Belajar Berita Alat Lowongan Misi

Glosarium AI gratis

Glosarium AI

Definisi sederhana dari istilah AI yang selalu Anda dengar — untuk pelajar, profesional, dan siapa pun yang penasaran dengan cara kerja AI.

213istilah
23surat tertutup
A–ZPencarian + filter alfabet
100%Definisi bahasa sederhana

A16 istilah

Adaptasi Domain

Metode yang mentransfer model yang dilatih di satu domain agar berperforma lebih baik di domain lain.

Agen AI

Sebuah sistem perangkat lunak yang dapat mengamati, menalar, dan mengambil tindakan untuk mencapai suatu tujuan, sering kali menggunakan alat dan memori.

AGI (Kecerdasan Umum Buatan)

Sistem AI hipotetis yang dapat melakukan sebagian besar tugas intelektual pada tingkat manusia di banyak domain.

AI di Perangkat

Inferensi AI dilakukan secara lokal pada perangkat keras pengguna, bukan pada layanan cloud jarak jauh.

AI Generatif

Sistem AI yang menghasilkan konten baru seperti teks, gambar, audio, video, atau kode.

AI konstitusional

Pendekatan pelatihan dan pembentukan perilaku di mana keluaran model dipandu oleh serangkaian prinsip tertulis yang tetap.

Algoritma

Seperangkat aturan atau langkah yang diikuti komputer untuk memecahkan masalah atau menyelesaikan tugas.

AliBi

Metode bias posisional yang memberikan penalti pada skor perhatian berdasarkan jarak tertentu, membantu model melakukan ekstrapolasi ke konteks yang lebih panjang.

Alur Kerja Agenik

Proses multi-langkah di mana sistem AI merencanakan, mengeksekusi, memeriksa hasil, dan melakukan iterasi menuju suatu tujuan.

Analisis Sentimen

Tugas NLP yang mengklasifikasikan nada emosional atau opini dalam teks.

ANN (Perkiraan Tetangga Terdekat)

Algoritma yang menemukan vektor yang mendekati kueri tanpa perbandingan menyeluruh, memperdagangkan ketepatan demi kecepatan.

Anotasi

Label atau metadata yang ditambahkan manusia digunakan untuk melatih atau mengevaluasi model pembelajaran mesin.

ansambel

Menggabungkan prediksi dari beberapa model untuk meningkatkan ketahanan atau akurasi.

API (Antarmuka Pemrograman Aplikasi)

Cara terstruktur bagi satu sistem perangkat lunak untuk mengirim permintaan dan menerima tanggapan dari sistem lain.

Asal Data

Asal, kepemilikan, dan riwayat kumpulan data atau artefak model yang terdokumentasi.

Augmentasi Data

Teknik yang membuat contoh pelatihan yang dimodifikasi untuk meningkatkan generalisasi model.

B10 istilah

Basis Data Vektor

Basis data yang dioptimalkan untuk menyimpan dan menanyakan vektor penyematan berdimensi tinggi.

Basis Pengetahuan

Kumpulan dokumen atau catatan terkurasi yang digunakan untuk pengambilan, otomatisasi dukungan, atau respons dasar.

Batas Keputusan

Permukaan dalam ruang fitur yang memisahkan kelas-kelas yang diprediksi oleh pengklasifikasi.

Berat

Nilai numerik yang dipelajari yang menskalakan sinyal yang melewati jaringan saraf.

Bereaksi

Pola dorongan yang menyisipkan langkah-langkah penalaran dengan tindakan penggunaan alat untuk menyelesaikan tugas dengan lebih andal.

Bermain Sendiri

Penyiapan pelatihan tempat model ditingkatkan dengan menghasilkan data melalui interaksi atau kompetisi dengan salinan dirinya sendiri.

Bi-Encoder

Model yang mengkodekan kueri dan dokumen ke dalam vektor terpisah sehingga dapat dibandingkan dengan cepat dalam skala besar.

