AGI (ปัญญาประดิษฐ์ทั่วไป)
ระบบ AI สมมุติที่สามารถทำงานทางปัญญาส่วนใหญ่ในระดับมนุษย์ในหลายโดเมน
Free AI glossary
อภิธานศัพท์AI
Plain-language definitions of the AI terms you keep hearing — for students, professionals, and anyone curious about how AI works.
213เงื่อนไขA–Zค้นหา + ตัวกรองตัวอักษร100%คำจำกัดความภาษาธรรมดา
A6 เงื่อนไข
AI เชิงสร้างสรรค์
ระบบ AI ที่สร้างเนื้อหาใหม่ๆ เช่น ข้อความ รูปภาพ เสียง วิดีโอ หรือโค้ด
AI บนอุปกรณ์
การอนุมาน AI ดำเนินการภายในเครื่องบนฮาร์ดแวร์ของผู้ใช้ แทนที่จะดำเนินการในบริการคลาวด์ระยะไกล
AI รัฐธรรมนูญ
แนวทางการฝึกอบรมและการกำหนดพฤติกรรมโดยที่ผลลัพธ์ของแบบจำลองได้รับการชี้นำโดยหลักการที่เป็นลายลักษณ์อักษรชุดตายตัว
ANN (เพื่อนบ้านที่ใกล้ที่สุดโดยประมาณ)
อัลกอริทึมที่ค้นหาเวกเตอร์ใกล้กับข้อความค้นหาโดยไม่มีการเปรียบเทียบอย่างละเอียด โดยแลกเปลี่ยนความแม่นยำกับความเร็ว
API (อินเทอร์เฟซการเขียนโปรแกรมแอปพลิเคชัน)
วิธีการที่มีโครงสร้างสำหรับระบบซอฟต์แวร์หนึ่งในการส่งคำขอและรับการตอบกลับจากอีกระบบหนึ่ง
B2 เงื่อนไข
Bi-Encoder
โมเดลที่เข้ารหัสการสืบค้นและเอกสารเป็นเวกเตอร์แยกกัน เพื่อให้สามารถเปรียบเทียบได้อย่างรวดเร็วในวงกว้าง
BPE (การเข้ารหัสคู่ไบต์)
อัลกอริธึมโทเค็นคำย่อยที่รวมคู่อักขระที่พบบ่อยที่สุดเข้ากับโทเค็นที่นำมาใช้ซ้ำได้
C1 term
Cross-Encoder
โมเดลที่ให้คะแนนการสืบค้นและเอกสารรวมกันในการส่งผ่านครั้งเดียวเพื่อการตัดสินความเกี่ยวข้องที่มีความแม่นยำสูง
G2 เงื่อนไข
GAN (เครือข่ายฝ่ายตรงข้ามทั่วไป)
การตั้งค่าแบบกำเนิดที่เครื่องกำเนิดและผู้แยกแยะฝึกซึ่งกันและกัน
GSM8K
เกณฑ์มาตรฐานของปัญหาคำศัพท์ทางคณิตศาสตร์ในโรงเรียนประถมที่ใช้ในการประเมินการใช้เหตุผลแบบทีละขั้นตอนในแบบจำลองภาษา
H1 term
HumanEval
เกณฑ์มาตรฐานของปัญหาการเขียนโปรแกรม Python ที่ใช้ในการวัดความถูกต้องของการสร้างโค้ดผ่านการทดสอบหน่วย
L2 เงื่อนไข
LLM-ในฐานะผู้พิพากษา
การใช้แบบจำลองภาษาเพื่อให้คะแนนหรือเปรียบเทียบผลลัพธ์จากแบบจำลองอื่นในระหว่างการประเมินผล
LoRA (การปรับตัวระดับต่ำ)
วิธีการปรับแต่งแบบละเอียดที่มีประสิทธิภาพด้วยพารามิเตอร์ที่เพิ่มเมทริกซ์อะแด็ปเตอร์ระดับต่ำ
M1 term
MCP (โปรโตคอลบริบทแบบจำลอง)
โปรโตคอลแบบเปิดที่ช่วยให้แอปพลิเคชัน AI เชื่อมต่อกับเครื่องมือภายนอก แหล่งข้อมูล และผู้ให้บริการบริบทด้วยวิธีมาตรฐาน
O1 term
OCR (การรู้จำอักขระด้วยแสง)
เทคโนโลยีที่แปลงข้อความในภาพหรือสแกนให้เป็นข้อความที่เครื่องอ่านได้
P2 เงื่อนไข
Perplexity
ตัวชี้วัดแบบจำลองภาษาที่วัดว่าแบบจำลองนั้นน่าประหลาดใจเพียงใดด้วยโทเค็นถัดไปที่แท้จริง
Prompt Engineering
การออกแบบพร้อมท์เพื่อปรับปรุงคุณภาพเอาต์พุต ความน่าเชื่อถือ และความสามารถในการควบคุม
R3 เงื่อนไข
RAG (การดึงข้อมูล-การสร้างเสริม)
วิธีการดึงความรู้จากภายนอกและป้อนเข้าสู่รุ่นในเวลาอนุมาน
RAG-ฟิวชั่น
วิธีการดึงข้อมูลที่สร้างตัวแปรการสืบค้นหลายรูปแบบ ดึงผลลัพธ์สำหรับแต่ละรายการ และรวมการจัดอันดับ
RoPE (การฝังตำแหน่งแบบหมุน)
วิธีการเข้ารหัสตำแหน่งที่หมุนแบบสอบถามและเวกเตอร์คีย์เพื่อเข้ารหัสตำแหน่งโทเค็นที่เกี่ยวข้อง
X1 term
XAI (AI อธิบายได้)
