AI mindenhol van. A CHATGPT hatalmas népszerűségétől kezdve a Google -ig az AI összefoglalók keresési eredményeinek tetején az AI teljesen átveszi az internetet. Az AI segítségével azonnali válaszokat kaphat minden kérdésre. Olyan érzés lehet, hogy valakivel beszélgetni, akinek Ph.D. mindenben.
De az AI chatbotok ezen aspektusa az AI tájnak csak egy része. Persze, hogy ha a chatgpt segíti a házi feladatát, vagy ha a MidJourney izgalmas képeket készít a származási országon alapuló mech -ekről, hűvös, de a generációs AI lehetősége teljesen átalakíthatja a gazdaságokat. A McKinsey Global Institute szerint ez évente 4,4 trillió dollárt érhet el a globális gazdaság számára, ezért számíthat arra, hogy egyre többet hall a mesterséges intelligenciáról.
Ez egy szédítő termékcsaládban jelenik meg – egy rövid, rövid lista tartalmazza a Google Ikrét, a Microsoft Copilot -ot, az Antropic’s Claude -t és a Poussity keresőmotorját. Elolvashatja ezek és más termékek áttekintéseinket és gyakorlati értékeléseinket, valamint a híreket, a magyarázókat és a módokat, az AI Atlas Hub-ban.
Ahogy az emberek jobban megszokják az AI -vel összefonódó világot, az új kifejezések mindenütt felbukkannak. Tehát függetlenül attól, hogy okosnak hangzik az italok felett, vagy egy állásinterjúban lenyűgözi, íme néhány fontos AI kifejezés, amelyet tudnia kell.
Ezt a szótár rendszeresen frissül.
Mesterséges általános intelligencia, vagy AGI: olyan koncepció, amely az AI fejlettebb verzióját javasolja, mint amit ma tudunk, olyan, amely sokkal jobban teljesítheti a feladatokat, mint az emberek, miközben tanítja és előmozdítja saját képességeit.
Agentive: Rendszerek vagy modellek, amelyek ügynökséget mutatnak be, azzal a képességgel, hogy önállóan cselekedjenek a cél elérése érdekében. Az AI összefüggésében egy ügynöki modell állandó felügyelet nélkül, például egy magas szintű autonóm autó nélkül is működhet. A háttérben lévő “agentikus” keretrendszerrel ellentétben az ügynöki keretek előtt áll, a felhasználói élményre összpontosítva.
AI etika: Az AI megakadályozására irányuló alapelvek, amelyek olyan eszközökkel valósulnak meg, mint például az AI rendszerek meghatározása, hogy az AI rendszereknek hogyan kell összegyűjteniük az adatokat, vagy kezelniük kell az elfogultságot.
AI biztonság: Egy interdiszciplináris terület, amely az AI hosszú távú hatásaival és az emberekkel szemben ellenséges szuper intelligenciára hirtelen haladhat.
Algoritmus: Az utasítások sorozata, amely lehetővé teszi a számítógépes program számára az adatok egy adott módon történő megtanulását és elemzését, például a minták felismerését, majd tanulni és önmagában elvégezni a feladatokat.
Összehangolás: Az AI módosítása a kívánt eredmény jobb elérése érdekében. Ez bármire utalhat a tartalom moderálásától az emberekkel való pozitív interakciók fenntartásáig.
Antropomorfizmus: Amikor az emberek hajlamosak nem humán tárgyakat humánszerű tulajdonságokat adni. Az AI -ben ez magában foglalhatja azt a hitet, hogy a chatbot emberiszerűbb és tudatosabb, mint valójában, mint például azt hinni, hogy boldog, szomorú vagy akár érző.
Mesterséges intelligencia, vagy AI: A technológia használata az emberi intelligencia szimulálására, akár számítógépes programokban, akár robotikában. A számítástechnika területe, amelynek célja az emberi feladatokat képes rendszerek felépítése.
Autonóm ügynökök: AI modell, amelynek képességei, programozása és egyéb eszközök vannak egy adott feladat elvégzéséhez. Az önjáró autó például autonóm ügynök, mivel szenzoros bemenetekkel, GPS-vel és vezetési algoritmusokkal rendelkezik, hogy önmagában navigáljon az útnál. A Stanford kutatói kimutatták, hogy az autonóm ügynökök fejleszthetik saját kultúrájukat, hagyományaikat és megosztott nyelvüket.
BIAS: A nagy nyelvi modellek vonatkozásában az edzési adatok eredményeként bekövetkezett hibák. Ez azt eredményezheti, hogy bizonyos tulajdonságokat hamisan hozzárendelnek bizonyos fajok vagy csoportok számára a sztereotípiák alapján.
Chatbot: Olyan program, amely az emberekkel kommunikál az emberekkel, amely szimulálja az emberi nyelvet.
CHATGPT: Az Openai által kifejlesztett AI chatbot, amely nagy nyelvi modellt használ.
Kognitív számítástechnika: Egy másik kifejezés a mesterséges intelligencia számára.
