിരക്കണക്കിന് ട്യൂമർ ചിത്രങ്ങളെ സൗമ്യമായതോ മാരകമായതോ ആയി ലേബൽ ചെയ്യുന്നു.

ഡാറ്റ മൈനിംഗ് (Data Mining)

Data Mining
വലിയ ഡാറ്റാ സെറ്റുകളിൽ അർത്ഥവത്തായ പാറ്റേണുകൾ, സഹകരണങ്ങൾ, അസാധാരണത്വങ്ങൾ എന്നിവ കണ്ടെത്താനുള്ള പ്രക്രിയ.
ഉദാഹരണം: ഡൈപ്പർ വാങ്ങുന്നവർ ബിയർ കൂടി വാങ്ങുന്നു എന്ന് കണ്ടെത്താൻ ഡാറ്റാ മൈനിംഗ് ഉപയോഗിക്കുന്ന റീട്ടെയിലർമാർ.

ഡീപ് ലേണിംഗ് (Deep Learning)

Deep Learning
ഡാറ്റയിലെ സങ്കീർണ്ണമായ പാറ്റേണുകൾ മോഡൽ ചെയ്യാൻ ഒന്നിലധികം ലേയറുകളുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിക്കുന്ന മെഷീൻ ലേണിംഗിൻ്റെ ഒരു ഉപവിഭാഗം.
ഉദാഹരണം: GPT-4 പോലുള്ള ഭാഷാ മോഡലുകളിലും സ്റ്റേബിൾ ഡിഫ്യൂഷൻ പോലുള്ള ചിത്ര ജനറേഷൻ മോഡലുകളിലും ഡീപ് ലേണിംഗ് ഉപയോഗിക്കുന്നു.

ഡിഫ്യൂഷൻ മോഡലുകൾ (Diffusion Models)

Diffusion Models
ക്രമരഹിതമായ ശബ്ദത്തെ ഘടനാപരമായ ഔട്ട്‌പുട്ടുകളിലേക്ക് ക്രമേണ പരിവർത്തനം ചെയ്യുന്നതിലൂടെ ഡാറ്റ ഉത്പാദിപ്പിക്കാൻ പഠിക്കുന്ന ജനറേറ്റീവ് മോഡലുകളുടെ ഒരു ക്ലാസ്.
ഉദാഹരണം: സ്റ്റേബിൾ ഡിഫ്യൂഷൻ ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളിൽ നിന്ന് ഡിഫ്യൂഷൻ ടെക്നിക്കുകൾ ഉപയോഗിച്ച് യാഥാർത്ഥ്യബോധമുള്ള ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നു.

എംബെഡിംഗ് (Embedding)

Embedding
ഡാറ്റയുടെ ഒരു സംഖ്യാ വെക്റ്റർ പ്രതിനിധാനം, പലപ്പോഴും വാക്കുകൾ, ചിത്രങ്ങൾ അല്ലെങ്കിൽ വാക്യങ്ങളുടെ അർത്ഥപരമായ അർത്ഥം പിടിച്ചെടുക്കാൻ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: NLP യിൽ, 'ബാങ്ക്' എന്ന വാക്കിന് 'പണം' എന്നതിനേക്കാൾ സമാനമായ എംബെഡിംഗുകൾ ഉണ്ടാകാം, എന്നാൽ സന്ദർഭത്തെ ആശ്രയിച്ച് 'നദീതീരം' എന്നതിൽ നിന്ന് വ്യത്യസ്തമായിരിക്കും.

എപോക്ക് (Epoch)

Epoch
ഒരു മെഷീൻ ലേണിംഗ് മോഡലിൻ്റെ പരിശീലന പ്രക്രിയയിൽ മുഴുവൻ പരിശീലന ഡാറ്റാസെറ്റിലൂടെയുള്ള ഒരു പൂർണ്ണമായ ആവർത്തനം.
ഉദാഹരണം: ഒരു ഡാറ്റാസെറ്റിൽ 1,000 ഉദാഹരണങ്ങൾ ഉണ്ടെങ്കിൽ, ഒരു മോഡൽ അവയെല്ലാം പരിശീലന സമയത്ത് ഒരിക്കൽ കാണുന്നുണ്ടെങ്കിൽ, അത് ഒരു എപോക്ക് ആണ്.

എഥിക്കൽ AI (Ethical AI)

Ethical AI
AI സാങ്കേതികവിദ്യകൾ സുതാര്യമായും, തുല്യമായും, സാമൂഹിക മൂല്യങ്ങളുമായി യോജിച്ച് പ്രവർത്തിക്കുന്നുവെന്ന് ഉറപ്പാക്കുന്ന ഒരു രൂപകൽപ്പനയും വിന്യാസ തത്ത്വചിന്തയും.
ഉദാഹരണം: ന്യൂനപക്ഷ സ്ഥാനാർത്ഥികൾക്ക് വിവേചനം തടയുന്നതിന് ബയാസ് പരിശോധനകൾ ഉൾക്കൊള്ളുന്ന ഒരു AI നിയമന ഉപകരണം.

എക്സ്പെർട്ട് സിസ്റ്റം (Expert System)

Expert System
നിയമങ്ങളും യുക്തിയും ഉപയോഗിച്ച് ഒരു പ്രത്യേക ഡൊമെയ്‌നിലെ ഒരു മനുഷ്യ വിദഗ്ദ്ധൻ്റെ തീരുമാനമെടുക്കുന്ന കഴിവുകളെ അനുകരിക്കുന്ന ഒരു AI സിസ്റ്റം.
ഉദാഹരണം: മണ്ണിൻ്റെ ഡാറ്റയും കീടങ്ങളുടെ ചരിത്രവും അടിസ്ഥാനമാക്കി വിള ചികിത്സകൾ ശുപാർശ ചെയ്യാൻ കൃഷിയിൽ ഉപയോഗിക്കുന്ന ഒരു എക്സ്പെർട്ട് സിസ്റ്റം.

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

Explainable AI (XAI)
AI സിസ്റ്റങ്ങൾ അവയുടെ ആന്തരിക പ്രക്രിയകളും തീരുമാനങ്ങളും മനുഷ്യർക്ക് മനസ്സിലാക്കാൻ കഴിയുന്ന തരത്തിൽ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു, ഇത് വിശ്വാസവും ഉത്തരവാദിത്തവും വർദ്ധിപ്പിക്കുന്നു.
ഉദാഹരണം: ഒരു മെഡിക്കൽ ഡയഗ്നോസ്റ്റിക് AI, അത് ഒരു ശുപാർശ നൽകുക മാത്രമല്ല, ഏത് ലക്ഷണങ്ങളാണ് ആ നിഗമനത്തിലേക്ക് നയിച്ചതെന്ന് വിശദീകരിക്കുകയും ചെയ്യുന്നു.

ഫ്യൂ-ഷോട്ട് ലേണിംഗ് (Few-shot Learning)

Few-shot Learning
കുറഞ്ഞ എണ്ണം ലേബൽ ചെയ്ത ഉദാഹരണങ്ങൾ മാത്രം ഉപയോഗിച്ച് ഒരു മോഡൽ പരിശീലിപ്പിക്കുകയോ ഫൈൻ-ട്യൂൺ ചെയ്യുകയോ ചെയ്യുന്ന ഒരു മെഷീൻ ലേണിംഗ് രീതി.
ഉദാഹരണം: 10 ഉദാഹരണങ്ങൾ മാത്രം കാണിച്ചതിന് ശേഷം നിയമപരമായ ഇമെയിലുകൾ എഴുതാൻ ഒരു LLM ഇഷ്ടാനുസൃതമാക്കുന്നു.

