Kiambatisho

Kamusi ya AI

Maneno utakayosikia chumbani, yakiwa yameelezwa kwa urahisi.

Akili bandia (AI): Mifumo ya kompyuta inayofanya kazi tunazohusisha na kufikiri kwa binadamu, kama kutabiri, kupanga kwa makundi, kuandika, au kupanga mipango.
Ujifunzaji wa mashine: Njia ya kujenga mifumo inayojifunza mifumo ya kujirudia kutokana na mifano, badala ya kupewa kila kanuni.
Modeli: Mfumo uliojifunza kutokana na data na unaobadili kinachoingizwa kuwa matokeo.
Modeli kubwa ya lugha (LLM): Modeli iliyofunzwa kwa maandishi mengi sana ili kutabiri na kuandika lugha.
AI zalishi: AI inayounda maandishi, picha, sauti, msimbo, au maudhui mengine mapya.
Mfumo wa wakala / wakala wa AI: Modeli iliyounganishwa na zana, kumbukumbu, na maelekezo, ili iweze kufanya kazi kwa hatua kadhaa.
Uendeshaji otomatiki: Kuruhusu mfumo kufanya kazi kwa msaada mdogo wa moja kwa moja kutoka kwa mtu.
Kuongeza uwezo: Kutumia AI kusaidia watu kufanya kazi, badala ya kuchukua nafasi zao.
Binadamu ndani ya mchakato: Mtu hukagua, huidhinisha, au huingilia kati katika mchakato unaotumia AI.
Binadamu anayesimamia mchakato: Mtu husimamia mfumo lakini hakagui kila hatua.
Binadamu nje ya mchakato: Mfumo hutenda bila mtu kukagua kila uamuzi au hatua.
Data ya mafunzo: Mifano ambayo modeli hujifunza kutokana nayo.
Seti ya data: Mkusanyiko wa data uliopangwa kwa ajili ya kufunza, kupima, au kuchunguza kitu.
Asili ya data: Data ilikotoka, na jinsi ilivyokusanywa au kubadilishwa.
Mtiririko wa data: Njia ambayo data hupitia katika mifumo mbalimbali, na kinachoipata njiani.
Data yenye muundo: Data katika sehemu maalumu, kama lahajedwali au hifadhidata.
Data isiyo na muundo: Maandishi, picha, sauti, au video isiyotoshea kwenye jedwali.
Data bandia: Data iliyotengenezwa ili ionekane kama data halisi.
Ukweli wa msingi: Jibu linalochukuliwa kuwa sahihi wakati wa kupima mfumo.
Hifadhi ya maarifa: Mkusanyiko teule wa taarifa ambao mfumo unaweza kupekua.
Maarifa katika vigezo: Kile ambacho modeli imehifadhi katika namba ilizojifunza, tofauti na kile inachotafuta.
Maarifa ya ukweli: Ukweli na mahusiano ambayo modeli huenda ilijifunza kutokana na data yake ya mafunzo.
Uzalishaji unaosaidiwa na utafutaji (RAG): Mfumo hutafuta nyaraka au rekodi kwanza, kisha huandika jibu lake kutokana nazo.
Maarifa ya wenyeji: Maarifa yanayotokana na uzoefu wa eneo au jamii fulani.
Maarifa ya watu wa asili: Maarifa yaliyokusanywa na kuhifadhiwa na watu na jamii za asili.
Mamlaka juu ya data: Wazo kwamba data inapaswa kutawaliwa na sheria, haki, na mamlaka ya watu au eneo inayohusu.
Kupunguza data: Kukusanya na kuhifadhi data unayohitaji tu kwa kusudi lililotajwa.
Data nyeti: Data inayoweza kusababisha madhara ikishirikiwa au kutumiwa vibaya.
Ingizo / agizo: Maelekezo au nyenzo unazoipa modeli.
Tokeo: Kile mfumo unachotoa: maandishi, utabiri, kundi, picha, au hatua.
Utoaji wa jibu: Kuendesha modeli iliyofunzwa ili kupata jibu.
Dirisha la muktadha: Kiasi cha maandishi au nyenzo nyingine ambacho modeli inaweza kupokea kwa wakati mmoja.
Tokeni: Kipande kidogo cha maandishi, mara nyingi sehemu ya neno, ambacho modeli husoma na kuandika.
Uwakilishi wa namba: Orodha ya namba inayowakilisha maandishi au picha, ili kompyuta iweze kulinganisha maana.
Uainishaji: Kuweka kitu katika kundi moja au zaidi.
Utabiri: Makadirio bora ya matokeo, kutokana na data iliyopo.
Utabiri wa baadaye: Utabiri kuhusu siku zijazo.
Pendekezo: Tokeo linalopendekeza cha kufanya.
Uboreshaji: Kutafuta matokeo bora zaidi, kwa kuzingatia lengo na mipaka fulani.
Kanuni ya lengo: Namba mahususi ambayo mfumo hujaribu kuifanya iwe kubwa au ndogo iwezekanavyo.
Kiashiria mbadala: Kitu rahisi kupima kinachotumiwa badala ya lengo ambalo ni gumu kupima.
Kipimo cha kulinganisha: Jaribio la kawaida linalotumiwa kulinganisha modeli.
Tathmini: Kupima jinsi modeli au mfumo unavyofanya kazi kulingana na vigezo vilivyowekwa.
Kutokuwa na uhakika: Uwezekano wa tokeo kuwa na makosa au kutokamilika.
Alama ya uhakika: Namba inayoonyesha jinsi mfumo ulivyo na uhakika kuhusu utabiri.
Ulinganifu wa uhakika: Ikiwa uhakika wa mfumo unalingana na mara unazokuwa sahihi kwa kweli.
