Usklajevanje (Alignment)
Alignment
Proces zagotavljanja, da so cilji, izhodi in vedenja sistema AI v skladu s ÄloveÅ¡kimi cilji in vrednotami. To je Å¡e posebej pomembno pri naprednih sistemih, ki lahko razvijejo vedenja, ki niso izrecno namenjena.
Primer: Zagotavljanje, da klepetalni robot za podporo duÅ¡evnemu zdravju nikoli ne priporoÄa Å¡kodljivih dejanj ne glede na pozive.
Vmesnik za programiranje aplikacij (API) (Application Programming Interface (API))
Application Programming Interface (API)
Nabor definiranih pravil in protokolov, ki omogoÄajo razliÄnim programskim sistemom komunikacijo in izmenjavo podatkov.
Primer: Uporaba API-ja OpenAI za pošiljanje poziva in prejemanje odgovora, ustvarjenega z jezikovnim modelom, v vaši spletni aplikaciji.
Umetna splošna inteligenca (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
TeoretiÄna oblika AI, ki lahko opravi katero koli intelektualno nalogo, ki jo lahko opravi Älovek. UÄenje posploÅ¡uje v razliÄnih domenah.
Primer: Sistem AGI bi se lahko nauÄil skladati glasbo, opravljati operacije in opraviti izpit iz filozofije brez programiranja za specifiÄne naloge.
Umetna inteligenca (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
Simulacija ÄloveÅ¡ke inteligence v strojih, ki so programirani za razmiÅ¡ljanje, sklepanje in samostojno delovanje.
Primer: AI poganja osebne pomoÄnike, kot je Siri, in sisteme za samodejno vožnjo, kot je Tesla Autopilot.
Etika AI (AI Ethics)
AI Ethics
Disciplina, ki se ukvarja z moralnimi posledicami razvoja in uporabe AI, vkljuÄno s praviÄnostjo, zasebnostjo, odgovornostjo in nediskriminacijo.
Primer: Ustvarjanje smernic za prepreÄevanje diskriminacije algoritmov za zaposlovanje na podlagi spola ali etniÄne pripadnosti.
Okrepljena inteligenca (Augmented Intelligence)
Augmented Intelligence
Sodelovalni model, kjer AI dopolnjuje in krepi ÄloveÅ¡ko inteligenco, namesto da bi jo nadomestila.
Primer: AI-podprta radioloÅ¡ka orodja, ki poudarjajo anomalije za zdravnike, ki sprejemajo konÄno diagnozo.
Avtonomni agent (Autonomous Agent)
Autonomous Agent
Sistem AI, ki je sposoben sprejemati lastne odloÄitve in izvajati dejanja za doseganje svojih ciljev brez ÄloveÅ¡kega posredovanja.
Primer: Samodejno dostavno vozilo, ki samostojno navigira po mestnih ulicah in se izogiba oviram.
Povratna propagacija (Backpropagation)
Backpropagation
Tehnika za usposabljanje nevronskih mrež z obnavljanjem uteži v obratni smeri od izhodnih do vhodnih slojev, kar zmanjšuje napake pri napovedovanju.
Primer: Uporablja se pri usposabljanju klasifikatorjev slik za zmanjÅ¡anje stopnje napak pri prepoznavanju roÄno napisanih Å¡tevilk.
Pristranskost (Algoritemsko pristranskost) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
Nenamerno in sistematiÄno favoriziranje v izidih AI zaradi neuravnoteženih ali nereprezentativnih podatkov za usposabljanje.
Primer: Sistem za prepoznavanje obrazov, ki pogosteje napaÄno prepozna ljudi barv, ker so premalo zastopani v podatkih za usposabljanje.
Veliki podatki (Big Data)
Big Data
Izjemno veliki nabori podatkov, ki zahtevajo posebna orodja za shranjevanje, analizo in pridobivanje vrednosti, pogosto uporabljeni za usposabljanje modelov AI.
Primer: Uporaba milijonov interakcij uporabnikov za usposabljanje priporoÄilnih motorjev za platforme e-trgovine.
