Agentiskt arbetsflöde
En process i flera steg där ett AI-system planerar, exekverar, kontrollerar resultat och itererar mot ett mål.
Öppna Encyclopedia
AI-ordlistan
Viktig teknisk terminologi förklarad på högsta nivå av tydlighet. Designad för forskare, studenter och människocentrerad utbildning.
213villkorA–ZSök + alfabetfilter100%Klarspråksdefinitioner
A21 villkor
Agentslinga
En iterativ cykel där en AI-agent observerar, planerar, agerar och reflekterar tills den slutför ett mål eller träffar ett stoppvillkor.
AGI (Artificiell allmän intelligens)
Ett hypotetiskt AI-system som kan utföra de flesta intellektuella uppgifter på mänsklig nivå över många domäner.
AI på enheten
AI-inferens utförs lokalt på användarhårdvara snarare än i en fjärrmolntjänst.
AI säkerhet
Ett område fokuserat på att minska skadligt beteende, misslyckanden och missbruksrisker i AI-system.
AI-agent
Ett mjukvarusystem som kan observera, resonera och vidta åtgärder för att uppnå ett mål, ofta med hjälp av verktyg och minne.
AI-justering
Arbetet med att få AI-system att bete sig enligt mänskliga intentioner, värderingar och säkerhetsbegränsningar.
AI-lagen
Europeiska unionens riskbaserade regelverk för AI-system och leverantörer.
AI-styrning
Policyer, standarder och tillsynsmekanismer som styr hur AI utvecklas och används i samhället.
Algoritm
En definierad uppsättning regler eller steg som en dator följer för att lösa ett problem eller slutföra en uppgift.
Algoritmisk bias
Systematisk orättvisa i modellutdata orsakade av skeva data, antaganden eller modelleringsval.
Algoritmisk transparens
Hur tydligt ett AI-systems logik, datakällor och begränsningar är dokumenterade och begripliga.
ALiBi
En positionell bias-metod som straffar uppmärksamhetspoäng baserat på symboliskt avstånd, vilket hjälper modeller att extrapolera till längre sammanhang.
ANN (Ungefärlig närmaste granne)
Algoritmer som hittar vektorer nära en fråga utan uttömmande jämförelse, byter exakthet mot hastighet.
Anpassningsskatt
Den extra kostnaden i tid, beräkning eller produkthastighet som krävs för att göra systemen säkrare och mer kontrollerbara.
Anteckning
Människotillagda etiketter eller metadata som används för att träna eller utvärdera maskininlärningsmodeller.
Användningsbaserad fakturering
Prissättning där kostnaderna skalas med API-anrop, tokens, slutledningstid eller förbrukad beräkning.
API (Application Programming Interface)
Ett strukturerat sätt för ett mjukvarusystem att skicka förfrågningar till och ta emot svar från ett annat system.
Artificiell intelligens (AI)
Det breda fältet för att bygga system som utför uppgifter som kräver mönsterigenkänning, resonemang, språk eller beslutsfattande.
Autonoma System
Ett system som kan fatta beslut och agera med begränsad eller ingen direkt mänsklig kontroll i realtid.
Avsiktsklassificering
Förutsäga användarens syfte från en textfråga för att dirigera den korrekt.
B17 villkor
Backpropagation
Grundträningsalgoritmen som uppdaterar modellvikter genom att sprida prediktionsfel bakåt genom nätverket.
Baslinjemodell
En enkel referensmodell som används för att jämföra om mer komplexa tillvägagångssätt faktiskt förbättrar resultaten.
Belöningsmodell
En modell som ger utdata baserat på preferenssignaler, som ofta används i RLHF-pipelines.
Benchmark
Ett standardiserat test eller datauppsättning som används för att mäta och jämföra modellprestanda.
Benchmark läckage
När benchmarktestexempel eller närliggande varianter finns i träningsdata, ökar rapporterad prestation.
Beräkna
Bearbetningsresurserna som krävs för att träna och köra modeller, ofta mätt i FLOPS- eller GPU-timmar.
Beskärning
Ta bort mindre viktiga modellvikter eller neuroner för att minska storleken och beräkna.
Beslutsgräns
Ytan i funktionsutrymme som skiljer klasser som förutsägs av en klassificerare.
Beslutsträd
En modell som gör förutsägelser genom en sekvens av om-då-funktionsdelningar.
