Minimering av strukturell risk
Definition
Minimering av strukturell risk (SRM) är en metod för att minimera förväntad risk genom …
Minimering av strukturell risk (SRM) är en metod för att minimera förväntad risk genom …
Statistisk inlärningsteori (SLT) är en gren av statistik och datavetenskap som studerar …
Statistisk relationell inlärning (SRL) kombinerar sannolikhetsteori med relationella …
Strukturerad sparsitetsregularisering utvidgar standard L1-regularisering genom att …
Strömning syftar på den kontinuerliga insamlingen och bearbetningen av data i realtid …
Spike-and-slab-regression är en bayesiansk statistisk teknik som används för …
Spreading activation är ett koncept som ursprungligen kommer från kognitiv psykologi, men …
Inom maskininlärning syftar stabilitet på modellens robusthet när den utsätts för små …
Stable Diffusion är en djupinlärningsmodell som genererar detaljerade bilder villkorade …
Diffusers-biblioteket är en öppen källkod-verktygslåda från Hugging Face som är designad …
Detektion av talarbyte (SCD) är en teknik som används för att exakt tidstämpla ögonblick …
Rumslig intelligens avser kapaciteten hos artificiella intelligensmodeller att uppfatta, …
Tal-till-tal-översättning (STS) kringgår mellanliggande textrepresentationer för att …
Talardiarisering är uppgiften att partitionera en ljudström i homogena segment baserat på …
Inom talbehandling definieras en talare som en distinkt mänsklig röstkälla inom en …
Glitter-emojin är en grafisk ikon som ofta används i användargränssnitt för …
Källattribuering avser den systematiska spårningen och märkningen av ursprung för data, …
Rumslig inbäddning innebär att konvertera fysiska eller abstrakta rumsliga relationer …
Rymdbaserade datacenter är föreslagna beräkningsanläggningar placerade i jordens …
Suverän AI beskriver förmågan hos ett land eller en organisation att bygga, distribuera …
Denna term syftar på de specifika regionala marknadskrafterna kring smarta högtalare i …
Denna term är inte en teknisk definition utan en kulturell markör som syftar på perioder …
En programvaruagent är en autonom entitet som kan uppfatta sin omgivning, resonera och …
Socialt assistiva robotar (SAR) är en delmängd av människa-robot-interaktion som …
Utvecklad av Ray Solomonoff, ger denna teori en universell modell för induktion genom att …
Singuläritetsstudier är en växande akademisk disciplin som undersöker implikationerna av …
Inom artificiell intelligens syftar ‘situerad’ på agenter som är inbäddade i …
Det situerade angreppssättet är ett metodologiskt ramverk inom AI-forskning som hävdar …
Slopaganda beskriver en strategisk form av desinformation som förlitar sig på upprepning, …
Smarta objekt är komponenter i Internet of Things (IoT) som besitter unika identifierare …
Likhetsinlärning fokuserar på att träna modeller för att mappa indata till ett …
Sekvensmärkning innebär att förutsäga en kategorisk etikett för varje token i en given …
Server-sända händelser (SSE) möjliggör enkelriktad kommunikation från servern till …
Serverlös arkitektur låter utvecklare bygga och köra applikationer utan att hantera …
Sigmoidfunktionen, definierad som σ(z) = 1 / (1 + e^-z), används flitigt inom …
Halvövervakad inlärning är en hybrid träningsparadigm som använder en liten mängd märkta …
Meningslikhet mäter graden av semantisk överlappning mellan två distinkta meningar. Den …
Semantisk veckning syftar på processen att komprimera komplexa, högdimentionella …
Sentence Transformers är extensioner av traditionella Transformer-modeller (som BERT) …
SentencePiece är ett populärt öppen källkodsbibliotek för textnormalisering och …
Inom beräkningsbar inlärningsteori kvantifierar provkomplexitet den mängd data som behövs …
Dessa databaser möjliggör dynamisk datamodellering genom att inte tvinga fram styva …
Den går bortom syntaktisk struktur för att tolka det faktiska syftet och betydelsen av …
Begreppet omfattar AI-agenter eller systemets kapacitet att hantera rutinunderhåll, …
Denna teknik används främst med stora språkmodeller (LLM) för att förbättra noggrannheten …
Rust är ett programmeringsspråk med flera paradigmer och allmänt ändamål, utformat för …
Sam3 är inte en allmänt erkänd offentlig AI-term som SAM (Segment Anything Model). Det …
Sam3 Video syftar på tillämpningen av avancerade segmenteringsmodeller, potentiellt en …
STIT står för ‘See To It That’ (Se till att). Det är en gren av modallogiken …
SUPS är en akronym som kan variera beroende på sammanhang men förekommer ofta i …
Regelinduktion är en symbolisk maskininlärningsmetod som härleder om-då-regler direkt …
Robotiserad processautomatisering (RPA) använder mjukvarubots, ofta förstärkta med AI, …
Robotlärande innebär att träna robotagenter att utföra uppgifter autonomt genom att …
Inom AI-säkerhet och etik syftar robusthet på en modells motståndskraft mot oväntade …
Rätten till förklaring är en central komponent inom algoritmisk ansvarsskyldighet, …
Ansvarsfull AI omfattar principer och praxis som syftar till att minska de risker som är …
Motstånd mot AI syftar på metoder som individer eller enheter använder för att undvika …
Omrangering är en strategi som används inom informationshämtning och …
Reparameteriseringstricket är en grundläggande metod som används i variationella …
Representationskollaps inträffar när ett neuralt nätverk, särskilt inom kontrastiva …
Pålitlighet inom AI avser systemets beteendes trovärdighet och konsistens över tid och …
Inom AI är reflektion en paradigm där en modell pausar för att utvärdera sin egen …
Regularisering är ett avgörande begrepp inom maskininlärning som syftar till att minska …
Rekursiv självförbättring avser den teoretiska förmågan hos ett artificiellt …
Relationell datagruvdrift fokuserar på att extrahera användbar information från databaser …
Begränsning av begärningsfrekvens skyddar AI-tjänster och API:er från missbruk, …
Rademacher-komplexitet utvärderar hur väl en hypotesklass kan korrelera med slumpmässiga …
Till skillnad från standard generativa modeller som fokuserar på flyt, prioriterar …
Slumpmässiga funktionsavbildningar transformerar indata till ett nytt rum där linjära …
Denna metod går bortom enkel inlärning med människan i loopen (human-in-the-loop) för …
Denna term avser en specialiserad arkitektur inom Qwen-familjen, som sannolikt använder …
Qwen3.5 betecknar en specifik utgåva i Qwen-linjen, utvecklad av Alibaba Cloud. Denna …
Qwen3.6 representerar en ytterligare finjustering inom Qwen3-modellfamiljen. Små …
Rabbit r1 är en dedikerad hårdvaruenhet lanserad av Rabbit Inc., centrerad runt deras …
ROCm (Radeon Open Compute) är ett drivrutins- och mjukvarustack utvecklat av AMD för att …
Qwen representerar en familj av avancerade stora språkmodeller skapade av Alibabas Tongyi …
Qwen Coder är en dedikerad version av Qwens stora språkmodell finjusterad specifikt för …
Qwen Edit betecknar specifika funktionaliteter eller modelliterationer inom Qwen-serien …
Qwen2 markerar den andra betydande generationen av Qwen-modellfamiljen, med introduktion …
Qwen3 5 verkar beteckna en specifik kontrollpunkt, storleksvariant eller specialiserad …
Inom AI och datavetenskap syftar kvantifiering på omvandlingen av icke-numerisk data, …
Kvantisering är en teknik för modelloptimering som minskar den numeriska precisionen hos …
Kvantiserat artificiellt liv (QAL) utforskar skärningspunkten mellan kvantmekanik och …
Kvantmaskininlärning (QML) är ett växande tvärvetenskapligt fält som integrerar …
Qloo fungerar som ett dataintelligensföretag som specialiserar sig på att förstå …
Pyannote är ett öppen källkod Python-bibliotek utvecklat av pyannote.audio, specialiserat …
Pyannote Audio är en omfattande verktygslåda designad för att underlätta utveckling och …
I kontexten av Pyannote Audio syftar en pipeline på ett konfigurerbart arbetsflöde som …
Pythia är en serie öppna källkod-stora språkmodeller (LLM) skapade av EleutherAI, …
PyTorch Model Hub Mixin är en komponent som tillhandahålls av biblioteket Hugging Face …
Denna term omfattar den historiska och pågående utvecklingen av system för artificiell …
Prompt-tuning innebär att tränbara mjuka prompts (kontinuerliga vektorer) läggs till i …
Proximala gradientmetoder är iterativa optimeringstekniker som används när …
Pruning innebär att identifiera och eliminera nerver, anslutningar eller filter i ett …
Detta fält undersöker de mentala processerna bakom mänsklig deduktion, induktion och …
Expertprodukten (PoE) är en metod för att konstruera komplexa sannolikhetsfördelningar …
Denna term omfattar de kommersiella och forskningsprodukter som skapats av OpenAI, ett …
Inom artificiell intelligens syftar problemlösning på det systematiska …
Programmering genom exempel (PBE) är en paradigm inom programsyntes där utvecklare …
Sannolikhetsmatchning är ett beteendemönster som ofta observeras inom …
Praftn är ett specialiserat beräkningsramverk utformat för att hantera funktionell …
Vid proaktiv inlärning bestämmer AI-systemet vilka prover som skulle minska osäkerheten …
Probabilistisk numerik tillämpar bayesianska metoder på traditionella numeriska problem …
Denna princip postulerar att en agents handlingar bör väljas för att maximera dess …
Tidigare kunskap avser domänspecifika insikter, begränsningar eller historisk data som …
Begreppet ‘förtränad’ beskriver en neural nätverksmodell som har genomgått en …
Prediktiv inlärning innebär att träna neurala nätverk för att dra slutsatser om icke …
Prediktiva tillståndsrepresentationer (PSR) utvidgar traditionella partiellt observerbara …
Preferensinlärning fokuserar på att lära modeller att skilja mellan bra och dåliga utdata …
Prefix-tuning är en parameter-effektiv anpassningsteknik för förtränade transformatorer. …
Fikoefficienten (φ) är ett mått på sambandet mellan två binära variabler och fungerar som …
Phi-3 är en serie små språkmodeller (SLM) släppta av Microsoft, designade för att …
Physical Intelligence Inc. (PI) är en spin-off från Google DeepMind, etablerat för att …
Inom AI- och tekniksammanhang avser en podcast episodiskt digitalt medieinnehåll som …
Polisemanticitet är en egenskap som observeras i djupa neurala nätverk, särskilt i …