Bias

Pola kesalahan atau ketidakadilan yang konsisten dalam data atau perilaku model.

Bias Algoritmik

Ketidakadilan sistematis dalam keluaran model yang disebabkan oleh ketidakseimbangan data, asumsi, atau pilihan pemodelan.

BPE (Pengkodean Pasangan Byte)

Algoritme tokenisasi subkata yang menggabungkan pasangan karakter paling sering menjadi token yang dapat digunakan kembali.

C2 istilah

Campuran Ahli (MoE)

Arsitektur dengan subjaringan khusus yang hanya menjalankan pakar terpilih untuk setiap masukan.

Cepat

Instruksi masukan dan konteks diberikan ke model generatif.

D5 istilah

Data Besar

Kumpulan data yang sangat besar dan kompleks yang memerlukan penyimpanan dan teknik pemrosesan yang dapat diskalakan.

Data Sintetis

Data yang dihasilkan secara artifisial digunakan untuk menambah, menyimulasikan, atau melindungi data pelatihan sensitif.

Decoding yang Dilindungi

Strategi pembangkitan yang membatasi token keluaran pada struktur yang valid atau pilihan yang sesuai dengan kebijakan.

Distilasi

Mengompresi pengetahuan dari model guru yang besar menjadi model siswa yang lebih kecil.

DPO (Optimasi Preferensi Langsung)

Metode pelatihan yang menyempurnakan model secara langsung pada pasangan preferensi tanpa memerlukan model imbalan terpisah.

E3 istilah

Ekstraksi Fitur

Mengubah data mentah menjadi fitur informatif yang dapat digunakan model.

Evaluasi Harness

Kerangka kerja evaluasi berulang yang menjalankan perintah, kumpulan data, dan logika penilaian di seluruh versi model.

Evaluasi Manusia

Tolok ukur masalah pemrograman Python yang digunakan untuk mengukur kebenaran pembuatan kode melalui pengujian unit.

F4 istilah

Faktualitas

Seberapa akurat klaim model sesuai dengan informasi dunia nyata yang dapat diverifikasi.

Filter Keamanan

Lapisan moderasi yang memblokir atau menulis ulang input atau output model yang tidak aman.

Fitur

Variabel masukan yang digunakan oleh model untuk membuat prediksi.

Fungsi Kerugian

Tujuan matematika yang mengukur kesalahan prediksi selama pelatihan.

G5 istilah

GAN (Jaringan Adversarial Generatif)

Pengaturan generatif di mana generator dan diskriminator berlatih satu sama lain.

Generalisasi

Seberapa baik performa model pada data baru yang tidak terlihat di luar set pelatihan.

Gradien

Vektor yang menunjukkan seberapa banyak setiap parameter harus diubah untuk mengurangi kerugian.

Grafik Pengetahuan

Struktur grafik entitas dan hubungan yang digunakan untuk penalaran atau pengambilan.

GSM8K

Tolok ukur soal cerita matematika sekolah dasar yang digunakan untuk mengevaluasi penalaran langkah demi langkah dalam model bahasa.

H5 istilah

Halusinasi

Ketika suatu model menghasilkan informasi yang lancar tetapi salah atau tidak didukung.

Hiperparameter

Nilai konfigurasi yang ditetapkan sebelum pelatihan, seperti kecepatan pembelajaran, ukuran batch, atau kedalaman.

Hitung

Sumber daya pemrosesan yang diperlukan untuk melatih dan menjalankan model, sering kali diukur dalam jam FLOPS atau GPU.

HNSW

Struktur indeks berbasis grafik untuk perkiraan pencarian tetangga terdekat dengan cepat melalui vektor berdimensi tinggi.

Hukum Penskalaan

Hubungan empiris yang menunjukkan bagaimana performa meningkat seiring dengan ukuran model, data, atau komputasi.

