Бесплатный глоссарий по искусственному интеллекту
Глоссарий ИИ
Простые определения терминов ИИ, которые вы постоянно слышите, — для студентов, специалистов и всех, кому интересно, как работает ИИ.
- 213термины
- 34буквы покрыты
- A–ZПоиск + алфавитный фильтр
- 100%Определения, понятные языком
A3 термины
ANN (приблизительный ближайший сосед)
Алгоритмы, которые находят векторы, близкие к запросу, без исчерпывающего сравнения, жертвуя точностью ради скорости.API (интерфейс прикладного программирования)
Структурированный способ отправки одной программной системой запросов и получения ответов от другой системы.B1 срок
D1 срок
G2 термины
H2 термины
L2 термины
M1 срок
O1 срок
P2 термины
Q1 срок
R2 термины
X1 срок
А11 термины
Автономная система
Система, которая может принимать решения и действовать под ограниченным или отсутствующим прямым контролем человека в режиме реального времени.Агентический цикл
Итеративный цикл, в котором агент ИИ наблюдает, планирует, действует и размышляет, пока не достигнет цели или не достигнет условия остановки.Агентский рабочий процесс
Многоэтапный процесс, в котором система ИИ планирует, выполняет, проверяет результаты и движется к цели.Адаптация домена
Методы, которые позволяют модели, обученной в одной области, работать лучше в другой области.Алгоритм
Определенный набор правил или шагов, которым следует компьютер для решения проблемы или выполнения задачи.Алгоритмическая прозрачность
Насколько четко документированы и понятны логика, источники данных и ограничения системы ИИ.Алгоритмическое смещение
Систематическая несправедливость в результатах модели, вызванная искажением данных, предположениями или выбором моделирования.АлиБи
Метод позиционной предвзятости, который штрафует оценки внимания на основе расстояния между маркерами, помогая моделям экстраполировать на более длинные контексты.Анализ настроений
Задача НЛП, которая классифицирует эмоциональный тон или мнение в тексте.Аннотация
Добавленные человеком метки или метаданные, используемые для обучения или оценки моделей машинного обучения.Ансамбль
Объединение прогнозов из нескольких моделей для повышения надежности или точности.Б8 термины
База данных векторов
База данных, оптимизированная для хранения и запроса многомерных векторов внедрения.База знаний
Курируемая коллекция документов или записей, используемая для поиска, автоматизации поддержки или обоснования ответов.Базовая модель
Простая эталонная модель, используемая для сравнения того, действительно ли более сложные подходы улучшают результаты.Безопасность ИИ
Область, ориентированная на снижение вредного поведения, сбоев и рисков неправильного использования в системах искусственного интеллекта.Би-энкодер
Модель, которая кодирует запросы и документы в отдельные векторы, чтобы их можно было быстро сравнивать в масштабе.Биллинг на основе использования
Цены, при которых затраты масштабируются в зависимости от вызовов API, токенов, времени вывода или потребляемых вычислительных ресурсов.Большие данные
Очень большие и сложные наборы данных, требующие масштабируемых методов хранения и обработки.Быстрая инъекция
Схема атаки, при которой вредоносные инструкции вставляются во входные данные модели или извлекаемый контент.В14 термины
Вес
Изученное числовое значение, которое масштабирует сигналы, проходящие через нейронную сеть.Водяные знаки
Встраивание обнаруживаемого сигнала в текст или медиафайлы, сгенерированные ИИ, чтобы впоследствии его можно было идентифицировать как созданный машиной.Вспышка внимания
Оптимизированный алгоритм внимания, который уменьшает использование памяти и ускоряет обучение и вывод преобразователей.Встраивание
Числовое векторное представление, которое отражает семантическое значение текста, изображений или других данных.Встраивание модели
Модель, специализированная для преобразования данных в векторы, используемые для семантического поиска, кластеризации и извлечения данных.Встраивание слов
Плотное векторное представление слов, фиксирующее семантические отношения.Выборка Top-p (ядра)
Стратегия декодирования, которая производит выборку из наименьшего набора токенов, сумма вероятностей которых равна p.Вывод
Фаза выполнения, на которой обученная модель генерирует прогнозы или выходные данные.Вызов функции
Возможность модели генерировать структурированные вызовы, которые запускают внешние инструменты или API.Выравнивание ИИ
Работа по обеспечению поведения систем ИИ в соответствии с человеческими намерениями, ценностями и ограничениями безопасности.Выходной анализатор
Логика, которая проверяет и преобразует выходные данные модели в строго типизированные структуры, пригодные для машинного использования.Вычисление во время тестирования
Дополнительные вычисления вывода, используемые во время формирования ответа для улучшения качества или рассуждения.Вычисление времени вывода