ഫൈൻ-ട്യൂണിംഗ് (Fine-tuning)

Fine-tuning
ഒരു പ്രീ-ട്രെയിൻഡ് മോഡൽ എടുത്ത് ഒരു പുതിയ, ചെറിയ ഡാറ്റാസെറ്റിൽ കൂടുതൽ പരിശീലനം നൽകി ഒരു പ്രത്യേക ജോലിക്കായി അതിനെ സ്പെഷ്യലൈസ് ചെയ്യുന്ന പ്രക്രിയ.
ഉദാഹരണം: നിയമപരമായ ഡ്രാഫ്റ്റിംഗ് അസിസ്റ്റൻ്റ് സൃഷ്ടിക്കാൻ ആന്തരിക നിയമ രേഖകളിൽ ഒരു പൊതു LLM ആയ GPT ഫൈൻ-ട്യൂൺ ചെയ്യുന്നു.

ഫൗണ്ടേഷൻ മോഡൽ (Foundation Model)

Foundation Model
വിവിധവും വിശാലവുമായ ഡാറ്റയിൽ പരിശീലനം ലഭിച്ച ഒരു വലിയ തോതിലുള്ള മോഡൽ, ഇത് പല ഡൗൺസ്ട്രീം ജോലികൾക്കും അനുയോജ്യമാക്കാൻ കഴിയും.
ഉദാഹരണം: GPT-4 ഉം PaLM 2 ഉം ഫൗണ്ടേഷൻ മോഡലുകളാണ്, അവ സംഗ്രഹിക്കാനും ചോദ്യോത്തരങ്ങൾക്കും വിവർത്തനത്തിനും മറ്റും കഴിവുള്ളവയാണ്.

ഫസി ലോജിക് (Fuzzy Logic)

Fuzzy Logic
നിശ്ചിത ശരി/തെറ്റ് (ബൈനറി) ലോജിക് എന്നതിന് പകരം ഏകദേശ മൂല്യങ്ങളുമായി ഇടപെടുന്ന ഒരുതരം ലോജിക്, ഇത് അനിശ്ചിതത്വത്തിൻ്റെ കീഴിൽ യുക്തിസഹമായി പ്രവർത്തിക്കാൻ ഉപയോഗപ്രദമാണ്.
ഉദാഹരണം: 'കുറച്ച് ചൂട്' അല്ലെങ്കിൽ 'വളരെ തണുപ്പ്' പോലുള്ള ഫസി ഇൻപുട്ടുകളെ അടിസ്ഥാനമാക്കി താപനില ക്രമീകരിക്കുന്നതിന് ക്ലൈമറ്റ് കൺട്രോൾ സിസ്റ്റങ്ങളിൽ ഉപയോഗിക്കുന്നു.

ജനറേറ്റീവ് അഡ്വർസറിയൽ നെറ്റ്‌വർക്ക് (GAN) (Generative Adversarial Network (GAN))

Generative Adversarial Network (GAN)
രണ്ട് നെറ്റ്‌വർക്കുകൾ - ഒരു ജനറേറ്ററും ഒരു ഡിസ്ക്രിമിനേറ്ററും - ഔട്ട്‌പുട്ട് ഗുണനിലവാരം മെച്ചപ്പെടുത്താൻ മത്സരിക്കുന്ന ഒരു ജനറേറ്റീവ് മോഡൽ ആർക്കിടെക്ചർ.
ഉദാഹരണം: GAN കൾ ഡീപ്‌ഫേക്ക് വീഡിയോകൾ സൃഷ്ടിക്കാനോ സ്കെച്ചുകളിൽ നിന്ന് യാഥാർത്ഥ്യബോധമുള്ള ഉൽപ്പന്ന ഫോട്ടോകൾ ജനറേറ്റ് ചെയ്യാനോ ഉപയോഗിക്കുന്നു.

ജനറേറ്റീവ് AI (Generative AI)

Generative AI
പരിശീലന ഡാറ്റയിൽ നിന്ന് പുതിയ ഉള്ളടക്കം - ടെക്സ്റ്റ്, ചിത്രങ്ങൾ, സംഗീതം അല്ലെങ്കിൽ വീഡിയോ പോലുള്ളവ - സൃഷ്ടിക്കാൻ കഴിവുള്ള ഒരു വിഭാഗം ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്.
ഉദാഹരണം: ChatGPT ബ്ലോഗ് പോസ്റ്റുകൾ ജനറേറ്റ് ചെയ്യുന്നു അല്ലെങ്കിൽ മിഡ്‌ജേർണി ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളിൽ നിന്ന് ഡിജിറ്റൽ ആർട്ട് വർക്ക് സൃഷ്ടിക്കുന്നു.

ജനറേറ്റീവ് പ്രീ-ട്രെയിൻഡ് ട്രാൻസ്ഫോർമർ (GPT) (Generative Pre-trained Transformer (GPT))

Generative Pre-trained Transformer (GPT)
വിവിധ ഭാഷാ ജോലികൾ ചെയ്യാൻ വലിയ അളവിലുള്ള ടെക്സ്റ്റ് ഡാറ്റയിൽ പ്രീ-ട്രെയിൻ ചെയ്ത ട്രാൻസ്ഫോർമർ ആർക്കിടെക്ചർ ഉപയോഗിക്കുന്ന വലിയ ഭാഷാ മോഡലുകളുടെ ഒരു ക്ലാസ്.
ഉദാഹരണം: GPT-4 ന് കുറഞ്ഞ പ്രോംപ്റ്റിംഗോടെ ലേഖനങ്ങൾ എഴുതാനും ഭാഷകൾ വിവർത്തനം ചെയ്യാനും ഡോക്യുമെൻ്റുകൾ സംഗ്രഹിക്കാനും കഴിയും.

ജനറ്റിക് അൽഗോരിതം (Genetic Algorithm)

Genetic Algorithm
പ്രകൃതി നിർദ്ധാരണത്തിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട് ഒപ്റ്റിമൈസേഷൻ ടെക്നിക്, അവിടെ പരിവർത്തനം, ക്രോസ്ഓവർ, തിരഞ്ഞെടുപ്പ് എന്നിവയിലൂടെ പരിഹാരങ്ങൾ കാലക്രമേണ വികസിക്കുന്നു.
ഉദാഹരണം: അതിജീവനത്തിൻ്റെ ഫിറ്റ്നസ് അനുകരിക്കുന്നതിലൂടെ കാര്യക്ഷമമായ ന്യൂറൽ നെറ്റ്‌വർക്ക് ആർക്കിടെക്ചറുകൾ രൂപകൽപ്പന ചെയ്യാൻ ഉപയോഗിക്കുന്നു.

ഹാലൂസിനേഷൻ (Hallucination)

Hallucination
ഒരു AI മോഡൽ വഴി യാഥാർത്ഥ്യബോധത്തോടെ തോന്നുന്നതും എന്നാൽ വസ്തുതാപരമായി തെറ്റായതോ അർത്ഥശൂന്യമായതോ ആയ ഉള്ളടക്കം സൃഷ്ടിക്കുന്നത്.
ഉദാഹരണം: ഒരു ഭാഷാ മോഡൽ നിലവിലില്ലാത്ത ഒരു ഉദ്ധരണി കണ്ടെത്തുകയോ തെറ്റായ ചരിത്ര വസ്തുതകൾ നൽകുകയോ ചെയ്യുന്നു.

ഹ്യൂറിസ്റ്റിക് (Heuristic)

Heuristic
തികഞ്ഞ പരിഹാരം ഉറപ്പ് നൽകാത്ത ഒരു പ്രായോഗിക പ്രശ്നപരിഹാര സമീപനം, എന്നാൽ തൽക്ഷണ ലക്ഷ്യങ്ങൾക്ക് ഇത് മതിയാകും.
ഉദാഹരണം: ഒരു ലോജിസ്റ്റിക്സ് AI സിസ്റ്റത്തിൽ ഡെലിവറി സമയം കണക്കാക്കാൻ ഒരു റൂൾ ഓഫ് തംബ് ഉപയോഗിക്കുന്നു.

