227 · A–Z
ablation
dirbtinio intelekto modelio komponento panaikinimas ar išjungimas, kad būtų galima įvertinti jo svarbą.
adaptive neuro fuzzy inference system
dirbtinio intelekto modelis, jungiantis neuroninius tinklus ir neraiškiąją logiką neaiškioms, netiesinėms ir sudėtingoms problemoms modeliuoti.
activation function
netiesinė matematinė funkcija, taikoma kiekvieno neuroninio tinklo kiekvieno neurono išvesties reikšmei transformuoti, leidžianti modeliui išmokti netiesinius duomenų dėsningumus.
activation map
vaizdinis dirbtinio neuroninio tinklo tarpinių sluoksnių veiklos atspindys, rodantis, kurios įvesties sritys sužadino tam tikrus filtrus (pvz., kraštai, tekstūros ar formos).
algorithm
aiškiai suformuluotų nurodymų baigtinė seka, kuriuos reikia atlikti tam tikram uždaviniui išspręsti.
algorithmic efficiency
algoritmo savybė, rodanti, kiek laiko ir resursų algoritmas naudoja kintant duomenų dydžiui.
bootstrap aggregating
mašininio mokymosi metodas, kai keli modeliai mokomi nepriklausomai, naudojant atsitiktinai atrinktus duomenų poaibius, o jų rezultatai vidurkinami (regresijai) arba balsuojami (klasifikacijai).
ensemble
kelių mašininio mokymosi modelių prognozės, sujungtos į vieną bendrą sprendimą, siekiant didesnio tikslumo.
bounding box
stačiakampis, kuriuo apibrėžiama objekto vieta vaizde, naudojamas objektų aptikimo modelių išvestims ir mokymo duomenų žymėjimui.
approximation error
skirtumas tarp tiksliosios reikšmės ir jos apytikslės reikšmės, naudojamos skaičiavimuose ar modeliavime.
backpropagation algorithm
daugiasluoksnių neuroninių tinklų mokymui naudojamas algoritmas, kuris taikydamas grandinės taisyklę efektyviai apskaičiuoja nuostolių funkcijos gradientą visų tinklo svorių atžvilgiu, skleidžiant klaidos signalą nuo išvesties į įvesties…
anchor box
iš anksto nustatyto dydžio ir kraštinių santykio stačiakampis, naudojamas kaip atskaitos taškas galimų objektų vietoms ir dydžiams prognozuoti vykdant objektų aptikimo užduotis.
instance segmentation
kompiuterinės regos užduotis, kurios metu pikselio tikslumu identifikuojami ir pažymimi visi vaizde esantys objektai, įskaitant tos pačios klasės objektus.
autoencoder
dirbtinis neuroninis tinklas, išmokytas supaprastinti (koduoti) ir rekonstruoti (dekoduoti) supaprastintą informaciją.
automatic speech recognition
garsinės kalbos apdorojimo ir vertimo į tekstinį formatą procesas, naudojant dirbtinio intelekto algoritmus, analizuojant akustines savybes ir kalbos modeliavimą, siekiant identifikuoti ir transkribuoti tariamus žodžius.
automated machine learning
mašininio mokymosi modelių kūrimo proceso automatizavimas, apimantis požymių inžineriją, tinkamo modelio atranką ir hiperparametrų optimizavimą, leidžiantis kurti dirbtinio intelekto sistemas be ekspertinių žinių.
trial-and-error method
problemų sprendimo strategija, kai sistema ar agentas išbando skirtingus veiksmus, įvertina jų rezultatus ir koreguoja pasirinkimus siekdamas tam tikro tikslo.
general artificial intelligence
hipotetinis dirbtinis intelektas, imituojantis žmonių kognityvinius gebėjimus ir galintis atlikti bet kokias intelektines užduotis taip pat ar kokybiškiau nei žmogus.
kernel method
mašininio mokymosi metodas, leidžiantis taikyti tiesinius algoritmus netiesiniams duomenims, naudojant branduolio funkciją duomenims netiesiogiai atvaizduoti į aukštesnės dimensijos erdvę.
multi-agent system (MAS)
kompiuterinė sistema, sudaryta iš kelių sąveikaujančių dirbtinio intelekto agentų, kurie veikia bendroje aplinkoje siekdami individualių arba bendrų sisteminių tikslų, koordinuodami savo veiklą ir spręsdami kompleksines užduotis.
multi-label classification
klasifikavimo užduotis, kurios metu kiekvienam objektui vienu metu gali būti priskirta daugiau nei viena nepriklausoma kategorija.
multi-class classification
klasifikavimo užduotis, kai kiekvienas objektas turi būti priskirtas tik vienai iš trijų ar daugiau galimų tarpusavyje nesuderinamų kategorijų.
multilayer perceptron
tiesioginio sklidimo neuroninis tinklas su vienu ar keliais paslėptais sluoksniais, naudojantis netiesines aktyvacijos funkcijas modeliuoti netiesinius duomenų dėsningumus.
multitask learning
mašininio mokymosi strategija, kai vienas modelis vienu metu mokomas atlikti kelias susijusias užduotis, pritaikant išmoktą informaciją visoms užduotims.
majority class
klasė, turinti daugiausiai pavyzdžių duomenų rinkinyje.
decoder
1. duomenų dekodavimo įtaisas, grąžinantis duomenis į būseną, kurioje jie buvo prieš kodavimą; 2. dirbtinio neuroninio tinklo dalis, kuri atkuria suspaustus duomenis į būseną, kurioje jie buvo prieš kodavimą.
attention mechanism
dirbtinio intelekto mechanizmas, leidžiantis priskirti skirtingą svarbą įvesties duomenų elementams prognozavimo ar generavimo metu.