เทคนิคและแนวปฏิบัติในการทำให้การคาดการณ์ AI โปร่งใสและเข้าใจได้มากขึ้น
ก73 เงื่อนไข
กฎหมายมาตราส่วน
ความสัมพันธ์เชิงประจักษ์ที่แสดงให้เห็นว่าประสิทธิภาพดีขึ้นอย่างไรด้วยขนาดโมเดล ข้อมูล หรือการประมวลผล
กรณีความปลอดภัย
ข้อโต้แย้งที่มีโครงสร้างซึ่งสนับสนุนโดยหลักฐานว่าระบบ AI ปลอดภัยสำหรับบริบทการใช้งานที่กำหนดไว้
กราฟความรู้
โครงสร้างกราฟของเอนทิตีและความสัมพันธ์ที่ใช้สำหรับการให้เหตุผลหรือการดึงข้อมูล
กลไกความสนใจ
ส่วนประกอบโมเดลที่เน้นแบบไดนามิกไปยังส่วนที่เกี่ยวข้องของอินพุตเมื่อสร้างเอาต์พุต
การกลั่น
การบีบอัดความรู้จากโมเดลครูใหญ่ให้เป็นโมเดลนักเรียนตัวเล็ก
การกลั่นกรองความรู้
การฝึกโมเดลขนาดเล็กเพื่อเลียนแบบผลลัพธ์ของโมเดลที่ใหญ่กว่า
การกำกับดูแลที่อ่อนแอ
การใช้ป้ายกำกับที่มีสัญญาณรบกวน การวิเคราะห์พฤติกรรม หรือบางส่วนเพื่อฝึกโมเดลเมื่อป้ายกำกับที่สะอาดหมดจดมีน้อย
การเก็บรักษาข้อมูลเป็นศูนย์
นโยบายที่เพย์โหลดคำขอ/การตอบกลับจะไม่ถูกจัดเก็บหลังจากการประมวลผลเกินกรอบเวลาการทำงานที่มีอายุการใช้งานสั้น
การขยายพันธุ์กลับ
อัลกอริธึมการฝึกอบรมหลักที่อัปเดตน้ำหนักโมเดลโดยเผยแพร่ข้อผิดพลาดในการคาดการณ์แบบย้อนกลับผ่านเครือข่าย
การเข้ารหัสตำแหน่ง
ข้อมูลที่เพิ่มในการฝังโทเค็นเพื่อให้หม้อแปลงสามารถแยกแยะลำดับได้
การค้นหาความหมาย
การค้นหาที่ตรงกับความหมายมากกว่าการทับซ้อนของคำหลัก โดยมักใช้การฝัง
การค้นหาแบบไฮบริด
วิธีการดึงข้อมูลที่รวมการค้นหาคำสำคัญ (คำศัพท์) เข้ากับการค้นหาเวกเตอร์ (ความหมาย) เพื่อการจดจำและความแม่นยำที่ดีขึ้น
การคำนวณเวลาทดสอบ
การคำนวณอนุมานเพิ่มเติมที่ใช้ระหว่างการสร้างการตอบสนองเพื่อปรับปรุงคุณภาพหรือการใช้เหตุผล
การคำนวณอนุมานเวลา
ปริมาณพลังการประมวลผลที่ใช้ขณะสร้างการตอบสนองแต่ละครั้ง
การจัดตำแหน่ง AI
งานทำให้ระบบ AI ทำงานตามเจตนารมณ์ ค่านิยม และข้อจำกัดด้านความปลอดภัยของมนุษย์
การจำแนกประเภท
งานที่แบบจำลองกำหนดอินพุตให้กับหมวดหมู่ที่กำหนดไว้ล่วงหน้าอย่างน้อยหนึ่งหมวดหมู่
การจำแนกประเภทเจตนา
คาดการณ์วัตถุประสงค์ของผู้ใช้จากการสืบค้นข้อความเพื่อกำหนดเส้นทางอย่างถูกต้อง
การเจลเบรค
เทคนิคทันทีที่มีจุดมุ่งหมายเพื่อหลีกเลี่ยงข้อจำกัดด้านความปลอดภัยของโมเดล
การใช้เครื่องมือ
ความสามารถของโมเดลในการเรียกเครื่องมือภายนอก เช่น การค้นหา เครื่องคิดเลข หรือ API
การ์ดโมเดล
เอกสารที่อธิบายการใช้งานตามวัตถุประสงค์ ตัวชี้วัด ข้อจำกัด และความเสี่ยง
การตัดแต่งกิ่ง
การลบน้ำหนักโมเดลหรือเซลล์ประสาทที่มีความสำคัญน้อยกว่าออกเพื่อลดขนาดและการคำนวณ
การติดฉลากข้อมูล
กระบวนการกำหนดแท็กหรือเอาต์พุตเป้าหมายให้กับข้อมูลดิบเพื่อการเรียนรู้แบบมีผู้สอน
การถอดรหัสเก็งกำไร
วิธีการเร่งความเร็วอนุมานที่แบบจำลองร่างขนาดเล็กเสนอโทเค็นที่แบบจำลองขนาดใหญ่ตรวจสอบพร้อมกัน
การถอดรหัสที่ได้รับการปกป้อง
กลยุทธ์การสร้างที่จำกัดโทเค็นเอาท์พุตให้มีโครงสร้างที่ถูกต้องหรือตัวเลือกที่สอดคล้องกับนโยบาย
การทำให้เป็นมาตรฐาน
การแปลงค่าให้เป็นระดับที่สอดคล้องกันเพื่อปรับปรุงเสถียรภาพในการเพิ่มประสิทธิภาพ
การประมวลผลภาษาธรรมชาติ (NLP)
สาขาของ AI มุ่งเน้นไปที่การทำความเข้าใจและสร้างภาษามนุษย์
การปรับฉลากให้เรียบ
วิธีการทำให้เป็นมาตรฐานที่ทำให้ฉลากแข็งอ่อนลงเพื่อปรับปรุงลักษณะทั่วไป
