🔤🔤🔤 ГЛОССАРИЙ ПО ИИ 🤖
🔤
Агент (Agent): Автономная программа или система, способная воспринимать окружающую среду (реальную или виртуальную), принимать решения и действовать для достижения определенных целей.
🔤
Бенчмарк (Benchmark): Стандартный набор задач или тестов, используемых для оценки производительности и эффективности ИИ-систем.
Большие данные (Big Data): Разнообразные данные больших объёмов, которые хранятся на цифровых носителях. Такой массив информации невозможно проанализировать традиционными методами, для анализа необходимо использовать ИИ и машинное обучение.
🔤
Векторное представление (Vector Representation): Способ представления данных (текстовых, звуковых, визуальных) в математическом виде, т.е. посредством числовых векторов, что облегчает алгоритмам ИИ анализ и обработку данных.
Воплощенный ИИ (Embodied AI): Направление исследований в области искусственного интеллекта, которое фокусируется на создании систем и агентов, способных взаимодействовать с физическим миром через сенсоры.
Выравнивание языковой модели (Аlignment): Направление исследований в области ИИ, направленное на то, чтобы сделать ИИ более человекоцентричным, чтобы его поведение не противоречило этическим нормам, ценностям и предпочтениям человека.
🔤
Глубокое обучение (Deep Learning): Метод машинного обучения с использованием многослойных нейронных сетей, в основе которого обучение представлениям, а не специализированные алгоритмы под конкретные задачи.
Генеративные модели (Generative Models): Модели, которые учатся генерировать новые данные, похожие на обучающие примеры, на которых эта модель изначально была обучена.
🔤
Дисциплинарная область (Domain): Конкретная сфера применения ИИ, например, медицина, финансы или транспорт.
🔤
Интерпретируемость (Interpretability): Способность ИИ-модели быть понятной для человека, что важно для доверия и объяснимости решений ИИ.
🔤
Компьютерное зрение (Computer Vision): Область ИИ, занимающаяся анализом и интерпретацией визуальной информации из изображений и видео.
🔤
Машинное обучение (Machine Learning): Область ИИ, включающая методы, позволяющие компьютерам обучаться на данных и делать прогнозы или принимать решения.
🔤
Нейронная сеть (Neural Network): Математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации биологических нейронных сетей. Фактически представляет собой систему соединённых и взаимодействующих между собой простых процессоров.
🔤
Обучение с подкреплением (Reinforcement Learning): Тип машинного обучения, где агент обучается путем взаимодействия с окружающей средой и получения обратной связи в виде наград или штрафов.
Обработка естественного языка (Natural Language Processing, NLP): Область ИИ, занимающаяся взаимодействием между компьютерами и человеческими языками.
🔤
Переобучение (Overfitting): Явление, когда построенная модель хорошо объясняет примеры из обучающей выборки, но относительно плохо работает на примерах, не участвовавших в обучении.
🔤
Регрессия (Regression): Метод машинного обучения для предсказания числовых значений на основе данных.
Рекомендательные системы (RecSys): Комплекс алгоритмов, программ или сервисов, которые на основе персональных предпочтений человека рекомендуют ему контент, товары или услуги.
🔤
Семантический анализ (Semantic Analysis): Процесс понимания и интерпретации смысла текстовых данных.
🔤
Трансферное обучение (Transfer Learning): Метод, позволяющий использовать знания, полученные при обучении одной модели, для обучения другой модели.
🔤
Функция потерь (Loss Function): Математическая функция, измеряющая, насколько хорошо модель предсказывает результаты, используется для оптимизации модели.
🔤
Этический ИИ (Ethical AI): Практика разработки и использования ИИ-технологий с учетом этических принципов, таких как справедливость, прозрачность и ответственность.
❓Друзья, а какие термины в области ИИ добавили бы вы? 🤔🤔
📱 ValentinChiefIT - новости Российского IT-сектора