fine-tuning
iš anksto apmokyto modelio papildomas mokymas konkrečios srities duomenimis, siekiant pritaikyti jį specializuotoms užduotims.
big data
duomenys, pasižymintys dideliu kiekiu, sukūrimo greičiu ir įvairove, viršijantys tradicinių duomenų bazių galimybes.
large language model
dideliu tekstų kiekiu apmokytas generatyvinio dirbtinio intelekto modelis, skirtas žmogaus kalbai suprasti, interpretuoti ir generuoti.
large vision model
dideliu vaizdų kiekiu apmokytas generatyvinio dirbtinio intelekto modelis, skirtas vaizdiniams duomenims suprasti, interpretuoti ir generuoti.
dynamic routing
DI naudojimas efektyviems, realaus laiko informacija grindžiamiems maršruto sprendimams priimti, pvz., logistikoje ar duomenų tinkluose.
artificial immune system
mašininio mokymosi sistema, imituojanti biologinės imuninės sistemos mechanizmus, pvz., atpažinimą ir adaptaciją, anomalijų aptikimui, optimizavimui ar duomenų saugumui užtikrinti.
artificial intelligence agent
kompiuterinė sistema, renkanti informaciją apie aplinką per jutiklius ir atliekanti veiksmus tikslams pasiekti, naudodama planavimo, sprendimų priėmimo ar mokymosi metodus.
artificial intelligence artifact
duomenys, sugeneruoti ar naudojami per DI sistemos kūrimo, mokymo, diegimo ir priežiūros gyvavimo ciklą.
artificial intelligence resilience
dirbtinio intelekto sistemos savybė atlaikyti nepalankius įvykius (pvz., techninius gedimus, kenkėjiškas atakas), prisitaikyti prie jų ir atkurti veikimą po jų.
artificial intelligence robustness
dirbtinio intelekto sistemos savybė išlaikyti našumą ir tikslumą netikėtomis ar nepalankiomis sąlygomis, pvz., apdorojant netikslius ar nesutvarkytus duomenis.
artificial intelligence predictability
dirbtinio intelekto sistemos savybė generuoti nuoseklius ir nuspėjamus rezultatus panašiomis įvesties sąlygomis, užtikrinanti sistemos patikimumą.
artificial intelligence bias
modelio polinkis nuosekliai daryti tas pačias klaidas dėl per didelio modelio supaprastinimo ar mokymo duomenų neatitikties realiai situacijai, lemiantis sistemingą prognozių nukrypimą nuo tikrųjų reikšmių.
artificial intelligence validation
procesas, skirtas patikrinti, ar DI sistema sprendžia reikiamą problemą ir atitinka vartotojo poreikius.
artificial intelligence variance
modelio prognozių kintamumas, atsirandantis dėl jautrumo mokymo duomenims, kai modelis pernelyg prisitaiko prie konkretaus mokymo rinkinio ir prastai apibendrina naujus duomenis.
artificial intelligence verification
procesas, skirtas patikrinti, ar dirbtinio intelekto sistema įgyvendinta pagal planą ir veikia taip, kaip buvo suprojektuota.
artificial intelligence
kompiuterinių sistemų gebėjimas atlikti užduotis, kurioms įprastai reikalingas žmogaus intelektas, pavyzdžiui, mokymasis, problemų sprendimas ar sprendimų priėmimas.
artificial neural network
informacijos apdorojimo struktūra, kuri apdoroja informaciją imituodama biologinių neuroninių tinklų principus, sudaryta iš tarpusavyje sujungtų dirbtinių neuronų, organizuotų į sluoksnius.
discounted future reward
stiprinamojo mokymosi principas, kai ateities atlygis yra nuosekliai mažinamas, suteikiant didesnę svarbą artimiems rezultatams.
discriminator
generatyvinių besivaržančių neuroninių tinklų komponentas -- neuroninis tinklas, klasifikuojantis duomenis kaip tikrus ar generatoriaus sukurtus, taip skatinantis generatorių kurti realistiškesnius duomenis.
discriminative artificial intelligence
DI modelių, gebančių atskirti ir priskirti duomenis skirtingoms kategorijoms pagal jų požymius, tipas.
region of interest
specifinė vaizdo dalis, pasirinkta detalesnei analizei ar apdorojimui.
data annotation
papildomos informacijos duomenims suteikimas, priskiriant etiketes ar metaduomenis, reikalingas dirbtinio intelekto modelių mokymui.
data integration
duomenų iš skirtingų šaltinių sujungimas į vientisą, nuoseklų rinkinį.
data pipeline
automatizuota sistema, naudojama nuosekliam duomenų rinkimui, apdorojimui ir perdavimui iš šaltinio mašininio mokymosi modeliui.
data leakage
1. neteisėtas ar netyčinis konfidencialių duomenų atskleidimas ar perdavimas neįgaliotiems asmenims ar sistemoms; 2. situacija, kai mokymo duomenys netyčia apima informaciją iš testavimo ar validavimo rinkinių, dirbtinai pagerinant modelio…
batch
mažesnė duomenų rinkinio dalis, apdorojama per vieną mokymosi iteraciją.
data augmentation
mokymo duomenų rinkinio didinimas kuriant modifikuotas esamų duomenų versijas (pvz., pasukant, apkarpant ar keičiant vaizdų spalvas), siekiant pagerinti modelio mokymą.
dataset
visuma duomenų, naudojamų modeliui mokyti, testuoti ar vertinti.
data fusion
kelių skirtingų šaltinių duomenų integravimas į vieną patikimesnį ir išsamesnį informacijos šaltinį.
data cleaning
duomenų kokybės gerinimas šalinant triukšmą, pasikartojančius ir nereikalingus įrašus.
data labeling
tai procesas, kurio metu duomenų objektams priskiriamos iš anksto apibrėžtos tikslinės reikšmės, klasės ar kategorijos, sudarančios pagrindą prižiūrimo mašininio mokymosi modelių mokymui ir vertinimui.