ഹൈപ്പർപാരാമീറ്റർ (Hyperparameter)

Hyperparameter
ലേണിംഗ് റേറ്റ് അല്ലെങ്കിൽ ലേയറുകളുടെ എണ്ണം പോലുള്ള, മെഷീൻ ലേണിംഗ് മോഡലിന് പരിശീലനം നൽകുന്നതിന് മുമ്പ് സജ്ജമാക്കുന്ന ഒരു കോൺഫിഗറേഷൻ മൂല്യം.
ഉദാഹരണം: പരിശീലന വേഗതയും മോഡൽ പ്രകടനവും മെച്ചപ്പെടുത്തുന്നതിന് ബാച്ച് വലുപ്പം 32 ൽ നിന്ന് 128 ലേക്ക് ക്രമീകരിക്കുന്നു.

ഇൻഫറൻസ് (Inference)

Inference
പുതിയ ഇൻപുട്ട് ഡാറ്റയിൽ നിന്ന് പ്രവചനങ്ങൾ നടത്താനോ ഔട്ട്‌പുട്ടുകൾ ജനറേറ്റ് ചെയ്യാനോ പരിശീലനം ലഭിച്ച മെഷീൻ ലേണിംഗ് മോഡൽ ഉപയോഗിക്കുന്ന പ്രക്രിയ.
ഉദാഹരണം: ഒരു കസ്റ്റമർ സപ്പോർട്ട് ടീമിനായി ഇമെയിലുകൾ തയ്യാറാക്കാൻ ഒരു ഫൈൻ-ട്യൂൺ ചെയ്ത GPT മോഡൽ ഉപയോഗിക്കുന്നു.

ഇൻ്റൻ്റ് ഡിറ്റക്ഷൻ (Intent Detection)

Intent Detection
ഒരു സന്ദേശത്തിൽ ഉപയോക്താവിൻ്റെ ലക്ഷ്യമോ ഉദ്ദേശ്യമോ സിസ്റ്റം തിരിച്ചറിയുന്ന നാച്ചുറൽ ലാംഗ്വേജ് മനസ്സിലാക്കലിലെ ഒരു ടാസ്ക്.
ഉദാഹരണം: ഒരു ചാറ്റ്ബോട്ടിൽ, 'എനിക്ക് ഒരു ഫ്ലൈറ്റ് ബുക്ക് ചെയ്യണം' എന്നത് ഒരു യാത്രാ ബുക്കിംഗ് ഇൻ്റൻ്റ് ആയി തിരിച്ചറിയുന്നു.

ഇൻ്റർനെറ്റ് ഓഫ് തിംഗ്സ് (IoT) (Internet of Things (IoT))

Internet of Things (IoT)
ഡാറ്റ ശേഖരിക്കാനും കൈമാറാനും സെൻസറുകൾ, സോഫ്റ്റ്‌വെയർ, മറ്റ് സാങ്കേതികവിദ്യകൾ എന്നിവ ഉൾക്കൊള്ളുന്ന പരസ്പരം ബന്ധിപ്പിച്ച ഭൗതിക ഉപകരണങ്ങളുടെ ഒരു ശൃംഖല.
ഉദാഹരണം: ഉപയോഗ ഡാറ്റ റിപ്പോർട്ട് ചെയ്യുകയും AI അനലിറ്റിക്സ് ഉപയോഗിച്ച് ക്രമീകരണങ്ങൾ ക്രമീകരിക്കുകയും ചെയ്യുന്ന സ്മാർട്ട് തെർമോസ്റ്റാറ്റുകളും ഫ്രിഡ്ജുകളും.

ഇൻ്റർപ്രെറ്റബിലിറ്റി (Interpretability)

Interpretability
ഒരു മെഷീൻ ലേണിംഗ് മോഡലിൻ്റെ ആന്തരിക മെക്കാനിക്സും അതിൻ്റെ തീരുമാനമെടുക്കുന്ന പ്രക്രിയയും ഒരു മനുഷ്യന് മനസ്സിലാക്കാൻ കഴിയുന്നതിൻ്റെ വ്യാപ്തി.
ഉദാഹരണം: ഒരു ഡെസിഷൻ ട്രീ അതിൻ്റെ തീരുമാനങ്ങൾ കണ്ടെത്താൻ കഴിയുന്നതിനാൽ ഒരു ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്കിനേക്കാൾ കൂടുതൽ ഇൻ്റർപ്രെറ്റബിൾ ആണ്.

ജുപിറ്റർ നോട്ട്ബുക്ക് (Jupyter Notebook)

Jupyter Notebook
കോഡ് എഴുതാനും ഔട്ട്‌പുട്ടുകൾ ദൃശ്യവൽക്കരിക്കാനും വിശകലനം ഡോക്യുമെൻ്റ് ചെയ്യാനും ഉപയോക്താക്കളെ ഒരൊറ്റ ഇൻ്റർഫേസിൽ അനുവദിക്കുന്ന ഒരു ഓപ്പൺ-സോഴ്സ് ഇൻ്ററാക്ടീവ് കമ്പ്യൂട്ടിംഗ് എൻവയോൺമെൻ്റ്.
ഉദാഹരണം: ഡാറ്റാ ശാസ്ത്രജ്ഞർ മെഷീൻ ലേണിംഗ് മോഡലുകൾ പ്രോട്ടോടൈപ്പ് ചെയ്യാനും ഫലങ്ങൾ പങ്കിടാനും ജുപിറ്റർ നോട്ട്ബുക്കുകൾ ഉപയോഗിക്കുന്നു.

K-നിയറസ്റ്റ് നെയ്ബേഴ്സ് (KNN) (K-Nearest Neighbours (KNN))

K-Nearest Neighbours (KNN)
വർഗ്ഗീകരണത്തിനും റിഗ്രഷനും ഉപയോഗിക്കുന്ന ലളിതമായ, നോൺ-പാരാമെട്രിക് മെഷീൻ ലേണിംഗ് അൽഗോരിതം. ഇത് ഫീച്ചർ സ്പേസിലെ ഏറ്റവും അടുത്ത പരിശീലന ഉദാഹരണങ്ങളെ അടിസ്ഥാനമാക്കി തീരുമാനങ്ങൾ എടുക്കുന്നു.
ഉദാഹരണം: ഒരു പുതിയ പഴത്തെ ആപ്പിൾ അല്ലെങ്കിൽ പിയർ ആയി വർഗ്ഗീകരിക്കാൻ, KNN ആകൃതിയിലും നിറത്തിലും അടുത്തുള്ള ലേബൽ ചെയ്ത പഴങ്ങൾ പരിശോധിക്കുന്നു.

നോളജ് ഗ്രാഫ് (Knowledge Graph)

Knowledge Graph
എൻ്റിറ്റികളുടെയും അവയുടെ ബന്ധങ്ങളുടെയും പരസ്പരം ബന്ധിപ്പിച്ച വിവരണങ്ങൾ പ്രതിനിധീകരിക്കാനും സംഭരിക്കാനും നോഡുകളും എഡ്ജുകളും ഉപയോഗിക്കുന്ന ഒരു ഡാറ്റാ ഘടന.
ഉദാഹരണം: ഗൂഗിളിൻ്റെ നോളജ് പാനൽ ആളുകൾ, സ്ഥലങ്ങൾ, ഇവന്റുകൾ എന്നിവയെ ബന്ധിപ്പിക്കുന്ന ഒരു നോളജ് ഗ്രാഫ് ഉപയോഗിച്ചാണ് പ്രവർത്തിക്കുന്നത്.