Model Ärne skrinjice (Black Box Model)
Black Box Model
Vrsta modela AI ali strojnega uÄenja, katerega notranja logika ni lahko razumljiva za ljudi, kar otežuje razumevanje, kako se sprejemajo odloÄitve.
Primer: Globoka nevronska mreža, ki se uporablja za odobritev posojil, vendar ne ponuja jasne razlage, zakaj je bil en prosilec sprejet, drug pa zavrnjen.
Kognitivno raÄunalniÅ¡tvo (Cognitive Computing)
Cognitive Computing
Sistemi AI, zasnovani za simulacijo ÄloveÅ¡kih miselnih procesov, kot sta sklepanje in uÄenje, z uporabo tehnik, kot sta NLP in prepoznavanje vzorcev.
Primer: Sistem kognitivnega raÄunalniÅ¡tva, ki pravnim strokovnjakom pomaga pri analizi sodne prakse in napovedovanju izidov.
RaÄunalniÅ¡ki vid (Computer Vision)
Computer Vision
PodroÄje umetne inteligence, ki omogoÄa raÄunalnikom interpretacijo in obdelavo vizualnih podatkov, kot so slike in video.
Primer: Sistemi za prepoznavanje obrazov, ki identificirajo ljudi na varnostnih posnetkih z uporabo raÄunalniÅ¡kega vida.
Korpus (Corpus)
Corpus
Velika zbirka pisanih ali govorjenih besedil, ki se uporablja za usposabljanje jezikovnih modelov.
Primer: Nabor podatkov Common Crawl je javni spletni korpus, ki se uporablja za usposabljanje velikih jezikovnih modelov, kot je GPT.
Podatkovni premik (Data Drift)
Data Drift
Pojav, pri katerem se vhodni podatki sÄasoma spremenijo, kar povzroÄi poslabÅ¡anje uspeÅ¡nosti modela.
Primer: Model za napovedno vzdrževanje industrijske opreme postane manj natanÄen, ko se uvede nova senzorska tehnologija.
OznaÄevanje podatkov (Data Labelling)
Data Labelling
Proces anotiranja podatkov z oznakami ali nalepkami, da postanejo primerni za nadzorovano uÄenje.
Primer: OznaÄevanje tisoÄih slik tumorjev kot benignih ali malignih za usposabljanje modela za odkrivanje raka.
Rudarjenje podatkov (Data Mining)
Data Mining
Proces odkrivanja pomembnih vzorcev, korelacij in anomalij v velikih podatkih.
Primer: Trgovci na drobno uporabljajo rudarjenje podatkov za ugotavljanje, da ljudje, ki kupujejo plenice, pogosto kupijo tudi pivo.
Globoko uÄenje (Deep Learning)
Deep Learning
PodpodroÄje strojnega uÄenja, ki uporablja veÄplastne nevronske mreže za modeliranje zapletenih vzorcev v podatkih.
Primer: Globoko uÄenje se uporablja v jezikovnih modelih, kot je GPT-4, in modelih za generiranje slik, kot je Stable Diffusion.
Difuzijski modeli (Diffusion Models)
Diffusion Models
Razred generativnih modelov, ki se nauÄijo ustvarjati podatke s postopnim pretvarjanjem nakljuÄnega Å¡uma v strukturirane izhode.
Primer: Stable Diffusion ustvarja fotorealistiÄne slike iz besedilnih pozivov z uporabo difuzijskih tehnik.
Vgradnja (Embedding)
Embedding
NumeriÄna vektorska predstavitev podatkov, ki se pogosto uporablja za zajemanje semantiÄnega pomena besed, slik ali stavkov.
Primer: V NLP ima beseda 'banka' lahko podobne vgradnje kot 'denar', vendar drugaÄne kot 'breg reke', odvisno od konteksta.
Epoha (Epoch)
Epoch
Popolna iteracija Äez celoten nabor podatkov za usposabljanje med procesom usposabljanja modela strojnega uÄenja.
Primer: ÄŒe ima nabor podatkov 1.000 primerov in jih model med usposabljanjem enkrat vidi vse, je to ena epoha.
