Rječnik AI žargona: 29 AI pojmova koje biste trebali znati

Istraživanje umjetne inteligencije (AI) može se činiti kao ulazak u labirint zbunjujućih tehničkih izraza i besmislenog žargona. Nije ni čudo da se čak i oni koji su upoznati s umjetnom inteligencijom znaju zbunjeno češkati po glavi.

Imajući to na umu, izradili smo sveobuhvatan rječnik AI kako bismo vas opremili potrebnim znanjem. Od same umjetne inteligencije do strojnog učenja i rudarenja podataka, dekodirat ćemo sve bitne pojmove umjetne inteligencije jasnim i jednostavnim jezikom.

Bilo da ste znatiželjni početnik ili zaljubljenik u umjetnu inteligenciju, razumijevanje sljedećih koncepata umjetne inteligencije približit će vas otključavanju moći umjetne inteligencije.

1. Algoritam

Algoritam je skup uputa ili pravila koje strojevi slijede kako bi riješili problem ili izvršili zadatak.

2. Umjetna inteligencija

AI je sposobnost strojeva da oponašaju ljudsku inteligenciju i obavljaju zadatke koji se obično povezuju s inteligentnim bićima.

3. Umjetna opća inteligencija (AGI)

AGI, koji se naziva i jaka umjetna inteligencija, vrsta je umjetne inteligencije koja posjeduje napredne sposobnosti inteligencije slične ljudskim. Dok umjetna opća inteligencija nekada bio primarno teorijski koncept i bogato igralište za istraživanje, mnogi razvijači umjetne inteligencije sada vjeruju da će čovječanstvo dosegnuti AGI negdje u sljedećem desetljeću.,

4. Širenje unatrag

Širenje unatrag je algoritam koji neuronske mreže koriste za poboljšanje svoje točnosti i performansi. Djeluje tako da izračunava pogrešku u izlazu, širi je natrag kroz mrežu i prilagođava težine i pristranosti veza kako bi se dobili bolji rezultati.

5. Pristranost

AI pristranost odnosi se na tendenciju modela da određena predviđanja daje češće od drugih. Pristranost može biti uzrokovana podacima o uvježbavanju modela ili njegovim inherentnim pretpostavkama.

6. Veliki podaci

Big data je pojam koji opisuje skupove podataka koji su preveliki ili presloženi za obradu tradicionalnim metodama. Uključuje analizu golemih skupova informacija kako bi se izvukli vrijedni uvidi i obrasci za poboljšanje donošenja odluka.

7. Chatbot

Chatbot je program koji može simulirati razgovore s ljudskim korisnicima putem tekstualnih ili glasovnih naredbi. Chatbotovi mogu razumjeti i generirati odgovore slične ljudskim, što ih čini moćnim alatom za aplikacije korisničke službe.

8. Kognitivno računalstvo

Kognitivno računalstvo je polje umjetne inteligencije koje se fokusira na razvoj sustava koji oponašaju ljudske kognitivne sposobnosti, kao što su percepcija, učenje, rasuđivanje i rješavanje problema.

9. Teorija računalnog učenja

Grana umjetne inteligencije koja proučava algoritme i matematičke modele strojnog učenja. Fokusira se na teorijske temelje učenja kako bi se razumjelo kako strojevi mogu stjecati znanje, predviđati i poboljšati svoje performanse.

10. Računalni vid

Računalni vid odnosi se na sposobnost strojeva da izvuku vizualne informacije iz digitalnih slika i videa. Algoritmi računalnog vida naširoko se koriste u aplikacijama kao što su detekcija objekata, prepoznavanje lica, medicinsko snimanje i autonomna vozila.

11. rudarenje podataka

Data mining je proces stjecanja vrijednog znanja iz velikih skupova podataka. Koristi se statističkom analizom i tehnikama strojnog učenja za prepoznavanje obrazaca, odnosa i trendova u podacima radi poboljšanja donošenja odluka.

12. Znanost o podacima

Znanost o podacima uključuje izvlačenje uvida iz podataka pomoću znanstvenih metoda, algoritama i sustava. Sveobuhvatniji je od rudarenja podataka i obuhvaća širok raspon aktivnosti, uključujući prikupljanje podataka, vizualizaciju podataka i prediktivno modeliranje za rješavanje složenih problema.

13. Duboko učenje

Duboko učenje grana je umjetne inteligencije koja koristi umjetne neuronske mreže s više slojeva (međusobno povezani čvorovi unutar neuronske mreže) za učenje iz golemih količina podataka. Omogućuje strojevima obavljanje složenih zadataka, kao što su obrada prirodnog jezika, prepoznavanje slike i govora.

14. Generativna AI

Generativni AI opisuje sustave umjetne inteligencije i algoritme koji mogu stvarati tekst, audio, video i simulacije. Ovi AI sustavi uče obrasce i primjere iz postojećih podataka i koriste to znanje za stvaranje novih i originalnih rezultata.

15. Halucinacija

AI halucinacije odnosi se na slučajeve u kojima model proizvodi činjenično netočne, irelevantne ili besmislene rezultate. To se može dogoditi iz nekoliko razloga, uključujući nedostatak konteksta, ograničenja u podacima o obuci ili arhitekturi.