ലാംഗ്വേജ് ലേണിംഗ് മോഡൽ ഓപ്റ്റിമൈസേഷൻ (LLMO) (Language Learning Model Optimisation (LLMO))

Language Learning Model Optimisation (LLMO)
പ്രത്യേക ജോലികൾക്കോ ഡൊമെയ്‌നുകൾക്കോ വേണ്ടി വലിയ ഭാഷാ മോഡലുകളുടെ പ്രകടനം, കാര്യക്ഷമത അല്ലെങ്കിൽ അനുയോജ്യത മെച്ചപ്പെടുത്താൻ ഉപയോഗിക്കുന്ന സാങ്കേതികവിദ്യകൾ.
ഉദാഹരണം: എന്റർപ്രൈസ് ഉപയോഗത്തിനായി ഒരു LLM ഒപ്റ്റിമൈസ് ചെയ്യാൻ ക്വാണ്ടൈസേഷനും ഇൻസ്ട്രക്ഷൻ ട്യൂണിംഗും ഉപയോഗിക്കുന്നു.

ലാർജ് ലാംഗ്വേജ് മോഡൽ (LLM) (Large Language Model (LLM))

Large Language Model (LLM)
വലിയ അളവിലുള്ള ടെക്സ്റ്റ് ഡാറ്റയിൽ പരിശീലനം ലഭിച്ച ഒരു തരം ഡീപ് ലേണിംഗ് മോഡൽ, ഇത് മനുഷ്യ ഭാഷ ഉപയോഗിച്ച് ജനറേറ്റ് ചെയ്യാനും മനസ്സിലാക്കാനും യുക്തിസഹമായി പ്രവർത്തിക്കാനും കഴിവുള്ളതാണ്.
ഉദാഹരണം: ChatGPT ഉം Claude ഉം എഴുത്ത്, കോഡിംഗ്, ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകൽ എന്നിവയിൽ സഹായിക്കാൻ പരിശീലനം ലഭിച്ച LLM കളാണ്.

ലാറ്റൻ്റ് സ്പേസ് (Latent Space)

Latent Space
ജനറേറ്റീവ് മോഡലുകളിലും എംബെഡിംഗുകളിലും ഉപയോഗിക്കുന്ന, സമാനമായ ഇൻപുട്ടുകൾ അടുത്ത് ഗ്രൂപ്പ് ചെയ്യുന്ന ഒരു ഉയർന്ന ഡൈമെൻഷണൽ അബ്സ്ട്രാക്റ്റ് പ്രതിനിധാനം.
ഉദാഹരണം: ചിത്ര ജനറേഷനിൽ, ലാറ്റൻ്റ് സ്പേസ് കൈകാര്യം ചെയ്യുന്നത് തെളിച്ചം അല്ലെങ്കിൽ വികാരങ്ങൾ പോലുള്ള സവിശേഷതകൾ മാറ്റാൻ കഴിയും.

ലേണിംഗ് റേറ്റ് (Learning Rate)

Learning Rate
ലോസ് ഗ്രേഡിയൻ്റിനെ സംബന്ധിച്ച് മോഡൽ ഭാരങ്ങൾ എത്രത്തോളം ക്രമീകരിക്കുന്നു എന്ന് നിയന്ത്രിക്കുന്ന പരിശീലനത്തിലെ ഒരു പ്രധാന ഹൈപ്പർപാരാമീറ്റർ.
ഉദാഹരണം: ഉയർന്ന ലേണിംഗ് റേറ്റ് മിനിമയിലേക്ക് ഓവർഷൂട്ട് ചെയ്യാൻ കാരണമായേക്കാം, അതേസമയം വളരെ കുറഞ്ഞ നിരക്ക് പരിശീലന പുരോഗതിയെ മന്ദഗതിയിലാക്കുന്നു.

മെഷീൻ ലേണിംഗ് (ML) (Machine Learning (ML))

Machine Learning (ML)
AI യുടെ ഒരു ശാഖ, ഇത് സിസ്റ്റങ്ങളെ ഡാറ്റയിൽ നിന്ന് പഠിക്കാനും വ്യക്തമായി പ്രോഗ്രാം ചെയ്യാതെ പ്രകടനം മെച്ചപ്പെടുത്താനും പ്രാപ്തമാക്കുന്നു.
ഉദാഹരണം: സ്പാം ഫിൽട്ടറുകൾ മുൻ ഉദാഹരണങ്ങളെ അടിസ്ഥാനമാക്കി ഇമെയിലുകളെ സ്പാം അല്ലെങ്കിൽ അല്ലാത്തതായി വർഗ്ഗീകരിക്കാൻ മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്നു.

മോഡൽ ഡ്രിഫ്റ്റ് (Model Drift)

Model Drift
ഡാറ്റയിലോ പരിസ്ഥിതിയിലോ ഉള്ള മാറ്റങ്ങൾ കാരണം കാലക്രമേണ ഒരു മോഡലിൻ്റെ കൃത്യത കുറയുന്ന ഒരു പ്രതിഭാസം.
ഉദാഹരണം: തട്ടിപ്പ് തന്ത്രങ്ങൾ വികസിക്കുമ്പോൾ ഒരു തട്ടിപ്പ് കണ്ടെത്തൽ മോഡൽ കുറഞ്ഞ കൃത്യതയുള്ളതാകുന്നു.

മോഡൽ ട്രെയിനിംഗ് (Model Training)

Model Training
മെഷീൻ ലേണിംഗ് മോഡലിലേക്ക് ഡാറ്റ നൽകുകയും പിശക് കുറയ്ക്കുന്നതിന് അതിൻ്റെ പാരാമീറ്ററുകൾ ക്രമീകരിക്കുകയും ചെയ്യുന്ന പ്രക്രിയ.
ഉദാഹരണം: പുതിയ ഉൽപ്പന്നങ്ങൾ നിർദ്ദേശിക്കാൻ ഉപഭോക്തൃ വാങ്ങൽ ചരിത്രത്തിൽ ഒരു ശുപാർശ എഞ്ചിന് പരിശീലനം നൽകുന്നു.

മൾട്ടിമോഡൽ AI (Multimodal AI)

Multimodal AI
ടെക്സ്റ്റ്, ചിത്രങ്ങൾ, ഓഡിയോ, വീഡിയോ പോലുള്ള ഒന്നിലധികം ഡാറ്റാ തരങ്ങൾ പ്രോസസ്സ് ചെയ്യാനും സംയോജിപ്പിക്കാനും കഴിവുള്ള AI സിസ്റ്റങ്ങൾ.
ഉദാഹരണം: GPT-4 വിഷൻ പോലുള്ള ഒരു മോഡൽ, അത് ഒരേ സമയം ടെക്സ്റ്റ് വായിക്കാനും ചിത്രങ്ങൾ വ്യാഖ്യാനിക്കാനും കഴിയും.

നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് (NLP) (Natural Language Processing (NLP))

Natural Language Processing (NLP)
കമ്പ്യൂട്ടറുകളും മനുഷ്യൻ്റെ (പ്രകൃതി) ഭാഷകളും തമ്മിലുള്ള ഇടപെടലിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന AI യുടെ ഒരു ഉപവിഭാഗം. ഇത് യന്ത്രങ്ങൾക്ക് മനുഷ്യ ഭാഷ വായിക്കാനും മനസ്സിലാക്കാനും പ്രതികരിക്കാനും പ്രാപ്തമാക്കുന്നു.
ഉദാഹരണം: വോയിസ് അസിസ്റ്റൻ്റുകൾ, ഭാഷാ വിവർത്തന ആപ്പുകൾ, ചാറ്റ്ബോട്ടുകൾ എന്നിവയിൽ NLP ഉപയോഗിക്കുന്നു.