bidirectional long short-term memory model
rekurentinio neuroninio tinklo architektūra, apdorojanti elementų seką abiem kryptimis (pirmyn ir atgal), leidžianti modeliui įvertinti kontekstą prieš ir po kiekvieno sekos elemento.
binary classification
mašininio mokymosi užduotis, kurios metu duomenys klasifikuojami į vieną iš dviejų kategorijų.
expert system
kompiuterinė sistema, naudojanti struktūrizuotą žinių bazę ir "jei--tai" taisyklių rinkinį konkrečios srities sprendimams priimti.
exponential linear unit
aktyvacijos funkcija, grąžinanti teigiamas reikšmes nepakeistas (f(x) = x), o neigiamas transformuojanti eksponentine funkcija (α(eˣ - 1)), taip sumažinant mirštančių neuronų problemą ir stabilizuojant mokymąsi.
episode
stiprinamojo mokymosi ciklas nuo pradinės būsenos iki galinės būsenos, pasibaigiantis agentui pasiekus tikslą arba nesėkmę.
epoch
vienas perėjimas per visą apmokymo duomenų rinkinį vykstant mašininiam mokymuisi.
F1 score
klasifikacijos modelio tikslumo metrika, apskaičiuojama kaip tikslumo ir išsamumo harmoninis vidurkis, ypač naudinga nesubalansuotųjų duomenų atveju.
Frechet inception distance
generuotų vaizdų kokybės įvertinimo metrika, matuojanti statistinį atstumą tarp generuotų ir tikrų vaizdų požymių pasiskirstymų.
Gaussian error linear unit
aktyvacijos funkcija, kuri tikimybiškai slopina įvesties reikšmes pagal Gauso skirstinį, leidžianti sklandžiau reguliuoti informacijos srautą tinkle nei rektifikuoto tiesinio vieneto funkcija.
generalization
modelio gebėjimas tiksliai apdoroti naujus, mokymo metu neanalizuotus duomenis.
generative adversarial networks
giliojo mokymosi modelis, sudarytas iš dviejų besivaržančių neuroninių tinklų, kurie mokosi vienas iš kito - generatoriaus, kuriančio sintetinius duomenis, ir diskriminatoriaus, klasifikuojančio juos kaip tikrus ar dirbtinius.
generative pretrained transformer
transformerių architektūra pagrįstas didysis kalbos modelis, generuojantis tekstą nuosekliai prognozuodamas kiekvieną kitą žetoną pagal ankstesnį kontekstą, taikant dėmesio mechanizmą.
generative artificial intelligence
dirbtinio intelekto sistema, generuojanti naują turinį (tekstą, vaizdus, garsą, programinį kodą) remdamasi iš mokymo duomenų išmoktais dėsningumais.
generator
generatyvinių besivaržančių neuroninių tinklų dalis, naudojama naujų sintetinių duomenų generavimui.
deep fake
DI technologijomis sukurtas dirbtinis, bet realistiškai atrodantis turinys, pavyzdžiui, nuotraukos, vaizdo įrašai ar garso įrašai, kuriuose žmonės atrodo ar skamba tarsi daro, sako tai, ko iš tikrųjų nedarė, nesakė.
deep learning
mašininio mokymosi metodas naudojant daugiasluoksnius neuroninius tinklus, leidžiantis automatiškai išskirti požymius iš neapdorotų duomenų ir spręsti sudėtingas užduotis.
deep neural network
dirbtinis neuroninis tinklas, turintis du ar daugiau paslėptųjų sluoksnių tarp įvesties ir išvesties sluoksnių, apdorojantis duomenis hierarchiškai ir identifikuojantis sudėtingų duomenų savybes ar netiesinius ryšius tarp duomenų.
gradient
matematinis įvertis, rodantis kryptį ir greitį, kuria funkcija didėja stačiausiai, naudojamas modelio parametrų koregavimui.
gradient descent
mašininio mokymosi optimizavimo algoritmas, skirtas nuostolių funkcijos mažinimui, kai modelio parametrai koreguojami taip, kad būtų mažinamas skirtumas tarp modelio prognozuojamųjų ir tikrųjų duomenų reikšmių.
histogram of oriented gradients
vaizdo požymių reprezentacija, kurioje fiksuojamas objektų kontūrų ir kraštų krypčių pasiskirstymas, naudojama objektams identifikuoti vaizde.
graph sparsification
grafo briaunų mažinimo metodas, išlaikant jo pagrindinę struktūrą, siekiant sumažinti skaičiavimo sąnaudas ir pagreitinti grafais paremtų mašininio mokymosi algoritmų veikimą.
hallucination
klaidinga dirbtinio intelekto sugeneruota informacija, pateikiama kaip faktas.
heuristic
praktinis problemų sprendimo būdas, vietoj tikslių skaičiavimų naudojant apytiksles taisykles, kai tikslus sprendimas būtų per daug sudėtingas ar brangus.
hyperparameter
parametras, nustatomas prieš mokymosi procesą ir lemiantis modelio mokymosi procesą, architektūrą, duomenų apdorojimą ar optimizavimo nustatymus (pvz., mokymosi greitis, sluoksnių skaičius, paketų dydis).
horizontal scaling
sistemos pajėgumų didinimas pridedant daugiau serverių ar mazgų, leidžiant sistemai apdoroti didesnius duomenų srautus paskirstant krūvį tarp kelių įrenginių, o ne tobulinant vieną serverį.
embodied agent
dirbtinio intelekto agentas, sąveikaujantis su aplinka per fizinį (roboto) arba virtualų (simuliacijoje) kūną.
long short-term memory
rekurentinio neuroninio tinklo architektūra, naudojama ilgų duomenų sekų analizei, kai išlaikomas ryšys tarp toli vienas nuo kito esančių elementų.