I4 istilah

Inferensi Kausal

Metode untuk memperkirakan hubungan sebab-akibat daripada korelasi sederhana.

Ingat

Proporsi hal positif aktual yang diidentifikasi dengan benar oleh model.

Injeksi Segera

Pola serangan di mana instruksi berbahaya dimasukkan ke dalam input model atau konten yang diambil.

Interval Keyakinan

Rentang statistik yang kemungkinan berisi nilai sebenarnya dari metrik model yang diukur.

J3 istilah

Jaringan Neural Konvolusional (CNN)

Arsitektur saraf yang dioptimalkan untuk memproses data seperti grid seperti gambar.

Jaringan Syaraf

Model komputasi berlapis yang terinspirasi oleh neuron dan sinapsis biologis.

Jendela Konteks

Jumlah maksimum token masukan yang dapat diproses model bahasa sekaligus.

K24 istilah

Kalibrasi

Seberapa cocok skor keyakinan model dengan probabilitas kebenaran sebenarnya.

Kalibrasi Kepercayaan

Menyelaraskan kepercayaan pengguna terhadap keluaran AI dengan keandalan sistem yang sebenarnya dalam setiap tugas.

Kartu Model

Dokumentasi yang menjelaskan tujuan penggunaan model, metrik, batasan, dan risiko.

Kasus Keamanan

Argumen terstruktur, didukung oleh bukti, bahwa sistem AI aman untuk konteks penggunaan tertentu.

Keamanan AI

Bidang yang berfokus pada pengurangan perilaku berbahaya, kegagalan, dan risiko penyalahgunaan dalam sistem AI.

Kebenaran Dasar

Label referensi tepercaya yang digunakan untuk melatih atau mengevaluasi keluaran model.

Kebocoran Tolok Ukur

Jika contoh pengujian benchmark atau varian yang mirip terdapat dalam data pelatihan, hal ini akan meningkatkan performa yang dilaporkan.

Kebumian

Sejauh mana respons AI didukung oleh sumber data atau bukti yang diambil.

Kecepatan Pembelajaran

Hyperparameter pelatihan yang mengontrol seberapa banyak parameter berubah setiap langkah pembaruan.

Kecerdasan Buatan (AI)

Bidang luas dalam membangun sistem yang melakukan tugas yang memerlukan pengenalan pola, penalaran, bahasa, atau pengambilan keputusan.

Kekokohan

Kemampuan model untuk mempertahankan performa di bawah gangguan, pergeseran, atau masukan yang berlawanan.

Keluaran Terstruktur

Output model dibatasi pada skema yang ditentukan seperti JSON, argumen alat, atau bidang yang diketik.

Kerugian Lintas Entropi

Fungsi tujuan umum yang digunakan untuk melatih model klasifikasi dengan memberikan penalti pada probabilitas yang salah.

Kerugian Pelatihan

Nilai kesalahan model dihitung selama pelatihan dan dioptimalkan ke bawah seiring waktu.

Kesimpulan

Fase runtime saat model terlatih menghasilkan prediksi atau keluaran.

Keterlaluan

Saat model mengingat data pelatihan dan berperforma buruk pada masukan yang tidak terlihat.

Klasifikasi

Tugas di mana model memberikan masukan ke satu atau lebih kategori yang telah ditentukan sebelumnya.

Klasifikasi Niat

Memprediksi tujuan pengguna dari kueri teks untuk merutekannya dengan benar.

KLIP

Arsitektur model multimodal yang mempelajari representasi bersama antara teks dan gambar.

Kuantisasi

Mengonversi bobot model ke format presisi lebih rendah seperti 8-bit atau 4-bit.

Kuantisasi Model

Mengurangi presisi numerik bobot model untuk mengurangi biaya memori dan inferensi.

Kumpulan data

Kumpulan contoh terstruktur atau tidak terstruktur yang digunakan untuk pelatihan, validasi, atau pengujian.