ന്യൂറൽ നെറ്റ്‌വർക്ക് (Neural Network)

Neural Network
മനുഷ്യൻ്റെ തലച്ചോറിൻ്റെ ഘടനയിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട ഒരു മെഷീൻ ലേണിംഗ് മോഡൽ, ഇത് പരസ്പരം ബന്ധിപ്പിച്ച നോഡുകളുടെ (ന്യൂറോണുകൾ) ലേയറുകൾ കൊണ്ട് നിർമ്മിച്ചതാണ്.
ഉദാഹരണം: ചിത്ര, സംഭാഷണ തിരിച്ചറിയലിൽ ഉപയോഗിക്കുന്ന ഡീപ് ലേണിംഗ് മോഡലുകൾക്ക് പിന്നിൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉണ്ട്.

നോയിസ് (Noise)

Noise
ഡാറ്റയിലെ ക്രമരഹിതമായ അല്ലെങ്കിൽ അപ്രസക്തമായ വിവരങ്ങൾ, ഇത് അർത്ഥവത്തായ പാറ്റേണുകളെ മറയ്ക്കുകയും മോഡൽ പ്രകടനത്തെ പ്രതികൂലമായി ബാധിക്കുകയും ചെയ്യും.
ഉദാഹരണം: സെൻസർ പിശകുകൾ അല്ലെങ്കിൽ ടൈപ്പോ നിറഞ്ഞ ഡാറ്റാ എൻട്രികൾ നോയിസ് ആയി കണക്കാക്കാം.

ഓൻ്റോളജി (Ontology)

Ontology
ഒരു ഡൊമെയ്‌നിലെ ആശയങ്ങൾക്കിടയിലുള്ള ബന്ധങ്ങളെ വർഗ്ഗീകരിക്കുന്നതും നിർവചിക്കുന്നതും ഒരു ഘടനാപരമായ ചട്ടക്കൂട്, ഇത് പലപ്പോഴും സെമാൻ്റിക് AI സിസ്റ്റങ്ങളിൽ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: ആരോഗ്യ സംരക്ഷണത്തിലെ ഒരു ഓൻ്റോളജി ലക്ഷണങ്ങൾ രോഗങ്ങളുമായും ചികിത്സകളുമായും എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു എന്ന് നിർവചിച്ചേക്കാം.

ഓവർഫിറ്റിംഗ് (Overfitting)

Overfitting
പരിശീലന ഡാറ്റയിലെ നോയിസ് പിടിച്ചെടുക്കുകയും പുതിയ ഡാറ്റയിൽ മോശം പ്രകടനം നടത്തുകയും ചെയ്യുന്ന ഒരു മോഡലിംഗ് പിശക്.
ഉദാഹരണം: പരിശീലന ഉത്തരങ്ങൾ മനഃപാഠമാക്കുന്നതും എന്നാൽ കാണാത്ത ടെസ്റ്റ് ഡാറ്റ കൈകാര്യം ചെയ്യാൻ കഴിയാത്തതുമായ ഒരു മോഡൽ ഓവർഫിറ്റ് ചെയ്തതാണ്.

പ്രെഡിക്റ്റീവ് അനലിറ്റിക്സ് (Predictive Analytics)

Predictive Analytics
ചരിത്രപരമായ ഡാറ്റയെ അടിസ്ഥാനമാക്കി ഭാവിയിലെ ഫലങ്ങളുടെ സാധ്യത തിരിച്ചറിയാൻ ഡാറ്റ, അൽഗോരിതങ്ങൾ, AI എന്നിവയുടെ ഉപയോഗം.
ഉദാഹരണം: ചില ഉൽപ്പന്നങ്ങൾക്കുള്ള ആവശ്യം പ്രവചിക്കാൻ പ്രെഡിക്റ്റീവ് അനലിറ്റിക്സ് ഉപയോഗിക്കുന്ന റീട്ടെയിലർമാർ.

പ്രീ-ട്രെയിനിംഗ് (Pre-training)

Pre-training
ഒരു മോഡൽ പ്രത്യേക ജോലികൾക്കായി ഫൈൻ-ട്യൂൺ ചെയ്യുന്നതിന് മുമ്പ് വലിയ, പൊതുവായ ഡാറ്റാസെറ്റിൽ ആദ്യമായി പരിശീലനം നൽകുന്ന പ്രക്രിയ.
ഉദാഹരണം: GPT മോഡലുകൾ കസ്റ്റമർ സർവീസ് ചാറ്റ്ബോട്ടുകൾക്കായി ഇഷ്ടാനുസൃതമാക്കുന്നതിന് മുമ്പ് വലിയ കോർപ്പോറകളിൽ പ്രീ-ട്രെയിൻ ചെയ്യുന്നു.

പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് (Prompt Engineering)

Prompt Engineering
വലിയ ഭാഷാ മോഡലുകളുടെ ഔട്ട്‌പുട്ട് നയിക്കാൻ ഫലപ്രദമായ പ്രോംപ്റ്റുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിൻ്റെ കലയും ശാസ്ത്രവും.
ഉദാഹരണം: 'ഒരു മര്യാദയുള്ള ട്യൂട്ടറായി പ്രതികരിക്കുക' പോലുള്ള സിസ്റ്റം നിർദ്ദേശങ്ങൾ ചേർക്കുന്നത് പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗിൻ്റെ ഒരു ഉദാഹരണമാണ്.

ക്വാണ്ടൈസേഷൻ (Quantisation)

Quantisation
ഭാരങ്ങളും പ്രവർത്തനങ്ങളും പ്രതിനിധീകരിക്കാൻ ഉപയോഗിക്കുന്ന ബിറ്റുകളുടെ എണ്ണം കുറയ്ക്കുന്ന ഒരു മോഡൽ കംപ്രഷൻ ടെക്നിക്, കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നു.
ഉദാഹരണം: 32-ബിറ്റിൽ നിന്ന് 8-ബിറ്റിലേക്ക് ഒരു മോഡൽ ക്വാണ്ടൈസ് ചെയ്യുന്നത് മൊബൈൽ ഉപകരണങ്ങളിൽ പ്രകടനം മെച്ചപ്പെടുത്തുന്നു.

ക്വാണ്ടം കമ്പ്യൂട്ടിംഗ് (Quantum Computing)

Quantum Computing
ക്വാണ്ടം മെക്കാനിക്സിനെ അടിസ്ഥാനമാക്കിയുള്ള കമ്പ്യൂട്ടിംഗിൻ്റെ ഒരു പുതിയ മാതൃക, ഇത് വിസ്മയകരമായ പ്രോസസ്സിംഗ് കഴിവുകൾക്ക് സാധ്യത നൽകുന്നു.
ഉദാഹരണം: ക്വാണ്ടം കമ്പ്യൂട്ടിംഗ് ഒരുപക്ഷേ ക്ലാസിക്കൽ പരിധിക്കപ്പുറം AI പരിശീലനം വേഗത്തിലാക്കിയേക്കാം.

റീസണിംഗ് എഞ്ചിൻ (Reasoning Engine)

Reasoning Engine
നിയമങ്ങളോ ഇൻഫറൻസ് അൽഗോരിതങ്ങളോ ഉപയോഗിച്ച് വസ്തുതകളുടെയോ ഡാറ്റയുടെയോ ഒരു കൂട്ടത്തിൽ നിന്ന് യുക്തിസഹമായ നിഗമനങ്ങളിലേക്ക് എത്തുന്ന AI സിസ്റ്റം.
ഉദാഹരണം: ഒരു AI രോഗനിർണയ ഉപകരണം ലക്ഷണങ്ങളെ അടിസ്ഥാനമാക്കി സാധ്യമായ മെഡിക്കൽ അവസ്ഥകൾ അനുമാനിക്കാൻ ഒരു റീസണിംഗ് എഞ്ചിൻ ഉപയോഗിക്കുന്നു.