EtiÄna AI (Ethical AI)
Ethical AI
Filozofija oblikovanja in uvajanja, ki zagotavlja, da tehnologije AI delujejo pregledno, praviÄno in v skladu s socialnimi vrednotami.
Primer: AI orodje za zaposlovanje, ki vkljuÄuje preverjanje pristranskosti za prepreÄevanje diskriminacije kandidatov iz manjÅ¡in.
Ekspertni sistem (Expert System)
Expert System
Sistem AI, ki posnema sposobnosti odloÄanja ÄloveÅ¡kega strokovnjaka na doloÄenem podroÄju z uporabo pravil in logike.
Primer: Ekspertni sistem, ki se uporablja v kmetijstvu za priporoÄanje zdravljenja pridelkov na podlagi podatkov o tleh in zgodovine Å¡kodljivcev.
Razložljiva AI (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
Sistemi AI, zasnovani tako, da njihovi notranji procesi in odloÄitve postanejo razumljivi ljudem, kar poveÄuje zaupanje in odgovornost.
Primer: AI diagnostiÄni sistem, ki ne le zagotovi priporoÄilo, ampak tudi pojasni, kateri simptomi so vodili do tega zakljuÄka.
UÄenje z malo primeri (Few-shot Learning)
Few-shot Learning
Metoda strojnega uÄenja, pri kateri se model usposablja ali fino nastavi z uporabo le majhnega Å¡tevila oznaÄenih primerov.
Primer: Prilagajanje LLM za pisanje pravnih e-poÅ¡tnih sporoÄil po tem, ko mu pokažete le 10 primerov.
Fino uÄenje (Fine-tuning)
Fine-tuning
Proces, pri katerem se predhodno usposobljen model nadalje usposablja na novem, manjÅ¡em naboru podatkov, da se specializira za doloÄeno nalogo.
Primer: Fino uÄenje sploÅ¡nega LLM, kot je GPT, na internih pravnih dokumentih za ustvarjanje pomoÄnika za pravno pripravo.
Temeljni model (Foundation Model)
Foundation Model
Velik model, usposobljen na raznolikih in Å¡irokih podatkih, ki ga je mogoÄe prilagoditi Å¡tevilnim nadaljnjim nalogam.
Primer: GPT-4 in PaLM 2 sta temeljni modela, ki sta sposobna povzemanja, odgovarjanja na vpraÅ¡anja, prevajanja in Å¡e veÄ.
Fuzzy logika (Fuzzy Logic)
Fuzzy Logic
Oblika logike, ki se ukvarja z aproksimativnimi vrednostmi namesto s fiksno logiko resniÄno/napaÄno (binarno), kar je uporabno za sklepanje v negotovosti.
Primer: Uporablja se v sistemih za nadzor klime za prilagajanje temperature na podlagi fuzzy vnosov, kot sta 'malo vroÄe' ali 'zelo hladno'.
Generativna protikladna mreža (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
Arhitektura generativnega modela, kjer se dve mreži – generator in diskriminator – potegujeta za izboljšanje kakovosti izhoda.
Primer: GAN-i se uporabljajo za ustvarjanje globokih ponarejenih videoposnetkov ali generiranje realistiÄnih fotografij izdelkov iz skic.
Generativna AI (Generative AI)
Generative AI
Kategorija umetne inteligence, ki lahko ustvarja novo vsebino – kot so besedila, slike, glasba ali video – iz podatkov za usposabljanje.
Primer: ChatGPT ustvarja blog objave ali Midjourney ustvarja digitalno umetnost iz besedilnih pozivov.
Generativni predhodno usposobljen transformator (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
Razred velikih jezikovnih modelov, ki jih je razvil OpenAI, ki uporablja transformatorsko arhitekturo in je predhodno usposobljen na ogromnih koliÄinah besedilnih podatkov za opravljanje razliÄnih jezikovnih nalog.
Primer: GPT-4 je sposoben pisati eseje, prevajati jezike in povzemati dokumente z minimalnim pozivom.
Genetski algoritem (Genetic Algorithm)
Genetic Algorithm
Optimizacijska tehnika, navdihnjena z naravno selekcijo, kjer se reÅ¡itve sÄasoma razvijajo skozi mutacijo, križanje in selekcijo.