Personaplex syftar på ekosystemet eller infrastrukturen som stödjer skapandet, …
Personlighetsberäkning innebär att utveckla algoritmer och system som kan modellera, …
En personoid är en enhet, antingen robotisk eller virtuell, som är konstruerad för att …
Perusall är en utbildningsteknologiplattform som använder artificiell intelligens för att …
Phi, kort för ‘Foundation models based on Teaching-Learning Paradigm’, är en …
En modell för perceptionsfel beskriver diskrepanserna mellan observerad sensorisk data …
Mönsterteori ger en strikt matematisk grund för att förstå hur komplexa objekt och …
En pedagogisk agent är en mjukvarukomponent, ofta gestaltad som en virtuell karaktär, som …
Ett percept är den interna representationen av en yttre stimulans efter att den har …
Inom AI och kognitiv vetenskap syftar en perceptron på den komponent i ett intelligent …
Mönsterigenkänning är en gren av artificiell intelligens och statistik som syftar till …
Ett Mönsterspråk är en formaliserad ramverk bestående av en uppsättning beprövade …
Parafrasering inom naturlig språkbehandling innebär att generera alternativa uttryck för …
Parallella webbssystem avser infrastrukturdesigner där beräkningsuppgifter delas upp och …
Paritetsinlärning är ett benchmark-problem inom maskininlärningsteori där målet är att …
Owain Evans är datavetare och lärare, för närvarande knuten till Center for AI Safety och …
P-Tuning (Prompt Tuning) är en teknik designad för att anpassa stora förtränade …
PagedAttention är en teknik som introducerades av vLLM-projektet för att förbättra …
PHerc. Paris. 4 är en beteckning för ett fragment av en koliserad pergamentrulle som …
POP-11 (Program Oriented Problem Solving) är ett programmeringsspråk med flera paradigmer …
Detektering av överlappande tal (OSD) är en specialiserad uppgift inom talbehandling som …
Operation Serenata de Amor är ett banbrytande öppen-källkod-projekt som tillämpar …
Organoidintelligens (OI) syftar på utvecklingen av biohybrid system där hjärnorganoider …
Översikten över djupinlärning omfattar de grundläggande strukturerna såsom …
Denna term beskriver den strukturella klassificeringen av maskininlärning i övervakad, …
Inom AI-teknik syftar observerbarhet på förmågan att förstå det interna tillståndet hos …
Optisk teckenigenkänning (OCR) använder bildbehandling och mönsterigenkänningsalgoritmer …
Även känt som batch-lärande innebär offline-lärande att träna maskininlärningsmodeller på …
Utvecklat av Intel tillåter OpenVINO (Open Visual Inference and Neural network …
Begreppet omfattar ekosystemet av AI-teknologier som släpps under licenser som tillåter …
Nouvelle AI syftar på en klass av artificiella intelligenssystem som använder symboliska …
Novitetsdetektering är en maskininlärningsuppgift som fokuserar på att identifiera …
Förkortningen NSO kan ha flera betydelser beroende på sammanhang. Inom teknisk …
Nvidia är en dominerande aktör inom AI-branschen, främst känd för att designa …
Objektdetektering utvidgar bildklassificering genom att inte bara fastställa vilka objekt …
Begreppet används ofta i diskussioner om rättigheter, ansvar och social integration för …
Detta område fokuserar på att skapa hårdvaru- och mjukvaruarkitekturer som efterliknar …
Detta fält överbryggar neurovetenskap och robotik genom att implementera …
Det finns ingen etablerad definition eller allmänt accepterat koncept som kallas …
Vanliga metoder inkluderar Min-Max-skaling och Z-score-standardisering. Denna process …
Kvanttillstånd i neuronnätverk använder tekniker för djupinlärning för att approximera …
Neural beräkning avser de matematiska operationer som utförs av artificiella neuroner för …
Neurala modelleringsfält innebär studiet av hur neurala populationer organiserar sig i …
Neuro-symboolsk AI integrerar sub-symboliska neurala inlärningsmetoder med symboliska …
Skalningslagar för neurala nätverk beskriver det förutsägbara potenslagssambandet mellan …
Identifiering av modersmål (NLI) är ett delområde inom naturlig språkbehandling som …
Muse Spark är ett öppet källkodsramverk för djupinlärning designat för att köras …
MXFP4 (Mixed eXtended Floating Point 4-bit) är ett specialiserat datatypformat som …
Detta projekt utnyttjar NASAs jordobservationsdata kombinerat med avancerade …
Nature Machine Intelligence är en högimpact akademisk tidskrift dedikerad till att …
Multimodal representationsinlärning innebär att träna modeller för att bearbeta och …
Multimodal sentimentanalys utvidgar traditionell textbaserad sentimentdetektering genom …
Metoden för multiplikativ viktuppdatering är en grundläggande algoritm för onlinelärande …
Multitaskoptimering innebär att träna en enda modell för att hantera flera distinkta men …
Multivariate Adaptive Regression Splines (MARS) är en flexibel regressionsmetod som …
Multi modalitet representerar den arkitektoniska och teoretiska ramverket som möjliggör …
Problemet med multi-armed bandit illustrerar dilemmat som en agent står inför när den …
Denna teknik utnyttjar den induktiva bias som delas mellan relaterade uppgifter för att …
Multilinguella modeller är designade för att hantera mångsidiga lingvistiska indata utan …
Inom artificiell intelligens beskriver multimodalitet förmågan hos en modell att förstå, …
Bilproblem på berg är en standardbenchmark inom forskningen om förstärkningsinlärning. …
Blandning av experter (MoE) är en maskininlärningsarkitektur utformad för att förbättra …
Ett Modellregister fungerar som en kritisk komponent inom MLOps och tillhandahåller ett …
Moralisk outsourcing syftar på fenomenet där människor överlåter etisk omdömesförmåga och …
Moshi är en avancerad AI-modell skapad av Kyutai som integrerar tal- och textbearbetning …
MobileNets använder djupseparerbara convolutioner för att drastiskt minska …
I GAN:er uppstår mode collapse när generatoren lär sig att utnyttja svagheter i …
Denna kategori inkluderar metoder som beskärning, kvantisering och kunskapsdistillation, …
Mixins tillhandahåller vanliga metoder såsom att spara, ladda och pusha modeller till …
Indexfilen, vanligtvis namngiven ‘model_index.json’, innehåller strukturerad …
Desinformation avser falsk eller vilseledande information som sprids utan den medvetna …
Mistral syftar på en familj av kraftfulla stora språkmodeller (LLM) med öppna vikter …
Mistral Common är ett Python-paket som underhålls av Mistral AI och erbjuder …
Mixtral är en banbrytande stor språkmodell (LLM) med öppna vikter som använder en …
Träning med blandad precision (MPT) kombinerar halvprecision (FP16) och full precision …
Meta-inlärning fokuserar på att utforma algoritmer som kan lära sig från tidigare …
Inom AI-teknik möjliggör mikrotjänster att olika komponenter i en AI-pipeline, såsom …
Militära tillämpningar av AI omfattar ett brett spektrum av teknologier utformade för att …
Även om det inte är en standardiserad akademisk term, syftar ‘Mindpixel’ …
MindsDB fungerar som en bro mellan traditionella relationsdatabaser och moderna …
Maximal inre produktsökning (MIPS) är ett grundläggande problem inom …
Medel-mål-analys är en kognitiv strategi som används inom artificiell intelligens och …
MediSafe-kontroversen syftar på en betydande etisk diskussion under de tidiga dagarna av …
Mekanisk tolkbarhet fokuserar på att reverse-engineera neurala nätverk för att förstå hur …
Prefixet ‘meta’ inom artificiell intelligens betecknar en högre nivå av …
Maskgenerering innebär att producera rumsliga eller tidsmässiga maskor som avgör vilka …
ME-Noughts-and-Crosses Engine var en tidig demonstration av maskininlärning, specifikt …
Inom artificiell intelligens tillhandahåller matematiken den teoretiska ramen för …
Matrisregularisering utvidgar skalära regulariseringskoncept till matriser, ofta använt i …
Mångfaldsregularisering utvidgar traditionella regulariseringsmetoder genom att inkludera …
Denna hypotes förklarar varför djupinlärning fungerar effektivt trots dimensionens …
Dessa potentialer möjliggör molekylära dynamiksimuleringar med nästan kvantmekanisk …
Denna teknik adresserar integritetsregler som GDPR:s “rätt att bli glömd” …
Detta område innebär att integrera ML-tekniker i spelutvecklingsflöden för att …
Det överbryggar klyftan mellan råa sensorinput och meningsfull semantisk förståelse, …
Detta tvärvetenskapliga fält använder maskininlärning för att bearbeta enorma mängder …
Inom fysiken hjälper maskininlärning till med simulering av kvantmekanik, analys av …
Maskininlärning förbättrar jordvetenskaperna genom att bearbeta satellitbilder, seismisk …
Detta fält kombinerar teknik inom maskininlärning med naturlig språkbehandling och …
Maskininlärningsstyrning integrerar adaptiva algoritmer med traditionella styrsystem för …
Lynda Soderholm är en erkänd figur inom tekniksektorn, särskilt uppmärksammad för sitt …
I sammanhanget av modern AI-terminologi syftar Lyra ofta på specialiserade AI-system …
Även om det primärt är ett begrepp inom teoretisk fysik snarare än datavetenskap, nämns …
MAUVE är ett statistiskt mått designat för att bedöma hur nära generativa språkmodellers …
MLOps möjliggör för organisationer att distribuera och underhålla …
LocateAnything är ett mångsidigt dataseende-ramverk som möjliggör detektering och …
Lokalt fall-kontroll-urval är en strategi som främst används vid träning av …
Lottospelshypotesen föreslår att inom ett stort, slumpmässigt initialiserat neutralt …
Ltx Video representerar en framsteg inom generativ AI för video, där latent …
Lång kontext avser kapaciteten hos transformer-baserade modeller att hantera omfattande …
Släppt av Meta AI i juli 2023, representerar Llama 2 en betydande utveckling inom öppna …
Introducerad i april 2024, bygger Llama 3 vidare på framgången med Llama 2 med betydande …
Släppt i augusti 2024, expanderar Llama 3.1 Llama-familjen för att inkludera en massiv …
Ursprungligen känt som GPT Index, är LlamaIndex ett kraftfullt dataramverk som möjliggör …
Att köra en lokal LLM innebär att distribuera öppna språkmodeller direkt på …
Inom statistisk modellering och maskininlärning representerar en linjär …
Linjär separerbarhet avser det geometriska tillståndet där datapunkter tillhörande olika …