Kumpulan Evaluasi

Kumpulan data yang digunakan untuk mengukur kualitas model setelah pelatihan.

Kutipan

Referensi ke bagian sumber atau dokumen yang disertakan dalam respons model untuk mendukung klaimnya.

L6 istilah

Latensi

Waktu antara mengirim permintaan dan menerima keluaran model.

Lingkaran Agenik

Siklus berulang di mana agen AI mengamati, merencanakan, bertindak, dan melakukan refleksi hingga mencapai tujuan atau mencapai kondisi berhenti.

Lintas-Encoder

Model yang menilai kueri dan dokumen secara bersamaan untuk penilaian relevansi dengan akurasi tinggi.

LLM-sebagai-Hakim

Menggunakan model bahasa untuk menilai atau membandingkan keluaran dari model lain selama evaluasi.

LoRA (Adaptasi Tingkat Rendah)

Metode penyesuaian parameter yang efisien yang menambahkan matriks adaptor peringkat rendah.

Lulus@k

Metrik evaluasi kode yang mengukur kemungkinan setidaknya satu dari k sampel yang dihasilkan lulus pengujian.

M20 istilah

Manusia dalam Lingkaran

Alur kerja tempat manusia meninjau, memandu, atau mengesampingkan keluaran AI.

MCP (Protokol Konteks Model)

Protokol terbuka yang memungkinkan aplikasi AI terhubung ke alat eksternal, sumber data, dan penyedia konteks dengan cara standar.

Mekanisme Perhatian

Komponen model yang secara dinamis berfokus pada bagian masukan yang relevan saat menghasilkan keluaran.

Memori (Memori Agen)

Konteks tersimpan yang digunakan agen AI di seluruh langkah atau sesi untuk meningkatkan kontinuitas.

MMLU

Sebuah tolok ukur yang menguji model bahasa di 57 mata pelajaran akademik dan profesional menggunakan pertanyaan pilihan ganda.

Model Bahasa Besar (LLM)

Model bahasa yang dilatih pada corpora teks besar untuk menghasilkan dan menganalisis teks.

Model Bahasa Kecil (SLM)

Model bahasa ringkas yang dioptimalkan untuk latensi, biaya, atau penggunaan pada perangkat yang lebih rendah.

Model Bahasa Visi (VLM)

Model multimodal yang secara bersama-sama memproses informasi visual dan tekstual.

Model Dasar

Model referensi sederhana yang digunakan untuk membandingkan apakah pendekatan yang lebih kompleks benar-benar meningkatkan hasil.

Model Difusi

Arsitektur generatif yang belajar membalikkan noise untuk mensintesis gambar, audio, atau konten lainnya.

Model Fondasi

Model besar yang telah dilatih sebelumnya dan dapat disesuaikan dengan banyak tugas hilir.

Model Hadiah

Model yang menilai keluaran berdasarkan sinyal preferensi, sering digunakan dalam saluran RLHF.

Model Jarang

Model yang banyak parameternya nol atau tidak aktif untuk mengurangi komputasi.

Model Kotak Hitam

Model yang penalaran internalnya sulit diinterpretasikan langsung oleh manusia.

Model Melayang

Penurunan kinerja seiring berjalannya waktu karena kondisi dunia nyata berbeda dari asumsi pelatihan.

Model Multimoda

Model yang dapat memproses atau menghasilkan beberapa tipe data seperti teks, gambar, dan audio.

Model Penyematan

Model yang dikhususkan untuk mengubah data menjadi vektor yang digunakan untuk pencarian semantik, pengelompokan, dan pengambilan.

Model Preferensi Manusia

Sebuah model yang dilatih berdasarkan peringkat manusia untuk memprediksi respons mana yang mungkin disukai pengguna.

Model Suling

Model yang lebih kecil dilatih untuk meniru perilaku model yang lebih besar sambil menggunakan lebih sedikit komputasi pada inferensi.

