Anpassning (Alignment)
Alignment
Processen att säkerställa att ett AI-systems mål, utdata och beteenden överensstämmer med mänskliga mål och värderingar. Detta är särskilt viktigt i avancerade system som kan utveckla beteenden som inte uttryckligen avsetts.
Exempel: Säkerställa att en chattbot för mental hälsa aldrig rekommenderar skadliga handlingar oavsett uppmaningar.
Applikationsprogrammeringsgränssnitt (API) (Application Programming Interface (API))
Application Programming Interface (API)
En uppsättning definierade regler och protokoll som tillåter olika mjukvarusystem att kommunicera och utbyta data.
Exempel: Använda OpenAI API för att skicka en uppmaning och få ett språkmodellsgenererat svar i din webbapp.
Artificiell generell intelligens (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
En teoretisk form av AI som kan utföra vilken intellektuell uppgift som helst som en människa kan. Den generaliserar inlärning över domäner.
Exempel: Ett AGI-system skulle kunna lära sig musikkomposition, utföra kirurgi och klara ett filosofiprov utan uppgiftsspecifik programmering.
Artificiell intelligens (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
Simuleringen av mänsklig intelligens i maskiner som är programmerade att tänka, resonera och agera autonomt.
Exempel: AI driver personliga assistenter som Siri och autonoma körsystem som Tesla Autopilot.
AI-etik (AI Ethics)
AI Ethics
En disciplin som handlar om de moraliska implikationerna av AI-utveckling och användning, inklusive rättvisa, integritet, ansvarsskyldighet och icke-diskriminering.
Exempel: Att skapa riktlinjer för att förhindra att anställningsalgoritmer diskriminerar baserat på kön eller etnicitet.
Förstärkt intelligens (Augmented Intelligence)
Augmented Intelligence
En samarbetsmodell där AI kompletterar och förstärker mänsklig intelligens snarare än att ersätta den.
Exempel: AI-drivna radiologiverktyg som markerar anomalier för läkare, som fattar den slutliga diagnosen.
Autonom agent (Autonomous Agent)
Autonomous Agent
Ett AI-system som kan fatta egna beslut och vidta åtgärder för att uppnå sina mål utan mänsklig inblandning.
Exempel: En självkörande leveransrobot som navigerar stadsgator och undviker hinder självständigt.
Backpropagation (Backpropagation)
Backpropagation
En teknik för att träna neurala nätverk genom att uppdatera vikter baklänges från utdata till ingångslager, vilket minimerar prediktionsfel.
Exempel: Används vid träning av bildklassificerare för att minska felprocenten vid igenkänning av handskrivna siffror.
Bias (Algoritmisk bias) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
Oavsiktlig och systematisk favorisering i AI-utfall på grund av obalanserad eller icke-representativ träningsdata.
Exempel: Ett ansiktsigenkänningssystem som identifierar personer med mörk hudfärg felaktigt oftare på grund av underrepresentation i träningsdata.
Big Data (Big Data)
Big Data
Extremt stora datamängder som kräver specialverktyg för att lagra, analysera och utvinna värde, ofta används för att träna AI-modeller.
Exempel: Användning av miljontals användarinteraktioner för att träna rekommendationsmotorer för e-handelsplattformar.
Black Box-modell (Black Box Model)
Black Box Model
En typ av AI- eller maskininlärningsmodell vars interna logik inte lätt kan tolkas av människor, vilket gör det svårt att förstå hur beslut fattas.
Exempel: Ett djupt neuralt nätverk som används för att godkänna lån men inte ger någon tydlig förklaring till varför en sökande accepterades och en annan avvisades.
Kognitiv databehandling (Cognitive Computing)
Cognitive Computing
AI-system utformade för att simulera mänskliga tankeprocesser, såsom resonemang och inlärning, med hjälp av tekniker som NLP och mönsterigenkänning.
Exempel: Ett kognitivt databehandlingssystem som hjälper juridiska yrkesverksamma att analysera rättsfall och förutsäga utfall.
Datorseende (Computer Vision)
Computer Vision
Ett område inom artificiell intelligens som gör det möjligt för datorer att tolka och bearbeta visuell data som bilder och video.
Exempel: Ansiktsigenkänningssystem som identifierar personer i säkerhetsfilmer med hjälp av datorseende.
Korpus (Corpus)
Corpus
En stor samling av skrivna eller talade texter som används för att träna språkmodeller.