การปรับใช้เงา
ใช้งานโมเดลควบคู่ไปกับปริมาณการใช้งานจริงโดยไม่ส่งผลกระทบต่อการตัดสินใจที่ผู้ใช้ต้องเผชิญ
การปรับโดเมน
วิธีการถ่ายโอนแบบจำลองที่ได้รับการฝึกในโดเมนหนึ่งเพื่อให้ทำงานได้ดีขึ้นในอีกโดเมนหนึ่ง
การปรับแต่งคำสั่ง
ปรับแต่งแบบจำลองในคู่คำสั่งและการตอบสนองเพื่อปรับปรุงงานต่อไปนี้
การปรับแต่งแบบละเอียด
การฝึกอบรมอย่างต่อเนื่องเกี่ยวกับข้อมูลเฉพาะโดเมนเพื่อปรับโมเดลที่ได้รับการฝึกอบรมล่วงหน้าให้เข้ากับงานเฉพาะ
การปรับแบบละเอียดอย่างมีประสิทธิภาพด้วยพารามิเตอร์ (PEFT)
วิธีการปรับโมเดลโดยการฝึกชุดย่อยเล็กๆ ของพารามิเตอร์ที่เพิ่มเข้ามา
การผสมผสานของผู้เชี่ยวชาญ (MoE)
สถาปัตยกรรมที่มีเครือข่ายย่อยเฉพาะซึ่งเฉพาะผู้เชี่ยวชาญที่เลือกเท่านั้นที่ทำงานต่ออินพุต
การฝัง
การแสดงเวกเตอร์ตัวเลขที่จับความหมายทางความหมายของข้อความ รูปภาพ หรือข้อมูลอื่นๆ
การฝังคำ
การแสดงเวกเตอร์หนาแน่นของคำที่จับความสัมพันธ์เชิงความหมาย
การฝึกกลางคัน
ระยะการฝึกขั้นกลางระหว่างการฝึกก่อนและหลังการฝึก มักใช้เพื่อปรับความสามารถหรือขอบเขต
การฝึกล่วงหน้า
การฝึกอบรมโมเดลขนาดใหญ่เบื้องต้นเกี่ยวกับข้อมูลกว้างๆ ก่อนการปรับตัวดาวน์สตรีม
การเพิ่มข้อมูล
เทคนิคที่สร้างตัวอย่างการฝึกอบรมที่ปรับเปลี่ยนเพื่อปรับปรุงการวางนัยทั่วไปของโมเดล
การรับรู้เอนทิตีที่มีชื่อ (NER)
งาน NLP ที่ระบุเอนทิตี เช่น บุคคล สถานที่ วันที่ หรือองค์กร
การรั่วไหลของเกณฑ์มาตรฐาน
เมื่อมีตัวอย่างการทดสอบเกณฑ์มาตรฐานหรือรูปแบบที่ใกล้เคียงอยู่ในข้อมูลการฝึกอบรม ส่งผลให้ประสิทธิภาพที่รายงานเพิ่มขึ้น
การเรียกเก็บเงินตามการใช้งาน
ราคาที่ต้นทุนปรับขนาดด้วยการเรียก API, โทเค็น, เวลาอนุมาน หรือการประมวลผลที่ใช้ไป
การเรียกค้นข้อมูลแบบหลายคำค้นหา
เทคนิคการเรียกค้นที่เขียนคำค้นหาของผู้ใช้ใหม่เป็นตัวแปรต่างๆ เพื่อปรับปรุงการเรียกคืน
การเรียกค้นเอกสารผู้ปกครอง
รูปแบบการดึงข้อมูลที่ค้นหาส่วนเล็กๆ แต่ส่งคืนเอกสารพาเรนต์ที่ใหญ่กว่าเพื่อบริบทที่สมบูรณ์ยิ่งขึ้น
การเรียกคืน
การค้นหาเอกสารหรือบันทึกที่เกี่ยวข้องจากแหล่งความรู้เพื่อสอบถาม
การเรียกใช้ฟังก์ชัน
ความสามารถของโมเดลในการสร้างการโทรแบบมีโครงสร้างที่ทริกเกอร์เครื่องมือภายนอกหรือ API
การเรียนรู้การเสริมกำลังจากผลตอบรับของมนุษย์ (RLHF)
วิธีการฝึกอบรมที่ใช้สัญญาณความชอบของมนุษย์เพื่อกำหนดรูปแบบพฤติกรรมของโมเดล
การเรียนรู้ของเครื่อง (ML)
วิธีการที่ช่วยให้ระบบเรียนรู้รูปแบบจากข้อมูลและปรับปรุงเมื่อเวลาผ่านไป
การเรียนรู้เชิงลึก
ชุดย่อยของการเรียนรู้ของเครื่องที่ใช้โครงข่ายประสาทเทียมหลายชั้นสำหรับการเรียนรู้แบบเป็นตัวแทน
การเรียนรู้ด้วยตนเอง
การเรียนรู้การนำเสนอจากข้อมูลที่ไม่มีป้ายกำกับโดยการทำนายส่วนที่ปิดบังหรือถูกแปลง
การเรียนรู้ในบริบท
ความสามารถของโมเดลในการติดตามรูปแบบจากตัวอย่างที่ให้ไว้ในพรอมต์โดยตรง
การเรียนรู้แบบ Zero-Shot
การแก้ปัญหาโดยไม่มีตัวอย่างเฉพาะงานโดยอาศัยความรู้ทั่วไปก่อนหน้า
การเรียนรู้แบบไม่กี่ช็อต
การเรียนรู้หรือปรับพฤติกรรมจากตัวอย่างเพียงเล็กน้อย
การเรียนรู้แบบไม่มีผู้ดูแล
รูปแบบการเรียนรู้จากข้อมูลที่ไม่มีป้ายกำกับโดยไม่มีเอาต์พุตเป้าหมายที่ชัดเจน
การเรียนรู้แบบเสริมกำลัง