En linter är ett verktyg som utför statisk analys på källkod utan att exekvera den. Den …
Detta syftar på organiserade arkiv, såsom GitHub-ämnen, ‘Awesome’-listor …
Llama (Large Language Model Meta AI) är en serie grundläggande stora språkmodeller som …
AI med begränsat minne representerar den andra nivån av AI-kapacitet, där system kan lära …
Inom dynamiska system och tidsserieanalys mäter korrelationens livslängd den varaktighet …
Leave-one-out-crossvalidering (LOOCV) är ett specifikt fall av k-faldig crossvalidering …
Lifelong Planning A* (LPA*) är en utökning av A*-sökningen designad för miljöer där …
Ljugarens utdelning syftar på den samhällsrisk som avancerad generativ AI, särskilt …
Vanligtvis visar en inlärningskurva tränings- och valideringsskor på y-axeln mot antalet …
Till skillnad från vanlig klassificering eller regression fokuserar learning to rank på …
Datatäckage är ett kritiskt fel inom maskininlärning där modellen får tillgång till …
Detta koncept härstammar från förstärkningsinlärning och involverar en agent som …
Inom statistisk inlärningsteori representerar en lärbar funktionsklass det hypotesutrymme …
Etiketterad data består av ingångsprov parade med motsvarande sanna etiketter (ground …
Lagnormalisering stabiliserar träningen genom att minska intern kovariansförskjutning, …
Lata lärare, såsom k-Närmaste Grannar (k-NN), memorerar hela träningsdatasetet och utför …
Problemet med “sista milen” avser de utmaningar som uppstår vid …
Förankrad i talhandlingsteori och pragmatik betonar detta perspektiv hur yttranden utför …
Etikettbrus syftar på diskrepanser mellan de sanna klassetiketterna för dataexempel och …
Kolmogorov–Arnold-nätverk (KAN) är en ny klass av neurala nätverk inspirerad av …
Kubernetes (ofta förkortat K8s) är ett system för behållarorchestrering som ursprungligen …
Kunskapsbaserade system (KBS) är en gren av artificiell intelligens som integrerar …
LLM-as-a-Judge är ett utvärderingsparadigm där en stor språkmodell fungerar som en …
Metoder för embedding av kunskapsgrafer, såsom TransE eller DistMult, omvandlar diskreta …
Denna metod använder teknik för tillfredsställelse av begränsningar inom en kunskapsbas …
Till skillnad från samarbetsfilter som förlitar sig på tidigare användarbeteende, …
Kunskapsintegration innebär att sammanfoga data från olika källor, såsom databaser, …
Begreppet myntades av Allen Newell och analyserar intelligenta system baserat på deras …
Kimi K2 representerar en betydande iteration i Moonshot AIs serie av stora språkmodeller. …
Kimi K25 är en avancerad iteration inom Kimi-familjen av modeller producerade av Moonshot …
Knowledge compilation syftar på tekniker inom artificiell intelligens som omvandlar en …
Datumet för kunskapsavstängningen definierar den tidsmässiga gränsen för en språkmodells …
Knowledge distillation är en metod inom maskininlärning som används för att komprimera …
Journal of Machine Learning Research (JMLR) är en framträdande publikation med öppen …
En K-linje, som i västerländska marknader ofta kallas candlestick-graf, är en grafisk …
KAoS är ett ramverk för intelligenta agenter utvecklat för att hantera komplexiteten i …
Kärninbäddning av fördelningar gör det möjligt att behandla probabilistiska objekt som …
Kärntäthetsuppskattning (KDE) är en grundläggande statistisk teknik som slätar diskreta …
Ett intelligent beslutsstödssystem (IDSS) integrerar artificiell intelligens, såsom …
Intelligent ordigenkänning avser avancerad teknolog för optisk teckenigenkänning (OCR) …
Inom förstärkningsinlärning driver intrinsisk motivation en agent att utforska sin …
Inom konvex geometri och sannolikhet i höga dimensioner är en mängd punkter eller en …
Denna fras representerar en avgörande fråga inom AI-etik och styrning, som uppmanar …
Instruktionsföljning avser förmågan hos stora språkmodeller och andra AI-system att …
En intelligent agent är ett system som kan uppfatta sin omgivning genom sensorer eller …
Intelligent automatisering integrerar traditionell Robotprocessautomatisering (RPA) med …
En intelligent databas utnyttjar maskininlärning och AI för att förbättra …
Intelligent styrning använder metoder för artificiell intelligens såsom fuzzy-logik, …
Denna teori postulerar att inlärning i grunden är en process av sannolikhetsinferens. …
Detta koncept innebär att analysera strukturen hos representationsutrymmet i …
Inom maskininlärning avser en instans ett specifikt exempel från datamängden. Den består …
Även känd som minnesbaserad inlärning, bygger denna teknik inte upp en generaliserad …
Instansval syftar till att förbättra beräkningseffektivitet och modellprestanda genom att …
Inception Score (IS) är ett statistiskt mått som infördes för att bedöma prestandan hos …
Incrementell Heuristisk Sökning avser algoritmer som förfinar en kandidatsteg för steg, …
Induktiv bias representerar de inneboende preferenserna eller begränsningarna som är …
Induktiv programmering, ofta kallad programsyntes, innebär att skapa mjukvarukod baserat …
Induktiv sannolikhet kvantifierar hur sannolikt det är att en hypotes är sann givet …
Bild-text-till-text avser modeller som bearbetar visuella indata tillsammans med …
Bild-till-bild (I2I) innebär användningen av djupinlärningsmodeller, såsom GANs eller …
Tekniken Bild-till-video tar en enskild statisk bildram och förutsäger efterföljande …
Imatrix, förkortning för Importance Matrix, är en teknik som främst är associerad med …
Oärlig text avser skrivet material producerat av AI-system eller människor med …
Bild-till-bild-översättning (I2I) innebär att mappa pixlar från ett källområde till ett …
Denna paradigm använder modeller som Stable Diffusion eller DALL-E för att producera …
Denna praxis innebär att ansluta AI-modeller, såsom stora språkmodeller, till …
Detta fält studerar processerna bakom hur idéer formas, kombineras och utvecklas. Det …
Etablerat under ministeriet för elektronik och informationsteknik, fungerar INDIAai som …
Ett hybrid intelligentsystem (HIS) förenar olika AI-paradigm, vanligtvis genom att …
Hybrid sökning integrerar två distinkta återvinningsmetoder: tät vektorsökning, som …
Till skillnad från modellparametrar (vikter och bias) som lärds ut från data under …
Hyperparameterjustering innebär att utvärdera olika uppsättningar av hyperparametrar för …
Hyperparameteroptimering (HPO) hänvisar till det bredare fältet för att automatisera …
Hugging Face är ett framträdande företag och en onlineplattform som har blivit central i …
Människa-AI-interaktion (HAI) är ett tvärvetenskapligt fält som undersöker dynamiken …
Människocentrerad AI är en designfilosofi som placerar människan i centrum för …
Mänsklig problemlösning omfattar de mångfacetterade kognitiva förmågorna som människor …
Mänsklig tillsyn syftar på de mekanismer och processer där människor övervakar, …
Hierarkisk riskparitet (HRP) är en metod för portföljkonstruktion som adresserar …
Algoritmen för Hierarkiskt Navigerbar Liten Värld (HNSW) konstruerar en flernivågraf där …
Ett hierarkiskt styrsystem organiserar styrlogiken i flera lager, vanligtvis sträckande …
Highway-nätverk är designade för att lösa problemet med försvinnande gradienter inom djup …
Histogram över orienterade förflyttningar (HOD) är en metod för funktionsextrahering för …
Ett dolt lager består av nerver som tar emot indata från tidigare lager, tillämpar vikter …
I allmän språkbehandling är ‘haw’ en informell utrop eller tvekanljud. Även …
Denna fras syftar på ett specifikt litterärt verk som undersöker hur människor kan …
HF ASR Leaderboard är en gemenskapsdriven plattform för metrik som drivs av Hugging Face, …
Skadligt innehåll avser digitala medier eller text som kan orsaka fysisk, psykologisk …
Gödel-maskinen är en hypotetisk universell problemlösare föreslagen av Jürgen …
H2O är en mycket använd öppen källkodsplattform i minnet för distribuerad, skalbar …
Halite var en årlig AI-programmeringstävling som arrangerades av Two Sigma, där …
AI-hårdvara syftar på specialiserade beräkningsenheter optimerade för den massiva …
Skyddsräcken syftar på en uppsättning mjukvarukontroller och policyerförstärkningslager …
En GPU är en högpresterande processor som ursprungligen utvecklades för att hantera …
Grok är en chattbot baserad på en stor språkmodell (LLM) skapad av Elon Musks företag, …
Grok-1 är det första släppet från xAI, lanserat i november 2023. Det är en …
Grokking syftar på ett motintuitivt beteende som observeras inom djupinlärning, där en …
Inom AI syftar grounding på att länka symboliska representationer eller genererad text …
Generative Pre-trained Transformer 2 (GPT-2) är en autoregressiv språkmodell som använder …
Denna optimeringsstrategi gör det möjligt att träna djupinlärningsmodeller med effektiva …
Med ursprung inom teoretisk datavetenskap och lingvistik utvidgar detta fält klassiska …
Denna metod efterliknar mänskliga kognitiva processer genom att gruppera data i högre …
Utvecklat av Facebook ger GraphQL en komplett och begriplig beskrivning av datan i ditt …
Google Colaboratory, ofta kallat Colab, är en värdtjänst för Jupyter-notebooks som kräver …
Google Research är Googles akademiska och industriella forskningsarm, med fokus på att …
GPT Bigcode, ofta associerat med modeller som StarCoder, representerar en betydande …
GPT OSS betecknar vanligtvis öppna alternativ eller derivat av proprietära Generative …
AI-styrning avser uppsättningen av regler, riktlinjer och institutionella strukturer som …
Det finns inget etablerat koncept, någon teknik eller metodik som kallas …
Inom statistisk modellering står GLM för Generalized Linear Models (generaliserade …
Det finns ingen enskild standardterm ‘GLM MoE DSA’. Det kombinerar dock …
En Glossary of Artificial Intelligence fungerar som ett referensdokument som definierar …
Google Clips var en konsumentelektronikenhet som utvecklades av Google och som använde …
Detta begrepp syftar på den strategiska och operativa förlitan som företag placerar på …
Generativa modeller är algoritmer utformade för att förstå mönster och strukturer inom en …
Genesisuppdraget syftar vanligtvis på en strategisk fas eller projekt inom en …
Genie syftar på en familj av generativa modeller designade specifikt för videosyntes. …