Exempel: Common Crawl-datasetet är en offentlig webbkorpus som används för att träna stora språkmodeller som GPT.
Datadrift (Data Drift)
Data Drift
Fenomenet där indata förändras över tid, vilket leder till att modellens prestanda försämras.
Exempel: En prediktiv underhållsmodell för industriell utrustning blir mindre exakt när ny sensorteknik introduceras.
Datalabelling (Data Labelling)
Data Labelling
Processen att annotera data med taggar eller etiketter för att göra den lämplig för övervakad inlärning.
Exempel: Märkning av tusentals tumörbilder som godartade eller elakartade för att träna en cancerdetekteringsmodell.
Datamining (Data Mining)
Data Mining
Processen att upptäcka meningsfulla mönster, korrelationer och anomalier i stora datamängder.
Exempel: Återförsäljare använder datamining för att identifiera att personer som köper blöjor ofta också köper öl.
Djupinlärning (Deep Learning)
Deep Learning
En undergren av maskininlärning som använder neurala nätverk med flera lager för att modellera komplexa mönster i data.
Exempel: Djupinlärning används i språkmodeller som GPT-4 och bildgenereringsmodeller som Stable Diffusion.
Diffusionsmodeller (Diffusion Models)
Diffusion Models
En klass av generativa modeller som lär sig att producera data genom att gradvis omvandla slumpmässigt brus till strukturerade utdata.
Exempel: Stable Diffusion skapar fotorealistiska bilder från textuppmaningar med hjälp av diffusionsmetoder.
Embedding (Embedding)
Embedding
En numerisk vektorrepresentation av data, ofta använd för att fånga den semantiska betydelsen av ord, bilder eller meningar.
Exempel: Inom NLP kan ordet 'bank' ha liknande inbäddningar som 'pengar' men skiljer sig från 'flodbank' beroende på sammanhang.
Epok (Epoch)
Epoch
En fullständig iteration över hela träningsdatasetet under träningsprocessen för en maskininlärningsmodell.
Exempel: Om ett dataset har 1 000 exempel och en modell ser alla en gång under träningen, är det en epok.
Etisk AI (Ethical AI)
Ethical AI
En design- och implementeringsfilosofi som säkerställer att AI-teknologier fungerar transparent, rättvist och i linje med samhälleliga värderingar.
Exempel: Ett AI-anställningsverktyg som inkluderar bias-kontroller för att förhindra diskriminering mot minoritetskandidater.
Expertsystem (Expert System)
Expert System
Ett AI-system som efterliknar beslutsförmågan hos en mänsklig expert inom ett specifikt område med hjälp av regler och logik.
Exempel: Ett expertsystem som används inom jordbruket för att rekommendera grödbehandlingar baserat på jorddata och skadedjurshistorik.
Förklarbar AI (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
AI-system utformade för att göra sina interna processer och beslut förståeliga för människor, vilket ökar förtroendet och ansvarsutkrävandet.
Exempel: En medicinsk diagnostisk AI som inte bara ger en rekommendation utan också förklarar vilka symtom som ledde till den slutsatsen.
Few-shot learning (Few-shot Learning)
Few-shot Learning
En maskininlärningsmetod där en modell tränas eller finjusteras med endast ett litet antal märkta exempel.
Exempel: Anpassa en LLM för att skriva juridiska e-postmeddelanden efter att ha visat den bara 10 exempel.
Finjustering (Fine-tuning)
Fine-tuning
Processen att ta en förtränad modell och ytterligare träna den på en ny, mindre datamängd för att specialisera den för en specifik uppgift.
Exempel: Finjustera en generell LLM som GPT på interna juridiska dokument för att skapa en assistent för juridisk utformning.
Grundmodell (Foundation Model)
Foundation Model
En storskalig modell tränad på diversifierad och bred data som kan anpassas till många efterföljande uppgifter.
Exempel: GPT-4 och PaLM 2 är grundmodeller som kan sammanfatta, svara på frågor, översätta med mera.
Fuzzy logic (Fuzzy Logic)
Fuzzy Logic
En form av logik som hanterar ungefärliga värden istället för fast sann/falsk (binär) logik, användbar för resonemang under osäkerhet.
Exempel: Används i klimatkontrollsystem för att justera temperaturen baserat på fuzzy-input som 'lite varmt' eller 'väldigt kallt'.
Generativt adversariellt nätverk (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
En generativ modellarkitektur där två nätverk – en generator och en diskriminator – tävlar för att förbättra utdatakvaliteten.