Количество вычислительной мощности, потребляемой при создании каждого ответа.Вычислить
Ресурсы обработки, необходимые для обучения и запуска моделей, часто измеряются в FLOPS или часах графического процессора.Г9 термины
Галлюцинация
Когда модель генерирует беглую, но ложную или неподтвержденную информацию.Генеративный ИИ
Системы искусственного интеллекта, которые создают новый контент, такой как текст, изображения, аудио, видео или код.Гибридный поиск
Подход к поиску, который сочетает в себе поиск по ключевым словам (лексический) с векторным (семантическим) поиском для лучшей запоминаемости и точности.Гиперпараметр
Значение конфигурации, установленное перед обучением, например скорость обучения, размер пакета или глубина.Глубокое обучение
Подмножество машинного обучения, которое использует многослойные нейронные сети для обучения представлению.Градиент
Вектор, показывающий, насколько должен измениться каждый параметр, чтобы уменьшить потери.Градиентный спуск
Метод оптимизации, который обновляет параметры в направлении, уменьшающем ошибку.Граница решения
Поверхность в пространстве признаков, разделяющая классы, предсказанные классификатором.График знаний
Графическая структура сущностей и отношений, используемая для рассуждений или поиска.Д10 термины
Дерево мыслей
Подход к рассуждению, при котором модель исследует несколько путей решения ветвления и выбирает наиболее перспективные из них.Дерево решений
Модель, которая делает прогнозы с помощью последовательности разделений признаков «если-то».Дистиллированная модель
Меньшая модель обучена имитировать поведение более крупной модели, используя при этом меньше вычислений.Дистилляция
Сжатие знаний из большой модели учителя в меньшую модель ученика.Дистилляция знаний
Обучение меньшей модели имитации результатов более крупной модели.Дифференциальная конфиденциальность
Метод конфиденциальности, который добавляет статистический шум, поэтому отдельные записи не могут быть надежно выведены из выходных данных.Диффузионная модель
Генеративная архитектура, которая учится обращать шум для синтеза изображений, звука или другого контента.Доверительная калибровка
Согласование уверенности пользователей в результатах работы ИИ с фактической надежностью системы в каждой задаче.Доверительный интервал
Статистический диапазон, который, вероятно, содержит истинное значение измеренного показателя модели.Дрейф данных
Изменение реальных входных данных с течением времени, которое может ухудшить производительность модели.З5 термины
Задержка
Время между отправкой запроса и получением выходных данных модели.Заземленность
Степень, в которой реакция ИИ подтверждается исходными данными или полученными доказательствами.Закон масштабирования
Эмпирическая зависимость, показывающая, как производительность повышается с увеличением размера модели, данных или вычислений.Закон об искусственном интеллекте
Нормативно-правовая база Европейского Союза, основанная на рисках, для систем и поставщиков искусственного интеллекта.Защищенное декодирование
Стратегия генерации, которая ограничивает выходные токены допустимыми структурами или вариантами, совместимыми с политикой.И6 термины
Извлечение функций
Преобразование необработанных данных в информативные функции, которые может использовать модель.ИИ на устройстве
Вывод ИИ выполняется локально на пользовательском оборудовании, а не в удаленном облачном сервисе.ИИ-агент
Программная система, которая может наблюдать, рассуждать и предпринимать действия для достижения цели, часто используя инструменты и память.Инструкция по настройке
Точная настройка модели на парах инструкция-ответ для улучшения выполнения задач.Искусственный интеллект (ИИ)
Широкая область создания систем, выполняющих задачи, требующие распознавания образов, рассуждения, языка или принятия решений.Использование инструмента
Способность модели вызывать внешние инструменты, такие как поиск, калькуляторы или API.К18 термины
Калибровка
Насколько хорошо показатели достоверности модели соответствуют фактическим вероятностям правильности.КВ-кэш
Сохраненные тензоры ключей и значений из предыдущих токенов, которые позволяют преобразователям генерировать новые токены без повторного вычисления прошлого внимания.Квантование
Преобразование весов модели в форматы более низкой точности, например 8-битные или 4-битные.Квантование модели
Снижение числовой точности весов модели для уменьшения затрат на память и логические выводы.Классификатор
Модель, разработанная специально для задач классификации.Классификация
Задача, в которой модель присваивает входные данные одной или нескольким предопределенным категориям.Классификация намерений
Прогнозирование цели пользователя на основе текстового запроса для его правильной маршрутизации.КЛИП