Primer: Uporablja se za oblikovanje uÄinkovitih arhitektur nevronskih mrež z simulacijo preživetja najsposobnejÅ¡ih.
Halucinacija (Hallucination)
Hallucination
Ustvarjanje verjetno zveneÄe, vendar dejansko napaÄne ali nesmiselne vsebine s strani modela AI.
Primer: Jezikovni model si izmisli neobstojeÄ citat ali poda lažna zgodovinska dejstva.
Hevristika (Heuristic)
Heuristic
PraktiÄen pristop k reÅ¡evanju problemov, ki ne zagotavlja popolne reÅ¡itve, vendar je zadosten za takojÅ¡nje cilje.
Primer: Uporaba pravila palca za oceno Äasa dostave v logistiÄnem sistemu AI.
Hiperparameter (Hyperparameter)
Hyperparameter
Konfiguracijska vrednost, nastavljena pred usposabljanjem modela strojnega uÄenja, kot je stopnja uÄenja ali Å¡tevilo slojev.
Primer: Prilagajanje velikosti paketa s 32 na 128 za izboljšanje hitrosti usposabljanja in uspešnosti modela.
Inferenca (Inference)
Inference
Proces uporabe usposobljenega modela strojnega uÄenja za napovedovanje ali ustvarjanje izhodov iz novih podatkov.
Primer: Uporaba fino usposobljenega modela GPT za pripravo e-poÅ¡tnih sporoÄil za ekipo za podporo strankam.
Zaznavanje namena (Intent Detection)
Intent Detection
Naloga v razumevanju naravnega jezika, kjer sistem identificira uporabnikov cilj ali namen v sporoÄilu.
Primer: V klepetalnem robotu prepoznavanje 'želim rezervirati let' kot namen rezervacije potovanja.
Internet stvari (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
Omrežje povezanih fiziÄnih naprav, vgrajenih s senzorji, programsko opremo in drugimi tehnologijami za zbiranje in izmenjavo podatkov.
Primer: Pametni termostati in hladilniki, ki poroÄajo o podatkih o uporabi in prilagajajo nastavitve z uporabo analitike AI.
Interpretativnost (Interpretability)
Interpretability
Stopnja, do katere lahko Älovek razume notranje mehanizme modela strojnega uÄenja in njegov proces odloÄanja.
Primer: OdloÄitveno drevo je bolj interpretativno kot globoka nevronska mreža, ker so njegove odloÄitve sledljive.
Jupyter Notebook (Jupyter Notebook)
Jupyter Notebook
Odprtokodno interaktivno raÄunalniÅ¡ko okolje, ki uporabnikom omogoÄa pisanje kode, vizualizacijo izhodov in dokumentiranje analize v enem vmesniku.
Primer: Znanstveniki podatkov uporabljajo Jupyter Notebooks za prototipiranje modelov strojnega uÄenja in deljenje rezultatov.
K-najbližji sosedi (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
Preprost, neparametriÄni algoritem strojnega uÄenja, ki se uporablja za klasifikacijo in regresijo. OdloÄitve sprejema na podlagi najbližjih primerov usposabljanja v prostoru znaÄilnosti.
Primer: Za klasifikacijo novega sadja kot jabolko ali hruÅ¡ko, KNN preveri, katera oznaÄena sadja so najbližja po obliki in barvi.
Graf znanja (Knowledge Graph)
Knowledge Graph
Struktura podatkov, ki uporablja vozliÅ¡Äa in povezave za predstavljanje in shranjevanje povezanih opisov entitet in njihovih odnosov.
Primer: Googlov panel znanja poganja graf znanja, ki povezuje entitete, kot so ljudje, kraji in dogodki.
Optimizacija modela uÄenja jezika (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
Tehnike, ki se uporabljajo za izboljÅ¡anje uspeÅ¡nosti, uÄinkovitosti ali prilagodljivosti velikih jezikovnih modelov za specifiÄne naloge ali domene.
Primer: Uporaba kvantizacije in uÄenja z navodili za optimizacijo LLM za uporabo v podjetjih.