റീഇൻഫോഴ്സ്മെൻ്റ് ലേണിംഗ് (RL) (Reinforcement Learning (RL))

Reinforcement Learning (RL)
ഏജൻ്റുമാർ അവരുടെ പരിസ്ഥിതിയുമായി സംവദിക്കുന്നതിലൂടെ മൊത്തത്തിലുള്ള പ്രതിഫലങ്ങൾ വർദ്ധിപ്പിക്കാൻ പഠിക്കുന്ന മെഷീൻ ലേണിംഗിൻ്റെ ഒരു മേഖല.
ഉദാഹരണം: RL ടെക്നിക്കുകൾ ഉപയോഗിച്ച് ട്രയൽ ആൻഡ് എറർ വഴി നടക്കാൻ പഠിക്കുന്ന ഒരു റോബോട്ട്.

റീഇൻഫോഴ്സ്മെൻ്റ് ലേണിംഗ് വിത്ത് ഹ്യൂമൻ ഫീഡ്‌ബാക്ക് (RLHF) (Reinforcement Learning with Human Feedback (RLHF))

Reinforcement Learning with Human Feedback (RLHF)
മനുഷ്യൻ്റെ മുൻഗണനകൾ AI യുടെ റിവാർഡ് സിഗ്നലിനെ നയിക്കുന്ന ഒരു പഠന രീതി, പലപ്പോഴും ഭാഷാ മോഡലുകൾ ഫൈൻ-ട്യൂൺ ചെയ്യാൻ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: ChatGPT കൂടുതൽ സഹായകരവും സുരക്ഷിതവുമായ പ്രതികരണങ്ങൾ ഉത്പാദിപ്പിക്കുന്നതിന് RLHF ഉപയോഗിച്ച് പരിശീലനം നേടി.

റിട്രീവൽ-ഓഗ്മെൻ്റഡ് ജനറേഷൻ (RAG) (Retrieval-Augmented Generation (RAG))

Retrieval-Augmented Generation (RAG)
വിവര വീണ്ടെടുക്കലും ജനറേഷനും സംയോജിപ്പിക്കുന്ന ഒരു രീതി, അവിടെ ഒരു LLM അതിൻ്റെ പ്രതികരണം മെച്ചപ്പെടുത്താൻ പ്രസക്തമായ ഡോക്യുമെൻ്റുകൾ കണ്ടെത്തുന്നു.
ഉദാഹരണം: ഒരു AI അസിസ്റ്റൻ്റ് ഒരു സാങ്കേതിക ചോദ്യത്തിനുള്ള ഉത്തരം ജനറേറ്റ് ചെയ്യുമ്പോൾ ഉൽപ്പന്ന സ്പെസിഫിക്കേഷനുകൾ വീണ്ടെടുക്കുകയും ഉദ്ധരിക്കുകയും ചെയ്യുന്നു.

സെൽഫ്-സൂപ്പർവൈസ്ഡ് ലേണിംഗ് (Self-Supervised Learning)

Self-Supervised Learning
മോഡൽ അസംസ്കൃത ഡാറ്റയിൽ നിന്ന് അതിൻ്റെ സ്വന്തം ലേബലുകൾ ജനറേറ്റ് ചെയ്യുന്നതിലൂടെ പാറ്റേണുകൾ പഠിക്കുന്ന ഒരു പരിശീലന സമീപനം, മനുഷ്യൻ്റെ ലേബൽ ചെയ്ത ഡാറ്റയെ ആശ്രയിക്കുന്നത് കുറയ്ക്കുന്നു.
ഉദാഹരണം: BERT ടെക്സ്റ്റിലെ കാണാതായ വാക്കുകൾ പ്രവചിക്കുന്നതിലൂടെ സെൽഫ്-സൂപ്പർവൈസ്ഡ് ലേണിംഗ് ഉപയോഗിച്ച് പരിശീലനം നേടുന്നു.

സെമാൻ്റിക് സെർച്ച് (Semantic Search)

Semantic Search
കീവേഡ് മാച്ചിംഗ് മാത്രമല്ല, ഉപയോക്താവിൻ്റെ ഉദ്ദേശ്യവും സന്ദർഭപരമായ അർത്ഥവും മനസ്സിലാക്കുന്ന ഒരു തിരയൽ സാങ്കേതികവിദ്യ.
ഉദാഹരണം: 'ഒഴുകുന്ന ടാപ്പ് എങ്ങനെ ശരിയാക്കാം' എന്ന് തിരയുന്നത് ഡോക്യുമെൻ്റിൽ 'ഒഴുകുന്ന ടാപ്പ്' എന്ന വാക്ക് ഇല്ലെങ്കിലും ഗൈഡുകൾ നൽകുന്നു.

സെൻ്റിമെൻ്റ് അനലിസിസ് (Sentiment Analysis)

Sentiment Analysis
ടെക്സ്റ്റിലെ വികാരങ്ങൾ, അഭിപ്രായങ്ങൾ, അല്ലെങ്കിൽ മനോഭാവങ്ങൾ എന്നിവ തിരിച്ചറിയുന്ന പ്രക്രിയ, പലപ്പോഴും പോസിറ്റീവ്, നെഗറ്റീവ്, അല്ലെങ്കിൽ ന്യൂട്രൽ ആയി വർഗ്ഗീകരിക്കുന്നു.
ഉദാഹരണം: ഒരു പുതിയ ഉൽപ്പന്നത്തോടുള്ള പൊതു പ്രതികരണം അളക്കാൻ ട്വീറ്റുകൾ വിശകലനം ചെയ്യുന്നു.

സ്റ്റോക്കാസ്റ്റിക് (Stochastic)

Stochastic
ക്രമരഹിതമോ സംഭാവ്യതാപരമായ പെരുമാറ്റമോ ഉൾക്കൊള്ളുന്നു, പലപ്പോഴും ജനറേറ്റീവ് AI, ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതങ്ങളിൽ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: GPT-4 ൻ്റെ ഔട്ട്‌പുട്ട് അതിൻ്റെ സ്റ്റോക്കാസ്റ്റിക് ഡീകോഡിംഗ് പ്രക്രിയ കാരണം ഒരേ ഇൻപുട്ടിന് വ്യത്യാസപ്പെടുന്നു.

സ്ട്രോങ്ങ് AI (Strong AI)

Strong AI
ആർട്ടിഫിഷ്യൽ ജനറൽ ഇൻ്റലിജൻസ് (AGI) എന്നും അറിയപ്പെടുന്നു, എല്ലാ ഡൊമെയ്‌നുകളിലും മനുഷ്യൻ്റെ തലത്തിലുള്ള ബൗദ്ധിക കഴിവുകളുള്ള യന്ത്രങ്ങളെ സൂചിപ്പിക്കുന്നു.
ഉദാഹരണം: നോവലുകൾ സ്വയംഭരണാധികാരത്തോടെ എഴുതാനും നഗരങ്ങൾ ആസൂത്രണം ചെയ്യാനും ധാർമ്മിക പ്രതിസന്ധികൾ പരിഹരിക്കാനും ഒരുപോലെ കഴിവുള്ള ഒരു ഭാവി AI.