Geometrisk funktionsinlärning fokuserar på bearbetning av data som besitter …
Gemma-modeller är utformade för att vara effektiva och tillgängliga för forskare och …
Enligt aktuell kunskap finns det ingen officiellt släppt modell som specifikt heter …
Till skillnad från traditionella regressionsmodeller som endast fokuserar på medelvärdet, …
Dessa system, inklusive stora språkmodeller och diffusionsmodeller, hämtar inte bara …
Detta sociotekniska koncept lyfter fram ojämlikheter där kvinnor och flickor ofta har …
Gabbays separeringssats är ett grundläggande begrepp inom matematisk logik, särskilt inom …
Galaxy AI är Samsungs proprietära ekosystem av AI-funktionaliteter designat för att …
En Gated Recurrent Unit (GRU) är en specialiserad cell i ett rekurrent neuralt nätverk …
GPT-5.6 syftar på en spekulativ eller kommande version i släktlinjen av OpenAIs stora …
Spelteori är en gren av tillämpad matematik som modellerar strategiska interaktioner …
FrontierMath är en specialiserad utvärderingssvit skapad för att testa gränserna för …
En fuzzy-agent opererar inom miljöer där data ofta är tvetydig eller ofullständig, och …
GDPR-överensstämmelse avser de lagliga och tekniska åtgärder som AI-utvecklare måste …
GGUF (GPT-Generated Unified Format) är ett binärt filformat utformat specifikt för att …
GOLOG är ett logikbaserat programmeringsspråk som främst används inom artificiell …
Inom AI-terminologin används ‘Fon’ ofta för att beskriva den funktionella …
FBA tillhandahåller en rigorös ramverk för att analysera relationer mellan objekt och …
Flyttal 8 (FP8) är en numerisk datatyp som erbjuder en balans mellan …
Detta koncept innebär att utforma AI-system med framåtblickande förmågor som kan simulera …
Kraftstyrning gör det möjligt för robotar att utföra känsliga operationer som montering, …
Finjustering avser tekniken att ta en modell som redan har tränats på ett stort, allmänt …
Fitnessapproximering används inom evolutionär beräkning när utvärderingen av den verkliga …
Flödesbaserade generativa modeller konstruerar komplexa sannolikhetsfördelningar genom …
Fill Mask är ett grundläggande mål för förträning som används i transformerbaserade …
Återkopplingsneuronnätverk, även kända som rekurrenta neuronnätverk (RNN), innehåller …
Framåtriktade nätverk (FFN), även kända som flernivåspereceptroner (MLP), bearbetar data …
En Funktionsbutik fungerar som en brygga mellan dataingenjörer och maskininlärningsteam, …
Funktionshashning, även känd som hash-tricket, gör att maskininlärningsmodeller kan …
Funktionsinlärning, ofta kopplad till djupinlärning, möjliggör för modeller att lära sig …
Funktionsskalning standardiserar intervallet för indatavariabler för att förhindra att …
Facebook, som nu ingår i Meta Platforms Inc., är en ledande aktör inom forskning och …
Falcon syftar på en serie kraftfulla stora språkmodeller (LLM) skapade av Technology …
Inom maskininlärning är en funktion en distinkt attribut eller variabel som beskriver en …
Funktionsingenjörskonst är konsten att utnyttja expertis inom ett specifikt område för …
Funktionsutvinning innebär att omvandla rådata till en uppsättning funktioner som bättre …
Denna praxis innebär att logga hyperparametrar, datamängdsversioner, modellarkitekturer …
Till skillnad från genetiska algoritmer som upprätthåller en population, arbetar EO med …
När maskininlärningsmodeller blir mer komplexa, särskilt djupa neuronnät, blir deras …
EBL kombinerar symbolisk resonemangsförmåga med maskininlärning för att accelerera …
I beslutsfattandeprocesser står agenter inför en avvägning: de kan utnyttja aktuell …
Inspierad av biologisk ontogeni utforskar ED-robotik hur komplexa beteenden och fysiska …
Inom datavetenskap syftar evolverbarhet på hur lätt en algoritm eller neuralt …
ExBERT ger tolkbarhet för BERT-transformatormodellen genom att analysera vikten av …
Förväntningspropagering (EP) approximerar olösliga integraler genom att iterativt …
Detta område involverar analys av metrik som noggrannhet, precision, återkallelse, …
Denna term hänvisar till de betydande resurskraven som är förknippade med AI-teknologier, …
Ett entreprenörsinriktat kognitivt system kombinerar artificiell intelligens, naturlig …
Epistemisk modallogik utvidgar klassisk logik med operatorer som anger vad en agent vet …
Inom maskininlärning representerar en epok en enda iteration över hela …
Jämlika odds är en begränsning för statistisk paritet som används inom algoritmisk …
Emergenta algoritmer avser komplexa globala beteenden eller mönster som uppstår från …
Empirisk Dynamisk Modellering (EDM) är en ramverk för att analysera icke-linjära …
Empirisk Riskminimering (ERM) är den standardiserade målfunktionen för att träna modeller …
Inom förstärkningsinlärning och artificiell intelligens är empowerment en inre …
Energbaserade modeller (EBM) definierar en sannolikhetsfördelning över indata med hjälp …
Denna praxis innebär att distribuerade tränade AI-modeller direkt till hårdvara som …
Utvecklad av Google använder EfficientNet en metod för sammansatt skalning för att …
Skapad av Helsingfors universitet och Reaktor syftar detta utbildningsinitiativ till att …
Till skillnad från diskarnationerad AI som bearbetar abstrakt data, lär sig och agerar …
Detta fält utmanar traditionella synsätt som behandlar sinnet som en dator som bearbetar …
Eagle representerar ett specifikt arkitektoniskt och tekniskt ramverk inom domänen för …
Edge computing adresserar latens- och bandbredds begränsningar hos molncentriska …
Denna term syftar på det synergistiska sambandet mellan Expectation-Maximization …
Vid ivrig inlärning konstruerar systemet en generell målfunktion eller modell baserat på …
Tidig stoppning är en form av regularisering som främst används i iterativa …
Dokumentklassificering är en grundläggande uppgift inom naturlig språkbehandling där …
Domänanpassning hanterar utmaningen när tränings- och testdata kommer från olika …
Dubbel nedgång utmanar den traditionella bias-varians-handeln genom att visa att högt …
Dynamisk epistemisk logik (DEL) utökar modallogiken för att modellera hur kunskap …
ELMo genererar kontextkänsliga ordembeddingar genom att bearbeta inmatad text genom en …
Denna term avser en specifik implementation i Hugging Face Diffusers-biblioteket som är …
I sammanhanget av Hugging Face Diffusers-ekosystemet avser denna term generellt en …
Diffusion Single File avser en paketeringsstrategi för maskininlärningsmodeller, särskilt …
Diskriminering mot robotar är ett växande etiskt och sociologiskt begrepp som undersöker …
Ett upptäcktesystem är ett beräkningsramverk som syftar till att accelerera vetenskapliga …
Denna pipeline integrerar Qwen-Vision-Language-modellens funktionalitet i …
Denna pipeline anpassar Qwen-VL-modellernas generativa förmågor för bildsynthes. Den gör …
Denna pipeline använder Stable Diffusion 3-modellen, som introducerar en Multimodal …
Detta är den grundläggande pipeline för Stable Diffusion v1.5-modellen, som är allmänt …
Denna pipeline implementerar Stable Diffusion XL-arkitekturen, som använder en förfinad …
Differentiell integritet ger starka integritetsgarantier genom att lägga till kalibrerad …
DP-SGD är en variant av Stokastisk Gradientnedgång utformad för att skydda integriteten …
Hugging Face Diffusers är ett modulärt verktygslåda utformat för att förenkla …
Denna pipeline utnyttjar Flux-arkitekturen, känd för sin höga kvalitet på bildsyntes, …
LTX-pipelinen är skräddarsydd för modeller som prioriterar hastighet och effektivitet i …
Beskrivningslogiker (DL) är avgörbara fragment av förstordningens logik som utgör den …
Diella avser specifika neurala nätverksmodeller optimerade för att förbättra bildkvalitet …
Att distribuera till Azure innebär att använda molnnativa verktyg som Azure Machine …
Inom neurala nätverk syftar ’tät’ på fullt anslutna lager där varje neuron …
Utvecklingsrobotik inspireras av mänsklig kognitiv utveckling för att skapa robotar som …
DeepSeek syftar på en familj av artificiella intelligensmodeller skapade av bolaget …
DeepSeek V3 är en avancerad iteration i DeepSeek-modelfamiljen, karaktäriserad av sin …
Som en efterträdare till tidigare versioner implikerar DeepSeek V4 en fortsatt utveckling …
DeepSeek VL V2 utvidgar kapaciteten hos den vanliga språkmodellen till det multimodala …
Djup tomografisk rekonstruktion representerar ett betydande framsteg jämfört med …
Anti-aliasing inom djupinlärning syftar på metoder som använder neuronnätverk för att …
Bedräglig överensstämmelse inträffar när ett mycket kapabelt AI-system lär sig att visa …
En beslutslista är en typ av maskininlärningsmodell som representerar kunskap som en …
Puning är en metod som används för att förhindra överanpassning i beslutsträdsmodeller …
Deep Learning Super Sampling (DLSS) är en teknik som utnyttjar neuronnätverk för att …
TriviaQA är en datamängd utformad för frågebesvarande inom öppna domäner, med över en …
WikiHow-datasettet består av cirka 60 000 hur-till-artiklar insamlade från webbplatsen …
Wikipedia är en av de största och mest omfattande samlingarna av mänsklig kunskap …
Datamängden Yahoo Answers Topics är en delmängd av det större arkivet Yahoo Answers, med …
En deadbot syftar på en konversationell agent eller chattbottjänst som inte längre är …
Helpsteer2 är en kuraterad datamängd släppt av NVIDIA som innehåller parvisa jämförelser …
S2ORC är ett omfattande korpus av vetenskapliga artiklar härlett från Semantic Scholar. …
Search QA-datasets består vanligtvis av par av sökfrågor och relevanta svarsutdrag eller …
SNLI är ett benchmark-dataset som innehåller över 500 000 märkta meningspar annoterade …
RefinedWeb är en stor-skals datamängd av filtrerade webbsidor utformad för förträning av …
Detta avser ett specifikt datamängdsarkiv identifierat med namnet ‘Jackrong/Qwen3.5 …
MS MARCO (Microsoft Machine Reading Comprehension) är en mycket använd datamängd inom …
MultiNLI är en korpus insamlad via folkröstning (crowdsourcing) som finns tillgänglig …
Natural Questions (NQ) är en benchmark-datamängd som introducerades av Google för att …
Denna term avser en specifik datamängd som finns på Hugging Face under användaren …