Veliki jezikovni model (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
Vrsta modela globokega uÄenja, usposobljenega na ogromnih koliÄinah besedilnih podatkov, ki je sposoben ustvarjati, razumeti in sklepati z uporabo ÄloveÅ¡kega jezika.
Primer: ChatGPT in Claude sta LLM-ja, usposobljena za pomoÄ pri pisanju, kodiranju in odgovarjanju na vpraÅ¡anja.
Latentni prostor (Latent Space)
Latent Space
Visokodimenzionalna abstraktna predstavitev, kjer so podobni vnosi združeni blizu skupaj, kar se uporablja v generativnih modelih in vgradnjah.
Primer: V generiranju slik lahko manipulacija latentnega prostora spremeni znaÄilnosti, kot sta svetlost ali Äustvo.
Stopnja uÄenja (Learning Rate)
Learning Rate
KljuÄni hiperparameter pri usposabljanju, ki nadzoruje, kako moÄno se uteži modela prilagajajo glede na gradient izgube.
Primer: Visoka stopnja uÄenja lahko povzroÄi prehod Äez minime, medtem ko prenizka stopnja upoÄasni napredek usposabljanja.
Strojno uÄenje (ML) (Machine Learning (ML))
Machine Learning (ML)
PodroÄje AI, ki sistemom omogoÄa uÄenje iz podatkov in izboljÅ¡anje uspeÅ¡nosti brez izrecnega programiranja.
Primer: Filtri za neželeno poÅ¡to uporabljajo strojno uÄenje za klasifikacijo e-poÅ¡tnih sporoÄil kot neželena ali ne, na podlagi preteklih primerov.
Premik modela (Model Drift)
Model Drift
Pojav, pri katerem se natanÄnost modela sÄasoma zmanjÅ¡uje zaradi sprememb v podatkih ali okolju.
Primer: Model za odkrivanje goljufij postane manj natanÄen, ko se taktike goljufij razvijajo.
Usposabljanje modela (Model Training)
Model Training
Proces dovajanja podatkov modelu strojnega uÄenja in prilagajanja njegovih parametrov za zmanjÅ¡anje napake.
Primer: Usposabljanje priporoÄilnega motorja na zgodovini nakupov strank za predlaganje novih izdelkov.
VeÄmodalna AI (Multimodal AI)
Multimodal AI
Sistemi AI, ki so sposobni obdelovati in integrirati veÄ vrst podatkov, kot so besedila, slike, zvok in video.
Primer: Model, kot je GPT-4 Vision, ki lahko hkrati bere besedila in interpretira slike.
Obdelava naravnega jezika (NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
PodpodroÄje AI, osredotoÄeno na interakcijo med raÄunalniki in ÄloveÅ¡kimi (naravnimi) jeziki. OmogoÄa strojem branje, razumevanje in odgovarjanje v ÄloveÅ¡kem jeziku.
Primer: NLP se uporablja v glasovnih pomoÄnikih, aplikacijah za jezikovne prevode in klepetalnih robotih.
Nevronska mreža (Neural Network)
Neural Network
Model strojnega uÄenja, navdihnjen s strukturo ÄloveÅ¡kih možganov, sestavljen iz slojev povezanih vozliÅ¡Ä (nevronov).
Primer: Nevronske mreže stojijo za modeli globokega uÄenja, ki se uporabljajo pri prepoznavanju slik in govora.
Å um (Noise)
Noise
NakljuÄne ali nepomembne informacije v podatkih, ki lahko zakrijejo pomembne vzorce in negativno vplivajo na uspeÅ¡nost modela.
Primer: Napake senzorjev ali podatki z vnosnimi napakami se lahko Å¡tejejo za Å¡um.
Ontologija (Ontology)
Ontology
Strukturiran okvir, ki kategorizira in definira odnose med koncepti znotraj domene, pogosto uporabljen v semantiÄnih sistemih AI.
Primer: Ontologija v zdravstvu bi lahko definirala, kako so simptomi povezani z boleznimi in zdravljenji.
Prekomerno prileganje (Overfitting)
Overfitting
Napaka modeliranja, pri kateri model strojnega uÄenja zajame Å¡um v podatkih za usposabljanje in slabo deluje na novih podatkih.
