Indenfor AI støder du måske ofte på ord og termer, som måske ikke lige giver så meget mening. Derfor har vi lavet nedenstående liste, hvor du kan se de mest brugte udtryk indenfor AI, og hvad deres beydning er, eller en forklaring til udtrykket.
Adversarial attack:
En teknik, der bruges til at narre AI-systemer, typisk ved at fodre dem med modificerede inputdata, der er designet til at forvirre algoritmerne og producere forkerte output.
Artificial general intelligence (AGI):
En type AI, der besidder evnen til at forstå, lære og anvende viden på tværs af forskellige domæner på et menneskeligt niveau. Læs mere: https://en.wikipedia.org/wiki/Artificial_general_intelligence
Artificial intelligence (AI):
Udviklingen af computersystemer, der kan udføre opgaver, der normalt kræver menneskelig intelligens, såsom visuel opfattelse, talegenkendelse, beslutningstagning og sprogoversættelse. Læs mere: https://www.britannica.com/technology/artificial-intelligence
Artificial neural networks (ANNs):
Beregningsmodeller inspireret af den menneskelige hjerne, bestående af sammenkoblede noder eller neuroner, der behandler og transmitterer information.
Backpropagation:
En overvåget læringsalgoritme, der bruges i kunstige neurale netværk og minimerer fejlen mellem faktiske og forudsagte output ved at justere vægtene af forbindelserne mellem neuroner.
Bias:
Systematiske fejl i AI-systemoutputs, typisk som følge af skæve træningsdata, algoritmiske antagelser eller menneskelig indflydelse under udviklingsprocessen.
Chatbot:
Et computerprogram designet til at interagere med mennesker gennem tekst- eller talekonversationer og simulere menneskelignende samtale.
Computer vision:
Et område inden for AI, der fokuserer på at gøre det muligt for computere at fortolke og forstå visuelle oplysninger fra verden, såsom billeder eller videoer.
Convolutional neural networks (CNNs):
En type kunstigt neuralt netværk specifikt designet til at behandle gitterlignende data, såsom billeder, ved at anvende konvolutionelle lag, der detekterer funktioner eller mønstre.
Data mining:
Processen med at analysere store datasæt for at opdage mønstre, tendenser og relationer, der kan bruges til at lave forudsigelser eller informere beslutningstagning.
Deep learning:
En delmængde af maskinlæring, der bruger kunstige neurale netværk med flere lag til at behandle og lære komplekse mønstre i store mængder data.
Genetic algorithms:
Optimeringsalgoritmer inspireret af processen med naturlig selektion, der anvendes til at finde omtrentlige løsninger på optimerings- og søgeproblemer.
Machine learning (ML):
En undergruppe af AI, der fokuserer på udvikling af algoritmer, der kan lære fra og træffe forudsigelser eller beslutninger baseret på data. Læs mere:Vhttps://www.ibm.com/topics/machine-learning
Natural language processing (NLP):
En undergruppe af AI, der fokuserer på at gøre det muligt for computere at forstå, fortolke og generere menneskeligt sprog. Læs mere: https://en.wikipedia.org/wiki/Natural_language_processing
Overfitting:
En modelleringsfejl, hvor et AI-system klarer sig godt på træningsdata
Reinforcement learning (RL):
En type maskinlæring, hvor en agent lærer at træffe beslutninger ved at interagere med et miljø og modtage feedback i form af belønninger eller straffe.
Robotics:
Feltet inden for ingeniørvidenskab og datalogi, der fokuserer på design, konstruktion, drift og anvendelse af robotter, ofte med integration af AI-teknikker for at muliggøre autonom eller semi-autonom adfærd.
Semantic understanding:
Evnen hos et AI-system til at fatte betydningen og konteksten af ord, sætninger og sætninger inden for naturligt sprog. Læs mere: https://www.poolparty.biz/learning-hub/semantic-ai/
Sentiment analysis:
Processen med at bruge AI til at bestemme sentimentet eller følelsen udtrykt i tekst, såsom positiv, negativ eller neutral.
Supervised learning:
En type machinelearning, hvor AI-systemet trænes på mærkede data og lærer forholdet mellem inputfunktioner og outputmærkater.
Swarm intelligence:
En type AI inspireret af den kollektive adfærd af decentraliserede, selvorganiserede systemer, såsom myrer eller bier, der fokuserer på udviklingen af algoritmer, der muliggør koordinering af flere agenter for at opnå et fælles mål. Læs mere: https://en.wikipedia.org/wiki/Swarm_intelligence
Transfer learning:
En maskinlæringsteknik (machinelearning), der gør det muligt for et AI-system at anvende viden, der er lært fra en opgave til en anden beslægtet opgave, hvilket reducerer mængden af træningsdata og tid, der kræves for den nye opgave.
Unsupervised learning:
En type maskinlæring, hvor AI-systemet lærer fra umærkede data og opdager mønstre eller strukturer inden for dataene.
Virtual assistants:
Softwareprogrammer, der bruger AI-teknikker, især naturlig sprogforståelse og talegenkendelse, til at hjælpe brugere med at udføre opgaver, planlægge aftaler og finde information ved hjælp af stemmekommandoer eller tekstinput.
Weak AI (smal AI):
En type AI, der er designet til at udføre specifikke opgaver og er begrænset til disse opgaver, modsat stærk AI, der har evnen til at udføre en bred vifte af opgaver og lære nye opgaver uden menneskelig indgriben.
0 Comments