การฝึกอบรมโดยให้รางวัลเป็นสัญญาณว่าตัวแทนเรียนรู้การกระทำที่เพิ่มผลตอบแทนในระยะยาวสูงสุด
การเรียนรู้ภายใต้การดูแล
ฝึกอบรมโมเดลด้วยตัวอย่างที่มีป้ายกำกับซึ่งจับคู่อินพุตกับเอาต์พุตที่ทราบ
การเรียนรู้อย่างต่อเนื่อง
แนวทางการฝึกอบรมที่ช่วยให้โมเดลสามารถเรียนรู้จากข้อมูลใหม่โดยไม่ลืมความรู้เดิม
การลงโทษการแสดงตน
การตั้งค่าการถอดรหัสที่ลดความน่าจะเป็นของโทเค็นที่ปรากฏเลย กระตุ้นให้เกิดหัวข้อใหม่
การลงโทษความถี่
การตั้งค่าการถอดรหัสที่ลดความน่าจะเป็นของโทเค็นตามสัดส่วนกับความถี่ที่ปรากฏจนถึงปัจจุบัน
การไล่ระดับโคตร
วิธีการปรับให้เหมาะสมที่อัพเดตพารามิเตอร์ในทิศทางที่ช่วยลดข้อผิดพลาด
การไล่ระดับสี
เวกเตอร์ที่แสดงจำนวนพารามิเตอร์แต่ละตัวที่ควรเปลี่ยนแปลงเพื่อลดการสูญเสีย
การวิเคราะห์ความรู้สึก
งาน NLP ที่จำแนกน้ำเสียงหรือความคิดเห็นเป็นข้อความ
การสกัดคุณลักษณะ
การแปลงข้อมูลดิบเป็นคุณลักษณะข้อมูลที่โมเดลสามารถใช้ได้
การสอบเทียบ
คะแนนความเชื่อมั่นของแบบจำลองตรงกับความน่าจะเป็นที่ถูกต้องตามจริงเพียงใด
การสอบเทียบความน่าเชื่อถือ
การจัดแนวความมั่นใจของผู้ใช้ในเอาท์พุต AI เข้ากับความน่าเชื่อถือที่แท้จริงของระบบในแต่ละงาน
การสุ่มตัวอย่าง Top-k
กลยุทธ์การถอดรหัสที่สุ่มตัวอย่างจากโทเค็นที่น่าจะถัดไปมากที่สุดเท่านั้น
การสุ่มตัวอย่าง Top-p (นิวเคลียส)
กลยุทธ์การถอดรหัสที่สุ่มตัวอย่างจากชุดโทเค็นที่เล็กที่สุดซึ่งความน่าจะเป็นจะรวมกันเป็น p
การสูญเสียการฝึกอบรม
ค่าข้อผิดพลาดของโมเดลคำนวณระหว่างการฝึกและปรับให้เหมาะสมลงเมื่อเวลาผ่านไป
การสูญเสียข้ามเอนโทรปี
ฟังก์ชันวัตถุประสงค์ทั่วไปที่ใช้ในการฝึกแบบจำลองการจำแนกประเภทโดยการลงโทษความน่าจะเป็นที่ไม่ถูกต้อง
การหาปริมาณ
การแปลงน้ำหนักโมเดลเป็นรูปแบบที่มีความแม่นยำต่ำ เช่น 8 บิตหรือ 4 บิต
การหาปริมาณแบบจำลอง
ลดความแม่นยำเชิงตัวเลขของน้ำหนักโมเดลเพื่อลดต้นทุนหน่วยความจำและการอนุมาน
การอนุมาน
ระยะรันไทม์ที่โมเดลที่ได้รับการฝึกสร้างการคาดการณ์หรือเอาต์พุต
การอนุมานเชิงสาเหตุ
วิธีการประมาณค่าความสัมพันธ์ระหว่างเหตุและผลมากกว่าความสัมพันธ์แบบธรรมดา
การอ้างอิง
การอ้างอิงถึงข้อความต้นฉบับหรือเอกสารที่รวมอยู่ในคำตอบของแบบจำลองเพื่อสนับสนุนการกล่าวอ้าง
ข4 เงื่อนไข
ขอบเขตการตัดสินใจ
พื้นผิวในพื้นที่คุณลักษณะที่แยกคลาสที่ทำนายโดยตัวแยกประเภท
ข้อมูลขนาดใหญ่
ชุดข้อมูลที่มีขนาดใหญ่และซับซ้อนมากซึ่งต้องใช้พื้นที่จัดเก็บและเทคนิคการประมวลผลที่ปรับขนาดได้
ข้อมูลดริฟท์
การเปลี่ยนแปลงของข้อมูลอินพุตในโลกแห่งความเป็นจริงเมื่อเวลาผ่านไป ซึ่งอาจทำให้ประสิทธิภาพของโมเดลลดลง
ข้อมูลสังเคราะห์
ข้อมูลที่สร้างขึ้นเทียมซึ่งใช้เพื่อเพิ่ม จำลอง หรือปกป้องข้อมูลการฝึกอบรมที่ละเอียดอ่อน
ค18 เงื่อนไข
ค้นหาบีม
อัลกอริธึมการถอดรหัสที่เก็บลำดับตัวเลือกอันดับต้นๆ ในแต่ละขั้นตอนเพื่อค้นหาเอาต์พุตที่มีความน่าจะเป็นสูงกว่า
คลิป
สถาปัตยกรรมโมเดลต่อเนื่องหลายรูปแบบที่เรียนรู้การเป็นตัวแทนร่วมกันระหว่างข้อความและรูปภาพ
ความจริงพื้นฐาน
ป้ายอ้างอิงที่เชื่อถือได้ซึ่งใช้ในการฝึกหรือประเมินผลลัพธ์ของโมเดล
ความทนทาน
ความสามารถของแบบจำลองในการรักษาประสิทธิภาพของแบบจำลองภายใต้สัญญาณรบกวน การเปลี่ยนแปลง หรืออินพุตที่ขัดแย้งกัน