Adat -Augmentáció: A meglévő adatok remixelése vagy egy változatosabb adatkészlet hozzáadása az AI kiképzéséhez.
Adatkészlet: Az AI modell kiképzéséhez, teszteléséhez és validálásához használt digitális információk gyűjteménye.
Mély tanulás: Az AI módszere és a gépi tanulás almezője, amely több paramétert használ a komplex minták felismerésére a képekben, a hangban és a szövegben. A folyamatot az emberi agy ihlette, és mesterséges neurális hálózatokat használ a minták létrehozására.
Diffúzió: A gépi tanulás módszere, amely egy meglévő adatot vesz fel, mint például egy fotó, és véletlenszerű zajt ad. A diffúziós modellek kiképzik a hálózatukat, hogy újratervezzék vagy helyreállítsák a fényképet.
Felmerülő viselkedés: Amikor egy AI modell nem szándékos képességeket mutat.
teljes körű tanulás vagy E2E: egy mély tanulási folyamat, amelyben egy modellt arra utasítanak, hogy végezzen egy feladatot az elejétől a végéig. Nem képzett egy feladat elvégzésére egymás után, hanem a bemenetekből tanul, és egyszerre megoldja.
Etikai megfontolások: Az AI etikai következményeinek tudatossága és a magánélet védelmével, az adatok felhasználásával, a méltányossággal, a visszaéléssel és az egyéb biztonsági kérdésekkel kapcsolatos kérdések tudatosítása.
FOOM: Gyors felszállás vagy kemény felszállás néven is ismert. Az a koncepció, hogy ha valaki AGI -t épít, akkor már késő lehet az emberiség megmentése.
Generatív versengő hálózatok vagy GANS: A generatív AI modell, amely két neurális hálózatból áll, új adatok előállításához: generátor és diszkriminátor. A generátor új tartalmat hoz létre, és a diszkriminátor ellenőrzi, hogy hiteles -e.
Generatív AI: tartalomtermelő technológia, amely AI-t használ szöveges, videó, számítógépes kód vagy képek létrehozásához. Az AI -t nagy mennyiségű edzési adatot táplálják, mintákat találnak saját új válaszok generálására, amelyek néha hasonlóak lehetnek a forrásanyaghoz.
Google Gemini: A Google által készített AI chatbot, amely hasonlóan működik a CHATGPT -hez, de információkat von le a Google más szolgáltatásaiból, például a keresésből és a térképekből.
Guardbilek: Az AI modellekre beillesztett politikák és korlátozások annak biztosítása érdekében, hogy az adatok felelősségteljesen kezeljék, és hogy a modell ne hozzon létre zavaró tartalmat.
Hallucináció: Az AI helytelen válasza. Tartalmazhat generatív AI -t, amely téves, de magabiztosan állítja be, mintha helyes lenne. Ennek okai nem teljesen ismertek. Például, amikor egy AI chatbotot kérdeztek: “Mikor festette Leonardo da Vinci a Mona Lisa -t?” Lehet, hogy egy helytelen nyilatkozattal válaszolhat: “Leonardo da Vinci 1815 -ben festette a Mona Lisa -t”, ami 300 évvel a ténylegesen festett.
Következtetés: Az AI modellek a szöveg, a képek és az új adatokkal kapcsolatos egyéb tartalmak előállításához használják az edzési adataikból való következtetést.
Nagy nyelvi modell vagy LLM: egy AI modell, amelyet tömeges mennyiségű szöveges adatokra képzett a nyelv megértése és az új tartalom előállítása az emberiszerű nyelven.
Latencia: Az idő késleltetése, amikor egy AI rendszer bemenetet vagy promptot kap, és kimenetet eredményez.
Gépi tanulás vagy ML: egy olyan összetevő az AI -ben, amely lehetővé teszi a számítógépek számára, hogy megtanulják és jobb prediktív eredményeket hozzanak létre kifejezett programozás nélkül. Az új tartalom előállításához edzőkészlettel párosítható.
Microsoft Bing: A Microsoft keresőmotorja, amely most a CHATGPT technológiát használhatja az AI-alapú keresési eredmények megadására. Hasonló a Google Gemini -hez, ha csatlakozik az internethez.
Multimodális AI: olyan típusú AI, amely többféle bemenetet képes feldolgozni, beleértve a szöveget, a képeket, a videókat és a beszédet.
Természetes nyelvfeldolgozás: Az AI ága, amely gépi tanulást és mély tanulást használ, hogy képes legyen a számítógépek megérteni az emberi nyelvet, gyakran tanulási algoritmusokat, statisztikai modelleket és nyelvi szabályokat használva.
Neurális hálózat: olyan számítási modell, amely hasonlít az emberi agy szerkezetére, és célja az adatok mintáinak felismerése. Összekapcsolt csomópontokból vagy idegsejtekből áll, amelyek felismerik a mintákat és az idő múlásával tanulhatnak.
Túlteljesítés: Hiba a gépi tanulásban, ahol túl szorosan működik az edzési adatokhoz, és csak az említett adatokban lehet azonosítani a konkrét példákat, de nem új adatokban.