Uwezo wa kuelezeka: Uwezo wa kueleza wazi jinsi mfumo ulivyofikia tokeo.
Uwezo wa kufahamika: Kiwango ambacho watu wanaweza kuelewa kinachoendelea ndani ya mfumo.
Sanduku jeusi: Mfumo ambao utendaji wake wa ndani ni mgumu kuona au kukagua.
Uzushi: Jibu lenye lugha fasaha lakini la uongo, lililobuniwa, au lisiloungwa mkono na chanzo chochote.
Upendeleo: Makosa yanayopendelea au kuathiri vibaya makundi fulani mara kwa mara, kutokana na data, usanifu, au matumizi ya mfumo.
Usawa: Njia za kupima na kurekebisha kutotendewa kwa usawa au matokeo yasiyo sawa.
Uthabiti: Kufanya kazi kwa kutegemewa hata hali zikibadilika au maingizo yakiwa na dosari.
Shambulizi la kupotosha: Ingizo lililoundwa makusudi ili mfumo ushindwe au utende vibaya.
Mtandao wa neva: Mfumo wa kompyuta wenye tabaka zilizounganishwa zinazobadili maingizo kuwa matokeo.
Perseptroni: Modeli ya awali ya kihisabati ya seli moja ya ubongo. Mitandao ya neva ya baadaye ilitokana nayo.
Transfoma: Usanifu unaotumiwa na modeli nyingi za lugha za kisasa. Hutambua maneno yanayohusiana kwa maana katika maandishi.
Uzani: Namba ambazo modeli ilijifunza wakati wa mafunzo. Kwa vitendo, uzani ndio modeli.
Uzani wazi: Uzani uliochapishwa ili yeyote aweze kuendesha, kuchunguza, au kuhifadhi modeli mwenyewe.
Uzani funge: Uzani unaohifadhiwa kwenye seva za kampuni. Unaweza kutumia modeli kupitia huduma yao tu.
Mafunzo ya awali: Hatua ya kwanza na kubwa zaidi ya mafunzo, kwa kawaida ya kutabiri kipande kinachofuata cha maandishi.
Mafunzo ya kurekebisha: Mafunzo ya ziada kwa seti ndogo ya data au kazi maalumu.
Mafunzo ya baadaye: Mafunzo baada ya mafunzo ya awali yanayoifanya modeli iwe na manufaa zaidi na itende vizuri zaidi.
Ujifunzaji kwa uimarishaji (RL): Mafunzo yanayotuza baadhi ya hatua na kuadhibu nyingine.
Ujifunzaji kwa uimarishaji kutokana na maoni ya binadamu (RLHF): Ujifunzaji kwa uimarishaji ambapo tuzo hutokana na alama zinazotolewa na watu.
Modeli ya kufikiri: Modeli inayotumia juhudi zaidi kutatua matatizo yenye hatua nyingi kabla ya kujibu.
Mlolongo wa mawazo: Hatua za kufikiri ambazo modeli huandika inaposhughulikia tatizo.
Kanuni za ukuaji: Ugunduzi kwamba modeli huboreka kwa njia inayotabirika zinapokuwa kubwa, kupokea data zaidi, na kutumia uwezo zaidi wa kompyuta.
Mchanganyiko wa wataalamu (MoE): Modeli yenye sehemu nyingi zenye utaalamu, ambapo chache tu hutumika kwa kila ingizo. Hii hupunguza gharama ya kuiendesha.
Ulinganifu: Kufanya mfumo utende kulingana na malengo au maadili yaliyochaguliwa.
Usalama wa AI: Utafiti na vitendo vinavyolenga kuzuia mifumo ya AI kusababisha madhara au kutoka nje ya udhibiti.
Utawala wa AI: Kanuni, taasisi, na michakato inayoongoza jinsi AI inavyojengwa na kutumiwa.
AI inayowajibika: Kujenga na kutumia AI kwa kuzingatia athari zake kwa jamii, maadili, sheria, na mazingira.
Usanifu unaozingatia maadili: Kubuni teknolojia kwa kuzingatia maadili ya binadamu na maslahi ya watu wanaoathiriwa.
AI inayoheshimu mamlaka: AI iliyojengwa na kutawaliwa ili jamii au eneo fulani liendelee kuidhibiti.
Ruhusa mahususi: Mipaka inayobainisha zana, faili, data, au hatua ambazo mfumo unaweza kutumia.
Mazingira yaliyotengwa: Eneo lililotengwa ambapo mfumo unaweza kufanya kazi kwa ufikiaji wenye mipaka.
Hatua ya idhini ya binadamu: Hatua ambayo mtu lazima aidhinishe kabla ya tendo kuendelea.
Rekodi ya ukaguzi: Rekodi ya kilichoingia kwenye mfumo, kilichotoka, na kile ulichofanya.
Kadi ya modeli: Hati inayoeleza matumizi ya modeli, mipaka yake, na jinsi ilivyopimwa.
Kadi ya mfumo: Hati inayoeleza mfumo mzima unaotumika, pamoja na hatari zake na kinga zake.
Mabadiliko ya utendaji wa modeli: Utendaji wa modeli unapobadilika baada ya muda kwa sababu data au hali zimebadilika.
Ufuatiliaji wa matoleo: Kufuatilia mabadiliko ya modeli, data, maagizo, na programu.
Kurudisha toleo la awali: Kurudi kwenye toleo la awali la mfumo.
Kujiendeshea modeli: Kuendesha modeli kwenye vifaa unavyodhibiti wewe au taasisi yako.
Kutohifadhi data yoyote: Ahadi ya maandishi kutoka kwa mtoa huduma kwamba hahifadhi chochote unachotuma.