ambient intelligence
išmaniosios sistemos, naudojančios jutiklius, skirtos žmonių poreikiams pastebėti ir atliepti be tiesioginio žmogaus įsiterpimo.
semi-supervised machine learning
mišrus mašininio mokymosi metodas, kai naudojamas nedidelis kiekis žymėtų duomenų ir didelis kiekis nežymėtų duomenų, siekiant sukurti tikslius modelius sunaudojant mažiau laiko ir resursų duomenų žymėjimui.
flatten layer
funkcija, daugiadimensę (2D, 3D) informaciją verčianti vien(a)dimense informacija (1D).
dropout
mašininio mokymosi valdymas, padedantis išvengti persimokymo, kai kiekvienoje mokymosi stadijoje yra atsitiktinai išjungiama dalis dirbtinių neuronų.
exploitation strategy
stiprinamojo mokymosi sprendimų priėmimo metodas, kai dirbtinio intelekto agentas visada renkasi veiksmą, žadantį didžiausią momentinį atlygį, taip maksimizuojant trumpalaikę naudą, bet apribojant naujų, potencialiai geresnių sprendimų…
scaled exponential linear unit
aktyvacijos funkcija, naudojama automatiškai normalizuoti neuronų išvestis mokymo metu, padedant išvengti gradiento išnykimo ar sprogimo problemų dirbtiniuose neuroniniuose tinkluose.
brute-force search
problemų sprendimo strategija, kai yra sistemiškai įvardinami ir patikrinami visi galimi sprendimo variantai.
inference
prognozių, sprendimų ar kito turinio su naujais duomenimis generavimas naudojant apmokytą modelį.
output layer
paskutinis dirbtinio neuroninio tinklo sluoksnis, kuris galutinį atsakymą pateikia remdamasis ankstesnių sluoksnių perduota informacija.
iteration
1. pakartotinis proceso žingsnis 2. modelio kūrimo, mokymo ir tobulinimo ciklas, apimantis duomenų paruošimą, mokymą ir vertinimą, siekiant optimizuoti modelio veikimą 3. vienas mašininio mokymo ciklo žingsnis, kurio metu modelis apdoroja…
embedding
diskrečių duomenų (pvz., žodžių, vaizdų ar garso fragmentų) reprezentacija skaitiniais fragmentais taip, kad semantiškai panašūs objektai būtų artimi erdvėje, leidžiant dirbtinio intelekto modeliui atlikti sudėtingų informacijos struktūrų…
named entity recognition
natūraliosios kalbos apdorojimo procesas, skirtas identifikuoti ir klasifikuoti tekste esančią informaciją į iš anksto apibrėžtas kategorijas (pvz., asmenų vardai, organizacijų pavadinimai, datos).
input layer
pirmas dirbtinio neuroninio tinklo sluoksnis, priimantis įvesties duomenis tolimesniam apdorojimui.
federated machine learning
decentralizuotas mašininio mokymosi metodas, kai kiekvienas įrenginys modelį treniruoja lokaliai su savo duomenimis, o į centrinį serverį siunčiami tik modelio svoriai agregavimui, užtikrinant duomenų privatumą.
sensor fusion
procesas, kurio metu integruojami iš kelių skirtingų tipų jutiklių gauti duomenys, siekiant gauti tikslesnę, patikimesnę ir išsamesnę informaciją.
cost function
matematinė funkcija, kuria apskaičiuojama vidutinė modelio prognozių paklaida visame duomenų rinkinyje, kai didesnė kaina reiškia didesnį modelio klaidų skaičių.
capsule neural network
neuroninio tinklo architektūra, kurioje neuronai jungiami į grupes, skirtas ne tik objektų, bet ir jų erdvinių ryšių, orientacijų ir hierarchinių struktūrų reprezentacijai.
cascade classifier
objektų aptikimo modelis, nuosekliai taikantis vis sudėtingesnius klasifikatorius, greitai atmesdamas nereikalingas sritis, taip tiksliau analizuodamas perspektyvias sritis.
confusion matrix
klasifikavimo modelio veikimo kokybės vertinimo lentelė, kurioje lyginamos modelio sugeneruotos prognozės su tikrosiomis duomenų reikšmėmis, pažymint teisingai ir neteisingai prognozuotas teigiamas ir neigiamas reikšmes.
encoder
1. duomenų kodavimo įtaisas; 2. neuroninio tinklo dalis, kuri suspaudžia didelės dimensijos įvesties duomenis (pvz., tekstą, vaizdą) į mažos dimensijos.
cognitive computing
tarpdisciplininė informacinių technologijų sritis, kurianti sistemas, modeliuojančias žmogaus pažintines funkcijas, tokias kaip samprotavimas, mokymasis, konteksto suvokimas ar sprendimų priėmimas, galinčias veikti neapibrėžtomis sąlygomis…
computer vision
dirbtinio intelekto sritis, kurianti metodus, leidžiančius išgauti informaciją iš vaizdinių duomenų, pavyzdžiui, identifikuoti objektus ar sekti judėjimą, modeliuojant žmogaus regos sistemą.
context window
didžiausias informacijos kiekis, matuojamas žetonais, kurį dirbtinio intelekto modelis gali apdoroti vienu metu.
convolution operation
matematinė operacija, kurios metu filtras slenkamas per įvesties duomenis fiksuoto dydžio langu, kiekviename žingsnyje skaičiuojant atitinkamų elementų skaliarinę sandaugą.
convolutional neural network
giliojo mokymosi modelis, naudojantis konvoliucijos operacijos, specializuotas tinklinės struktūros duomenų (pvz., nuotraukų) analizei, naudojamas automatiniam duomenų požymių išskyrimui.