Primer: Model, ki si zapomni odgovore iz usposabljanja, vendar ne more obravnavati nevidnih testnih podatkov, je prekomerno prilegajoÄ.
Napovedna analitika (Predictive Analytics)
Predictive Analytics
Uporaba podatkov, algoritmov in AI za doloÄanje verjetnosti prihodnjih izidov na podlagi zgodovinskih podatkov.
Primer: Trgovci na drobno uporabljajo napovedno analitiko za napovedovanje povpraÅ¡evanja po doloÄenih izdelkih.
Predhodno usposabljanje (Pre-training)
Pre-training
Proces zaÄetnega usposabljanja modela na velikem, sploÅ¡nem naboru podatkov pred njegovim finim nastavljanjem za specifiÄne naloge.
Primer: Modeli GPT so predhodno usposobljeni na velikih korpusih, preden se prilagodijo za klepetalne robote za podporo strankam.
Inženiring pozivov (Prompt Engineering)
Prompt Engineering
Umetnost in znanost ustvarjanja uÄinkovitih pozivov za usmerjanje izhodov velikih jezikovnih modelov.
Primer: Dodajanje sistemskih navodil, kot je 'Odgovori kot vljuden mentor', je primer inženiringa pozivov.
Kvantizacija (Quantisation)
Quantisation
Tehnika kompresije modela, ki zmanjÅ¡a Å¡tevilo bitov, uporabljenih za predstavljanje uteži in aktivacij, kar izboljÅ¡a uÄinkovitost.
Primer: Kvantizacija modela iz 32-bitnega v 8-bitni izboljša uspešnost na mobilnih napravah.
Kvantno raÄunalniÅ¡tvo (Quantum Computing)
Quantum Computing
Nova paradigma raÄunalniÅ¡tva, ki temelji na kvantni mehaniki, kar obeta eksponentne raÄunalniÅ¡ke zmogljivosti.
Primer: Kvantno raÄunalniÅ¡tvo lahko nekoÄ pospeÅ¡i usposabljanje AI nad klasiÄne meje.
Mehanizem sklepanja (Reasoning Engine)
Reasoning Engine
Sistem v AI, ki izpelje logiÄne zakljuÄke iz nabora dejstev ali podatkov z uporabo pravil ali inferenÄnih algoritmov.
Primer: AI diagnostiÄno orodje uporablja mehanizem sklepanja za sklepanje možnih zdravstvenih stanj na podlagi simptomov.
UÄenje z ojaÄanjem (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
PodroÄje strojnega uÄenja, kjer se agenti uÄijo z interakcijo s svojim okoljem, da bi maksimizirali kumulativne nagrade.
Primer: Robot se uÄi hoditi s poskusi in napakami z uporabo tehnik RL.
UÄenje z ojaÄanjem s ÄloveÅ¡ko povratno informacijo (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
Metoda uÄenja, pri kateri ÄloveÅ¡ke preference vodijo signal nagraje AI, pogosto uporabljeno pri finem nastavljanju jezikovnih modelov.
Primer: ChatGPT je bil usposobljen z RLHF, da bi ustvaril bolj koristne in varne odgovore.
Generiranje z obogatenim pridobivanjem (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
Metoda, ki združuje pridobivanje informacij z generiranjem, kjer LLM pridobi ustrezne dokumente za izboljšanje svojega odgovora.
Primer: AI pomoÄnik pridobi in navede specifikacije izdelkov med generiranjem odgovora na tehniÄno vpraÅ¡anje.
Samonadzorovano uÄenje (Self-Supervised Learning)
Self-Supervised Learning
Pristop usposabljanja, pri katerem se model uÄi vzorcev z generiranjem lastnih oznak iz surovih podatkov, kar zmanjÅ¡uje odvisnost od podatkov, oznaÄenih s strani ljudi.
Primer: BERT je usposobljen s samonadzorovanim uÄenjem z napovedovanjem manjkajoÄih besed v besedilu.
SemantiÄno iskanje (Semantic Search)
Semantic Search
Iskalna tehnika, ki razume uporabnikov namen in kontekstualni pomen, ne le ujemanje kljuÄnih besed.
