Tekoälyterminologia

 

1. AI (Artificial Intelligence, Tekoäly): Tekoäly tarkoittaa koneiden ja ohjelmistojen kykyä jäljitellä tai jopa ylittää ihmisen kognitiivisia toimintoja.
   
   
2. Alignment (Linjautuminen): Tekoälyssä "linjautuminen" tarkoittaa tekoälyn tavoitteiden ja ihmisen tavoitteiden samansuuntaisuutta.
   
   
3. ANN (Artificial Neural Network, Keinotekoinen neuroverkko): Keinotekoinen neuroverkko on malli, joka on suunniteltu jäljittelemään ihmisen aivojen toimintaa.
   
   
4. Backpropagation (Takaisinpropagointi): Takaisinpropagointi on menetelmä, jolla neuroverkon painot päivitetään oppimisprosessissa.
   
   
5. Bias (Harha): Harha on tendenssi koneoppimismallissa, joka johtaa systemaattiseen virheeseen. Keskustelevissa tekoälyissä se ilmenee esimerkiksi kommenttien poliittisena vinoutumana.
   
   
6. Deep Learning (Syväoppiminen): Syväoppiminen on koneoppimisen tekniikka, joka jäljittelee ihmisen aivojen toimintaa.
   
   
7. Emergent Behavior (Emergoiva käyttäytyminen): Tämä tarkoittaa käyttäytymistä tai piirteitä, jotka eivät ole suoraan ohjelmoituja tai suunniteltuja, vaan jotka nousevat esiin monimutkaisten järjestelmien, kuten tekoälymallien, toiminnan seurauksena. Emergoiva käyttäytyminen voi olla ennalta arvaamatonta ja monimutkaisempaa kuin järjestelmän yksittäisten osien käyttäytyminen. 
   
   
8. Fine-Tuning (Hienosäätö): Hienosäätö on prosessi, jossa suuria kielimalleja mukautetaan tiettyyn tehtävään tai kontekstiin.
   
   
9. GPT (Generative Pretrained Transformer): GPT on tekoälymalli, joka on koulutettu luomaan ihmismaista tekstiä tai kuvia.
   
   
10. Generative AI (Generatiivinen tekoäly): Generatiiviset tekoälymallit ovat sellaisia, jotka pystyvät luomaan uusia tietoja tai esityksiä koulutusdatansa perusteella.
    
    
11. Hallucination (Hallusinointi): Termiä käytetään kuvaamaan tilannetta, jossa tekoälymalli tuottaa tietoa, joka ei perustu sen koulutusdataan ja joka ei vastaa todellisuutta.
    
    
12. LLM (Large Language Models, Suuret kielimallit): Suuret kielimallit ovat koneoppimismalleja, jotka on koulutettu ennustamaan tekstiä.
    
    
13. LSTM (Long Short-Term Memory): LSTM on erityinen tyypin tekoälymalli, joka on suunniteltu käsittelemään aikasarjadataa ja muita tehtäviä, joissa on tärkeää ymmärtää asioiden järjestys ja niiden väliset suhteet.
    
    
14. ML (Machine Learning, Koneoppiminen): Koneoppiminen on AI:n ala, joka keskittyy tietokonejärjestelmien suunnitteluun, jotta ne voivat oppia ja parantaa suorituskykyään itsenäisesti kokemustensa perusteella.
    
    
15. NLP (Natural Language Processing, Luonnollisen kielen käsittely): NLP on tekniikka, jota AI käyttää ymmärtämään, tulkitsemaan ja tuottamaan ihmiskieltä. 
    
    
16. Prompt Engineering (Käskytekniikka, kehoteohjelmointi): Tämä tarkoittaa prosessia, jossa luodaan ja optimoidaan kysymyksiä tai "käskyjä" (prompts) suurille kielimalleille, kuten GPT:lle, ohjaamaan niiden tuotoksia. Hyvin suunniteltu käsky voi auttaa tekoälymallia tuottamaan parempia, tarkempia ja hyödyllisempiä vastauksia.
    
    
17. RL (Reinforcement Learning, Vahvistusoppiminen): Vahvistusoppiminen on koneoppimisen alalaji, jossa tekoäly oppii tekemään päätöksiä palkitsemalla tai rankaisemalla sen toimia.
    
    
18. Supervised Learning (Ohjattu oppiminen): Ohjattu oppiminen on koneoppimismenetelmä, jossa mallille annetaan syötteitä (input) ja niitä vastaavia tuloksia (output), ja mallin tavoitteena on oppia ennustamaan tuloksia uusille syötteille.
    
    
19. Transfer Learning (Siirto-oppiminen): Siirto-oppiminen on koneoppimisen tekniikka, jossa aiemmin koulutettua mallia käytetään uuden, samankaltaisen tehtävän oppimiseen.
    
    
20. Transformer (Muunnin): Muunnin on syväoppimisen mallityyppi, joka käyttää huomiomekanismeja käsittämään sekvenssidataa, kuten tekstiä.
    

Tämän blogin kuvat ovat pääasiassa generoitu tekoälyn avulla. Tämä on tehty Microsoftin create palvelun kautta.