Exempel: GAN används för att skapa deepfake-videor eller generera realistiska produktfoton från skisser.
Generativ AI (Generative AI)
Generative AI
En kategori av artificiell intelligens som kan skapa nytt innehåll – såsom text, bilder, musik eller video – från träningsdata.
Exempel: ChatGPT genererar blogginlägg eller Midjourney skapar digital konst från textuella uppmaningar.
Generativ förtränad transformator (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
En klass av stora språkmodeller utvecklade av OpenAI som använder transformatorarkitektur och är förtränade på enorma mängder textdata för att utföra en mängd olika språkuppgifter.
Exempel: GPT-4 kan skriva uppsatser, översätta språk och sammanfatta dokument med minimala uppmaningar.
Genetisk algoritm (Genetic Algorithm)
Genetic Algorithm
En optimeringsteknik inspirerad av naturligt urval där lösningar utvecklas över tid genom mutation, korsning och urval.
Exempel: Används för att designa effektiva neurala nätverksarkitekturer genom att simulera överlevnad av de starkaste.
Hallucination (Hallucination)
Hallucination
Generering av trovärdigt men faktiskt felaktigt eller nonsensartat innehåll av en AI-modell.
Exempel: En språkmodell hittar på en obefintlig hänvisning eller ger falska historiska fakta.
Heuristik (Heuristic)
Heuristic
Ett praktiskt tillvägagångssätt för problemlösning som inte garanterar en perfekt lösning men är tillräcklig för omedelbara mål.
Exempel: Använda en tumregel för att uppskatta leveranstid i ett logistik-AI-system.
Hyperparameter (Hyperparameter)
Hyperparameter
Ett konfigurationsvärde som ställs in före träning av en maskininlärningsmodell, såsom inlärningstakt eller antal lager.
Exempel: Justera batchstorleken från 32 till 128 för att förbättra träningstakten och modellens prestanda.
Inferens (Inference)
Inference
Processen att använda en tränad maskininlärningsmodell för att göra förutsägelser eller generera utdata från nya indata.
Exempel: Använda en finjusterad GPT-modell för att utforma e-postmeddelanden för ett kundsupportteam.
Avsiktsdetektering (Intent Detection)
Intent Detection
En uppgift inom naturlig språkförståelse där systemet identifierar användarens mål eller syfte i ett meddelande.
Exempel: I en chattbot, känna igen 'Jag vill boka ett flyg' som en avsikt att boka en resa.
Sakernas Internet (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
Ett nätverk av sammankopplade fysiska enheter inbäddade med sensorer, mjukvara och andra teknologier för att samla in och utbyta data.
Exempel: Smarta termostater och kylskåp som rapporterar användningsdata och justerar inställningar med hjälp av AI-analys.
Tolkbarhet (Interpretability)
Interpretability
I vilken utsträckning en människa kan förstå de interna mekanismerna i en maskininlärningsmodell och dess beslutsfattande process.
Exempel: Ett beslutsträd är mer tolkningsbart än ett djupt neuralt nätverk eftersom dess beslut är spårbara.
Jupyter Notebook (Jupyter Notebook)
Jupyter Notebook
En öppen källkods interaktiv beräkningsmiljö som tillåter användare att skriva kod, visualisera utdata och dokumentera analys i ett enda gränssnitt.
Exempel: Datavetare använder Jupyter Notebooks för att prototypa maskininlärningsmodeller och dela resultat.
K-Närmaste grannar (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
En enkel, icke-parametrisk maskininlärningsalgoritm som används för klassificering och regression. Den fattar beslut baserat på de närmaste tränings exemplen i funktionsrymden.
Exempel: För att klassificera en ny frukt som ett äpple eller päron, kontrollerar KNN vilka märkta frukter som är närmast i form och färg.
Kunskapsgraf (Knowledge Graph)
Knowledge Graph
En datastruktur som använder noder och kanter för att representera och lagra sammankopplade beskrivningar av entiteter och deras relationer.
Exempel: Googles kunskapspanel drivs av en kunskapsgraf som kopplar samman entiteter som personer, platser och händelser.
Språkinlärningsmodelloptimering (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
Tekniker som används för att förbättra prestanda, effektivitet eller anpassningsförmåga hos stora språkmodeller för specifika uppgifter eller domäner.
Exempel: Använda kvantisering och instruktionstuning för att optimera en LLM för företagsanvändning.