16. Hiperparametri

Hiperparametri su postavke koje definiraju kako algoritam ili model strojnog učenja uči i ponaša se. Hiperparametri uključuju brzinu učenja, snagu regulacije i broj skrivenih slojeva u mreži. Možete petljati s ovim parametrima kako biste fino podesili izvedbu modela prema svojim potrebama.

17. Veliki jezični model (LLM)

LLM je model strojnog učenja koji se obučava na ogromnim količinama podataka i koristi nadzirano učenje za proizvodnju sljedećeg tokena u danom kontekstu kako bi se proizveli smisleni, kontekstualni odgovori na korisničke unose. Riječ "veliki" označava upotrebu ekstenzivnih parametara od strane jezičnog modela. Na primjer, GPT modeli koriste stotine milijardi parametara za obavljanje širokog spektra NLP zadataka.

18. Strojno učenje

Strojno učenje je način na koji strojevi uče i daju predviđanja bez eksplicitnog programiranja. To je kao da računalo hranite podacima i dajete mu moć da donosi odluke ili predviđanja identificirajući obrasce unutar podataka.

19. Živčana mreža

Neuronska mreža je računalni model inspiriran ljudskim mozgom. Sastoji se od međusobno povezanih čvorova ili neurona organiziranih u slojeve. Svaki neuron prima podatke od drugih neurona u mreži, što mu omogućuje učenje obrazaca i donošenje odluka. Neuronske mreže ključna su komponenta u modelima strojnog učenja koja im omogućuje da briljiraju u širokom nizu zadataka.

20. Generacija prirodnog jezika (NLG)

Generiranje prirodnog jezika bavi se stvaranjem ljudima čitljivog teksta iz strukturiranih podataka. NLG pronalazi primjene u stvaranju sadržaja, chatbotovima i glasovnim pomoćnicima.

21. Obrada prirodnog jezika (NLP)

Obrada prirodnog jezika je sposobnost strojeva da interpretiraju, razumiju i odgovore na tekst ili govor čitljiv ljudima. Koristi se u raznim aplikacijama, uključujući analizu raspoloženja, klasifikaciju teksta i odgovaranje na pitanja.

22. OpenAI

OpenAI je istraživački laboratorij za umjetnu inteligenciju, osnovan 2015. godine sa sjedištem u San Franciscu, SAD. Tvrtka razvija i primjenjuje AI alate koji se mogu činiti pametnima poput ljudi. Najpoznatiji proizvod OpenAI-ja, ChatGPT, objavljen je u studenom 2022. i najavljen je kao najnapredniji chatbot zbog svoje sposobnosti davanja odgovora na širok raspon tema.

23. Prepoznavanje uzorka

Prepoznavanje uzoraka sposobnost je AI sustava da identificira i interpretira uzorke u podacima. Algoritmi za prepoznavanje uzoraka nalaze primjenu u prepoznavanju lica, otkrivanju prijevara i prepoznavanju govora.

24. Rekurentna neuronska mreža (RNN)

Vrsta neuronske mreže koja može obraditi sekvencijalne podatke pomoću povratnih veza. RNN-ovi mogu zadržati memoriju prethodnih unosa i prikladni su za zadatke poput NLP-a i strojnog prevođenja.

25. Učenje s pojačanjem

Učenje s pojačanjem je tehnika strojnog učenja u kojoj agent umjetne inteligencije uči donositi odluke kroz interakciju metodom pokušaja i pogreške. Agent prima nagrade ili kazne od algoritma na temelju svojih radnji, vodeći ga da poboljša svoju izvedbu tijekom vremena.

26. Nadzirano učenje

Metoda strojnog učenja gdje se model obučava pomoću označenih podataka sa željenim izlazom. Model generalizira označene podatke i daje točna predviđanja novih podataka.

27. Tokenizacija

Tokenizacija je proces dijeljenja tekstualnog dokumenta u manje jedinice koje se nazivaju tokeni. Ovi tokeni mogu predstavljati riječi, brojeve, fraze, simbole ili bilo koje elemente u tekstu s kojima program može raditi. Svrha je tokenizacije izvući najviše smisla iz nestrukturiranih podataka bez obrade cijelog teksta kao jednog niza, što je računalno neučinkovito i teško ga je modelirati.

28. Turingov test

Uveo ga je Alan Turing 1950., ovaj test ocjenjuje sposobnost stroja da pokaže inteligenciju koja se ne razlikuje od ljudske. The Turingov test uključuje ljudskog suca u interakciji s čovjekom i strojem ne znajući koji je koji. Ako sudac ne uspije razlikovati stroj od čovjeka, smatra se da je stroj prošao test.

29. Učenje bez nadzora

Metoda strojnog učenja u kojoj model izvodi zaključke iz neoznačenih skupova podataka. Otkriva obrasce u podacima kako bi napravio predviđanja na nevidljivim podacima.

Prihvaćanje jezika umjetne inteligencije

AI je polje koje se brzo razvija i mijenja način na koji komuniciramo s tehnologijom. Međutim, s toliko novih modnih riječi koje se stalno pojavljuju, može biti teško pratiti najnovija dostignuća u tom području.

Iako se neki izrazi mogu činiti apstraktni bez konteksta, njihovo značenje postaje jasno u kombinaciji s osnovnim razumijevanjem strojnog učenja. Razumijevanje ovih pojmova i koncepata može postaviti snažan temelj koji će vas osnažiti da donosite informirane odluke u području umjetne inteligencije.