ความปลอดภัยของเอไอ
สาขาที่มุ่งเน้นไปที่การลดพฤติกรรมที่เป็นอันตราย ความล้มเหลว และความเสี่ยงในการใช้งานในทางที่ผิดในระบบ AI
ความเป็นจริง
การกล่าวอ้างของแบบจำลองนั้นตรงกับข้อมูลในโลกแห่งความเป็นจริงที่ตรวจสอบได้แม่นยำเพียงใด
ความเป็นส่วนตัวที่แตกต่างกัน
เทคนิคความเป็นส่วนตัวที่เพิ่มสัญญาณรบกวนทางสถิติ ดังนั้นจึงไม่สามารถสรุปบันทึกแต่ละรายการจากเอาต์พุตได้อย่างน่าเชื่อถือ
ความโปร่งใสของอัลกอริทึม
ตรรกะ แหล่งข้อมูล และข้อจำกัดของระบบ AI ได้รับการจัดทำเป็นเอกสารและเข้าใจได้ชัดเจนเพียงใด
ความมีเหตุผล
ระดับที่การตอบสนองของ AI ได้รับการสนับสนุนโดยข้อมูลต้นฉบับหรือหลักฐานที่ดึงมา
ความแม่นยำ
สัดส่วนผลบวกที่คาดการณ์ไว้ว่าถูกต้องตามความเป็นจริง
ความแม่นยำในการดึงข้อมูล
สัดส่วนของรายการที่ดึงข้อมูลซึ่งเกี่ยวข้องกับข้อความค้นหาของผู้ใช้
ความสนใจแบบแฟลช
อัลกอริธึมความสนใจที่ได้รับการปรับปรุงซึ่งช่วยลดการใช้หน่วยความจำและเร่งความเร็วการฝึกอบรมและการอนุมานของหม้อแปลง
ความสนใจหลายหัว
กลไกของหม้อแปลงที่ดำเนินการให้ความสนใจหลายรายการพร้อมกันเพื่อบันทึกความสัมพันธ์ประเภทต่างๆ
คอมพิวเตอร์วิทัศน์
สาขาหนึ่งของ AI ที่ดึงความหมายจากภาพและวิดีโอ
คำนวณ
ทรัพยากรการประมวลผลที่จำเป็นสำหรับการฝึกและรันโมเดล ซึ่งมักวัดเป็นชั่วโมง FLOPS หรือ GPU
คำอธิบายประกอบ
ป้ายกำกับหรือข้อมูลเมตาที่เพิ่มโดยมนุษย์ที่ใช้ในการฝึกหรือประเมินโมเดลการเรียนรู้ของเครื่อง
คิวลอรา
เทคนิคการปรับแต่งอย่างละเอียดที่รวมการวัดปริมาณน้ำหนัก 4 บิตเข้ากับอะแดปเตอร์ LoRA เพื่อลดความต้องการหน่วยความจำ
คุณสมบัติ
ตัวแปรอินพุตที่แบบจำลองใช้เพื่อคาดการณ์
จ3 เงื่อนไข
จัดอันดับใหม่
โมเดลที่จัดลำดับชุดเริ่มต้นของผลลัพธ์ที่ดึงมาใหม่เพื่อวางรายการที่เกี่ยวข้องมากที่สุดไว้ที่ด้านบน
จำ
สัดส่วนของผลบวกจริงที่แบบจำลองระบุอย่างถูกต้อง
จุดสิ้นสุดการอนุมาน
อินเทอร์เฟซ API ที่ปรับใช้ซึ่งรับคำขอโมเดลและส่งคืนการคาดการณ์ในการผลิต
ฉ1 term
ฉีดทันที
รูปแบบการโจมตีที่มีการแทรกคำสั่งที่เป็นอันตรายลงในอินพุตโมเดลหรือเนื้อหาที่ดึงมา
ช4 เงื่อนไข
ช่วงความเชื่อมั่น
ช่วงทางสถิติที่น่าจะมีค่าที่แท้จริงของเมตริกแบบจำลองที่วัดได้
ชุดการตรวจสอบ
ชุดข้อมูลที่ใช้ระหว่างการพัฒนาเพื่อปรับแต่งโมเดลและป้องกันไม่ให้มีการติดตั้งมากเกินไป
ชุดข้อมูล
คอลเลกชันของตัวอย่างที่มีโครงสร้างหรือไม่มีโครงสร้างที่ใช้สำหรับการฝึกอบรม การตรวจสอบ หรือการทดสอบ
ชุดประเมินผล
ชุดข้อมูลที่เก็บไว้ซึ่งใช้ในการวัดคุณภาพของโมเดลหลังการฝึก
ฐ2 เงื่อนไข
ฐานข้อมูลเวกเตอร์
ฐานข้อมูลที่ได้รับการปรับให้เหมาะสมสำหรับการจัดเก็บและการสืบค้นเวกเตอร์ที่ฝังในมิติสูง
ฐานความรู้
คอลเลกชันที่รวบรวมเอกสารหรือบันทึกที่ใช้สำหรับการเรียกค้น การสนับสนุนอัตโนมัติ หรือการตอบกลับภาคพื้นดิน
ต7 เงื่อนไข
ต้นไม้การตัดสินใจ
แบบจำลองที่ทำการคาดการณ์ตามลำดับของการแยกฟีเจอร์แบบมีเงื่อนไข
ต้นไม้แห่งความคิด
วิธีการให้เหตุผลโดยที่แบบจำลองสำรวจเส้นทางการแก้ปัญหาแบบแตกแขนงหลายเส้นทาง และเลือกเส้นทางที่มีแนวโน้มมากที่สุด
ตัดความรู้
จุดเวลาล่าสุดสะท้อนให้เห็นในข้อมูลการฝึกของโมเดล
ตัวกรองความปลอดภัย
เลเยอร์การควบคุมที่บล็อกหรือเขียนซ้ำอินพุตหรือเอาท์พุตโมเดลที่ไม่ปลอดภัย