PaperCcCCCCCCCSIPS: A PaperClip Maximiser elmélete, amelyet Nick Boström filozófus, az Oxfordi Egyetem, egy hipotetikus forgatókönyv, amelyben az AI rendszer minél több szó szerinti papírkulccsot hoz létre. Az a célja, hogy a maximális mennyiségű papírkapocsmennyiséget előállítsa, az AI rendszer hipotetikusan fogyasztja vagy konvertálja az összes anyagot a cél elérése érdekében. Ez magában foglalhatja más gépek szétszerelését, hogy több papírkapocs, gépek előállítása érdekében előállítsák az embereket. Ennek az AI -rendszernek a nem szándékos következménye az, hogy elpusztíthatja az emberiség céljait, hogy a papírkapocsokat készítse.
Paraméterek: numerikus értékek, amelyek az LLMS struktúráját és viselkedését biztosítják, lehetővé téve az előrejelzések készítését.
Megdöbbentés: Az AI-meghajtású chatbot és a keresőmotor neve, amely a Pllexity AI tulajdonában van. Nagy nyelvi modellt használ, mint például a többi AI chatbotban, de kapcsolatba lép a nyitott internethez a legfrissebb eredmények elérése érdekében.
PROSP: Az a javaslat vagy kérdés, amelyet egy AI chatbotba lép, a válasz megszerzéséhez.
Gyors láncolás: Az AI azon képessége, hogy a korábbi interakciókból származó információkat felhasználja a színes jövőbeli válaszokhoz.
Kvantálás: Az a folyamat, amellyel az AI nagy tanulási modellt kisebbek és hatékonyabbak (bár kissé kevésbé pontosak) azáltal, hogy pontosságát magasabb formátumról alacsonyabb formátumra csökkentik. Ennek jó módja ennek gondolkodásának, ha összehasonlítjuk a 16 megapixeles képet egy 8 megapixeles képpel. Mindkettő még mindig tiszta és látható, de a magasabb felbontású kép részletesebbé válik, ha nagyítva van.
Sztochasztikus papagáj: Az LLM -ek analógiája, amely azt szemlélteti, hogy a szoftvernek nincs jobban megértése a nyelv vagy a körülötte lévő világ mögött, függetlenül attól, hogy a kimenet mennyire meggyőző. A kifejezés arra utal, hogy egy papagáj miként utánozhatja az emberi szavakat anélkül, hogy megértené a mögöttük lévő jelentést.
Stílusátvitel: Az az képesség, hogy az egyik kép stílusát a másik tartalmához adaptálja, lehetővé téve az AI számára, hogy értelmezze az egyik kép vizuális attribútumait, és a másikon használja. Például a Rembrandt önarcképének átvétele és a Picasso stílusában történő újbóli létrehozása.
Szintetikus adatok: A generatív AI által létrehozott adatok, amelyek nem a tényleges világból származnak, hanem valós adatokra képzték. A matematikai, ML és a mély tanulási modellek kiképzésére használják.
Hőmérséklet: A paraméterek a nyelvmodell kimenetének véletlenszerű ellenőrzésére beállítva. A magasabb hőmérséklet azt jelenti, hogy a modell több kockázatot igényel.
Szöveg-kép-generáció: Képek létrehozása a szöveges leírások alapján.
Tokenek: Kis darab írásbeli szöveg, amelyet az AI nyelvi modellek feldolgoznak, hogy megfogalmazzák a válaszokat az Ön utasításaira. A token négy karakterrel, vagy egy szó körülbelül háromnegyedével egyenértékű.
Képzési adatok: Az AI modellek megtanulásához használt adatkészletek, beleértve a szöveget, a képeket, a kódot vagy az adatokat.
Transzformátor modell: Neurális hálózati architektúra és mély tanulási modell, amely megtanulja a kontextust az adatokkal kapcsolatos kapcsolatok nyomon követésével, például a mondatokban vagy a képek részeiben. Tehát ahelyett, hogy egy mondatot egyszerre elemezne, megnézheti az egész mondatot és megértheti a kontextust.
Turing teszt: A híres matematikus és Alan Turing számítógépes tudós elnevezéssel teszteli a gép azon képességét, hogy úgy viselkedjen, mint egy ember. A gép áthalad, ha az ember nem tudja megkülönböztetni a gép válaszát egy másik embertől.
felügyelet nélküli tanulás: A gépi tanulás egy olyan formája, ahol a címkézett képzési adatok nem adják meg a modellt, ehelyett a modellnek önmagában azonosítania kell az adatok mintáit.
Gyenge AI, más néven keskeny AI: AI, amely egy adott feladatra összpontosít, és nem tudja megtanulni a készségein. A mai AI nagy része gyenge AI.
Nulla lövés tanulás: Olyan teszt, amelyben egy modellnek elvégeznie kell a feladatot anélkül, hogy megkapná a szükséges képzési adatokat. Példa erre az oroszlán felismerése, miközben csak a tigrisekre képzik.