സൂപ്പർ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (SAI) (Super Artificial Intelligence (SAI))

Super Artificial Intelligence (SAI)
എല്ലാ വശങ്ങളിലും - യുക്തി, സർഗ്ഗാത്മകത, വൈകാരിക ബുദ്ധി തുടങ്ങിയവയിൽ മനുഷ്യൻ്റെ ബുദ്ധിയെ അതിശയിക്കുന്ന ഒരു സൈദ്ധാന്തിക AI.
ഉദാഹരണം: ഒരു SAI സ്വതന്ത്രമായി പുതിയ ശാസ്ത്രങ്ങളും തത്ത്വചിന്തകളും വികസിപ്പിച്ചേക്കാം.

സൂപ്പർവൈസ്ഡ് ലേണിംഗ് (Supervised Learning)

Supervised Learning
ഇൻപുട്ട്-ഔട്ട്‌പുട്ട് മാപ്പിംഗുകൾ പഠിക്കാൻ ലേബൽ ചെയ്ത ഡാറ്റയിൽ മോഡലുകൾക്ക് പരിശീലനം നൽകുന്ന ഒരു മെഷീൻ ലേണിംഗ് ടെക്നിക്.
ഉദാഹരണം: മുൻകാല ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് ഇമെയിലുകളെ സ്പാം അല്ലെങ്കിൽ അല്ലാത്തതായി വർഗ്ഗീകരിക്കാൻ ഒരു മോഡലിന് പഠിപ്പിക്കുന്നു.

സിന്തറ്റിക് ഡാറ്റ (Synthetic Data)

Synthetic Data
യഥാർത്ഥ ഡാറ്റ ലഭ്യമല്ലാത്തപ്പോൾ അല്ലെങ്കിൽ സെൻസിറ്റീവ് ആയിരിക്കുമ്പോൾ പരിശീലനത്തിനായി പലപ്പോഴും ഉപയോഗിക്കുന്ന, യഥാർത്ഥ ലോക ഡാറ്റയെ അനുകരിക്കുന്ന കൃത്രിമമായി ജനറേറ്റ് ചെയ്ത ഡാറ്റ.
ഉദാഹരണം: രോഗികളുടെ സ്വകാര്യത ലംഘിക്കാതെ രോഗനിർണയ മോഡലുകൾക്ക് പരിശീലനം നൽകാൻ സിന്തറ്റിക് മെഡിക്കൽ ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നു.

ടോക്കൺ (Token)

Token
LLM കൾ പ്രോസസ്സ് ചെയ്യുന്ന ടെക്സ്റ്റിൻ്റെ ഒരു യൂണിറ്റ് - സാധാരണയായി ഒരു വാക്ക് അല്ലെങ്കിൽ വേഡ് പീസ്.
ഉദാഹരണം: 'ഹലോ വേൾഡ്!' എന്ന വാക്യം 3 ടോക്കണുകളായി വിഭജിക്കപ്പെടുന്നു: 'ഹലോ', 'വേൾഡ്', '!'.

ടോക്കണൈസേഷൻ (Tokenisation)

Tokenisation
ഒരു മോഡൽ പ്രോസസ്സ് ചെയ്യുന്നതിനായി ടെക്സ്റ്റ് ടോക്കണുകളായി വിഭജിക്കുന്ന പ്രക്രിയ.
ഉദാഹരണം: NLP യിൽ, 'ChatGPT മികച്ചതാണ്' എന്നത് ['Chat', 'G', 'PT', 'is', 'great'] ആയി മാറുന്നു.

ട്രാൻസ്ഫർ ലേണിംഗ് (Transfer Learning)

Transfer Learning
പരിശീലന സമയം, ഡാറ്റ ആവശ്യകതകൾ എന്നിവ കുറയ്ക്കുന്നതിലൂടെ, ഒരു ജോലിക്കുള്ള അറിവ് മറ്റൊരു ബന്ധപ്പെട്ട ജോലിക്കുള്ള പഠനം മെച്ചപ്പെടുത്താൻ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: ഇംഗ്ലീഷ് ടെക്സ്റ്റിൽ പരിശീലനം ലഭിച്ച ഒരു മോഡൽ മറ്റൊരു ഭാഷയിൽ സെൻ്റിമെൻ്റ് അനലിസിസ് നടത്താൻ ഫൈൻ-ട്യൂൺ ചെയ്യുന്നു.

ട്രാൻസ്ഫോർമർ (Transformer)

Transformer
LLM കളിൽ വ്യാപകമായി ഉപയോഗിക്കുന്ന സീക്വൻഷ്യൽ ഡാറ്റ മോഡൽ ചെയ്യാൻ ശ്രദ്ധാകേന്ദ്രമായ സംവിധാനങ്ങൾ ഉപയോഗിക്കുന്ന ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് ആർക്കിടെക്ചർ.
ഉദാഹരണം: BERT, GPT, T5 എന്നിവയെല്ലാം ട്രാൻസ്ഫോർമർ അടിസ്ഥാനമാക്കിയുള്ള മോഡലുകളാണ്.

അണ്ടർഫിറ്റിംഗ് (Underfitting)

Underfitting
പരിശീലന ഡാറ്റയിലെ പാറ്റേണുകൾ പിടിച്ചെടുക്കാൻ ഒരു മോഡൽ വളരെ ലളിതമായിരിക്കുമ്പോൾ, മോശം പ്രകടനത്തിലേക്ക് നയിക്കുന്നു.
ഉദാഹരണം: സങ്കീർണ്ണമായ ചിത്ര വർഗ്ഗീകരണങ്ങൾ പ്രവചിക്കാൻ ശ്രമിക്കുന്ന ഒരു ലീനിയർ മോഡൽ അണ്ടർഫിറ്റ് ചെയ്തേക്കാം.

അൺസൂപ്പർവൈസ്ഡ് ലേണിംഗ് (Unsupervised Learning)

Unsupervised Learning
ലേബൽ ചെയ്യാത്ത ഡാറ്റയിൽ പാറ്റേണുകളോ ക്ലസ്റ്ററുകളോ തിരിച്ചറിയുന്ന മോഡലുകൾ ഉപയോഗിക്കുന്ന ഒരു പഠന സമീപനം.
ഉദാഹരണം: മുൻകൂട്ടി നിശ്ചയിച്ച ലേബലുകൾ ഇല്ലാതെ വാങ്ങൽ പെരുമാറ്റത്തെ അടിസ്ഥാനമാക്കി ഉപഭോക്താക്കളെ ഗ്രൂപ്പ് ചെയ്യുന്നു.

യൂസർ ഇൻ്റൻ്റ് (User Intent)

User Intent
ഒരു ഉപയോക്താവിൻ്റെ ചോദ്യത്തിനോ ഇടപെടലിനോ പിന്നിലെ ലക്ഷ്യമോ ഉദ്ദേശ്യമോ.
ഉദാഹരണം: 'ഒരു കേക്ക് എങ്ങനെ ഉണ്ടാക്കാം' എന്ന് ടൈപ്പ് ചെയ്യുന്ന ഒരു ഉപയോക്താവ് ഒരുപക്ഷേ ഒരു പാചകക്കുറിപ്പ് കണ്ടെത്താൻ ഉദ്ദേശിക്കുന്നു.

വാലിഡേഷൻ സെറ്റ് (Validation Set)

Validation Set
പരിശീലന സമയത്ത് മോഡൽ പ്രകടനം വിലയിരുത്താനും ഹൈപ്പർപാരാമീറ്ററുകൾ ട്യൂൺ ചെയ്യാനും ഉപയോഗിക്കുന്ന ഡാറ്റയുടെ ഒരു ഉപവിഭാഗം.
ഉദാഹരണം: അന്തിമ പരിശോധനയ്ക്ക് മുമ്പ് ഓവർഫിറ്റിംഗ് കണ്ടെത്താൻ ഉപയോഗിക്കുന്നു.