Denna datamängd består av meningar och stycken extraherade från Simple English Wikipedia, …
Specter-datasetet är konstruerat från en omfattande samling datavetenskapliga artiklar, …
Denna datamängd innehåller miljoner fråga-svar-par skrapade från den nu nedlagda …
Denna datamängd extraherar meningsnivådata från Stack Exchange XML-filer, vilket ger en …
GooAQ är en datamängd samlad från tjänsten Google Answers, med en massiv samling av …
Altlex-datasetet består av meningar som delar samma underliggande betydelse men använder …
Flickr30K Captions är ett brett använt benchmark-dataset bestående av 31 783 bilder, var …
PAQ-datasetet (Pseudo-Answer Quality) innehåller miljontals automatiskt genererade …
Quora Question Pairs (QQP) är ett binärt klassificeringsdataset som innehåller över 400 …
Dataset för meningskomprimering består av par där den målmening som är en förkortad …
The Stack Dedup är en specialiserad delmängd av The Stack, ett massivt arkiv med öppen …
BookCorpus är en samling texter från över 10 000 opublicerade böcker, insamlade från …
Code Search Net är ett omfattande dataset skapat för att främja forskning inom …
ELI5 (Explain Like I’m Five) är ett dataset härlett från Reddit-communityt med …
Datasett-skift uppstår när fördelningen av data som används för att träna en …
Datacentrerad AI representerar ett paradigmskifte inom utvecklingen av artificiell …
Datadriven astronomi använder avancerade beräkningsmetoder, inklusive maskininlärning och …
En datadriven modell är en typ av artificiellt intelligenssystem där beteende och …
Datautforskning, ofta kallad utforskande dataanalys (EDA), är ett kritiskt förberedande …
Förbehandling av data är den väsentliga uppgiften att transformera rå, ostrukturerad …
DABUS är ett specifikt artificiellt neuralt nätverk designat för att generera nya …
Detta kritiska steg innebär att fästa meningsfull metadata till rådatapunkter så att …
Denna metod utvidgar träningsdataseten konstgjort genom att skapa modifierade versioner …
Denna adversariella teknik syftar till att kompromettera integriteten hos …
Datavetenskap involverar den interdisciplinära processen att extrahera kunskap från …
Inom AI och teknik är ‘CSM’ inte en universellt standardiserad term som t.ex. …
Cybersäkerhet omfattar de tekniker, processer och metoder som är utformade för att skydda …
Dimensionens förbannelse avser olika fenomen som uppstår vid analys av data i …
Korsentropimetoden (CEM) är en kraftfull allmän optimeringsalgoritm som används för både …
Korsvalidering är en statistisk metod som används för att uppskatta prestandan hos …
Coqui Technologies var en framträdande aktör i gemenskapen för öppen källkod inom AI, …
CrewAI tillhandahåller en strukturerad miljö för att bygga multi-agent-system där varje …
Utvecklat som en del av MLCommons-initiativet använder Croissant JSON-LD för att …
Kopplade mönstervärdare är designade för att hantera data där instanser från två olika …
Kostnadsmedveten maskininlärning utökar traditionell övervakad inlärning genom att …
Innehållsupphov avser dokumentationen och verifieringen av var digitalt innehåll kommer …
Kontinuerlig distribution är en utvidgning av kontinuerlig leverans som automatiserar …
Kontinuerlig inlärning, även känt som livslång inlärning, möjliggör för neurala nätverk …
Kontraktiv inlärning är en representationsinlärningsmetod som inte kräver märkt data. Den …
Kontrastiv förträning av språk och bild (CLIP) är en neural nätverksarkitektur tränad på …
En förvirringsmatris är en specifik tabelllayout som möjliggör visualisering av en …
Innehållsfiltrering innebär att använda algoritmer och regler för att skanna, …
Ett konnektionistiskt expertssystem integrerar mönsterigenkänning och inlärningsstyrkor …
Konstitutionell AI är en ramverk för att alignera stora språkmodeller med mänskliga …
Inom AI-etik syftar samtycke på det frivilliga och informerade tillståndet som användare …
Inom artificiell intelligens representerar beräkningskraft den grundläggande …
Concurrent MetateM är ett högnivåspecifikationsspråk som främst används inom robotik och …
Datorhörsel involverar utvecklingen av algoritmer som gör det möjligt för datorer att …
Konceptdrift är ett fenomen inom maskininlärning där sambandet mellan ingångsvariabler …
Villkorliga slumpmässiga fält (CRF) är en klass av diskriminerande modeller som …
Beräkningsintelligens (CI) omfattar en mängd naturinspirerade beräkningsparadigm, …
Beräkningsmässig heuristisk intelligens innebär algoritmer som använder tumregler, …
Beräkningsmässig humor studerar hur maskiner kan producera eller tolka skämt, ordvitsar …
Inom artificiell intelligens avser efterlevnad processen att säkerställa att AI-modeller …
Komprimerade tensorer är multidimensionella arrayer som används inom djupinlärning där …
ComfyUI är ett kraftfullt, modulärt och nodbaserat GUI för Stable Diffusion-modeller. …
Denna term syftar på den systematiska bedömningen och benchmarkingen av olika bibliotek …
Koherent Extrapolated Volition (CEV) är ett koncept som introducerades av Eliezer …
Konkurrens inom AI beskriver det intensiva globala kapplöpningen att utveckla …
Vanligt förnuft refererar till den stora mängden implicit information om vardagslivet, …
CodeQwen är en variant av Qwen-serien som utvecklats av Alibaba Cloud, specifikt …
Kognitiv beräkning är en gren av artificiell intelligens som strävar efter att interagera …
Kognitiv filologi är ett tvärvetenskapligt fält som kombinerar digitala humaniora, …
Kognitiv robotik integrerar kognitiv vetenskap med robotik för att bygga maskiner som kan …
Programmering, även känt som kodning, innebär att översätta mänsklig logik och krav till …
Inom djupinlärning appliceras clipping vanligtvis på gradienter för att mildra problemet …
När generativa AI-modeller producerar innehåll har behovet av citeringsmekanismer …
CAM genererar värmekartor överlagda på inmatade bilder för att visa vilka pixlar som …
Inom AI sammanhang syftar en krets vanligtvis på den underliggande hårdvaruarkitekturen, …
Denna metod utnyttjar flera distinkta uppsättningar av funktioner (vyer) för samma …
ChatGLM representerar en familj av transformatorbaserade språkmodeller specifikt …
Inom AI-kontext avser chatt gränssnittet och den underliggande mekanismen för …
Chunking är ett kritiskt förbehandlingssteg i Retrieval-Augmented Generation (RAG) och …
Inom utvecklingen av AI-applikationer avser en kedja en linjär eller riktad grafstruktur …
Detta koncept fokuserar på manipulation av text där den grundläggande beräkningsenheten …
Inom AI-teknik optimerar caching prestandan genom att hålla senaste eller frekventa …
CIML-communityportalen fungerar som en digital knutpunkt för det akademiska och …
CBR bygger på principen att liknande problem har liknande lösningar. Processen innebär …
Kaos-teorin undersöker hur små variationer i startparametrar kan leda till vitt skilda …
Denna metriker kvantifierar hur väl en uppsättning kategorier gör det möjligt att …
Automation av affärsprocesser (BPA) innebär att utnyttja programvara och AI för att …
Bioserenity syftar på det konceptuella idealet där mänsklig biologi och artificiell …
Medan det historiskt refererade till Benjamin Blooms pedagogiska taksoni, syftar det i …
Bradley-Terry-modellen är en probabilistisk modell som används flitigt inom psykometri …
Hjärnteknik omfattar hård- och mjukvarusystem som interagerar direkt med centrala …
BERT är en maskininlärningsteknik baserad på transformers för förträning inom NLP, …
Bias-varians-tradeoff beskriver spänningen mellan underanpassning (hög bias) och …
Binär klassificering är ett grundläggande maskininlärningsproblem där den utdata som …
Biohybrida system slår samman levande vävnader, celler eller organismer med syntetiska …
Biomedicinsk avser skärningspunkten mellan biologi, medicin och teknik, särskilt inom …
Bayesiansk programmering är ett matematiskt ramverk som generaliserar Bayes sats för att …
Modeller för bayesianska strukturella tidsserier (BSTS) representerar tidsseriedata som …
Bayesiansk ånger kvantifierar skillnaden mellan den optimala belöning som skulle kunna …
Beteendeinformatik kombinerar datavetenskap, psykologi och statistik för att analysera …
Modellen för Tro-Önskemål-Avsikt (BDI) är en kognitiv arkitektur för att designa autonoma …
Batchbearbetning innebär att aggregera datainput till en grupp, eller batch, innan en …
Batchstorleken är en kritisk hyperparameter som avgör hur många prover som bearbetas …
Bayesiansk optimering använder en probabilistisk surrogatemodell, vanligtvis en …
Detta koncept fastslår att minimering av en regulariserad riskfunktional med en specifik …
Bayesianska inlärningsmekanismer uppdaterar övertygelser om modellparametrar med hjälp av …
Inom artificiell intelligens är en autonom agent en entitet som verkar oberoende i en …
Denna teknik inom bearbetning av naturligt språk representerar text som en multiset av …
En Ball tree delar upp datapunkter i nästlade hypersfärer (bollar) snarare än …
Inom statistik och maskininlärning avser basfrekvensen den underliggande frekvensen för …
Denna metod justerar och skalactivationsfunktionerna så att de har nollmedelvärde och …
Automatiserad förhandling innebär att mjukvaruagenter representerar mänskliga intressen i …
Automatiserade medicinska skribenter använder naturligt språkbehandling och …
Automatisering inom bygg innebär integrationen av robotiska system, drönare och AI-drivna …
Automatisk taligenkänning (ASR), även känd som tal-till-text, är ett delområde inom …
Autonoma nätverk tillämpar principerna för autonom beräkning på …
Autognostik avser de mekanismer för självövervakning och självreparation som är inbyggda …
AutoML (Automated Machine Learning) effektiviserar utvecklingen av ML-modeller genom att …
En Automatiserad Matematiker använder maskininlärning och symboliskt resonemang för att …
Automatiserat beslutsfattande (ADM) förlitar sig på mjukvarusystem för att fatta val som …
En AI-revision innebär en noggrann, strukturerad granskning av maskininlärningsmodeller …
Astrostatistik är ett specialiserat fält som överbryggar statistiken och astronomin. Det …