convolutional layer
pagrindinė konvoliucinio neuroninio tinklo dalis, kuri taikydama konvoliucijos operaciją išskiria skirtingus erdvinius požymius (pvz., kraštus, tekstūras, formas) iš lokalių įvesties duomenų sričių ir generuoja požymių žemėlapį.
cross-entropy
nuostolių funkcija, matuojanti skirtumą tarp tikrojo tikimybių pasiskirstymo ir modelio prognozuojamo tikimybių pasiskirstymo, dažniausiai naudojama klasifikavimo užduotims optimizuoti mokymo metu.
cross-attention
tai procesas, kurio metu vienos sekos elementai susiejami su kitos sekos elementais, leidžiant modeliui integruoti informaciją iš abiejų šaltinių.
quantization
procesas, kurio metu modelio parametrai konvertuojami iš aukštesnio tikslumo skaičių formato į žemesnio tikslumo formatą, taip sumažinant modelio dydį, atminties sąnaudas ir pagreitinant veikimą.
lemmatization
teksto apdorojimas, kai žodžiai transformuojami į jų pagrindinę žodyninę formą (lemą).
residual network
giliojo neuroninio tinklo architektūra, grindžiama praleidimo jungtimis, kurios leidžia informacijai apeiti tam tikrus sluoksnius, taip palengvinant giliųjų neuroninių tinklų mokymą.
expectation-maximization (EM) algorithm
iteratyvus statistinis optimizavimo metodas, kurį sudaro du žingsniai: E žingsnis, kurio metu skaičiuojamos paslėptų kintamųjų tikėtinos reikšmės, ir M žingsnis, kurio metu optimizuojami modelio parametrai maksimizuojant tikėtinumo…
Markov property
būsimos sistemos būsenos priklausymas tik nuo dabartinės būsenos, bet ne nuo praeities.
Markov decision process
matematinis sprendimų priėmimo modelis, pagal kurį būsima būsena priklauso tik nuo dabartinės būsenos ir veiksmo, bet ne nuo praeities.
machine learning
kompiuterinių sistemų mokymasis iš duomenų tiesiogiai neprogramuojant kiekvieno veiksmo.
machine perception
kompiuterinės sistemos gebėjimas apdoroti ir interpretuoti išorinio pasaulio duomenis (vaizdą, garsą, jutiklinius signalus) įvairiais lygmenimis --- nuo žemo lygio užduočių (pvz., kraštų aptikimo) iki aukšto lygio užduočių (pvz., scenų…
minority class
klasė, turinti mažiausiai pavyzdžių duomenų rinkinyje.
min-max normalization
duomenų normalizavimo metodas, kai reikšmės į nustatytą intervalą (paprastai [0, 1]) transformuojamos naudojant minimalią ir maksimalią reikšmes.
model training
procesas, kai mašininio mokymosi modelis, naudodamas optimizavimo algoritmą, pritaiko savo vidinius parametrus pagal mokymo duomenis, siekdamas sumažinti nuostolių funkciją ir pagerinti prognozių tikslumą.
zero-shot learning
mašininio mokymosi metodas, kai modelis geba klasifikuoti objektus ar atlikti užduotis, kurių pavyzdžių nebuvo mokymo duomenų rinkinyje, remdamasis semantiniu ryšiu tarp žinomų ir naujų kategorijų ar jų aprašymų.
few-shot learning
mašininio mokymosi metodas, kai modelis pritaikomas naujoms užduotims spręsti arba naujoms duomenų kategorijoms atpažinti naudojant tik nedidelį kiekį pažymėtų mokymo pavyzdžių.
one-shot learning
mašininio mokymosi metodas, kai modelis pritaikomas naujoms užduotims spręsti arba naujoms duomenų kategorijoms atpažinti naudojant tik vieną pažymėtą mokymo pavyzdį.
learning rate scheduler
algoritmas, kuris mokymo metu pagal iš anksto nustatytą tvarkaraštį ar strategiją keičia mokymosi greitį, siekiant užtikrinti geresnį modelio konvergavimą ir stabilumą.
multimodal model
dirbtinio intelekto modelis, galintis vienu metu apdoroti ir integruoti skirtingų tipų duomenis (pvz., tekstą, vaizdą, garsą), kad geriau suprastų informacijos kontekstą ir ryšius tarp skirtingų modalumų.
natural language processing
dirbtinio intelekto sritis, jungianti kompiuterių mokslą ir lingvistiką, skirta kurti algoritmus, leidžiančius kompiuteriams suprasti, interpretuoti, analizuoti ir generuoti žmogaus kalbą.
negative prompting
generatyvinio dirbtinio intelekto metodas, kai užklausos formuluojamos pabrėžiant nepageidaujamus generuojamo rezultato elementus ar charakteristikas, siekiant apriboti modelio generavimo sritį ir išvengti nepageidaujamų artefaktų.
undersampling
duomenų balansavimo metodas, kai, siekiant subalansuoti daugumos ir mažumos klasių proporcijas, iš daugumos klasės atsitiktine tvarka pašalinama dalis pavyzdžių.
underfitting
mašininio mokymosi modelio negebėjimas tiksliai nustatyti duomenų dėsningumų dėl per mažo modelio sudėtingumo arba nepakankamo mokymo ciklo trukmės, lemiantis prastus rezultatus tiek su mokymo, tiek su naujais duomenimis.
unsupervised learning
mašininio mokymosi metodas, kai nežymėtaisiais duomenimis apmokomas dirbtinio intelekto modelis savarankiškai atranda duomenų struktūras, dėsningumus ar grupes be iš anksto pateiktų teisingų atsakymų ar etikečių.
fuzzy logic
loginis metodas, skirtas manipuliuoti neapibrėžta ir netikslia informacija, kai teiginio teisingumo reikšmė gali būti bet koks realusis skaičius intervale [0, 1], o ne tik diskrečiosios reikšmės "tiesa" (1) arba "melas" (0).