ตัวเข้ารหัส
ส่วนประกอบของแบบจำลองที่แปลงอินพุตเป็นการเป็นตัวแทนแฝง
ตัวแทนเอไอ
ระบบซอฟต์แวร์ที่สามารถสังเกต ให้เหตุผล และดำเนินการเพื่อให้บรรลุเป้าหมาย โดยมักใช้เครื่องมือและหน่วยความจำ
ตัวแยกวิเคราะห์เอาต์พุต
ลอจิกที่ตรวจสอบและแปลงเอาต์พุตของโมเดลเป็นโครงสร้างที่พิมพ์ได้ชัดเจนและใช้งานได้ด้วยเครื่องจักร
ถ1 term
ถ่ายโอนการเรียนรู้
การใช้ความรู้ที่เรียนรู้จากงานหนึ่งหรือในขอบเขตหนึ่งเพื่อปรับปรุงงานอื่น
ท2 เงื่อนไข
ทะเบียนโมเดล
แค็ตตาล็อกส่วนกลางสำหรับการกำหนดเวอร์ชัน การอนุมัติ และการติดตามโมเดลในสภาพแวดล้อม
ทีมแดง
การทดสอบความเครียดของระบบ AI พร้อมการแจ้งเตือนฝ่ายตรงข้ามให้เปิดเผยความล้มเหลวและความเสี่ยง
ธ1 term
ธรรมาภิบาลของ AI
นโยบาย มาตรฐาน และกลไกกำกับดูแลที่เป็นแนวทางในการพัฒนาและใช้งาน AI ในสังคม
น1 term
น้ำหนัก
ค่าตัวเลขที่เรียนรู้ซึ่งปรับขนาดสัญญาณที่ส่งผ่านโครงข่ายประสาทเทียม
บ1 term
บทลงโทษการทำซ้ำ
การตั้งค่าการถอดรหัสที่ลดความน่าจะเป็นของโทเค็นที่โมเดลได้สร้างไว้แล้วเพื่อลดการวนซ้ำ
ป3 เงื่อนไข
ปฏิกิริยา
รูปแบบการกระตุ้นที่แทรกขั้นตอนการให้เหตุผลเข้ากับการดำเนินการใช้เครื่องมือเพื่อแก้ไขงานได้อย่างน่าเชื่อถือมากขึ้น
ประโยคชิ้น
โทเค็นที่ไม่เชื่อเรื่องภาษาที่เรียนรู้หน่วยคำย่อยโดยตรงจากข้อความดิบโดยไม่ต้องแยกช่องว่างล่วงหน้า
ปัญญาประดิษฐ์ (AI)
ระบบอาคารในสาขากว้างๆ ที่ทำงานซึ่งต้องใช้การจดจำรูปแบบ การใช้เหตุผล ภาษา หรือการตัดสินใจ
ผ1 term
ผลบวกลวง
การคาดคะเนที่ไม่ถูกต้องโดยที่แบบจำลองตั้งค่าสถานะกรณีเชิงลบเป็นค่าบวกอย่างไม่ถูกต้อง
พ6 เงื่อนไข
พรอมต์
คำแนะนำการป้อนข้อมูลและบริบทที่มีให้กับโมเดลกำเนิด
พร้อมท์ระบบ
คำสั่งที่มีลำดับความสำคัญสูงที่กำหนดพฤติกรรม นโยบาย และรูปแบบการตอบสนองสำหรับโมเดล
พระราชบัญญัติเอไอ
กรอบการกำกับดูแลตามความเสี่ยงของสหภาพยุโรปสำหรับระบบและผู้ให้บริการ AI
พารามิเตอร์
น้ำหนักที่เรียนรู้ภายในแบบจำลองที่มีอิทธิพลต่อผลลัพธ์
พาส@เค
ตัวชี้วัดการประเมินโค้ดที่วัดโอกาสที่ตัวอย่างที่สร้างอย่างน้อยหนึ่งตัวอย่าง k จะผ่านการทดสอบ
พื้นที่แฝง
พื้นที่การแสดงที่ถูกบีบอัดซึ่งมีการวางแนวคิดที่คล้ายกันไว้ใกล้กันเป็นเวกเตอร์
ฟ2 เงื่อนไข
ฟังก์ชั่นการสูญเสีย
วัตถุประสงค์ทางคณิตศาสตร์ที่วัดปริมาณข้อผิดพลาดในการทำนายระหว่างการฝึก
ฟิตเกิน
เมื่อแบบจำลองจดจำข้อมูลการฝึกและทำงานได้ไม่ดีกับอินพุตที่มองไม่เห็น
ภ1 term
ภาษีการจัดตำแหน่ง
ค่าใช้จ่ายเพิ่มเติมในด้านเวลา การประมวลผล หรือความเร็วของผลิตภัณฑ์ที่จำเป็นในการทำให้ระบบปลอดภัยและควบคุมได้มากขึ้น
ม2 เงื่อนไข
มจล
แบบจำลองภาษาทดสอบเกณฑ์มาตรฐานในวิชาวิชาการและวิชาชีพ 57 วิชาโดยใช้คำถามแบบปรนัย
มนุษย์ในวง
เวิร์กโฟลว์ที่มนุษย์ตรวจสอบ แนะนำ หรือแทนที่เอาต์พุต AI
ร6 เงื่อนไข
ระบบแนะนำ
ไปป์ไลน์โมเดลที่คาดการณ์การตั้งค่าของผู้ใช้สำหรับการจัดอันดับเนื้อหาหรือผลิตภัณฑ์
ระบบอัตโนมัติ
ระบบที่สามารถตัดสินใจและดำเนินการด้วยการควบคุมโดยตรงของมนุษย์อย่างจำกัดหรือไม่มีเลยแบบเรียลไทม์
ร้านค้าคุณลักษณะ
ระบบที่ได้รับการจัดการสำหรับจัดเก็บและให้บริการคุณสมบัติ ML ที่ผ่านการตรวจสอบแล้วอย่างสม่ำเสมอสำหรับการฝึกอบรมและการอนุมาน
ราวกั้น