Stor språkmodell (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
En typ av djupinlärningsmodell tränad på enorma mängder textdata som kan generera, förstå och resonera med mänskligt språk.
Exempel: ChatGPT och Claude är LLM:er tränade för att hjälpa till med att skriva, koda och svara på frågor.
Latent rymd (Latent Space)
Latent Space
En högdimensionell abstrakt representation där liknande indata grupperas nära varandra, används i generativa modeller och inbäddningar.
Exempel: Vid bildgenerering kan manipulering av den latenta rymden ändra funktioner som ljusstyrka eller känsla.
Inlärningstakt (Learning Rate)
Learning Rate
En nyckelhyperparameter vid träning som styr hur mycket modellvikter som justeras med avseende på förlustgradienten.
Exempel: En hög inlärningstakt kan leda till att man överskjuter minimipunkter, medan en för låg takt saktar ner träningsframstegen.
Maskininlärning (ML) (Machine Learning (ML))
Machine Learning (ML)
En gren av AI som gör det möjligt för system att lära sig från data och förbättra prestanda utan att vara explicit programmerade.
Exempel: Spamfilter använder maskininlärning för att klassificera e-postmeddelanden som spam eller inte baserat på tidigare exempel.
Modellens drift (Model Drift)
Model Drift
Ett fenomen där en modells noggrannhet minskar över tid på grund av förändringar i data eller miljö.
Exempel: En bedrägeridetekteringsmodell blir mindre exakt när bedrägeritaktiker utvecklas.
Modellträning (Model Training)
Model Training
Processen att mata data till en maskininlärningsmodell och justera dess parametrar för att minimera fel.
Exempel: Träna en rekommendationsmotor på kundernas köphistorik för att föreslå nya produkter.
Multimodal AI (Multimodal AI)
Multimodal AI
AI-system som kan bearbeta och integrera flera datatyper som text, bilder, ljud och video.
Exempel: En modell som GPT-4 Vision som kan läsa text och tolka bilder samtidigt.
Naturlig språkbehandling (NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
En undergren av AI fokuserad på interaktionen mellan datorer och mänskliga (naturliga) språk. Den gör det möjligt för maskiner att läsa, förstå och svara på mänskligt språk.
Exempel: NLP används i röstassistenter, språköversättningsappar och chattbottar.
Neuralt nätverk (Neural Network)
Neural Network
En maskininlärningsmodell inspirerad av den mänskliga hjärnans struktur, bestående av lager av sammankopplade noder (neuroner).
Exempel: Neurala nätverk ligger bakom djupinlärningsmodeller som används inom bild- och röstigenkänning.
Brus (Noise)
Noise
Slumpmässig eller irrelevant information i data som kan dölja meningsfulla mönster och negativt påverka modellens prestanda.
Exempel: Sensorfel eller datainmatningar med stavfel kan betraktas som brus.
Ontologi (Ontology)
Ontology
Ett strukturerat ramverk som kategoriserar och definierar relationer mellan koncept inom en domän, ofta använt i semantiska AI-system.
Exempel: En ontologi inom hälsovård kan definiera hur symtom relaterar till sjukdomar och behandlingar.
Överanpassning (Overfitting)
Overfitting
Ett modelleringsfel där en maskininlärningsmodell fångar upp brus i träningsdata och presterar dåligt på ny data.
Exempel: En modell som memorerar träningssvar men inte kan hantera osedd testdata är överanpassad.
Prediktiv analys (Predictive Analytics)
Predictive Analytics
Användningen av data, algoritmer och AI för att identifiera sannolikheten för framtida utfall baserat på historisk data.
Exempel: Återförsäljare använder prediktiv analys för att prognostisera efterfrågan på vissa produkter.
Förträning (Pre-training)
Pre-training
Processen att initialt träna en modell på en stor, generell datamängd innan den finjusteras för specifika uppgifter.
Exempel: GPT-modeller förtränas på stora korpusar innan de anpassas för kundtjänstchattbottar.
Prompt engineering (Prompt Engineering)
Prompt Engineering
Konsten och vetenskapen att skapa effektiva uppmaningar för att styra utdata från stora språkmodeller.
Exempel: Att lägga till systeminstruktioner som 'Svara som en artig handledare' är ett exempel på prompt engineering.
Kvantisering (Quantisation)
Quantisation
En modellkomprimeringsteknik som minskar antalet bitar som används för att representera vikter och aktiveringar, vilket förbättrar effektiviteten.