Bevakad avkodning
En genereringsstrategi som begränsar utdatatokens till giltiga strukturer eller policykompatibla val.
Bi-kodare
En modell som kodar frågor och dokument till separata vektorer så att de snabbt kan jämföras i skala.
Bias
Ett konsekvent mönster av fel eller orättvisa i data eller modellbeteende.
Big Data
Mycket stora och komplexa datauppsättningar som kräver skalbar lagrings- och bearbetningsteknik.
Black-Box modell
En modell vars inre resonemang är svårtolkad direkt av människor.
Blandning av experter (MoE)
En arkitektur med specialiserade subnätverk där endast utvalda experter kör per ingång.
Blixtuppmärksamhet
En optimerad uppmärksamhetsalgoritm som minskar minnesanvändningen och påskyndar transformatorträning och slutledning.
BPE (byteparkodning)
En underordstokeniseringsalgoritm som slår samman de vanligaste karaktärsparen till återanvändbara tokens.
C4 villkor
Chain-of-Thought
En resonemangsstil där en AI-modell delar upp ett problem i mellansteg.
Citat
Referenser till källpassager eller dokument som ingår i en modells svar för att stödja dess påståenden.
Convolutional Neural Network (CNN)
En neural arkitektur optimerad för att bearbeta rutnätsliknande data såsom bilder.
Cross-Encoder
En modell som poängsätter en fråga och ett dokument tillsammans i ett pass för högnoggranna relevansbedömningar.
D14 villkor
Data härkomst
Det dokumenterade ursprunget, ägandet och historiken för en datauppsättning eller modellartefakt.
Data härstamning
En registrering av var data kom ifrån, hur den omvandlades och var den används.
Datadrift
En förändring av verkliga indata över tid som kan försämra modellens prestanda.
Datamärkning
Processen att tilldela taggar eller målutgångar till rådata för övervakat lärande.
Dataökning
Tekniker som skapar modifierade träningsexempel för att förbättra modellens generalisering.
Datauppsättning
En samling strukturerade eller ostrukturerade exempel som används för utbildning, validering eller testning.
Datorseende
Grenen av AI som extraherar mening från bilder och video.
Deep Learning
En delmängd av maskininlärning som använder många lager neurala nätverk för representationsinlärning.
Destillation
Komprimera kunskap från en stor lärarmodell till en mindre elevmodell.
Destillerad modell
En mindre modell tränad att imitera en större modells beteende samtidigt som man använder mindre beräkning vid slutledning.
Differentiell integritet
En sekretessteknik som lägger till statistiskt brus så att enskilda poster inte kan härledas tillförlitligt från utdata.
Diffusionsmodell
En generativ arkitektur som lär sig att vända brus för att syntetisera bilder, ljud eller annat innehåll.
Domänanpassning
Metoder som överför en modell tränad i en domän för att prestera bättre på en annan domän.
DPO (Direct Preference Optimization)
En träningsmetod som finjusterar modeller direkt på preferenspar utan att behöva en separat belöningsmodell.
E5 villkor
Efter träning
Utbildningssteg som tillämpas efter förträning, såsom instruktionsinställning, preferensoptimering och säkerhetsinställning.
Encoder
Komponenten i en modell som omvandlar input till latenta representationer.
Ensemble
Kombinera förutsägelser från flera modeller för att förbättra robustheten eller noggrannheten.
Etikettutjämning
En regulariseringsmetod som mjukar upp hårda etiketter för att förbättra generaliseringen.
Eval sele
Ett repeterbart utvärderingsramverk som kör uppmaningar, datauppsättningar och poänglogik över modellversioner.
F17 villkor
Få-Shot Learning
Att lära sig eller anpassa beteendet från endast ett litet antal exempel.
Fakta
Hur exakt matchar en modells påståenden verifierbar verklig information.
Falskt negativ
En felaktig förutsägelse där en modell missar ett sant positivt fall.
Falskt positivt
En felaktig förutsägelse där en modell felaktigt flaggar ett negativt fall som positivt.
Feature Store
Ett hanterat system för att lagra och servera validerade ML-funktioner konsekvent för träning och slutledning.
Finjustering
Fortsatt utbildning om domänspecifik data för att anpassa en förtränad modell till en specifik uppgift.
