Искусственный интеллект является сложной и многогранной сферой. Ученые, работающие в этой области, часто используют технический жаргон для объяснения своих достижений. Поэтому возникает необходимость в использовании этих терминов в новостном освещении индустрии искусственного интеллекта. С целью облегчения понимания мы подготовили глоссарий, который будет содержать определения основных слов и фраз, часто используемых в наших статьях.
Об этом сообщает ProIT
Глоссарий будет регулярно обновляться, чтобы добавлять новые термины по мере того, как исследователи выявляют новые методы развития искусственного интеллекта и обнаруживают новые риски.
Ключевые термины искусственного интеллекта
Искусственный общий интеллект (AGI) – это термин, который обычно описывает искусственный интеллект, способный выполнять большинство задач на уровне или даже лучше, чем средний человек. Генеральный директор OpenAI Сэм Альтман недавно охарактеризовал AGI как “эквивалент среднестатистического человека, которого можно нанять в качестве коллеги”. Согласно хартии OpenAI, AGI определяется как “высокоавтономные системы, которые превосходят людей в большинстве экономически ценных работ”
“AGI является термином, который обычно описывает искусственный интеллект, способный превзойти среднюю человека в большинстве задач.”
Агент искусственного интеллекта – это инструмент, который использует технологии искусственного интеллекта для выполнения ряда задач от вашего имени, таких как подача отчетов о расходах, бронирование билетов или столика в ресторане, или даже написание и обслуживание кода. Это автономная система, которая может использовать несколько систем искусственного интеллекта для выполнения многоступенчатых задач.
В условиях искусственного интеллекта понимание и логическое рассуждение для больших языковых моделей означает распределение проблемы на меньшие, промежуточные этапы, что улучшает качество конечного результата. Хотя это может занять больше времени, ответ будет более точным, особенно в контексте логики или программирования.
Технологии и инновации в сфере AI
Глубокое обучение является подмножеством самосовершенствующегося машинного обучения, в котором алгоритмы искусственного интеллекта разработаны с многослойной структурой искусственных нейронных сетей (ANN). Это позволяет им выявлять более сложные корреляции по сравнению с более простыми системами машинного обучения. Модели глубокого обучения могут самостоятельно определять важные характеристики данных, вместо того чтобы полагаться на человеческих инженеров.
Диффузия является ключевой технологией, лежащей в основе многих моделей AI, которые генерируют искусство, музыку и текст. Диффузионные системы медленно “разрушают” структуру данных, добавляя шум, пока ничего не остается. В AI эти системы стремятся изучить процесс “обратной диффузии” для восстановления уничтоженных данных.
Генеративная состязательная сеть (GAN) является типом машинного обучения, который способствует развитию генеративного AI, включая инструменты для создания реалистичных данных, таких как deepfake. GAN состоит из пары нейронных сетей, которые конкурируют между собой, улучшая результаты.
В мире искусственного интеллекта термин “галлюцинация” используется для описания ситуаций, когда модели AI генерируют ложную информацию. Это большая проблема для качества AI, поскольку галлюцинации могут привести к вводящим в заблуждение результатам, которые несут реальные риски.
В целом, понимание терминов и концепций в сфере искусственного интеллекта поможет лучше ориентироваться в этой динамичной и быстро развивающейся области.