Model Sumber Terbuka

Model yang dirilis dengan bobot atau kode publik untuk inspeksi, adaptasi, dan penggunaan kembali.

N3 istilah

Negatif Palsu

Prediksi yang salah ketika model melewatkan kasus positif yang sebenarnya.

Nol Retensi Data

Kebijakan di mana muatan permintaan/respons tidak disimpan setelah pemrosesan di luar jangka waktu operasional yang berumur pendek.

Normalisasi

Mengubah nilai ke skala yang konsisten untuk meningkatkan stabilitas pengoptimalan.

O1 istilah

OCR (Pengenalan Karakter Optik)

Teknologi yang mengubah teks dalam gambar atau pindaian menjadi teks yang dapat dibaca mesin.

P73 istilah

Pagar pembatas

Aturan, pemeriksaan, dan kontrol yang membatasi perilaku model yang tidak aman atau tidak diinginkan.

Pajak Penyelarasan

Biaya tambahan dalam waktu, komputasi, atau kecepatan produk yang diperlukan untuk membuat sistem lebih aman dan terkendali.

Parameter

Bobot yang dipelajari di dalam model yang memengaruhi keluarannya.

Pasca pelatihan

Langkah-langkah pelatihan diterapkan setelah pra-pelatihan, seperti penyetelan instruksi, optimalisasi preferensi, dan penyetelan keselamatan.

Pelabelan Data

Proses menetapkan tag atau keluaran target ke data mentah untuk pembelajaran yang diawasi.

Pemanggilan Fungsi

Kemampuan model untuk menghasilkan panggilan terstruktur yang memicu alat atau API eksternal.

Pemangkasan

Menghapus bobot model atau neuron yang kurang penting untuk mengurangi ukuran dan komputasi.

Pembelajaran Berkelanjutan

Pendekatan pelatihan yang memungkinkan model terus belajar dari data baru tanpa melupakan pengetahuan sebelumnya.

Pembelajaran Dalam Konteks

Kemampuan model untuk mengikuti pola dari contoh yang diberikan langsung di prompt.

Pembelajaran dengan Pengawasan Mandiri

Mempelajari representasi dari data yang tidak berlabel dengan memprediksi bagian yang disamarkan atau ditransformasikan.

Pembelajaran Mendalam

Bagian dari pembelajaran mesin yang menggunakan jaringan saraf banyak lapisan untuk pembelajaran representasi.

Pembelajaran Mesin (ML)

Metode yang memungkinkan sistem mempelajari pola dari data dan meningkat seiring waktu.

Pembelajaran Penguatan

Pelatihan dengan imbalan memberi sinyal saat agen mempelajari tindakan yang memaksimalkan keuntungan jangka panjang.

Pembelajaran Penguatan dari Umpan Balik Manusia (RLHF)

Sebuah metode pelatihan yang menggunakan sinyal preferensi manusia untuk membentuk perilaku model.

Pembelajaran Sedikit-Tembakan

Mempelajari atau mengadaptasi perilaku hanya dari sejumlah kecil contoh.

Pembelajaran Tanpa Pengawasan

Pola pembelajaran dari data tidak berlabel tanpa target keluaran yang jelas.

Pembelajaran Transfer

Menerapkan pengetahuan yang dipelajari dalam satu tugas atau domain untuk meningkatkan tugas lainnya.

Pembelajaran yang Diawasi

Melatih model dengan contoh berlabel yang memetakan masukan ke keluaran yang diketahui.

Pembelajaran Zero-Shot

Menyelesaikan tugas tanpa contoh tugas spesifik dengan mengandalkan pengetahuan umum sebelumnya.

pembobolan penjara

Teknik cepat yang dimaksudkan untuk melewati batasan keamanan model.

Pembuat enkode

Komponen model yang mengubah masukan menjadi representasi laten.