imbalanced data
duomenų savybė, kai viena iš duomenų klasių pateikiama su daugiau pavyzdžių, nei kitos klasės, taip sukeliant DI modelio šališkumo problemą, kai pirmenybė teikiama daugumos klasei ir prasčiau apdorojami kitų klasių duomenys.
dying rectified linear unit problem
problema, kai dirbtinių neuroninių tinklų neuronai, naudojantys rektifikuoto tiesinio vieneto funkciją, tampa visiškai neaktyvūs (visada grąžina reikšmę 0) ir nebegali mokytis dėl nuolat neigiamų įvesties reikšmių.
continuous learning
mašininio mokymosi metodas, kai modelis nuolat atnaujinamas naujai gaunamais duomenimis realiuoju laiku, siekiant išlaikyti jo prognozių aktualumą ir tikslumą dinamiškoje, kintančioje aplinkoje.
continual learning
mašininio mokymosi metodas, kai modelis nuosekliai įgyja žinių iš skirtingų uždavinių ar duomenų srautų per tam tikrą laiką, išlaikydamas ankstesnes žinias ir vengdamas jų pamiršimo.
loss function
matematinė funkcija, matuojanti skirtumą tarp modelio prognozės ir tikrosios reikšmės, rodant modelio paklaidą konkrečiam duomenų pavyzdžiui.
leaky rectified linear unit
modifikuota rektifikuoto tiesinio vieneto funkcija, kuri neigiamos įvesties reikšmes keičia nedidele neigiama reikšme, taip išvengiant nykstančių neuronų problemos.
object detection
kompiuterinės regos metodas, naudojamas objektų identifikavimui ir lokalizavimui vaizde, pasitelkiant aprėpties langelius ir priskiriant jiems klases.
optical character recognition
kompiuterinės regos technologija -- automatinis vaizduose esančio teksto atpažinimas ir konvertavimas į redaguojamą skaitmeninį tekstą.
optical flow
kompiuterinės regos metodas -- pikselių judėjimo tarp gretimų vaizdo įrašo kadrų apskaičiavimas ir aprašymas vektoriais.
explainable artificial intelligence
DI sritis, kuria siekiama užtikrinti DI modelių sprendimų aiškinimą žmonėms suprantamu būdu, taip didinant sistemų skaidrumą ir patikimumą.
backbone
bazinė neuroninių tinklų architektūros dalis, skirta požymiams iš duomenų išgauti, dažniausiai sudaryta iš iš anksto apmokytų konvoliucijos sluoksnių.
batch normalization
mašininio mokymosi metodas, kurio metu kiekvieno mokymo paketo aktyvacijos normalizuojamos pagal paketo vidurkį ir dispersiją, taip stabilizuojant ir pagreitinant neuroninių tinklų mokymąsi.
incremental learning
mašininio mokymosi metodas, leidžiantis modeliui nuosekliai mokytis iš naujų duomenų nekartojant viso mokymo proceso ir išsaugant anksčiau įgytas žinias.
forget gate
ilgos trumpalaikės atminties modelio komponentas, reguliuojantis, kokia informacija iš ankstesnės atminties būsenos išsaugoma ar atmetama, taikant sigmoidės funkciją.
augmented reality
virtualioji aplinka, apimanti realiuoju laiku atvaizduotą pasaulį su kompiuterinės grafikos elementais, naudojant jutiklius ir kompiuterinės regos metodus.
hidden layer
tarp įvesties ir išvesties sluoksnių esantis neuroninio tinklo sluoksnis, atliekantis tarpinį duomenų apdorojimą bei požymių išgavimą.
confidence map
vizualizacijos metodas, kuriame kiekvienas vaizdo pikselis arba regionas yra žymimas reikšme, atspindinčia modelio prognozės patikimumą toje vietoje.
edge artificial intelligence
dirbtinio intelekto modelių užduočių vykdymas tiesiogiai galutiniuose įrenginiuose (pvz., telefonuose, kamerose, jutikliuose), o ne centralizuotuose debesijos serveriuose, taip sumažinant trikdžių, didinant duomenų saugą ir mažinant…
transfer learning
mašininio mokymosi metodas, kai vienai užduočiai apmokyto modelio išmokti parametrai ar požymiai panaudojami kitos, susijusios užduoties modeliui apmokyti, sumažinant reikalingų duomenų ir skaičiavimo išteklių kiekį.
permutation
galimas elementų rinkinio išdėstymas tam tikra tvarka, kai kiekvienas elementas naudojamas tik vieną kartą.
perplexity
kalbos modelių kokybės metrika, kuria matuojamas modelio gebėjimas nuspėti kitą žodį sekoje.
overfitting
per didelis modelio prisitaikymas prie apmokymo duomenų, lemiantis prastą veikimą gavus naujų duomenų.
oversampling
metodas, skirtas dėl nesubalansuotųjų duomenų atsirandančios mašininio mokymo problemos mažinimui, kai mažumos klasių pavyzdžių skaičius yra dirbtinai padidinamas.
chatbot
programa, simuliuojanti pokalbį su žmogumi tekstine ar balso forma.
feature selection
mašininio mokymosi procesas, kurio metu iš turimo požymių rinkinio atrenkami modelio prognozių tikslumui aktualiausi požymiai, sumažinant dimensiją ir persimokymo riziką.
feature space
daugiadimensė erdvė, kurioje kiekviena dimensija atspindi vieną duomenų ypatybę.
feature engineering
tai sistemingas pirminių duomenų reprezentacijos konstravimas ir transformavimas į informatyvius požymius, siekiant pagerinti mašininio mokymosi modelių gebėjimą aproksimuoti tikslinę priklausomybę.