Архитектура мультимодальной модели, которая изучает общие представления текста и изображений.Кодер
Компонент модели, который преобразует входные данные в скрытые представления.Компьютерное зрение
Раздел искусственного интеллекта, который извлекает смысл из изображений и видео.Конечная точка вывода
Развернутый интерфейс API, который получает запросы модели и возвращает прогнозы в рабочей среде.Конституционный ИИ
Подход к обучению и формированию поведения, при котором результаты модели определяются фиксированным набором письменных принципов.Контекстное обучение
Способность модели следовать шаблонам из примеров, представленных непосредственно в подсказке.Контекстное окно
Максимальное количество входных токенов, которые языковая модель может обработать одновременно.Контролируемое обучение
Обучение модели с помощью размеченных примеров, которые сопоставляют входные данные с известными выходными данными.Контрольный показатель
Стандартизированный тест или набор данных, используемый для измерения и сравнения производительности модели.Красная команда
Стресс-тестирование системы ИИ с состязательными подсказками для выявления сбоев и рисков.Кросс-энкодер
Модель, которая оценивает запрос и документ вместе за один проход, обеспечивая высокую точность оценки релевантности.Л2 термины
М19 термины
Магазин функций
Управляемая система для последовательного хранения и предоставления проверенных функций машинного обучения для обучения и вывода.Маркировка данных
Процесс назначения тегов или целевых результатов необработанным данным для контролируемого обучения.Машинное обучение (МО)
Методы, которые позволяют системам изучать закономерности на основе данных и совершенствоваться с течением времени.Механизм внимания
Компонент модели, который динамически фокусируется на соответствующих частях входных данных при создании выходных данных.ММЛУ
Язык эталонного тестирования моделирует 57 академических и профессиональных предметов с использованием вопросов с несколькими вариантами ответов.Многоголовое внимание
Механизм-преобразователь, который параллельно выполняет несколько операций внимания для фиксации различных типов отношений.Многозапросный поиск
Техника поиска, которая переписывает пользовательский запрос на несколько вариантов для улучшения отзыва.Модель большого языка (LLM)
Языковая модель, обученная на массивных текстовых корпусах для генерации и анализа текста.Модель визуального языка (VLM)
Мультимодальная модель, совместно обрабатывающая визуальную и текстовую информацию.Модель вознаграждения
Модель, которая оценивает выходные данные на основе сигналов предпочтений, часто используется в конвейерах RLHF.Модель Дрифта
Снижение производительности со временем, поскольку реальные условия отличаются от предположений обучения.Модель карты
Документация, описывающая предполагаемое использование модели, показатели, ограничения и риски.Модель малого языка (SLM)
Компактная языковая модель, оптимизированная для снижения задержки, затрат и использования на устройстве.Модель с открытым исходным кодом
Модель выпущена с общедоступными весами или кодом для проверки, адаптации и повторного использования.Модель фундамента
Большая предварительно обученная модель, которую можно адаптировать для многих последующих задач.Модель человеческих предпочтений
Модель, обученная на человеческом рейтинге, чтобы предсказать, какие ответы пользователи, скорее всего, предпочтут.Модель черного ящика
Модель, внутренние рассуждения которой людям трудно интерпретировать напрямую.Модельный реестр
Центральный каталог для управления версиями, утверждения и отслеживания моделей в разных средах.Мультимодальная модель
Модель, которая может обрабатывать или генерировать несколько типов данных, таких как текст, изображение и аудио.Н8 термины
Набор данных
Коллекция структурированных или неструктурированных примеров, используемых для обучения, проверки или тестирования.Набор проверки
Набор данных, используемый во время разработки для настройки моделей и предотвращения переобучения.Надежность
Способность модели сохранять производительность в условиях шума, сдвигов или враждебных воздействий.Налог на согласование
Дополнительные затраты времени, вычислений или скорости продукта, необходимые для того, чтобы сделать системы более безопасными и управляемыми.Напомним
Доля фактических положительных результатов, которые модель правильно идентифицирует.Нейронная сеть
Многоуровневая вычислительная модель, вдохновленная биологическими нейронами и синапсами.Нормализация
Преобразование значений в согласованный масштаб для повышения стабильности оптимизации.Нулевое сохранение данных
Политика, согласно которой полезные данные запроса/ответа не сохраняются после обработки за пределами кратковременных операционных окон.О16 термины
Обобщение
Насколько хорошо модель работает с новыми, невидимыми данными за пределами обучающего набора.Обоснование безопасности