Exempel: Kvantisering av en modell från 32-bitars till 8-bitars förbättrar prestandan på mobila enheter.
Kvantdatorer (Quantum Computing)
Quantum Computing
Ett nytt paradigm för databehandling baserat på kvantmekanik, som har potential för exponentiella bearbetningskapaciteter.
Exempel: Kvantdatorer kan en dag påskynda AI-träning bortom klassiska gränser.
Resonemangsmotor (Reasoning Engine)
Reasoning Engine
Ett system inom AI som härleder logiska slutsatser från en uppsättning fakta eller data med hjälp av regler eller inferensalgoritmer.
Exempel: Ett AI-diagnosverktyg använder en resonemangsmotor för att härleda möjliga medicinska tillstånd baserat på symtom.
Förstärkningsinlärning (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
Ett område inom maskininlärning där agenter lär sig genom att interagera med sin miljö för att maximera kumulativa belöningar.
Exempel: En robot som lär sig att gå genom försök och misstag med hjälp av RL-tekniker.
Förstärkningsinlärning med mänsklig feedback (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
En inlärningsmetod där mänskliga preferenser styr AI:s belöningssignal, ofta använd vid finjustering av språkmodeller.
Exempel: ChatGPT tränades med RLHF för att producera mer hjälpsamma och säkra svar.
Retrieval-Augmented Generation (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
En metod som kombinerar informationshämtning med generering, där en LLM hämtar relevanta dokument för att förbättra sitt svar.
Exempel: En AI-assistent hämtar och citerar produkt specifikationer medan den genererar ett svar på en teknisk fråga.
Självövervakad inlärning (Self-Supervised Learning)
Self-Supervised Learning
Ett träningsmetod där modellen lär sig mönster genom att generera sina egna etiketter från rådata, vilket minskar beroendet av mänskligt annoterad data.
Exempel: BERT tränas med självövervakad inlärning genom att förutsäga saknade ord i text.
Semantisk sökning (Semantic Search)
Semantic Search
En sökningsteknik som förstår användarens avsikt och kontextuell betydelse, inte bara nyckelordsmatchning.
Exempel: Att söka 'hur man lagar en läckande kran' ger guider även om termen 'läckande kran' inte finns i dokumentet.
Sentimentanalys (Sentiment Analysis)
Sentiment Analysis
Processen att identifiera känslor, åsikter eller attityder i text, ofta klassificera som positiv, negativ eller neutral.
Exempel: Analysera tweets för att mäta allmänhetens reaktion på en ny produkt.
Stokastisk (Stochastic)
Stochastic
Involverar slumpmässighet eller probabilistiskt beteende, ofta använt i generativ AI och optimeringsalgoritmer.
Exempel: Utdata från GPT-4 varierar för samma indata på grund av dess stokastiska avkodningsprocess.
Stark AI (Strong AI)
Strong AI
Även känd som Artificiell Generell Intelligens (AGI), hänvisar till maskiner med mänsklig nivå av kognitiva förmågor över alla domäner.
Exempel: En framtida AI som autonomt kan skriva romaner, planera städer och lösa etiska dilemman lika bra.
Super Artificiell Intelligens (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
En teoretisk AI som långt överträffar mänsklig intelligens i alla aspekter – resonemang, kreativitet, emotionell intelligens, etc.
Exempel: En SAI skulle teoretiskt kunna utveckla nya vetenskaper och filosofier oberoende.
Övervakad inlärning (Supervised Learning)
Supervised Learning
En maskininlärningsteknik där modeller tränas på märkta data för att lära sig input-output-mappningar.
Exempel: Lära en modell att klassificera e-postmeddelanden som spam eller inte med hjälp av historiska exempel.
Syntetisk data (Synthetic Data)
Synthetic Data
Artificiellt genererad data som simulerar verklig data, ofta använd för träning när verklig data är knapp eller känslig.
Exempel: Skapa syntetiska medicinska bilder för att träna diagnostiska modeller utan att bryta mot patientens integritet.
Token (Token)
Token
En enhet av text som bearbetas av LLM:er – vanligtvis ett ord eller en ordbit.
Exempel: Meningen 'Hej världen!' delas upp i 3 tokens: 'Hej', 'världen', och '!'.
Tokenisering (Tokenisation)
Tokenisation
Processen att bryta ner text i tokens för bearbetning av en modell.