Förklarbarhet
I vilken grad en modells beteende kan tolkas och förklaras för människor.
Förlustfunktion
Ett matematiskt mål som kvantifierar prediktionsfel under träning.
Förstärkningsinlärning
Träning genom belöningssignaler där en agent lär sig handlingar som maximerar långsiktig avkastning.
Förträning
Initial storskalig modellträning på breda data innan nedströmsanpassning.
Fråga
Inmatningsinstruktionerna och sammanhanget som tillhandahålls till en generativ modell.
Fråga mall
Ett återanvändbart promptmönster med variabler, formateringsregler och uppgiftsspecifika instruktioner.
Frekvensstraff
En avkodningsinställning som minskar sannolikheten för tokens proportionellt mot hur ofta de har dykt upp hittills.
Funktion
En indatavariabel som används av en modell för att göra förutsägelser.
Funktionsanrop
En modellförmåga för att generera strukturerade anrop som utlöser externa verktyg eller API:er.
Funktionsextraktion
Konvertera rådata till informativa funktioner som en modell kan använda.
Funktionsteknik
Designa eller transformera indatavariabler för att göra lärandet enklare och mer effektivt.
G9 villkor
GAN (Generative Adversarial Network)
Ett generativt upplägg där en generator och diskriminator tränar mot varandra.
Generalisering
Hur väl en modell presterar på ny, osynlig data utanför träningsuppsättningen.
Generativ AI
AI-system som producerar nytt innehåll som text, bilder, ljud, video eller kod.
Gles modell
En modell där många parametrar är noll eller inaktiva för att minska beräkningen.
Gradient
En vektor som visar hur mycket varje parameter bör ändras för att minska förlusten.
Gradient Descent
En optimeringsmetod som uppdaterar parametrar i den riktning som minskar fel.
Grund Sanning
Pålitliga referensetiketter som används för att träna eller utvärdera modellutdata.
Grundmodell
En stor förtränad modell som kan anpassas till många nedströmsuppgifter.
GSM8K
Ett riktmärke för matematiska ordproblem i grundskolan som används för att utvärdera steg-för-steg-resonemang i språkmodeller.
H8 villkor
Hallucination
När en modell genererar flytande men falsk eller ostödd information.
Hämtning
Hitta relevanta dokument eller poster från en kunskapskälla för en fråga.
Hämtning av flera frågor
En hämtningsteknik som skriver om användarfrågan till flera varianter för att förbättra återkallelsen.
Hämtning av förälder-dokument
Ett hämtningsmönster som söker i små bitar men returnerar sina större överordnade dokument för ett rikare sammanhang.
HSW
En grafbaserad indexstruktur för snabb ungefärlig sökning av närmaste granne över högdimensionella vektorer.
HumanEval
Ett riktmärke för Python-programmeringsproblem som används för att mäta kodgenereringens korrekthet via enhetstester.
Hybrid sökning
En återvinningsmetod som kombinerar nyckelord (lexikal) sökning med vektor (semantisk) sökning för bättre återhämtning och precision.
Hyperparameter
Ett konfigurationsvärde som ställts in före träning, såsom inlärningshastighet, batchstorlek eller djup.
I6 villkor
In-Context Learning
En modells förmåga att följa mönster från exempel som tillhandahålls direkt i prompten.
Inbäddning
En numerisk vektorrepresentation som fångar den semantiska betydelsen av text, bilder eller annan data.
Inbäddningsmodell
En modell specialiserad för att konvertera data till vektorer som används för semantisk sökning, klustring och hämtning.
Inferens-Time Compute
Mängden processorkraft som förbrukas när varje svar produceras.
Inlärningshastighet
En träningshyperparameter som styr hur mycket parametrar ändrar varje uppdateringssteg.
Instruktionsjustering
Finjustera en modell på instruktion-svar-par för att förbättra uppgiftsföljden.
J2 villkor
K16 villkor
Kalibrering
Hur väl en modells konfidenspoäng matchar faktiska sannolikheter för korrekthet.
Kausal slutledning
Metoder för att uppskatta orsak-verkan-samband snarare än enkla samband.
Klassificerare
En modell utformad speciellt för klassificeringsuppgifter.
Klassificering
En uppgift där en modell tilldelar en indata till en eller flera fördefinierade kategorier.