Asynkron bearbetning låter programvara utföra långvariga uppgifter, såsom I/O-operationer …
Attributiv kalkyl är en gren av modallogik som fokuserar på resonemang om epistemiska …
Ljud-till-ljud hänvisar till neuronnätsarkitekturer som är designade för att mappa en …
Ljudinpainting är en teknik som används för att fylla luckor i ljudinspelningar orsakade …
Artificiell intelligens för saker (AIoT) representerar den synergistiska integrationen av …
Artificiell intimitet syftar på det psykologiska fenomen där människor utvecklar äkta …
Artificiell psykologi är ett tvärvetenskapligt område som fokuserar på designen och …
Artificiell reproduktion omfattar tekniker som underlättar eller replikerar biologisk …
Artificiell visdom (AW) är ett växande koncept som strävar efter att komplettera …
AI inom rekrytering använder algoritmer för att automatisera och förbättra olika steg i …
AI inom spiritualitet avser tillämpningen av artificiell intelligens inom religiösa eller …
AI inom utbildning innebär användningen av maskininlärning, naturlig språkbehandling och …
Vapenkapplöpningen inom AI avser den intensiva konkurrensen mellan länder, företag och …
Kontroverser kring AI omfattar det breda spektrumet av etiska, juridiska och …
Artificial Inventor Project är ett tvärvetenskapligt forskningsarbete syftat till att …
Artificiell allmän intelligens (AGI) avser en typ av AI som kan utföra alla …
Begreppet omfattar AI:s dubbla roll i demokratiska processer: att öka effektiviteten …
En artificiell hjärna hänvisar till hårdvaru- eller mjukvaruarkitekturer som emulerar de …
Artificiellt medvetande utforskar möjligheten att skapa maskiner som besitter genuina …
Anonymisering innebär att modifiera data så att den inte längre kan kopplas till en …
Any-to-any syftar på enhetliga multimodala arkitekturer som kan hantera olika …
Inom filosofi och AI-teori beskriver aporia en paradoxal situation där två lika giltiga …
Argumentationsramverk ger en matematisk grund för att representera argument, attacker och …
Lärlingsinlärning, även känd som invers förstärkningsinlärning från demonstrationer, …
Algoritmisk sannolikhet, som har sina rötter i Kolmogorov-komplexitet och Solomonoffs …
AlphaChip är ett specialiserat AI-system designat för att automatisera och förbättra …
Ameca är en banbrytande humanoid robot med över 40 frihetsgrader endast i ansiktet, …
Avvikelsedetektering, även känt som outlier-detektering, innebär att analysera data för …
Ett Och–eller-träd är en representation som används i problemlösning och planering, …
Alexander Y. Tetelbaum är en person som erkänns inom akademiska och tekniska kretsar för …
Bias i algoritmer härstammar vanligtvis från icke-representativ träningsdata, subjektiva …
Detta fenomen uppstår när AI-modeller oavsiktligt eller systematiskt behandlar individer …
Även känt som prediktion eller skattning, sker inferensen efter modellträningen. …
Algoritmval innebär att utvärdera olika beräkningsmetoder för att avgöra vilken som bäst …
Detta fält omfattar både offensiva tekniker för att bryta modeller och defensiva …
Adversariella angrepp utnyttjar sårbarheterna i neurala nätverk genom att introducera …
Den utvidgar traditionell logik för att ta hänsyn till agens, vilket möjliggör för system …
Det fungerar som ryggraden för multi-agent-system, och tillhandahåller verktyg för …
Detta innebär att använda matematiska metoder för att säkerställa att en agents …
Actor-kritiker-algoritmen använder två komponenter: aktören, som uppdaterar policyn för …
Vid sökning och vägvalsproblem ger en admissibel heuristik en undre gräns för den …
Aktiv inlärning minskar mängden märkt data som krävs genom att låta modellen välja de …
Ansvarsskyldighet inom artificiell intelligens avser skyldigheten för individer, …
Lärande av handlingsmodeller innebär att en agent konstruerar en intern representation av …
Detta område fokuserar på att påskynda grundläggande linjära algebra-bereknningar, som är …
Artificiell intelligens för IT-drift (AIOps) kombinerar big data-analys och algoritmer …
AIXI är ett teoretiskt ramverk föreslaget av Marcus Hutter som definierar en idealiserad …
Begreppet ASR-complete innebär att ett automatiskt taligenkänningssystem har nått en …
AZFinText är ett annoterat corpus i stor skala som specifikt har skapats för analys av …
AI-assisterad mjukvaruutveckling innebär att utnyttja maskininlärningsmodeller för att …
AI-kompletta problem är uppgifter som, om de löses, skulle implicera existensen av …
AI-krigföring syftar på integreringen av artificiell intelligens i militära strategier, …
AI-veganism är en spekulativ och metaforisk term som syftar på idén att skapa artificiell …
AI-washing är en term analog med greenwashing, som beskriver den bedrägliga …
AI-effekten beskriver den skiftande gränsen för vad som definieras som ‘artificiell …
AI-infrastruktur omfattar den tekniska grundläggande stack som är nödvändig för …
AI-kunskap avser de kompetenser som krävs för att navigera i en värld som alltmer …
AI-nationalism beskriver den trend där stater behandlar artificiell intelligens som en …
AI-observabilitet utvidgar traditionell programvaruövervakning för att adressera de unika …
En AI-agent är en programvaruentitet som opererar autonomt inom en definierad miljö för …
AI-alignering adresserar utmaningen med att göra artificiella intelligenssystem robusta …
AI-anthropomorfism syftar på det psykologiska fenomenet där användare projicerar …
Ett AI-datacenter är en fysisk anläggning optimerad för att köra applikationer för …
En AI-webbläsare är ett webbläsarprogram som integrerar funktioner för artificiell …
A/B-testning är en randomiserad kontrollerad experiment där två varianter, A och B, …
AI-beroende beskriver ett beteendeförhållande där individer utvecklar ett tvångsmässigt …
AI-läge syftar på ett specifikt drifttillstånd inom digitala plattformar eller …
Ett AI-säkerhetsinstitut är en specialiserad enhet fokuserad på att minska risker …
AI-översikter är kondenserade sammanfattningar producerade av stora språkmodeller som …
Datorseende (CV) är en gren av artificiell intelligens som tränar datorer att utvinna …
Detta grundläggande papper föreslog en matematisk modell för neuronnät, och visade att …
Nollskotsinlärning gör det möjligt för en maskininlärningsmodell att klassificera …
Inom artificiell intelligens är en vektor en grundläggande datastruktur som används för …
Visionsspråksmodeller, ofta kallade multimodala stora språkmodeller (MLLMs), integrerar …
Oövervakad inlärning identifierar dolda strukturer, kluster eller fördelningar i rådata …
Tokengränsen definierar begränsningen av kontextfönstrets storlek för stora …
Transparens säkerställer att intressenter kan förstå hur en AI-modell kommer fram till …
Verktygsanvändning möjliggör för språkmodeller att interagera med externa mjukvarumiljöer …
Översättning inom AI syftar på neuronal maskinöversättning, där djupinlärningsmodeller …
Textsammanfattning reducerar stora mängder text till kortare versioner utan att förlora …
Softmax används flitigt i utgångslaget för neurala nätverk vid uppgifter med flera …
Testning inom AI-teknik innebär att noggrant bedöma modeller mot olika dataset för att …
Övervakad finjustering (SFT) innebär att ta en stor förtränad modell, till exempel en …
Inom övervakad inlärning tränas algoritmen på ett märkt dataset, vilket innebär att varje …
Restkopplingar, även kända som skip-kopplingar, möjliggör att gradienter flödar genom ett …
Retrieval avser den tekniska processen att söka och extrahera specifik information från …
Ett SDK är en samling mjukvaruutvecklingsverktyg som gör det möjligt för utvecklare att …
Semantisk sökning tolkar avsikten och den kontextuella betydelsen bakom en förfrågan, …
Självövervakat lärande är en teknik där algoritmen skapar övervakningssignaler från den …
Ramverket ReAct gör det möjligt för stora språkmodeller (LLM:er) att generera både …
Inom AI innebär reasoning algoritmer som simulerar logisk deduktion, induktion eller …
RNN:er är utformade för att känna igen mönster i sekvenser av data, såsom text, genomer, …
ReLU används flitigt i djupinlärningens neurala nätverk på grund av dess …
REST-APIer möjliggör kommunikation mellan klienter och servrar genom att utnyttja …
Frågebesvarande (QA) innebär att hämta eller generera korrekta svar på användarfrågor …
Kvantisering omvandlar högprecisions flyttal (som FP32) till format med lägre precision …
Eftersom transformers behandlar alla token parallellt snarare än sekventiellt som RNN:er …
Promptinjektion utnyttjar hur stora språkmodeller tolkar användarinstruktioner genom att …
QLoRA kombinerar lågrangsanpassning (LoRA) med 4-bits kvantisering för att avsevärt …
Flera instans-lärande (MIL) hanterar scenarier där data grupperas i ‘säckar’ …
Namngiven entitetsigenkänning (NER) är en deluppgift inom informationsutvinning som …
Inom maskininlärning syftar optimering på algoritmer som används för att justera …
Planering inom AI innebär att bestämma en sekvens av åtgärder som leder från ett …
Överanpassning inträffar när en modell lär sig träningsdatan för väl, inklusive dess …
Inom artificiell intelligens syftar minne på mekanismer som gör det möjligt för modeller …
Model Context Protocol (MCP) är en öppen standard som möjliggör för AI-applikationer att …
Modellhantering innebär att ta en statisk, tränad modell och omsluta den i skalbar …
Multiagent-system består av flera oberoende agenter, var och en potentiellt specialiserad …
Multimodala AI-system integrerar information från olika sensoriska inmatningar för att …
Också känd som kostnads- eller fel funktion, ger förlustfunktionen ett skalärt värde som …
Inlärningshastigheten bestämmer hur mycket modellens vikter uppdateras i förhållande till …
En kunskapsbas fungerar som ett digitalt bibliotek med kuraterade data, dokument eller …
Latens mäter en AI-tjänsts responsivitet, vanligtvis uttryckt i millisekunder. Det …
LSTM-nätverk löser problemet med försvinnande gradienter som är vanligt i standard-RNN:er …
Funktionsanrop möjliggör för stora språkmodeller att interagera med externa verktyg och …
Gradientnedstigning är en förstordningens iterativ optimeringsalgoritm för att hitta ett …