Структурированный аргумент, подкрепленный доказательствами, о том, что система ИИ безопасна для определенного контекста использования.Обработка естественного языка (НЛП)
Отрасль искусственного интеллекта сосредоточена на понимании и создании человеческого языка.Обратное распространение ошибки
Основной алгоритм обучения, который обновляет веса модели путем распространения ошибок прогнозирования обратно по сети.обрезка
Удаление менее важных весов модели или нейронов для уменьшения размера и объема вычислений.Обучение без присмотра
Шаблоны обучения на основе немаркированных данных без явных целевых результатов.Обучение в несколько этапов
Обучение или адаптация поведения лишь на небольшом количестве примеров.Обучение с нулевым выстрелом
Решение задач без конкретных примеров, опираясь на предварительные общие знания.Обучение с подкреплением
Обучение с помощью сигналов вознаграждения, когда агент учится действиям, которые максимизируют долгосрочную отдачу.Обучение с подкреплением на основе обратной связи с человеком (RLHF)
Метод обучения, который использует сигналы человеческих предпочтений для формирования поведения модели.Объясняемость
Степень, в которой поведение модели можно интерпретировать и объяснить людям.Ограждения
Правила, проверки и элементы управления, которые ограничивают небезопасное или нежелательное поведение модели.Основная истина
Доверенные ссылочные метки, используемые для обучения или оценки результатов модели.Особенности проектирования
Разработка или преобразование входных переменных, чтобы сделать обучение более простым и эффективным.Особенность
Входная переменная, используемая моделью для прогнозирования.Оценочный набор
Отложенный набор данных, используемый для измерения качества модели после обучения.П22 термины
Память (Память агента)
Сохраненный контекст, который агент ИИ использует на этапах или сеансах для улучшения непрерывности.Параметр
Изученный вес внутри модели, который влияет на ее выходные данные.Пас@к
Метрика оценки кода, измеряющая вероятность того, что хотя бы один из k сгенерированных образцов пройдет тесты.Перекрестная энтропийная потеря
Общая целевая функция, используемая для обучения моделей классификации путем наказания неправильных вероятностей.Переобучение
Когда модель запоминает обучающие данные и плохо работает с невидимыми входными данными.побег из тюрьмы
Быстрый метод, предназначенный для обхода ограничений безопасности модели.Подскажите
Входные инструкции и контекст, предоставленные генеративной модели.Позиционное кодирование
Информация добавлена во встраивания токенов, чтобы преобразователи могли различать порядок последовательности.Поиск
Поиск соответствующих документов или записей из источника знаний для запроса.Поиск луча
Алгоритм декодирования, который сохраняет несколько верхних последовательностей-кандидатов на каждом этапе для поиска выходных данных с более высокой вероятностью.Получение родительского документа
Шаблон поиска, который ищет небольшие фрагменты, но возвращает более крупные родительские документы для более богатого контекста.Пост-тренинг
Этапы обучения, применяемые после предварительного обучения, такие как настройка инструкций, оптимизация предпочтений и настройка безопасности.Постоянное обучение
Подходы к обучению, которые позволяют модели продолжать обучение на новых данных, не забывая при этом предыдущие знания.Потеря тренировки
Значение ошибки модели вычисляется во время обучения и со временем оптимизируется в сторону уменьшения.Предварительная подготовка
Первоначальное обучение крупномасштабной модели на обширных данных перед последующей адаптацией.Предвзятость
Постоянная модель ошибок или несправедливости в данных или поведении модели.ПредложениеЧасть
Независимый от языка токенизатор, который изучает единицы подслова непосредственно из необработанного текста без предварительного разделения на пробелы.Предохранительный фильтр
Уровень модерации, который блокирует или перезаписывает небезопасные входные или выходные данные модели.Прекращение знаний
Последний момент времени отражается в данных обучения модели.Причинный вывод
Методы оценки причинно-следственных связей, а не простых корреляций.Происхождение данных
Запись о том, откуда взялись данные, как они были преобразованы и где они используются.Происхождение данных
Документированное происхождение, право собственности и история набора данных или артефакта модели.Р6 термины
Раздвижное окно Внимание
Схема внимания, при которой каждый токен обращается только к окну соседних токенов фиксированного размера для сокращения вычислительных ресурсов.Разреженная модель
Модель, в которой многие параметры равны нулю или неактивны для сокращения вычислений.Распознавание именованных объектов (NER)
Задача НЛП, которая идентифицирует такие сущности, как люди, места, даты или организации.Реакт