feature extraction
mašininio mokymosi procesas, kurio metu iš neapdorotų duomenų automatiškai išskiriami informatyvūs požymiai, tinkami modelio mokymui, sumažinant duomenų dimensiją ir išlaikant svarbią informaciją.
feature pyramid network
vaizdui vienu metu analizuoti skirtingose skalėse skirta objektų aptikimo architektūra, leidžianti tiksliai aptikti įvairių dydžių objektus.
feature map
pritaikius filtrą gaunama konvoliucinio sluoksnio išvestis, įvesties duomenyse (pvz., vaizde) rodanti aptiktų specifinių požymių -- kraštų, tekstūros, formos -- vietą.
positive prompting
užklausų formulavimo metodas, kai užklausose pabrėžiami pageidaujami generuojamo rezultato elementai ar charakteristikos.
skip connection
dirbtinio neuroninio tinklo jungtis, leidžianti informacijai apeiti tam tikrus tarpinius sluoksnius.
advantage actor critic model
stiprinamojo mokymosi algoritmas, apimantis du neuroninius tinklus -- veikėjo, kuris priima sprendimus, ir kritiko, kuris įvertina šių veiksmų pranašumą lyginant su vidutine tikėtina nauda.
supervised learning
mašininio mokymosi metodas, kai modelis mokomas iš žymėtų duomenų pavyzdžių, o jo parametrai nuolat koreguojami optimizavimo algoritmu, mažinant prognozių ir tikrųjų žymų skirtumą.
predictive analytics
duomenų analizės sritis, jungianti statistinius metodus, mašininį mokymąsi ir duomenų išgavimą, skirta istorinių duomenų pagrindu prognozuoti būsimus įvykius ar tendencijas.
application programming interface
susitarimų ir procedūrų rinkinys, leidžiantis atskiroms programoms sąveikauti tarpusavyje arba su operacine sistema.
regularization
modelio persimokymo mažinimas, pridedant apribojimus ar baudas.
rectified linear unit
aktyvacijos funkcija, kuri grąžina teigiamas reikšmes be pakeitimų, o neigiamas keičia į nulį.
recurrent neural network
grįžtamųjų ryšių turintis neuroninis tinklas, kuris apdoroja sekų duomenis (tekstą, laiko eilutes) išsaugodamas informaciją apie ankstesnius sekos elementus.
pattern recognition
automatinis duomenų dėsningumų, struktūrų ar požymių aptikimas ir klasifikavimas, naudojant statistinius ar mašininio mokymosi metodus.
self-supervised learning
mokymosi metodas, kai modelis mokosi iš nežymėtų duomenų, automatiškai sukurdamas mokymo užduotis iš pačių duomenų struktūros.
self-management
sistemų gebėjimas koordinuoti savo veiklą be žmogaus įsikišimo.
semantic search
paieška apdorojant informaciją pagal reikšmę, prasmę ir kontekstą, o ne tik raktinius žodžius.
semantic segmentation
kompiuterinės regos atliekamas visų nuotraukoje esančių objektų identifikavimas pikselio tikslumu ir pažymėjimas, grupuojant tos pačios klasės objektus kartu.
narrow artificial intelligence
dirbtinio intelekto sistema, gebanti atlikti tik konkrečias, iš anksto apibrėžtas užduotis.
Sigmoid-weighted linear unit
aktyvacijos funkcija, apskaičiuojama kaip įvesties reikšmės ir sigmoidės funkcijos sandauga, užtikrinanti stabilesnį modelio mokymąsi, taikant tolydų ir diferencijuojamą perėjimą tarp neigiamų ir teigiamų reikšmių.
symbolic artificial intelligence
dirbtinio intelekto metodas, grindžiamas aiškiomis simbolinėmis žinių reprezentacijomis, loginiu išvedimu ir taisyklėmis.
character-based tokenization
teksto skaidymas į atskirus simbolius (raides, skaitmenis, skyrybos ženklus).
synthetic data
algoritmiškai sugeneruoti duomenys, imituojantys tikrų duomenų statistines savybes ir struktūrą, naudojami modelių mokymui ir testavimui, ypač kai trūksta tikrų duomenų ar jie yra sunkiai prieinami.
dot product
dviejų vienodo ilgio vektorių daugyba, kurios metu elementų sandaugos yra sumuojamos, gaunant vieną skaitinę reikšmę (skaliarą).
decision boundary
skiriamoji riba, kuria pagal požymius yra atskiriamos klasės.
exploding gradient problem
reiškinys, kai gradiento vertė dirbtinių neuroninių tinklų mokymosi metu tampa per didelė, dėl ko mokymas tampa nestabilus.
neural style transfer
giliojo mokymosi metodas, vieno vaizdo vizualinį stilių suteikiant kitam vaizdo turiniui.
reinforcement learning
mašininis mokymasis, kai agentas mokosi atlikti veiksmus aplinkoje bandymų ir klaidų būdu, siekdamas maksimizuoti sukauptą atlygį per tam tikrą laiką.
reinforcement learning from human feedback
mašininis mokymasis, kai modelio strategija optimizuojama pagal žmogaus vertinimus, naudojant atlygio modelį, prognozuojantį, kaip žmogus vertintų turinį.
boosting
mašininio mokymosi ansamblio mokymo metodas, skirtas šališkumo mažinimui, kai modeliai apmokomi vienas po kito taisydami praeito modelio klaidas.
superintelligence
hipotetinis dirbtinis intelektas, kurio kognityviniai gebėjimai daugumoje sričių pranoktų žmogaus intelektą.
pooling layer
dirbtinio neuroninio tinklo sluoksnis duomenų dimensijai sumažinti, agreguojant gretimų elementų reikšmes, išlaikant svarbiausius požymius.
