01
AI Foundations
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Free AI library
Learn AI.Free forever.
1019 plain-English guides, structured learning paths, and an open library — built by an independent 501(c)(3) nonprofit so anyone can understand modern AI.
1019Gratis guider
9Topic tracks
~2 minPer guide
~34hReading time
Start her
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Ansvarlig AI-bruker
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
03
AI på jobb
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
AI-politikk og samfunn
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Bygging med AI-systemer
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Topic tracks
Browse by track
Jump into the area you care about. Every track has multiple plain-English guides.
GrunnleggendeCore concepts: how AI works at a high level.84 guider Språk AILLMs, NLP, ChatGPT, prompting, and text understanding.155 guider Visual AIImage generation, computer vision, video, and design.133 guider Audio AIVoice, music, podcasting, and audio-first AI.117 guider CompaniesProfiles of OpenAI, Anthropic, Google, Meta, and more.121 guider SøknaderHow AI shows up in coding, search, agents, and daily life.111 guider IndustriesAI in healthcare, finance, education, energy, and more.91 guider TechnicalChips, fine-tuning, RAG, vectors, and AI infrastructure.177 guider SamfunnBias, privacy, copyright, safety, and the AI future.30 guider
Full library
All guides
1019 av 1019 guides shown. Filter by track or search above.
Technical
Konsistensregularisering i semi-overvåket læring
Konsistensregularisering lærer en modell å gi det samme svaret når en umerket input blir forstyrret på små, etikettbevarende måter.
TechnicalHard parameterdeling i multioppgavenettverk
Hard parameter deling er det klassiske multi-task læringsdesignet der flere oppgaver deler de samme skjulte lagene og bare deles inn i separate utdata "hoder" ...
TechnicalGating og ruting i betinget beregning
Gating og ruting lar et nevralt nettverk aktivere bare delene det trenger for hver inngang i stedet for å kjøre hele modellen hver gang.
TechnicalGumbel-Softmax og reparameterisering
Gumbel-Softmax er et triks som lar nevrale nettverk "sample" fra diskrete kategorier mens de fortsatt kan trenes med gradientnedstigning.
TechnicalStraight-Through Estimator
Straight-Through Estimator (STE) er et enkelt triks for å trene nettverk som inneholder harde, ikke-differensierbare trinn som avrunding eller terskel.
GrunnleggendeGruppenormalisering
Gruppenormalisering er en teknikk som stabiliserer nevrale nettverkstrening ved å normalisere funksjoner innenfor små grupper av kanaler, uavhengig for hver ...
GrunnleggendeGated tilbakevendende enheter
En Gated Recurrent Unit (GRU) er en strømlinjeformet type tilbakevendende nevrale nettverksceller som bruker to porter for å bestemme hvilken informasjon som skal beholdes og hva som skal glemmes ...
TechnicalToveis tilbakevendende nettverk
Et toveis tilbakevendende nettverk leser en sekvens både fremover og bakover, slik at hver posisjons representasjon trekker på kontekst fra fortiden og fremtiden.
TechnicalOppmerksomhetsutrulling og hodebeskjæring
Oppmerksomhetsutrulling er en metode for å spore hvordan informasjon flyter gjennom en transformators stablede oppmerksomhetslag for å forklare hvilke input-tokens som påvirker ...
Språk AIKontrastiv dekoding
Kontrastiv dekoding genererer tekst av høyere kvalitet ved å trekke tendensene til en liten, svak språkmodell fra tendensene til en stor, sterk.
Språk AIGuidet strålesøk med begrensninger
Begrenset strålesøk tvinger utdataene til en språkmodell til å tilfredsstille harde krav, som å inkludere spesifikke ord eller matche en grammatikk, samtidig som...
Språk AIMinimum Bayes-risikodekoding
Minimum Bayes Risk (MBR)-dekoding velger utdataene som ligner mest på mange andre sannsynlige utdata, i stedet for den enkeltstående mest sannsynlige.
Finished reading? Prove it.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.