KLIPP
En multimodal modellarkitektur som lär sig delade representationer mellan text och bilder.
Knowledge Cutoff
Den senaste tidpunkten återspeglas i en modells träningsdata.
Konfidensintervall
Ett statistiskt intervall som sannolikt innehåller det sanna värdet av ett uppmätt modellmått.
Konstitutionell AI
Ett tränings- och beteendeformande tillvägagångssätt där modellens resultat styrs av en fast uppsättning skrivna principer.
Kontextfönster
Den maximala mängden inmatningstoken en språkmodell kan bearbeta på en gång.
Kontinuerligt lärande
Utbildningsmetoder som låter en modell fortsätta att lära sig av ny data utan att glömma förkunskaper.
Kors-entropiförlust
En gemensam objektiv funktion som används för att träna klassificeringsmodeller genom att straffa felaktiga sannolikheter.
Kunskapsbas
En kurerad samling av dokument eller poster som används för hämtning, supportautomatisering eller jordningssvar.
Kunskapsdestillation
Träna en mindre modell för att imitera resultatet av en större modell.
Kunskapsdiagram
En grafstruktur av enheter och relationer som används för resonemang eller hämtning.
KV-cache
Lagrade nyckel- och värdetensorer från tidigare tokens som låter transformatorer generera nya tokens utan att räkna om tidigare uppmärksamhet.
Kvantisering
Konvertera modellvikter till format med lägre precision som 8-bitars eller 4-bitars.
L4 villkor
Latens
Tiden mellan att skicka en förfrågan och ta emot modellens utdata.
Latent utrymme
Ett komprimerat representationsutrymme där liknande begrepp är placerade nära varandra som vektorer.
LLM-som-domare
Använda en språkmodell för att poängsätta eller jämföra resultat från andra modeller under utvärdering.
LoRA (lågrankad anpassning)
En parametereffektiv finjusteringsmetod som lägger till lågrankade adaptermatriser.
M16 villkor
Machine Learning (ML)
Metoder som gör att system kan lära sig mönster från data och förbättras över tid.
Människan-i-slingan
Ett arbetsflöde där människor granskar, vägleder eller åsidosätter AI-utdata.
Mänsklig preferensmodell
En modell som tränats på mänskliga rankningar för att förutsäga vilka svar användare sannolikt föredrar.
MCP (Model Context Protocol)
Ett öppet protokoll som låter AI-applikationer ansluta till externa verktyg, datakällor och kontextleverantörer på ett standard sätt.
Meningsstycke
En språkagnostisk tokenizer som lär sig underordsenheter direkt från råtext utan fördelning på blanksteg.
Minne (agentminne)
Lagrat sammanhang som en AI-agent använder över steg eller sessioner för att förbättra kontinuiteten.
Minns
Andelen faktiska positiva som en modell identifierar korrekt.
Mitt i träningen
En mellanliggande träningsfas mellan förträning och efterträning, som ofta används för kapacitets- eller domänjusteringar.
MMLU
Ett benchmark som testar språkmodeller över 57 akademiska och professionella ämnen med hjälp av flervalsfrågor.
Modell Drift
Prestandaförsämring över tid eftersom verkliga förhållanden avviker från träningsantaganden.
Modell med öppen källkod
En modell släppt med offentliga vikter eller kod för inspektion, anpassning och återanvändning.
Modellkort
Dokumentation som beskriver en modells avsedda användning, mått, begränsningar och risker.
Modellkvantisering
Minska numerisk precision för modellvikter för att minska minnes- och slutledningskostnaden.
Modellregister
En central katalog för versionering, godkännande och spårning av modeller i olika miljöer.
Multi-Head Attention
En transformatormekanism som kör flera uppmärksamhetsoperationer parallellt för att fånga olika typer av relationer.
Multimodal modell
En modell som kan bearbeta eller generera flera datatyper som text, bild och ljud.
N6 villkor
Named Entity Recognition (NER)
En NLP-uppgift som identifierar enheter som personer, platser, datum eller organisationer.
Närvarostraff
En avkodningsinställning som minskar sannolikheten för tokens som överhuvudtaget har dykt upp, vilket uppmuntrar till nya ämnen.
Natural Language Processing (NLP)
Grenen av AI fokuserade på att förstå och generera mänskligt språk.