Pembuat ulang

Model yang menyusun ulang kumpulan awal hasil yang diambil untuk menempatkan item yang paling relevan di urutan teratas.

Pemrosesan Bahasa Alami (NLP)

Cabang AI berfokus pada pemahaman dan menghasilkan bahasa manusia.

Pemutusan Pengetahuan

Titik waktu terakhir yang tercermin dalam data pelatihan model.

Penagihan Berbasis Penggunaan

Penetapan harga yang skala biayanya disesuaikan dengan panggilan API, token, waktu inferensi, atau komputasi yang digunakan.

Penalti Frekuensi

Pengaturan decoding yang mengurangi kemungkinan token secara proporsional dengan seberapa sering token tersebut muncul sejauh ini.

Penalti Kehadiran

Pengaturan decoding yang mengurangi kemungkinan munculnya token, mendorong topik baru.

Penalti Pengulangan

Pengaturan decoding yang menurunkan kemungkinan token yang telah dihasilkan model untuk mengurangi loop.

Pencarian Hibrid

Pendekatan pengambilan yang menggabungkan pencarian kata kunci (leksikal) dengan pencarian vektor (semantik) untuk perolehan dan presisi yang lebih baik.

Pencarian Semantik

Pencarian yang cocok dengan arti dan bukan kata kunci yang sama persis, sering kali menggunakan penyematan.

Pencarian Sinar

Algoritme penguraian kode yang menyimpan beberapa urutan kandidat teratas di setiap langkah untuk menemukan keluaran dengan probabilitas lebih tinggi.

Penerapan Bayangan

Menjalankan model secara paralel dengan lalu lintas produksi tanpa memengaruhi keputusan yang diambil pengguna.

Pengakuan Entitas Bernama (NER)

Tugas NLP yang mengidentifikasi entitas seperti orang, tempat, tanggal, atau organisasi.

Pengambilan

Menemukan dokumen atau catatan yang relevan dari sumber pengetahuan untuk kueri.

Pengambilan Dokumen Orang Tua

Pola pengambilan yang mencari bagian kecil namun mengembalikan dokumen induk yang lebih besar untuk konteks yang lebih kaya.

Pengambilan Multi-Kueri

Teknik pengambilan yang menulis ulang kueri pengguna menjadi beberapa varian untuk meningkatkan ingatan.

Pengambilan Sampel Top-k

Strategi decoding yang mengambil sampel hanya dari k kemungkinan besar token berikutnya.

Pengambilan Sampel Top-p (Inti).

Strategi decoding yang mengambil sampel dari kumpulan token terkecil yang probabilitasnya berjumlah p.

Pengawasan yang Lemah

Menggunakan label yang berisik, heuristik, atau parsial untuk melatih model ketika label yang bersih sulit didapat.

Penggunaan Alat

Kemampuan model untuk memanggil alat eksternal seperti penelusuran, kalkulator, atau API.

Penghalusan Label

Metode regularisasi yang memperhalus label keras untuk meningkatkan generalisasi.

Pengklasifikasi

Model yang dirancang khusus untuk tugas klasifikasi.

Pengkodean Posisi

Informasi ditambahkan ke penyematan token sehingga transformator dapat membedakan urutan urutan.

Pengurai Keluaran

Logika yang memvalidasi dan mengubah keluaran model menjadi struktur yang diketik dengan kuat dan dapat digunakan mesin.

Penguraian Kode Spekulatif

Metode percepatan inferensi di mana rancangan model kecil mengusulkan token yang diverifikasi secara paralel oleh model yang lebih besar.

Penjelasan

Sejauh mana perilaku model dapat diinterpretasikan dan dijelaskan kepada manusia.

Penurunan Gradien

Metode optimasi yang memperbarui parameter ke arah yang mengurangi kesalahan.

Penyelarasan AI

Pekerjaan membuat sistem AI berperilaku sesuai dengan niat manusia, nilai-nilai, dan batasan keselamatan.