กฎ การตรวจสอบ และการควบคุมที่จำกัดพฤติกรรมของโมเดลที่ไม่ปลอดภัยหรือไม่พึงประสงค์
รุ่นเบาบาง
โมเดลที่มีพารามิเตอร์หลายตัวเป็นศูนย์หรือไม่ได้ใช้งานเพื่อลดการคำนวณ
รูปแบบการตั้งค่าของมนุษย์
โมเดลที่ได้รับการฝึกอบรมเกี่ยวกับการจัดอันดับของมนุษย์เพื่อคาดการณ์คำตอบที่ผู้ใช้น่าจะชอบ
ล3 เงื่อนไข
ลักษณนาม
โมเดลที่ออกแบบมาสำหรับงานจำแนกประเภทโดยเฉพาะ
ลักษณะทั่วไป
แบบจำลองทำงานได้ดีเพียงใดกับข้อมูลใหม่ที่มองไม่เห็นนอกชุดการฝึก
ลายน้ำ
การฝังสัญญาณที่ตรวจจับได้ในข้อความหรือสื่อที่สร้างโดย AI เพื่อให้สามารถระบุได้ว่าเป็นสัญญาณที่ผลิตด้วยเครื่องจักรในภายหลัง
ว2 เงื่อนไข
วงดนตรี
ผสมผสานการคาดการณ์จากหลายแบบจำลองเพื่อปรับปรุงความคงทนหรือความแม่นยำ
วิศวกรรมคุณสมบัติ
การออกแบบหรือการเปลี่ยนแปลงตัวแปรอินพุตเพื่อให้การเรียนรู้ง่ายขึ้นและมีประสิทธิภาพมากขึ้น
ส3 เงื่อนไข
สนช
โครงสร้างดัชนีตามกราฟสำหรับการค้นหาเพื่อนบ้านที่ใกล้ที่สุดโดยประมาณอย่างรวดเร็วบนเวกเตอร์ที่มีมิติสูง
สายข้อมูล
บันทึกว่าข้อมูลมาจากไหน มีการเปลี่ยนแปลงอย่างไร และนำไปใช้ที่ไหน
สายรัดอีวาล
กรอบงานการประเมินที่ทำซ้ำได้ซึ่งเรียกใช้พร้อมท์ ชุดข้อมูล และตรรกะการให้คะแนนในเวอร์ชันของโมเดล
ห6 เงื่อนไข
หน่วยความจำ (หน่วยความจำตัวแทน)
บริบทที่จัดเก็บไว้ซึ่งตัวแทน AI ใช้ในขั้นตอนหรือเซสชันเพื่อปรับปรุงความต่อเนื่อง
หน้าต่างบริบท
จำนวนโทเค็นอินพุตสูงสุดที่โมเดลภาษาสามารถประมวลผลได้ในคราวเดียว
หน้าต่างบานเลื่อนความสนใจ
รูปแบบความสนใจที่แต่ละโทเค็นเข้าร่วมเฉพาะหน้าต่างขนาดคงที่ของโทเค็นใกล้เคียงเพื่อลดการประมวลผล
หม้อแปลงไฟฟ้า
สถาปัตยกรรมประสาทที่ใช้ความสนใจในการสร้างแบบจำลองความสัมพันธ์ข้ามลำดับแบบขนาน
หลังการฝึกอบรม
ขั้นตอนการฝึกอบรมที่ใช้หลังจากการฝึกล่วงหน้า เช่น การปรับคำสั่ง การเพิ่มประสิทธิภาพการตั้งค่า และการปรับความปลอดภัย
ห่วงโซ่แห่งความคิด
รูปแบบการใช้เหตุผลซึ่งโมเดล AI แบ่งปัญหาออกเป็นขั้นตอนระหว่างกลาง
อ9 เงื่อนไข
อ.ส.ค. (การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง)
วิธีการฝึกอบรมที่ปรับแต่งโมเดลโดยตรงตามคู่ความชอบ โดยไม่ต้องใช้โมเดลรางวัลแยกต่างหาก
อคติ
รูปแบบข้อผิดพลาดหรือความไม่ยุติธรรมที่สอดคล้องกันในข้อมูลหรือพฤติกรรมของโมเดล
อคติอัลกอริทึม
ความไม่ยุติธรรมอย่างเป็นระบบในผลลัพธ์ของแบบจำลองที่เกิดจากข้อมูลที่บิดเบี้ยว สมมติฐาน หรือตัวเลือกการสร้างแบบจำลอง
อธิบายได้
ระดับที่พฤติกรรมของแบบจำลองสามารถตีความและอธิบายให้มนุษย์เข้าใจได้
อัตราการเรียนรู้
ไฮเปอร์พารามิเตอร์การฝึกควบคุมจำนวนพารามิเตอร์ที่เปลี่ยนแปลงแต่ละขั้นตอนการอัปเดต
อัลกอริทึม
ชุดกฎหรือขั้นตอนที่กำหนดไว้ซึ่งคอมพิวเตอร์ปฏิบัติตามเพื่อแก้ไขปัญหาหรือทำงานให้เสร็จสิ้น
อาการประสาทหลอน
เมื่อแบบจำลองสร้างข้อมูลคล่องแต่เป็นเท็จหรือไม่ได้รับการสนับสนุน
อาลีบี
วิธีอคติเชิงตำแหน่งที่ลงโทษคะแนนความสนใจตามระยะทางโทเค็น ช่วยให้แบบจำลองคาดการณ์บริบทที่ยาวขึ้น
อุณหภูมิ
การตั้งค่าการสุ่มตัวอย่างที่ควบคุมการสุ่มในเอาต์พุตที่สร้างขึ้น
เ9 เงื่อนไข
เกณฑ์มาตรฐาน
การทดสอบหรือชุดข้อมูลที่เป็นมาตรฐานที่ใช้ในการวัดและเปรียบเทียบประสิทธิภาพของโมเดล
เครือข่ายประสาทเทียม (CNN)