Шаблон подсказок, в котором этапы рассуждения чередуются с действиями по использованию инструментов для более надежного решения задач.Реранкер
Модель, которая изменяет порядок исходного набора полученных результатов, чтобы наиболее релевантные элементы располагались вверху.РЭГ-Фьюжн
Метод поиска, который генерирует несколько вариантов запроса, извлекает результаты для каждого и объединяет рейтинги.С15 термины
Самоконтролируемое обучение
Изучение представлений на основе немаркированных данных путем прогнозирования замаскированных или преобразованных частей.Самостоятельная игра
Схема обучения, при которой модель совершенствуется за счет генерации данных посредством взаимодействия или соревнований с собственными копиями.Сверточная нейронная сеть (CNN)
Нейронная архитектура, оптимизированная для обработки данных в виде сетки, таких как изображения.Сглаживание меток
Метод регуляризации, который смягчает жесткие метки для улучшения обобщения.Семантический поиск
Поиск, который соответствует значению, а не точному совпадению ключевых слов, часто с использованием встраивания.Середина обучения
Промежуточный этап обучения между предварительным обучением и постобучением, часто используемый для корректировки возможностей или предметной области.Синтетические данные
Искусственно сгенерированные данные, используемые для дополнения, моделирования или защиты конфиденциальных данных обучения.Система рекомендаций
Конвейер моделей, который прогнозирует предпочтения пользователей при ранжировании контента или продуктов.Системная подсказка
Инструкция с высоким приоритетом, определяющая поведение, политику и стиль ответа модели.Скорость обучения
Обучающий гиперпараметр, контролирующий, насколько параметры изменяются на каждом этапе обновления.Скрытое пространство
Сжатое репрезентативное пространство, в котором схожие понятия расположены рядом друг с другом как векторы.Слабый надзор
Использование шумных, эвристических или частичных меток для обучения моделей, когда чистых меток не хватает.Смесь экспертов (МО)
Архитектура со специализированными подсетями, в которых на каждом входе работают только избранные эксперты.Спекулятивное декодирование
Метод ускорения вывода, при котором небольшая черновая модель предлагает токены, которые параллельно проверяет более крупная модель.Структурированный вывод
Вывод модели ограничен определенной схемой, такой как JSON, аргументами инструмента или типизированными полями.Т12 термины
Температура
Настройка выборки, контролирующая случайность генерируемых выходных данных.Теневое развертывание
Запуск модели параллельно с производственным трафиком, не влияя на решения, принимаемые пользователем.Токен
Фрагмент текста, обрабатываемый языковыми моделями, например фрагмент слова или символ.Токенизация
Процесс разделения текста на токены для ввода модели.Топ-k выборка
Стратегия декодирования, которая производит выборку только из k наиболее вероятных следующих токенов.Точная настройка
Продолжение обучения на предметных данных для адаптации предварительно обученной модели к конкретной задаче.Точная настройка с эффективным использованием параметров (PEFT)
Методы, которые адаптируют модели путем обучения небольшого подмножества добавленных параметров.Точность
Доля прогнозируемых положительных результатов, которые на самом деле верны.Точность поиска
Доля полученных элементов, соответствующих запросу пользователя.Трансферное обучение
Применение знаний, полученных в одной задаче или области, для улучшения другой задачи.Трансформатор
Нейронная архитектура, которая использует внимание для параллельного моделирования отношений между последовательностями.Трубопровод
Упорядоченный рабочий процесс предварительной обработки, этапов модели и этапов постобработки.У3 термины
Увеличение данных
Методы создания модифицированных обучающих примеров для улучшения обобщения модели.Управление ИИ
Политика, стандарты и механизмы надзора, которые определяют, как ИИ разрабатывается и используется в обществе.Утечка эталонного теста
Когда в данных обучения присутствуют примеры эталонных тестов или близкие варианты, заявленная производительность завышается.Ф2 термины
Ц2 термины
Ч1 срок
Ш4 термины
Шаблон подсказки
Шаблон многократного использования с переменными, правилами форматирования и инструкциями для конкретных задач.Штраф за повторение
Параметр декодирования, который снижает вероятность токенов, которые модель уже создала, чтобы уменьшить количество циклов.Штраф за присутствие
Настройка декодирования, которая снижает вероятность появления токенов вообще, поощряя новые темы.Штраф за частоту
Настройка декодирования, которая снижает вероятность появления токенов пропорционально тому, как часто они появлялись на данный момент.Э1 срок
Бесплатный глоссарий по искусственному интеллекту