Primer: Iskanje 'kako popraviti kapljajoÄo pipo' vrne vodnike, tudi Äe izraz 'kapljajoÄa pipa' ni prisoten v dokumentu.
Analiza Äustev (Sentiment Analysis)
Sentiment Analysis
Proces identificiranja Äustev, mnenj ali odnosov v besedilu, pogosto klasificiranje kot pozitivno, negativno ali nevtralno.
Primer: Analiziranje tvitov za oceno javne reakcije na nov izdelek.
StohastiÄno (Stochastic)
Stochastic
VkljuÄuje nakljuÄnost ali verjetnostno vedenje, pogosto uporabljeno v generativni AI in optimizacijskih algoritmih.
Primer: Izhod GPT-4 se razlikuje za isti vnos zaradi njegovega stohastiÄnega procesa dekodiranja.
MoÄna AI (Strong AI)
Strong AI
Imenovana tudi Umjetna sploÅ¡na inteligenca (AGI), se nanaÅ¡a na stroje s kognitivnimi sposobnostmi na ÄloveÅ¡ki ravni v vseh domenah.
Primer: Prihodnja AI, ki lahko samostojno piÅ¡e romane, naÄrtuje mesta in reÅ¡uje etiÄne dileme enako dobro.
Super umetna inteligenca (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
TeoretiÄna AI, ki daleÄ presega ÄloveÅ¡ko inteligenco v vseh vidikih – sklepanje, ustvarjalnost, Äustvena inteligenca itd.
Primer: SAI bi lahko teoretiÄno neodvisno razvila nove znanosti in filozofije.
Nadzorovano uÄenje (Supervised Learning)
Supervised Learning
Metoda strojnega uÄenja, pri kateri se modeli usposabljajo na oznaÄenih podatkih za uÄenje preslikav vhod-izhod.
Primer: UÄenje modela za klasifikacijo e-poÅ¡tnih sporoÄil kot neželena ali ne z uporabo zgodovinskih primerov.
SintetiÄni podatki (Synthetic Data)
Synthetic Data
Umetno ustvarjeni podatki, ki simulirajo podatke iz resniÄnega sveta, pogosto uporabljeni za usposabljanje, ko so resniÄni podatki redki ali obÄutljivi.
Primer: Ustvarjanje sintetiÄnih medicinskih slik za usposabljanje diagnostiÄnih modelov brez krÅ¡itve zasebnosti pacientov.
Žeton (Token)
Token
Enota besedila, ki jo obdelujejo LLM – obiÄajno beseda ali del besede.
Primer: Stavka 'Hello world!' je razdeljena na 3 žetone: 'Hello', 'world' in '!'.
Tokenizacija (Tokenisation)
Tokenisation
Proces razdelitve besedila na žetone za obdelavo z modelom.
Primer: V NLP, 'ChatGPT is great' postane ['Chat', 'G', 'PT', 'is', 'great'].
Prenosno uÄenje (Transfer Learning)
Transfer Learning
Uporaba znanja iz ene naloge za izboljÅ¡anje uÄenja na drugi povezani nalogi, kar zmanjÅ¡uje Äas usposabljanja in potrebe po podatkih.
Primer: Fino uÄenje modela, usposobljenega na angleÅ¡kem besedilu, za izvajanje analize Äustev v drugem jeziku.
Transformator (Transformer)
Transformer
Arhitektura nevronske mreže, ki uporablja mehanizme pozornosti za modeliranje zaporednih podatkov, široko uporabljena v LLM-jih.
Primer: BERT, GPT in T5 so vsi modeli, ki temeljijo na transformatorjih.
Nezadostno prileganje (Underfitting)
Underfitting
Ko je model preveÄ poenostavljen, da bi zajel vzorce v podatkih za usposabljanje, kar povzroÄi slabo uspeÅ¡nost.
Primer: Linearni model, ki poskuša napovedati zapletene klasifikacije slik, lahko ne zadostuje.
Nenadzorovano uÄenje (Unsupervised Learning)
Unsupervised Learning
Pristop uÄenja, pri katerem modeli identificirajo vzorce ali skupine v neoznaÄenih podatkih.