สถาปัตยกรรมประสาทที่ได้รับการปรับให้เหมาะสมสำหรับการประมวลผลข้อมูลที่มีลักษณะคล้ายตาราง เช่น รูปภาพ
เชิงลบที่เป็นเท็จ
การทำนายที่ไม่ถูกต้องโดยที่แบบจำลองพลาดกรณีที่เป็นบวกจริง
เทมเพลตพร้อมท์
รูปแบบพรอมต์ที่ใช้ซ้ำได้พร้อมตัวแปร กฎการจัดรูปแบบ และคำแนะนำเฉพาะงาน
เล่นเอง
การตั้งค่าการฝึกอบรมที่แบบจำลองปรับปรุงโดยการสร้างข้อมูลผ่านการโต้ตอบหรือการแข่งขันกับสำเนาของตัวเอง
เวลาแฝง
เวลาระหว่างการส่งคำขอและรับเอาต์พุตของโมเดล
เวิร์กโฟลว์ตัวแทน
กระบวนการหลายขั้นตอนที่ระบบ AI วางแผน ดำเนินการ ตรวจสอบผลลัพธ์ และวนซ้ำไปสู่เป้าหมาย
เอเจนติค ลูป
วงจรวนซ้ำที่เจ้าหน้าที่ AI สังเกต วางแผน ดำเนินการ และไตร่ตรองจนกว่าจะบรรลุเป้าหมายหรือถึงภาวะหยุด
เอาต์พุตที่มีโครงสร้าง
โมเดลเอาท์พุตถูกจำกัดอยู่ในสคีมาที่กำหนด เช่น JSON อาร์กิวเมนต์ของเครื่องมือ หรือฟิลด์ที่พิมพ์
แ4 เงื่อนไข
แคช KV
เทนเซอร์คีย์และค่าที่จัดเก็บไว้จากโทเค็นก่อนหน้าซึ่งช่วยให้หม้อแปลงสร้างโทเค็นใหม่โดยไม่ต้องคำนวณความสนใจในอดีตใหม่
แบบจำลองการแพร่กระจาย
สถาปัตยกรรมเชิงกำเนิดที่เรียนรู้ที่จะย้อนกลับสัญญาณรบกวนเพื่อสังเคราะห์ภาพ เสียง หรือเนื้อหาอื่นๆ
แบบจำลองมูลนิธิ
โมเดลก่อนการฝึกอบรมขนาดใหญ่ที่สามารถปรับให้เข้ากับงานดาวน์สตรีมได้หลายอย่าง
แหล่งที่มาของข้อมูล
ต้นกำเนิด ความเป็นเจ้าของ และประวัติของชุดข้อมูลหรืออาร์ติแฟกต์ของโมเดลที่บันทึกไว้
โ14 เงื่อนไข
โครงข่ายประสาทเทียม
แบบจำลองการคำนวณแบบเป็นชั้นซึ่งได้รับแรงบันดาลใจจากเซลล์ประสาทและไซแนปส์ทางชีววิทยา
โทเค็น
กลุ่มข้อความที่ประมวลผลโดยโมเดลภาษา เช่น ชิ้นส่วนคำหรือสัญลักษณ์
โทเค็น
กระบวนการแยกข้อความออกเป็นโทเค็นสำหรับการป้อนโมเดล
โมเดลกล่องดำ
แบบจำลองที่การให้เหตุผลภายในเป็นเรื่องยากที่มนุษย์จะตีความโดยตรง
โมเดลกลั่น
โมเดลขนาดเล็กได้รับการฝึกฝนให้เลียนแบบพฤติกรรมของโมเดลขนาดใหญ่ ในขณะที่ใช้การประมวลผลน้อยลงในการอนุมาน
โมเดลการฝัง
โมเดลเฉพาะสำหรับการแปลงข้อมูลเป็นเวกเตอร์ที่ใช้สำหรับการค้นหาความหมาย การจัดกลุ่ม และการดึงข้อมูล
โมเดลดริฟท์
ประสิทธิภาพลดลงเมื่อเวลาผ่านไปเนื่องจากเงื่อนไขในโลกแห่งความเป็นจริงแตกต่างจากสมมติฐานในการฝึกอบรม
โมเดลต่อเนื่องหลายรูปแบบ
โมเดลที่สามารถประมวลผลหรือสร้างข้อมูลหลายประเภท เช่น ข้อความ รูปภาพ และเสียง
โมเดลพื้นฐาน
แบบจำลองอ้างอิงอย่างง่ายใช้เพื่อเปรียบเทียบว่าวิธีการที่ซับซ้อนมากขึ้นช่วยปรับปรุงผลลัพธ์ได้จริงหรือไม่
โมเดลภาษาขนาดเล็ก (SLM)
โมเดลภาษาขนาดกะทัดรัดที่ปรับให้เหมาะสมเพื่อลดเวลาแฝง ต้นทุน หรือการใช้งานบนอุปกรณ์
โมเดลภาษาขนาดใหญ่ (LLM)
โมเดลภาษาที่ได้รับการฝึกเกี่ยวกับคลังข้อความขนาดใหญ่เพื่อสร้างและวิเคราะห์ข้อความ
โมเดลภาษาวิสัยทัศน์ (VLM)
โมเดลต่อเนื่องหลายรูปแบบที่ประมวลผลข้อมูลภาพและข้อความร่วมกัน
โมเดลรางวัล
แบบจำลองที่ให้คะแนนเอาต์พุตตามสัญญาณการตั้งค่า ซึ่งมักใช้ในไปป์ไลน์ RLHF
โมเดลโอเพ่นซอร์ส
แบบจำลองที่ออกโดยมีน้ำหนักหรือรหัสสาธารณะสำหรับการตรวจสอบ ดัดแปลง และนำกลับมาใช้ใหม่
ไ2 เงื่อนไข
ไปป์ไลน์
เวิร์กโฟลว์ที่ได้รับคำสั่งของการประมวลผลล่วงหน้า ขั้นตอนของโมเดล และขั้นตอนหลังการประมวลผล
ไฮเปอร์พารามิเตอร์
ค่าการกำหนดค่าที่ตั้งไว้ก่อนการฝึก เช่น อัตราการเรียนรู้ ขนาดแบทช์ หรือความลึก