focal loss
klasių disbalanso problemai spręsti naudojama nuostolių funkcija, skirta didesniam mokymosi dėmesiui sutelkti sudėtingesnei informacijai.
text-to-speech
teksto į šnekamąją kalbą konvertavimas naudojant generatyvinį dirbtinį intelektą.
text-to-video
vaizdo įrašų pagal tekstinius aprašymus kūrimas naudojant generatyvinį dirbtinį intelektą.
text-to-image
vaizdų pagal tekstinius aprašymus kūrimas naudojant generatyvinį dirbtinį intelektą.
forward pass
duomenų perdavimas per dirbtinius neuroninius sluoksnius nuo įvesties iki išvesties sluoksnio, siekiant sugeneruoti tam tikrą rezultatą.
feedforward neural network
dirbtinis neuroninis tinklas, kuriame duomenys sklinda viena kryptimi, nepatekdami į ciklą, iš įvesties sluoksnio, per tarpinius sluoksnius, į išvesties sluoksnį.
ground truth
tikslūs, patikrinti duomenys, naudojami dirbtinio intelekto modeliams mokyti, testuoti, validuoti.
exploration strategy
stiprinamojo mokymosi sprendimų priėmimo metodas, kai dirbtinio intelekto agentas atlieka naujus, neišbandytus veiksmus, siekdamas atrasti potencialiai geresnius, bet dar nežinomus ilgalaikius atlygius.
transformer model
didesnio efektyvumo modelio architektūra, naudojama sekoms apdoroti taikant dėmesio mechanizmą, apdorojant visą duomenų seką vienu metu.
denoising
nepageidaujamų iškraipymų pašalinimas iš duomenų (vaizdų, garso, signalų), siekiant pagerinti jų kokybę.
prompt
dirbtinio intelekto modeliui pateikiama instrukcija.
zero-shot prompting
užklausos be jokių pavyzdžių pateikimas modeliui, kai modelis remiasi tik savo išankstinėmis žiniomis ir instrukcija.
prompt tuning
derinimo metodas, kurio metu yra treniruojami papildomi užklausos vektoriai, siekiant optimizuoti modelio atsakymus konkrečioms užduotims, nereikalaujant viso modelio pakartotinio permokymo.
prompt engineering
užklausų kūrimo, tikslinimo ir optimizavimo procesas, siekiant gauti tiksliausius dirbtinio intelekto modelių atsakymus.
prompt optimization
užklausų turinio tobulinimas, siekiant pagerinti dirbtinio intelekto modelių atsakymų kokybę.
few-shot prompting
užduoties su keliais pavyzdžiais pateikimas dirbtinio intelekto modeliui, didinant jo atsakymų tikslumą be papildomo mokymo.
one-shot prompting
užduoties su vienu pavyzdžiu pateikimas, padedant modeliui suprasti naują užduotį.
image recognition
kompiuterinės regos metodas, automatiškai identifikuojantis objektus, raštus ir kitas savybes nuotraukose ar vaizdo įrašuose.
image segmentation
kompiuterinės regos metodas, padalijantis vaizdą į reikšmingas atskiras sritis tikslesnei analizei ir apdorojimui.
image similarity metric
skaitinė vertė, išreiškianti dviejų ar daugiau nuotraukų panašumą.
gated recurrent unit model
rekurentinio neuroninio tinklo elementas, naudojantis atnaujinimo ir atstatymo vartus informacijos srautui sekose valdyti, reikalaujantis mažiau skaičiavimo išteklių nei ilgos trumpalaikės atminties modelis.
gated recurrent network
rekurentinis neuroninis tinklas, sudarytas iš vartais valdomų elementų, naudojančių vartų mechanizmą ilgalaikėms sekų priklausomybėms fiksuoti ir informacijos srautui valdyti.
action language
kalba, kuria aprašoma, kokius veiksmus sistema gali atlikti ir kokias momentines pasekmes tie veiksmai sukelia.
action model learning
mašininio mokymosi metodas, kai kuriamos ir keičiamos agento žinios apie jo aplinkoje galimų atlikti veiksmų reikalavimus ir pasekmes.
vector database
duomenų bazė, kurią sudaro duomenys kaip vektoriai (skaičių sekos) ir kuri leidžia efektyviai ieškoti panašaus turinio pagal semantinį panašumą, įskaitant nestruktūruotus duomenis, pvz., nuotraukas, vaizdo ar garso įrašus.
vertical scaling
serverio ar sistemos našumo didinimas pridedant daugiau išteklių (procesoriaus, atminties, saugyklos) esamam serveriui.
self-attention
dėmesio mechanizmas, kurio metu kiekvienas sekos elementas siejamas su visais kitais sekos elementais, įvertinant jų tarpusavio svarbą ir ryšius.
average precision
modelio įvertinimas, apskaičiuojamas vidurkinant skirtingo sudėtingumo užduočių sprendimų tikslumo reikšmes.
local receptive field
apribota įvesties dalis, su kuria sąveikauja atskiras konvoliucinio neuroninio tinklo neuronas, leidžiant tinklui išskirti lokalius erdvinius požymius.
token
bazinis informacijos vienetas, teksto vienetas (žodis, žodžio dalis ar simbolis), į kurį dirbtinio intelekto modelis skaido tekstą apdorojimui.
tokenization
teksto skaidymas į mažesnius vienetus (žetonus), kuriuos dirbtinio intelekto modelis gali apdoroti.
token limit
didžiausias žetonų skaičius, kurį modelis gali apdoroti sąveikos metu, įskaitant įvestį, kontekstą ir išvestį.
label
mokymo duomenų anotacija, rodanti teisingą atsakymą ar kategoriją.
knowledge-based system
dirbtinio intelekto sistema, naudojanti ekspertų žinias ir loginio išvedimo mechanizmą konkrečios srities problemoms spręsti.