Penyematan

Representasi vektor numerik yang menangkap makna semantik teks, gambar, atau data lainnya.

Penyematan Kata

Representasi vektor padat dari kata-kata yang menangkap hubungan semantik.

Penyempurnaan

Melanjutkan pelatihan pada data spesifik domain untuk mengadaptasi model yang telah dilatih sebelumnya ke tugas tertentu.

Penyempurnaan Efisien Parameter (PEFT)

Metode yang mengadaptasi model dengan melatih sebagian kecil parameter tambahan.

Penyetelan Instruksi

Menyempurnakan model pasangan instruksi-respons untuk meningkatkan kemampuan mengikuti tugas.

Penyimpangan Data

Pergeseran data masukan dunia nyata dari waktu ke waktu yang dapat menurunkan performa model.

Penyulingan Pengetahuan

Melatih model yang lebih kecil untuk meniru keluaran model yang lebih besar.

Perhatian Jendela Geser

Pola perhatian di mana setiap token hanya memperhatikan jendela berukuran tetap dari token terdekat untuk mengurangi komputasi.

Perhatian Kilat

Algoritme perhatian yang dioptimalkan yang mengurangi penggunaan memori dan mempercepat pelatihan transformator dan inferensi.

Perhatian Multi-Kepala

Mekanisme transformator yang menjalankan beberapa operasi perhatian secara paralel untuk menangkap berbagai jenis hubungan.

Perhitungan Waktu Inferensi

Jumlah daya pemrosesan yang dikonsumsi saat menghasilkan setiap respons.

Perhitungan Waktu Tes

Perhitungan inferensi tambahan yang digunakan selama pembuatan respons untuk meningkatkan kualitas atau penalaran.

Perintah Sistem

Instruksi berprioritas tinggi yang menetapkan perilaku, kebijakan, dan gaya respons untuk suatu model.

Perplexity

Metrik model bahasa yang mengukur seberapa terkejut model tersebut dengan token berikutnya yang sebenarnya.

Pertengahan pelatihan

Fase pelatihan perantara antara pra-pelatihan dan pasca-pelatihan, sering kali digunakan untuk penyesuaian kemampuan atau domain.

Pohon Keputusan

Model yang membuat prediksi melalui rangkaian pemisahan fitur jika-maka.

Pohon Pikiran

Pendekatan penalaran dimana suatu model mengeksplorasi beberapa jalur solusi yang bercabang dan memilih yang paling menjanjikan.

Positif Palsu

Prediksi yang salah ketika model salah menandai kasus negatif sebagai kasus positif.

Potongan Kalimat

Tokenizer tanpa bahasa yang mempelajari unit subkata langsung dari teks mentah tanpa terlebih dahulu membagi spasi.

Pra-pelatihan

Pelatihan model skala besar awal mengenai data luas sebelum adaptasi hilir.

Presisi

Proporsi prediksi positif yang sebenarnya benar.

Presisi Pengambilan

Proporsi item yang diambil dan relevan dengan kueri pengguna.

Privasi Diferensial

Teknik privasi yang menambahkan gangguan statistik sehingga catatan individual tidak dapat disimpulkan secara andal dari keluaran.

Prompt Engineering

Merancang petunjuk untuk meningkatkan kualitas keluaran, keandalan, dan kemampuan pengendalian.

Propagasi mundur

Algoritme pelatihan inti yang memperbarui bobot model dengan menyebarkan kesalahan prediksi ke belakang melalui jaringan.

Q1 istilah

QLoRA

Teknik penyempurnaan yang menggabungkan kuantisasi bobot 4-bit dengan adaptor LoRA untuk mengurangi kebutuhan memori.

R6 istilah

RAG (Generasi Augmented Pengambilan)

Sebuah metode yang mengambil pengetahuan eksternal dan memasukkannya ke dalam generasi pada waktu inferensi.