Exempel: Inom NLP blir 'ChatGPT är bra' ['Chat', 'G', 'PT', 'är', 'bra'].
Transfer learning (Transfer Learning)
Transfer Learning
Att använda kunskap från en uppgift för att förbättra inlärningen på en annan relaterad uppgift, vilket minskar träningstid och databehov.
Exempel: Finjustera en modell tränad på engelsk text för att utföra sentimentanalys på ett annat språk.
Transformer (Transformer)
Transformer
En neural nätverksarkitektur som använder uppmärksamhetsmekanismer för att modellera sekventiell data, allmänt använd i LLM:er.
Exempel: BERT, GPT och T5 är alla transformatorbaserade modeller.
Underanpassning (Underfitting)
Underfitting
När en modell är för enkel för att fånga mönstren i träningsdata, vilket resulterar i dålig prestanda.
Exempel: En linjär modell som försöker förutsäga komplexa bildklassificeringar kan underanpassas.
Oövervakad inlärning (Unsupervised Learning)
Unsupervised Learning
Ett inlärningsmetod där modeller identifierar mönster eller kluster i omärkta data.
Exempel: Gruppera kunder baserat på köpbeteende utan fördefinierade etiketter.
Användaravsikt (User Intent)
User Intent
Målet eller syftet bakom en användares fråga eller interaktion.
Exempel: En användare som skriver 'hur man bakar en tårta' avser troligen att hitta ett recept.
Valideringsmängd (Validation Set)
Validation Set
En delmängd av data som används för att utvärdera modellens prestanda under träning och finjustera hyperparametrar.
Exempel: Används för att upptäcka överanpassning före slutlig testning.
Vektordatabas (Vector Database)
Vector Database
En databas utformad för att lagra och söka efter vektorinbäddningar som används i AI-uppgifter som likhetssökning och RAG.
Exempel: Pinecone och Weaviate är vektordatabaser för lagring av text- eller bildinbäddningar.
Vektorinbäddning (Vector Embedding)
Vector Embedding
En numerisk representation av data som bevarar semantisk betydelse och relationer i ett vektorutrymme.
Exempel: Orden 'kung' och 'drottning' har liknande inbäddningar med subtila könsmässiga skillnader.
Virtuell assistent (Virtual Assistant)
Virtual Assistant
En AI-driven programvaruagent som hjälper användare att slutföra uppgifter via konversation eller röstkommandon.
Exempel: Siri, Alexa och Google Assistant är populära virtuella assistenter.
Röstigenkänning (Voice Recognition)
Voice Recognition
Teknik som tolkar och konverterar talat språk till text eller handling.
Exempel: Röstinmatning och röstkommandon förlitar sig på röstigenkänningssystem.
Svag AI (Weak AI)
Weak AI
AI-system utformade för att utföra en smal, specifik uppgift utan generell intelligens.
Exempel: En schackspelande AI som inte kan förstå språk eller köra bil är ett exempel på svag AI.
Webb-skrapning (Web Scraping)
Web Scraping
Automatiserad extraktion av information från webbplatser, ofta använd för att samla in träningsdata eller övervaka innehåll.
Exempel: Skrapa fastighetsannonser för att träna en fastighetsvärderingsmodell.
Vikt (Weight)
Weight
En parameter i neurala nätverk som bestämmer styrkan av inflytande som en nod har på en annan.
Exempel: Vikter justeras under träning för att minimera modellens fel.
Whisper (Whisper)
Whisper
En tal-till-text-modell utvecklad av OpenAI som kan transkribera ljud på flera språk.
Exempel: Whisper kan transkribera föreläsningar och podcaster med hög noggrannhet.
YAML (YAML)
YAML
Ett mänskligt läsbart format för dataserialisering, vanligtvis använt för konfigurationsfiler i maskininlärningsarbetsflöden.
Exempel: Definiera modellparametrar i en YAML-fil för träning i PyTorch.
Zero-shot learning (Zero-shot Learning)
Zero-shot Learning
Förmågan hos en modell att utföra uppgifter som den aldrig har tränats explicit på genom att utnyttja generell kunskap.
Exempel: En modell som svarar på juridiska frågor trots att den inte har tränats specifikt på juridisk data.
Zettabyte (Zettabyte)
Zettabyte
En enhet för digital data motsvarande en sextiljon (10^21) byte, ofta använd för att beskriva skalan av internetdata.
Exempel: Den globala internettrafiken översteg 1 zettabyte per år 2016.