വെക്റ്റർ ഡാറ്റാബേസ് (Vector Database)

Vector Database
സമാനത തിരയൽ, RAG പോലുള്ള AI ജോലികളിൽ ഉപയോഗിക്കുന്ന വെക്റ്റർ എംബെഡിംഗുകൾ സംഭരിക്കാനും തിരയാനും രൂപകൽപ്പന ചെയ്ത ഒരു ഡാറ്റാബേസ്.
ഉദാഹരണം: ടെക്സ്റ്റ് അല്ലെങ്കിൽ ചിത്ര എംബെഡിംഗുകൾ സംഭരിക്കുന്നതിനുള്ള വെക്റ്റർ ഡാറ്റാബേസുകളാണ് Pinecone ഉം Weaviate ഉം.

വെക്റ്റർ എംബെഡിംഗ് (Vector Embedding)

Vector Embedding
ഒരു വെക്റ്റർ സ്പേസിൽ അർത്ഥപരമായ അർത്ഥവും ബന്ധങ്ങളും സംരക്ഷിക്കുന്ന ഡാറ്റയുടെ ഒരു സംഖ്യാ പ്രതിനിധാനം.
ഉദാഹരണം: 'രാജാവ്', 'രാജ്ഞി' എന്നീ വാക്കുകൾക്ക് സമാനമായ എംബെഡിംഗുകൾ ഉണ്ട്, അതിൽ ലിംഗഭേദപരമായ വ്യത്യാസങ്ങൾ സൂക്ഷ്മമാണ്.

വെർച്വൽ അസിസ്റ്റൻ്റ് (Virtual Assistant)

Virtual Assistant
സംഭാഷണം അല്ലെങ്കിൽ ശബ്ദ കമാൻഡുകൾ വഴി ഉപയോക്താക്കൾക്ക് ജോലികൾ പൂർത്തിയാക്കാൻ സഹായിക്കുന്ന AI- പവർഡ് സോഫ്റ്റ്‌വെയർ ഏജൻ്റ്.
ഉദാഹരണം: സിരി, അലക്സ, ഗൂഗിൾ അസിസ്റ്റൻ്റ് എന്നിവ ജനപ്രിയ വെർച്വൽ അസിസ്റ്റൻ്റുകളാണ്.

വോയിസ് റെക്കഗ്നിഷൻ (Voice Recognition)

Voice Recognition
സംസാരിക്കുന്ന ഭാഷയെ ടെക്സ്റ്റിലേക്കോ പ്രവർത്തനത്തിലേക്കോ വ്യാഖ്യാനിക്കുകയും പരിവർത്തനം ചെയ്യുകയും ചെയ്യുന്ന സാങ്കേതികവിദ്യ.
ഉദാഹരണം: വോയിസ് ടൈപ്പിംഗും വോയിസ് കമാൻഡുകളും വോയിസ് റെക്കഗ്നിഷൻ സിസ്റ്റങ്ങളെ ആശ്രയിക്കുന്നു.

വീക്ക് AI (Weak AI)

Weak AI
പൊതുവായ ബുദ്ധിശക്തിയില്ലാതെ ഒരു ഇടുങ്ങിയ, പ്രത്യേക ജോലി ചെയ്യാൻ രൂപകൽപ്പന ചെയ്ത AI സിസ്റ്റങ്ങൾ.
ഉദാഹരണം: ഭാഷ മനസ്സിലാക്കാനോ കാർ ഓടിക്കാനോ കഴിയാത്ത ഒരു ചെസ്സ് കളിക്കുന്ന AI, വീക്ക് AI യുടെ ഒരു ഉദാഹരണമാണ്.

വെബ് സ്ക്രാപ്പിംഗ് (Web Scraping)

Web Scraping
വെബ്സൈറ്റുകളിൽ നിന്ന് വിവരങ്ങൾ ഓട്ടോമേറ്റ് ആയി എക്സ്ട്രാക്റ്റ് ചെയ്യുന്നത്, പലപ്പോഴും പരിശീലന ഡാറ്റ ശേഖരിക്കാനോ ഉള്ളടക്കം നിരീക്ഷിക്കാനോ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: ഒരു പ്രോപ്പർട്ടി മൂല്യനിർണ്ണയ മോഡലിന് പരിശീലനം നൽകാൻ റിയൽ എസ്റ്റേറ്റ് ലിസ്റ്റിംഗുകൾ സ്ക്രാപ്പ് ചെയ്യുന്നു.

വെയിറ്റ് (Weight)

Weight
ന്യൂറൽ നെറ്റ്‌വർക്കുകളിലെ ഒരു പാരാമീറ്റർ, ഇത് ഒരു നോഡിന് മറ്റൊന്നിൽ ചെലുത്തുന്ന സ്വാധീനത്തിൻ്റെ ശക്തി നിർണ്ണയിക്കുന്നു.
ഉദാഹരണം: മോഡലിൻ്റെ പിശക് കുറയ്ക്കുന്നതിന് പരിശീലന സമയത്ത് ഭാരങ്ങൾ ക്രമീകരിക്കുന്നു.

വിസ്പർ (Whisper)

Whisper
ഓപ്പൺഎഐ വികസിപ്പിച്ചെടുത്ത ഒരു സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡൽ, ഇത് ഒന്നിലധികം ഭാഷകളിൽ ഓഡിയോ ട്രാൻസ്ക്രൈബ് ചെയ്യാൻ കഴിവുള്ളതാണ്.
ഉദാഹരണം: വിസ്പറിന് ഉയർന്ന കൃത്യതയോടെ പ്രഭാഷണങ്ങളും പോഡ്‌കാസ്റ്റുകളും ട്രാൻസ്ക്രൈബ് ചെയ്യാൻ കഴിയും.

YAML (YAML)

YAML
ഡാറ്റ സീരിയലൈസേഷന് വേണ്ടി മനുഷ്യർക്ക് വായിക്കാൻ കഴിയുന്ന ഒരു ഫോർമാറ്റ്, ഇത് മെഷീൻ ലേണിംഗ് വർക്ക്ഫ്ലോകളിൽ കോൺഫിഗറേഷൻ ഫയലുകൾക്കായി സാധാരണയായി ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: പൈടോർച്ചിൽ പരിശീലനത്തിനായി ഒരു YAML ഫയലിൽ മോഡൽ പാരാമീറ്ററുകൾ നിർവചിക്കുന്നു.

സീറോ-ഷോട്ട് ലേണിംഗ് (Zero-shot Learning)

Zero-shot Learning
പൊതുവായ അറിവ് ഉപയോഗിച്ച്, ഒരിക്കലും വ്യക്തമായി പരിശീലനം ലഭിക്കാത്ത ജോലികൾ ചെയ്യാൻ ഒരു മോഡലിന് കഴിവ്.
ഉദാഹരണം: നിയമപരമായ ഡാറ്റയിൽ പ്രത്യേകിച്ച് പരിശീലനം ലഭിച്ചിട്ടില്ലെങ്കിലും നിയമപരമായ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്ന ഒരു മോഡൽ.

സെറ്റാബൈറ്റ് (Zettabyte)

Zettabyte
ഒരു സെക്സ്റ്റില്യൺ (10^21) ബൈറ്റുകൾക്ക് തുല്യമായ ഡിജിറ്റൽ ഡാറ്റയുടെ ഒരു യൂണിറ്റ്, പലപ്പോഴും ഇൻ്റർനെറ്റ് ഡാറ്റയുടെ അളവിനെ വിവരിക്കാൻ ഉപയോഗിക്കുന്നു.
ഉദാഹരണം: 2016 ഓടെ ആഗോള ഇൻ്റർനെറ്റ് ട്രാഫിക് പ്രതിവർഷം 1 സെറ്റാബൈറ്റ് കവിഞ്ഞു.