Neuralt nätverk
En skiktad beräkningsmodell inspirerad av biologiska neuroner och synapser.
Noll datalagring
En policy där nyttolaster för begäran/svar inte lagras efter bearbetning utöver kortlivade driftsfönster.
Normalisering
Omvandla värden till en konsekvent skala för att förbättra optimeringsstabiliteten.
O4 villkor
OCR (Optical Character Recognition)
Teknik som konverterar text i bilder eller skannar till maskinläsbar text.
Oövervakat lärande
Att lära sig mönster från omärkta data utan explicita målutdata.
Ordinbäddning
En tät vektorrepresentation av ord som fångar semantiska relationer.
Output Parser
Logik som validerar och omvandlar modellutdata till starkt typade, maskinanvändbara strukturer.
P8 villkor
Parameter
En inlärd vikt inuti en modell som påverkar dess resultat.
Parametereffektiv finjustering (PEFT)
Metoder som anpassar modeller genom att träna en liten delmängd av tillagda parametrar.
Pass@k
Ett kodutvärderingsmått som mäter chansen att minst ett av k genererade sampel klarar testerna.
Perplexity
Ett språkmodellmått som mäter hur överraskad modellen är av sanna nästa tokens.
Pipeline
Ett ordnat arbetsflöde av förbearbetnings-, modellsteg och efterbearbetningssteg.
Positionell kodning
Information läggs till tokeninbäddningar så att transformatorer kan urskilja sekvensordning.
Precision
Andelen förutsagda positiva som faktiskt är korrekta.
Prompt Engineering
Utforma uppmaningar för att förbättra utskriftskvalitet, tillförlitlighet och kontrollerbarhet.
Q1 villkor
QLoRA
En finjusteringsteknik som kombinerar 4-bitars viktkvantisering med LoRA-adaptrar för att minska minnesbehovet.
R10 villkor
RAG (Retrieval-Augmented Generation)
En metod som hämtar extern kunskap och matar in den i generering vid slutledningstidpunkten.
RAG-Fusion
En hämtningsmetod som genererar flera frågevarianter, hämtar resultat för var och en och slår samman rankningarna.
React
Ett uppmaningsmönster som interfolierar resonemangssteg med verktygsanvändningsåtgärder för att lösa uppgifter mer tillförlitligt.
Red Teaming
Stresstesta ett AI-system med motstridiga uppmaningar för att avslöja misslyckanden och risker.
Reinforcement Learning from Human Feedback (RLHF)
En träningsmetod som använder signaler om mänskliga preferenser för att forma modellbeteende.
Rekommendationssystem
En modellpipeline som förutsäger användarpreferenser för rankning av innehåll eller produkter.
Reranker
En modell som omordnar en initial uppsättning hämtade resultat för att placera de mest relevanta objekten överst.
Retrieval Precision
Andelen hämtade objekt som är relevanta för användarens fråga.
Robusthet
En modells förmåga att bibehålla prestanda under buller, skift eller motstridiga ingångar.
RoPE (Rotary Positional Embeddings)
En positionskodningsmetod som roterar fråge- och nyckelvektorer för att koda relativa tokenpositioner.
S21 villkor
Säkerhetsfilter
Ett modereringslager som blockerar eller skriver om osäkra modellingångar eller utgångar.
Säkerhetsväska
Ett strukturerat argument, som stöds av bevis, att ett AI-system är säkert för en definierad användningskontext.
Semantisk sökning
Sökning som matchar betydelse snarare än exakt överlappning av sökord, ofta med inbäddningar.
Sentimentanalys
En NLP-uppgift som klassificerar känslomässig ton eller åsikt i text.
Shadow Deployment
Att köra en modell parallellt med produktionstrafik utan att påverka användarinriktade beslut.
Självledd inlärning
Lär dig representationer från omärkta data genom att förutsäga maskerade eller transformerade delar.
Självspel
Ett träningsupplägg där en modell förbättras genom att generera data genom interaktioner eller tävlingar med kopior av sig själv.
Skalningslag
Ett empiriskt samband som visar hur prestanda förbättras med modellstorlek, data eller beräkning.
Skjutfönster Uppmärksamhet
Ett uppmärksamhetsmönster där varje token endast tar hand om ett fönster med fast storlek av närliggande tokens för att minska beräkningen.