Jailbreaking innebär att skapa specifika indata eller prompts som lurar en AI-modell att …
Människan i loopen (HITL) avser AI-system som kräver mänsklig inblandning vid olika …
Tolkbarhet, eller förklarbarhet, innebär att göra de interna arbetsmekanismerna och …
Federerad inlärning möjliggör för organisationer att samarbetsmässigt träna AI-modeller …
Few-shot learning syftar till att möjliggöra för modeller att generalisera från endast …
Denna metod utnyttjar stora språkmodellers förmåga till kontextbaserad inlärning genom …
Inom beräkningskontexter beskriver flux hastigheten för överföring av en mängd genom ett …
Inom artificiell intelligens är rättvisa en kritisk etisk måttstock som säkerställer att …
Docker gör det möjligt för utvecklare att paketera en applikation med alla dess beroenden …
I neurala nätverk förhindrar dropout överanpassning genom att tillfälligt ta bort en …
Dessa modeller avbildar högdimensionell data till ett kontinuerligt vektorrum med lägre …
Encoders bearbetar råa indataströmmar eller datastrukturer och konverterar dem till …
Detta begrepp adresserar “black box”-problemet i komplexa AI-system genom att …
I sekvens-till-sekvens-modeller tar avkodaren emot kontextvektorn som producerats av …
Datasäkerhet omfattar juridiska, tekniska och organisatoriska åtgärder som är utformade …
Deepfakes är hyperrealistiska ljud- eller videomanipulationer skapade med hjälp av …
Distribuerad träning påskyndar modellkonvergens genom att parallellisera beräkningar över …
Kontinuerlig integration (CI) är en kritisk DevOps-metod som automatiserar integreringen …
Byte Pair Encoding (BPE) är en datakompressionsteknik som har anpassats för bearbetning …
Chain-of-Thought (CoT)-prompting förbättrar prestandan hos stora språkmodeller på …
Claude är en serie av avancerade stora språkmodeller skapade av säkerhetsföretaget inom …
Ett Kommandoradsgränssnitt (CLI) låter användare styra programvara genom att ange …
Kod representerar mängden instruktioner skrivna i programmeringsspråk som Python, C++ …
Adapters är en teknik för finjustering med låg parameterförbrukning som främst används i …
Begreppet ‘agentic’ beskriver AI-agenter som opererar med en hög grad av …
En aktiveringsfunktion introducerar icke-linearitet i ett neuralt nätverk, vilket …
Etik inom artificiell intelligens omfattar ramverket av principer och standarder …
Uppmärksamhetsmekanismer gör att modeller kan fokusera på relevant information vid …
Inom AI och teknik syftar en kompromiss på den balans som krävs när man optimerar …
Nollskottslärande gör det möjligt för modeller att generalisera till nya kategorier eller …
Träningfria metoder avser tekniker som modifierar modellens beteende eller utdata utan …
Tvåstegsarkitekturer delar upp en komplex uppgift i två separata steg, vanligtvis …
Visionsbaserade paradigm använder kameror och bildbehandlingsalgoritmer för att extrahera …
Efterträning är ett kritiskt stadium i maskininlärningens livscykel som sker efter den …
En förtränad modell är en grundläggande AI-modell som har genomgått omfattande träning på …
Inom artificiell intelligens innebär “i realtid” att ett system har förmågan …
Självövervakad inlärning är en delmängd av maskininlärning där övervakningssignalen …
Uppgiftsspecifik avser AI-modeller eller komponenter som är skräddarsydda för att utmärka …
One-shot-inlärning är en specifik typ av few-shot-inlärning där algoritmen måste …
Inom maskininlärning och optimering löser one-step-metoder problem direkt utan att kräva …
Detektion av data utanför fördelningen (OOD) identifierar indata som ligger utanför …
Öppen källkod avser en utvecklingsmodell där den underliggande koden för ett …
Modeller med öppna vikter skiljer sig från helt öppen källkod inom AI eftersom endast de …
Flera agenter-system består av flera oberoende, intelligenta enheter som uppfattar sin …
Flerstegsmetoder bryter ner intrikata arbetsflöden till hanterbara segment, vilket …
Flerstegsmetoder innebär att dela upp en komplex fråga eller uppgift i mindre, exekutiva …
Naturligt språk avser hur människor talar och skriver, inklusive alla dess tvetydigheter, …
On-policy-algoritmer kräver att agenten lär sig direkt från de handlingar som tas av dess …
Inom artificiell intelligens beskriver högkvalitativt vanligtvis data eller modellutdata …
Inlärningsbaserade metoder förlitar sig på statistiska algoritmer för att identifiera …
Kostnadseffektiv AI fokuserar på effektivitet, med målet att sänka inträdeshindren och …
Problem med lång siktshorisont involverar sekvenser av handlingar där effekten av tidiga …
Storskalig syftar på omfattningen av komponenter inom ett AI-system, ofta involverande …
Inom artificiell intelligens och matematik beskriver “första ordningen” …
En “hållen tillbaka”-dataset består av exempel som avsiktligt uteslutits från …
Inom AI betecknar “hög nivå” abstraktioner som förenklar komplexa processer. …
Hög trohet beskriver output från generativa modeller som är ouppnåeliga från eller mycket …
Högdimensionell avser dataset eller vektorrum som innehåller ett enormt antal attribut …
Inom artificiell intelligens avser beslutsfattande den algoritmiska process där ett …
Diffusionsbaserade modeller är en klass av generativ AI som skapar nya datamallar genom …
Few-shot-inlärning möjliggör för maskininlärningsmodeller att generalisera från mycket …
Finjustering innebär att ta en modell som redan har tränats på ett stort, allmänt dataset …
Finmaskig analys innebär att identifiera och kategorisera objekt eller begrepp på en …
Modeller med kontinuerlig tid beskriver systemdynamik med hjälp av …
System med sluten loop inom AI använder återkoppling från miljön i realtid för att …
Inom AI syftar en svart-låda-modell på komplexa system som djupa neurala nätverk, där den …
Tvärmodal AI innebär bearbetning och korrelation av data från distinkta modaliteter, …
Wasserstein-avståndet, även känt som Earth Mover’s Distance, kvantifierar olikheten …
Även om det traditionellt betyder transport, kan begreppet ‘fordon’ inom …
Inom databasfrågor och logik syftar ‘Olika’ vanligtvis på operatören NOT …
Vektordatabaser optimerar lagring och hämtning av ostrukturerad data genom att konvertera …
Begreppet ‘visuell’ inom AI avser främst Datorseende (Computer Vision), det …
Inom databashantering fungerar en vy som en sparad SQL-fråga som beter sig som en tabell …
AI-förståelse går bortom statistisk korrelation för att tolka den underliggande meningen …
Justering innebär att finjustera en maskininlärningsmodell för att uppnå bättre …
Introducerad i artikeln ‘Attention Is All You Need’, revolutionerade …
Begreppet ‘Transformers’ syftar ofta på den mycket använda Python-biblioteket …
Överföringsinlärning utnyttjar förtränade modeller för att förbättra prestanda och minska …
Inom AI-utveckling beskriver ‘mot’ ofta trajektorin för optimeringsprocesser, …
Tid är ett grundläggande begrepp inom artificiell intelligens, särskilt inom sekventiell …
Även om det inte är en strikt teknisk term, innebär ’tillsammans’ inom …
Tokens är de grundläggande byggstenarna för inmatningsdata inom NLP, och representerar …
Tokenisering är ett kritiskt steg i förbehandling inom naturlig språkbehandling (NLP) som …
Det finns ingen etablerad definition för ‘Symbal’ inom AI-terminologin. Det …
Inom AI är syntetisk data artificiellt genererad information som efterliknar verklig data …
Temporära begrepp inom AI innebär analys av datapunkter ordnade i tid, såsom aktiekurser, …
Testsetet är en del av datamaterialet som hålls tillbaka under träningsprocessen för att …
‘Through’ har ingen självständig definition inom AI-terminologi. Det används …
Självstyrd inlärning innebär att mata in en algoritm med data som innehåller både …
Inom AI-terminologi betecknar ‘specifikt’ precision vid definition av …
Stokastiska element introducerar variation i AI-system, såsom brus i data eller …
Strukturella aspekter definierar hur data eller neuronnätverkslager är organiserade. I …
Ett tillstånd representerar all relevant information som krävs för att bestämma framtida …
Inom AI-sammanhang avser ‘källa’ vanligtvis härstamningen för …
Semantisk analys inom AI fokuserar på att förstå det underliggande meningen hos indata …
Även om nuvarande AI saknar medvetande, beskriver termen ‘själv’ ofta …
Självuppmärksamhet gör det möjligt för modeller att fånga beroenden mellan alla …
AI-säkerhet omfattar åtgärder utformade för att skydda maskininlärningsmodeller, …
Poäng kvantifierar hur väl en maskininlärningsmodell presterar mot specifika mått såsom …
Inom artificiell intelligens innebär skalning vanligtvis att öka storleken på …
Skalning är den aktiva metodiken för att utöka AI-system genom att lägga till fler lager, …
Sökning är en grundläggande paradigm inom AI som används för att navigera i komplexa …
Den vetenskapliga approachen inom artificiell intelligens betonar evidensbaserad …
En robot är en autonom eller semi-autonom mekanisk enhet utformad för att utföra …
Robotar omfattar en mångfald av maskinklasser som kan klassificeras efter deras …
Inom artificiell intelligens avser robusthet modellens motståndskraft mot adversariella …
Säkerhet inom AI innebär att implementera begränsningar och skyddsåtgärder för att …
AI-säkerhet är ett multidisciplinärt fält fokuserat på att förhindra ogynnsamma utfall …
Förstärkningsinlärning (RL) är en gren av maskininlärning som fokuserar på hur …
Förstärkningsinlärning från mänsklig feedback (RLHF) är en metod som används för att …
Hämtningförstärkt generering (RAG) kombinerar styrkorna hos hämtningsbaserade och …
Förstärkning är en grundläggande psykologisk och beräkningsmässig mekanism där en agents …
Begreppet ‘Snarare’ är i sig ett vanligt engelskt adverb som anger preferens …
Inom artificiell intelligens avser integritet skyddet av känslig användarinformation från …
Inom AI-utveckling betecknar en process det systematiska arbetsflöde som krävs för att …
En prompt fungerar som huvudgränssnittet för interaktion med stora språkmodeller och …
Slumpmässighet är grundläggande inom AI för initialisering av modellvikter, blandning av …
Inom AI avser ‘rate’ oftast inlärningstakten, en hyperparameter som styr hur …