Primer: Grupiranje strank na podlagi nakupovalnega vedenja brez predhodno doloÄenih oznak.
Namen uporabnika (User Intent)
User Intent
Cilj ali namen za poizvedbo ali interakcijo uporabnika.
Primer: Uporabnik, ki vtipka 'kako speÄi torto', verjetno namerava najti recept.
Validacijski niz (Validation Set)
Validation Set
Podmnožica podatkov, ki se uporablja za oceno uspešnosti modela med usposabljanjem in za fino nastavitev hiperparametrov.
Primer: Uporablja se za zaznavanje prekomernega prileganja pred konÄnim testiranjem.
Vektorska baza podatkov (Vector Database)
Vector Database
Baza podatkov, zasnovana za shranjevanje in iskanje vektorskih vgraditev, ki se uporabljajo v nalogah AI, kot je iskanje podobnosti in RAG.
Primer: Pinecone in Weaviate sta vektorski bazi podatkov za shranjevanje vgraditev besedil ali slik.
Vektorska vgradnja (Vector Embedding)
Vector Embedding
NumeriÄna predstavitev podatkov, ki ohranja semantiÄni pomen in odnose v vektorskem prostoru.
Primer: Besedi 'kralj' in 'kraljica' imata podobne vgradnje z majhnimi spolnimi razlikami.
Navidezni pomoÄnik (Virtual Assistant)
Virtual Assistant
Programski agent, ki ga poganja AI, ki uporabnikom pomaga pri opravljanju nalog prek pogovora ali glasovnih ukazov.
Primer: Siri, Alexa in Google Assistant so priljubljeni virtualni pomoÄniki.
Prepoznavanje glasu (Voice Recognition)
Voice Recognition
Tehnologija, ki interpretira in pretvarja govorjeni jezik v besedilo ali dejanje.
Primer: Glasovno tipkanje in glasovni ukazi se zanašajo na sisteme za prepoznavanje glasu.
Å ibka AI (Weak AI)
Weak AI
Sistemi AI, zasnovani za opravljanje ozke, specifiÄne naloge brez sploÅ¡ne inteligence.
Primer: AI, ki igra Å¡ah, vendar ne more razumeti jezika ali voziti avtomobila, je primer Å¡ibke AI.
Spletno strganje (Web Scraping)
Web Scraping
Avtomatizirano pridobivanje informacij s spletnih mest, pogosto uporabljeno za zbiranje podatkov za usposabljanje ali spremljanje vsebine.
Primer: Strganje seznamov nepremiÄnin za usposabljanje modela za ocenjevanje nepremiÄnin.
Teža (Weight)
Weight
Parameter v nevronskih mrežah, ki doloÄa moÄ vpliva enega vozliÅ¡Äa na drugega.
Primer: Teže se prilagajajo med usposabljanjem, da se zmanjša napaka modela.
Whisper (Whisper)
Whisper
Model govora v besedilo, ki ga je razvil OpenAI, sposoben prepisovanja zvoka v veÄ jezikih.
Primer: Whisper lahko z visoko natanÄnostjo prepisuje predavanja in podcaste.
YAML (YAML)
YAML
ÄŒloveÅ¡ko berljiv format za serializacijo podatkov, pogosto uporabljen za konfiguracijske datoteke v delovnih procesih strojnega uÄenja.
Primer: Definiranje parametrov modela v datoteki YAML za usposabljanje v PyTorch.
UÄenje z niÄ primeri (Zero-shot Learning)
Zero-shot Learning
Sposobnost modela, da izvaja naloge, na katerih ni bil nikoli izrecno usposobljen, z uporabo splošnega znanja.
Primer: Model, ki odgovarja na pravna vpraÅ¡anja, Äeprav ni bil posebej usposobljen na pravnih podatkih.
Zettabajt (Zettabyte)
Zettabyte
Enota digitalnih podatkov, enaka enemu sekstilijonu (10^21) bajtov, pogosto uporabljena za opis obsega internetnih podatkov.
Primer: Globalni internetni promet je leta 2016 presegel 1 zettabajt na leto.