RAG-Fusi

Metode pengambilan yang menghasilkan beberapa varian kueri, mengambil hasil untuk masing-masing varian, dan menggabungkan peringkat.

Rantai Pemikiran

Gaya penalaran di mana model AI menguraikan masalah menjadi langkah-langkah perantara.

Registri Model

Katalog pusat untuk pembuatan versi, persetujuan, dan pelacakan model di seluruh lingkungan.

Rekayasa Fitur

Merancang atau mentransformasikan variabel masukan agar pembelajaran lebih mudah dan efektif.

Ruang Laten

Ruang representasi terkompresi di mana konsep-konsep serupa diposisikan berdekatan satu sama lain sebagai vektor.

S6 istilah

Saluran pipa

Alur kerja yang teratur dari prapemrosesan, langkah model, dan tahapan pascapemrosesan.

Set Validasi

Kumpulan data yang digunakan selama pengembangan untuk menyesuaikan model dan mencegah overfitting.

Silsilah Data

Catatan dari mana data berasal, bagaimana data tersebut diubah, dan di mana data tersebut digunakan.

Sistem Otonom

Sebuah sistem yang dapat mengambil keputusan dan bertindak dengan kendali manusia secara langsung atau terbatas secara real time.

Sistem Rekomendasi

Saluran model yang memprediksi preferensi pengguna untuk menentukan peringkat konten atau produk.

Suhu

Pengaturan pengambilan sampel yang mengontrol keacakan dalam keluaran yang dihasilkan.

T13 istilah

Tali (Penyematan Posisi Putar)

Metode pengkodean posisi yang memutar kueri dan vektor kunci untuk mengkodekan posisi token relatif.

Tanda

Sepotong teks yang diproses oleh model bahasa, seperti potongan kata atau simbol.

Tanda air

Menanamkan sinyal yang dapat dideteksi dalam teks atau media yang dihasilkan AI sehingga nantinya dapat diidentifikasi sebagai sinyal yang diproduksi oleh mesin.

Tata Kelola AI

Kebijakan, standar, dan mekanisme pengawasan yang memandu bagaimana AI dikembangkan dan digunakan di masyarakat.

Tembolok KV

Tensor kunci dan nilai tersimpan dari token sebelumnya yang memungkinkan transformator menghasilkan token baru tanpa menghitung ulang perhatian sebelumnya.

Templat Cepat

Pola cepat yang dapat digunakan kembali dengan variabel, aturan pemformatan, dan instruksi khusus tugas.

Tim Merah

Menguji stres sistem AI dengan petunjuk yang berlawanan untuk mengungkap kegagalan dan risiko.

Titik Akhir Inferensi

Antarmuka API yang diterapkan yang menerima permintaan model dan mengembalikan prediksi dalam produksi.

Tokenisasi

Proses pemisahan teks menjadi token untuk masukan model.

Toko Fitur

Sistem terkelola untuk menyimpan dan menyajikan fitur ML yang divalidasi secara konsisten untuk pelatihan dan inferensi.

Tolok ukur

Tes atau kumpulan data standar yang digunakan untuk mengukur dan membandingkan kinerja model.

transformator

Arsitektur saraf yang menggunakan perhatian untuk memodelkan hubungan lintas urutan secara paralel.

Transparansi Algoritmik

Seberapa jelas logika, sumber data, dan batasan sistem AI didokumentasikan dan dapat dipahami.

U1 istilah

UU AI

Kerangka peraturan Uni Eropa yang berbasis risiko untuk sistem dan penyedia AI.

V1 istilah

Visi Komputer

Cabang AI yang mengekstrak makna dari gambar dan video.

X1 istilah

XAI (AI yang Dapat Dijelaskan)

Teknik dan praktik untuk membuat prediksi AI lebih transparan dan mudah dipahami.

Glosarium AI gratis

213 istilah · Definisi bahasa sederhana

Jelajahi perpustakaan panduan lengkap