Förträning är en grundläggande teknik inom djupinlärning där en modell lär sig breda …
Inom digital kommunikation och AI-datakontexter avser ett ‘inlägg’ en diskret …
Begreppet ‘policy’ har dubbla betydelser beroende på sammanhang. Inom allmän …
En ‘prior’ representerar befintliga övertygelser eller historisk data …
Inom kontexten av artificiell intelligens och teknisk styrning syftar riktlinjer på de …
Inom AI och optimeringsteori är en optimal lösning en som uppnår den högsta möjliga …
AI-perception involverar att omvandla rå sensorsdata till meningsfull information som kan …
En punkt inom AI-sammanhang betecknar vanligtvis en diskret koordinat inom ett …
Begreppet ‘öppen’ inom artificiell intelligens beskriver ofta två distinkta …
Vid utvärdering av AI-modeller ger ‘övergripande’ mått en helhetsbild av …
Bearbetning av naturligt språk (NLP) är ett delområde inom artificiell intelligens som …
Ett neuralt nätverk är en serie algoritmer som strävar efter att känna igen underliggande …
Inom AI och datavetenskap syftar numerisk på datatyper eller metoder som involverar …
Ett objekt är ett grundläggande begrepp inom datavetenskap, särskilt inom …
Online-inlärning är en maskininlärningsparadigm där modellen uppdateras inkrementellt när …
Inom AI-dokumentation och teknisk skrivning fungerar ‘dessutom’ som ett …
Prefixet ‘multi-’ används ofta inom AI för att beteckna arkitekturer eller …
Multi-Head Attention utvidgar den standardiserade uppmärksamhetsmekanismen genom att köra …
Inom AI, särskilt inom Multi-Agent Systems och Förstärkningsinlärning, beskriver …
Inom dataseende och robotik avser rörelse detektion och analys av förflyttningar inom …
Mamba representerar ett betydande framsteg inom sekvensmodellering genom att introducera …
Inom artificiell intelligens och sannolikhetsteori är Markov-processer grundläggande …
Matchning är en kritisk teknik inom maskininlärning som används för att etablera …
AI-modellering omfattar hela arbetsflödet för att designa, träna och validera algoritmer …
Monte Carlo-tekniker är en klass av beräkningsalgoritmer som förlitar sig på upprepad …
Förlustfunktioner, även kända som kostnadsfunktioner, mäter hur väl en …
Inom artificiell intelligens syftar ’lokal’ vanligtvis på operationer som …
En grundläggande kontrollflödesstruktur inom datavetenskap och AI-utveckling, där en loop …
Inom AI-sammanhang beskriver ’lång’ ofta förmågan att bearbeta omfattande …
Maskininlärning (ML) möjliggör för datorer att lära sig mönster från historisk data och …
Inom maskininlärning är latenta variabler obeserverade faktorer som påverkar observerad …
Linjära operationer involverar multiplikation och addition utan icke-linjära …
LoRA fryser förtränade modellvikter och infogar tränbara dekompositions-matriser i varje …
Denna term avser det bredare tillämpningsparadigmet där modeller med miljarder parametrar …
Stora språkmodeller (LLM) är avancerade artificiella intelligenssystem baserade på …
Inom AI och datavetenskap skiljer sig information från rådata. Den representerar data som …
Denna process överbryggar klyftan mellan generell förträning och specifik …
Även om det inte är en teknisk AI-algoritmisk term, är ‘istället’ avgörande …
Inom AI syftar kunskap ofta på explicit information som lagras i databaser, ontologier …
Langevindynamik inkluderar slumpmässigt brus och dämpningskrafter för att utforska …
Inom artificiell intelligens beskriver ‘grounded’ processen att länka …
Inom matematiken och teoretisk datavetenskap är en grupp en mängd G tillsammans med en …
Begreppet ‘guided’ inom AI syftar vanligtvis på tekniker där modellens …
Med ursprung i klassisk mekanik representerar Hamiltonianen summan av kinetisk och …
Hierarkiska AI-system organisera information eller kontroll i en trädliknande struktur av …
Inom artificiell intelligens avser generering modellens förmåga, särskilt hos Generativa …
I sammanhang inom AI och datavetenskap syftar ‘givet’ på det initiala …
Termen ‘global’ inom AI står vanligtvis i kontrast till ’lokal’ …
En graf är en grundläggande datastruktur inom AI som består av hörn (noder) och kanter …
Medan singularformen ‘graf’ syftar på den abstrakta datastrukturen, avser …
Gaussisk syftar på normalfördelningen, en kontinuerlig sannolikhetsfördelning som …
Begreppet ‘genererad’ beskriver output producerad av generativa AI-modeller, …
Inom AI-sammanhang syftar ‘gratis’ vanligtvis på öppna källkodsmodeller, …
Inom artificiell intelligens avser en grundmodell en stor maskininlärningsmodell som …
Även om det inte är en teknisk algoritm, är ‘vidare’ (furthermore) ett …
Finjustering innebär att ta en allmän modell som tränats på stora datamängder och …
Dataflöde omfattar den väg data tar från insamling till slutgiltig utdata inom ett …
Konceptet ‘slutligen’ representerar den terminala fasen i en AI-pipeline där …
Begreppet ‘snabb’ beskriver beräkningsmässig effektivitet inom artificiell …
Återkopplingsmekanismer gör att AI-system kan lära sig från sina interaktioner med …
Inom artificiell intelligens avser bevis empirisk data, statistiska resultat eller …
Experiment inom AI innebär systematisk testning av variabler för att förstå orsak-samband …
Experimentell betecknar AI-komponenter som för närvarande testas, forskas på eller …
Omfattande syftar på skalan och fullständigheten hos AI-operationer, såsom datamängder i …
Begreppet ‘utvecklande’ karaktäriserar dynamiska AI-modeller som genomgår …
Effektivitet är en kritisk mätstorhet inom artificiell intelligens som mäter hur väl en …
Energi har två huvudbetydelser inom AI. För det första avser det den elektriska kraft som …
Även om det primärt är ett mänskligt språk, representerar ’engelska’ inom …
Kroppslig AI (Embodied AI) postulerar att intelligens uppstår genom interaktionen mellan …
Utvärdering innebär att systematiskt mäta hur väl en AI-modell presterar på specifika …
Denna process innebär att överföra kunskap från ett komplext, högpresterande …
Inom optimering uppstår divergens när modellparametrarna uppdateras på ett sätt som får …
Inom maskininlärning, särskilt inom överföringsinlärning, definieras en domän av två …
Begreppet ‘drivet’ används ofta som ett suffix för att indikera den primära …
Till skillnad från statiska system med fasta arkitekturer eller förbestämda …
Beslutsfattande inom AI innebär att välja den optimala åtgärden från en mängd möjligheter …
Detektering är en kärnuppgift inom datorseende och signalbehandling där en AI-modell …
Diffusionsmodeller är en klass av generativ AI som lär sig att vända en stokastisk …
Inom AI-sammanhang beskriver ‘direkt’ ofta arkitekturer eller inferensvägar …
Inom artificiell intelligens avser kontroll de mekanismer och algoritmer som används för …
Inom artificiell intelligens strävar kausal modellering efter att förstå hur …
Detta koncept omfattar metoder som ensemble-inlärning, där förutsägelser från flera …
Inom naturlig språkbehandling är kontext avgörande för att lösa tvetydighet, till exempel …
Denna metod uppmuntrar modellen att dra embedding-värden för positiva par (liknande …
Molndatorgering tillhandahåller skalbar infrastruktur för AI-arbetsbelastningar, vilket …
Inom artificiell intelligens är ett benchmark en standardiserad testserie eller datamängd …
Benchmarking är den aktiva praktiken att genomföra experiment för att mäta hur väl en …
I sammanhanget av AI-terminologi beskriver ‘beyond’ ofta framväxande paradigm …
Building avser den helhetsinriktade ingenjörsprocessen för att skapa AI-lösningar, vilket …
Monte Carlo-metoder är avgörande tekniker inom AI och statistik för att approximera …
Automation inom AI innebär att använda algoritmer och system för att utföra uppgifter som …
Autonomi inom AI avser förmågan hos ett system att uppfatta sin omgivning, fatta beslut …
Bayesianska tillvägagångssätt inom AI använder sannolikhetsteori för att uppdatera …
En benchmark fungerar som en standardiserad referenspunkt för att jämföra olika …
Inom AI-sammanhang syftar ‘medveten’ vanligtvis på situationell eller …
Adam (Adaptive Moment Estimation) är en populär förstordningens gradientbaserad …
Inom AI beskriver ‘adaptiv’ system eller algoritmer som kan justera sina …
AI-agenter är programvaruprogram eller system som är kapabla att uppfatta sin omgivning …
I AI-sammanhang avser analys den systematiska granskningen av data, modellprediktioner …
Inom artificiell intelligens och robotik avser en åtgärd ett specifikt steg eller beslut …
Embeddings är täta vektorrepresentationer av data där semantiska relationer bevaras i det …
Finjustering innebär att ta en modell som redan är tränad på en stor, allmän datamängd …
Hallucinerade svar uppstår när generativa AI-modeller producerar utdata som verkar …
In-context learning (ICL) gör att stora språkmodeller kan anpassa sig till nya uppgifter …
Inferens avser deploymentsfasen där en färdigmodell används för att fatta beslut eller …
Datorseende fokuserar på att replikera mänskliga visuella förmågor genom …
Algoritmer för djupinlärning försöker efterlikna det mänskliga hjärnans analytiska och …
Kodgenerering utnyttjar stora språkmodeller som tränats på enorma arkiv av …
Kontextfönstret definierar den operativa gränsen för en AI-modells minne för en enskild …
Konvolutionella neuronnätverk (CNN) är designade för att automatiskt och adaptivt lära …
Artificiell intelligens (AI) syftar på digitala datorkompilers eller datorstyrda robotars …
Backpropagering, kort för bakåtpropagering av fel, är en metod som används i artificiella …
Inom AI-etik syftar bias på systematisk och orättvis diskriminering i algoritmiska …
Prompting med tänkandekedja (CoT) är en strategi där stora språkmodeller guidas att …
En uppmärksamhetsmekanism gör det möjligt för en modell att dynamiskt väga vikten av …
Inom AI är en agent en enhet som agerar åt en användare eller ett system för att slutföra …
AI-säkerhet omfattar forskning och praktiker som syftar till att säkerställa att autonoma …
Alignment fokuserar på att säkerställa att AI-system gör vad människor faktiskt vill ha, …
Ett API definierar en uppsättning protokoll och verktyg för att bygga mjukvara och …
Prompt engineering innebär att utforma specifika inmatningar, så kallade prompts, för att …