Skyddsräcken
Regler, kontroller och kontroller som begränsar osäkert eller oönskat modellbeteende.
Slutledning
Körtidsfasen där en tränad modell genererar förutsägelser eller utdata.
Slutpunkt för slutledning
Ett utrullat API-gränssnitt som tar emot modellförfrågningar och returnerar förutsägelser i produktion.
Small Language Model (SLM)
En kompakt språkmodell optimerad för lägre latens, kostnad eller användning på enheten.
Snabb injektion
Ett attackmönster där skadliga instruktioner infogas i modellinmatningar eller hämtat innehåll.
Spekulativ avkodning
En inferensaccelerationsmetod där ett litet utkast till modell föreslår tokens som en större modell verifierar parallellt.
Stor språkmodell (LLM)
En språkmodell tränad på massiva textkorpus för att generera och analysera text.
Strålsökning
En avkodningsalgoritm som håller de översta flera kandidatsekvenserna vid varje steg för att hitta utdata med högre sannolikhet.
Strukturerad utgång
Modellutdata begränsad till ett definierat schema som JSON, verktygsargument eller inskrivna fält.
Svag övervakning
Använda bullriga, heuristiska eller partiella etiketter för att träna modeller när det är ont om rena etiketter.
Syntetisk data
Artificiellt genererad data som används för att utöka, simulera eller skydda känslig träningsdata.
Systemprompt
En högprioriterad instruktion som anger beteende, policy och svarsstil för en modell.
T10 villkor
Tankarnas träd
Ett resonemangssätt där en modell utforskar flera förgrenade lösningsvägar och väljer ut de mest lovande.
Temperatur
En samplingsinställning som kontrollerar slumpmässighet i genererade utdata.
Test-Time Compute
Ytterligare slutledningsberäkning som används under svarsgenerering för att förbättra kvalitet eller resonemang.
Token
En bit text bearbetad av språkmodeller, till exempel en ordbit eller symbol.
Tokenisering
Processen att dela upp text i tokens för modellinmatning.
Top-k Sampling
En avkodningsstrategi som endast samplar från de k mest sannolika nästa tokens.
Top-p (Nucleus) Provtagning
En avkodningsstrategi som samplar från den minsta tokenuppsättningen vars sannolikheter summeras till p.
Träningsförlust
Modellfelvärdet beräknat under träning och optimerat nedåt över tiden.
Transformator
En neural arkitektur som använder uppmärksamhet för att modellera relationer över sekvenser parallellt.
Trust Calibration
Anpassa användarnas förtroende för AI-utgångar med systemets faktiska tillförlitlighet i varje uppgift.
U3 villkor
Uppmärksamhetsmekanism
En modellkomponent som dynamiskt fokuserar på relevanta delar av en ingång när en utdata produceras.
Upprepningsstraff
En avkodningsinställning som sänker sannolikheten för tokens som modellen redan har producerat för att minska loopar.
Utvärderingsset
En uthållen datauppsättning som används för att mäta modellkvalitet efter träning.
V6 villkor
Valideringsuppsättning
En datauppsättning som används under utvecklingen för att trimma modeller och förhindra överanpassning.
Vattenmärkning
Inbädda en detekterbar signal i AI-genererad text eller media så att den senare kan identifieras som maskinproducerad.
Vektor databas
En databas optimerad för att lagra och söka efter högdimensionella inbäddningsvektorer.
Verktygsanvändning
En modells förmåga att anropa externa verktyg som sökning, miniräknare eller API:er.
Vikt
Ett inlärt numeriskt värde som skalar signaler som passerar genom ett neuralt nätverk.
Vision-Language Model (VLM)
En multimodal modell som gemensamt bearbetar visuell och textuell information.
X1 villkor
XAI (Explainable AI)
Tekniker och metoder för att göra AI-förutsägelser mer transparenta och begripliga.
Z1 villkor
Zero-Shot Learning
Att lösa uppgifter utan uppgiftsspecifika exempel genom att förlita sig på allmänna förkunskaper.
Ö3 villkor
Överför lärande
Tillämpa kunskap som lärts i en uppgift eller domän för att förbättra en annan uppgift.
Övermontering
När en modell memorerar träningsdata och presterar dåligt på osynliga ingångar.
Övervakat lärande
Träna en modell med märkta exempel som mappar ingångar till kända utgångar.