Tekintettel arra, hogy az amerikaiak több mint fele rendszeresen használja az AI -t, ez gyorsan mindennapi életünk normális részévé válik. A Chatgpt, a Google Gemini és a Microsoft Copilot az AI -t az összes technológiába tolja, megváltoztatva a mindenvel való interakciót. Hirtelen az emberek értelmes beszélgetéseket folytathatnak a gépekkel, azaz a természetes nyelvű AI chatbot kérdéseit feltehetik, és új válaszokkal válaszolhat, hasonlóan az emberhez.
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 Gemini -t, a Microsoft Copilot -ot, az Antropic’s Claude -t, a Humane and Rabbit -i zavaró eszközöket és eszközöket. 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 utalhat bármire a tartalom moderálásától az emberekkel szembeni 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.
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 az aktuális webről, míg a CHATGPT 2021 -ig az adatokra korlátozódik, és nem kapcsolódik az internethez.
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, de az új adatokban nem lehet képes azonosítani a példákat.
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, hogy új válaszokkal válaszoljon a kérdésekre. A nyitott internettel való kapcsolata lehetővé teszi, hogy naprakész információkat adjon, és eredményeket húzzon be az interneten. A Poussity Pro, a szolgáltatás fizetett szintje szintén rendelkezésre áll, és más modelleket is használ, beleértve a GPT-4O-t, a Claude 3 Opus-t, a Mistral nagyot, a nyílt forrású Llama 3-at és a saját Sonar 32K-t. A Pro felhasználók emellett feltölthetnek dokumentumokat elemzésre, képeket generálhatnak és értelmezhetnek kódot.
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.
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.
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.
