Gennemse alt indhold i kategorien Glossary
Fremkomst i AI refererer til sofistikerede, systemdækkende mønstre og adfærd, der ikke er eksplicit programmeret, men opstår gennem interaktioner mellem systemets komponenter. Disse fremkomne adfærdsmønstre skaber udfordringer i forhold til forudsigelighed og etik, hvilket kræver sikkerhedsforanstaltninger og retningslinjer for at håndtere deres indvirkning.
Fuzzy matching er en søgeteknik, der bruges til at finde omtrentlige match med en forespørgsel og tillader variationer, fejl eller uoverensstemmelser i data. Ofte anvendt i datarensning, samkøring af poster og tekstgenfinding, bruger den algoritmer som Levenshtein-afstand og Soundex til at identificere lignende, men ikke identiske, poster.
Fødereret læring er en samarbejdende maskinlæringsteknik, hvor flere enheder træner en fælles model, mens træningsdata forbliver lokaliseret. Denne tilgang forbedrer privatliv, reducerer latenstid og muliggør skalerbar AI på tværs af millioner af enheder uden at dele rådata.
Garbage In, Garbage Out (GIGO) fremhæver, hvordan outputkvaliteten fra AI og andre systemer er direkte afhængig af inputkvaliteten. Lær om dets betydning for AI, vigtigheden af datakvalitet og strategier til at mindske GIGO for mere præcise, retfærdige og pålidelige resultater.
Generaliseringsfejl måler, hvor godt en maskinlæringsmodel kan forudsige usete data, balancerer bias og varians for at sikre robuste og pålidelige AI-applikationer. Opdag dens betydning, matematiske definition og effektive teknikker til at minimere den for succes i den virkelige verden.
Generativ AI henviser til en kategori af kunstig intelligens-algoritmer, der kan generere nyt indhold, såsom tekst, billeder, musik, kode og videoer. I modsætning til traditionel AI producerer generativ AI originale output baseret på data, den er blevet trænet på, hvilket muliggør kreativitet og automatisering på tværs af industrier.
Generativ Engine Optimering (GEO) er strategien for at optimere indhold til AI-platforme som ChatGPT og Bard og sikre synlighed og korrekt repræsentation i AI-genererede svar.
En Generativ Foruddannet Transformer (GPT) er en AI-model, der udnytter dyb læring til at producere tekst, der tæt efterligner menneskelig skrivning. Baseret på transformer-arkitekturen anvender GPT self-attention-mekanismer for effektiv tekstbehandling og -generering, hvilket revolutionerer NLP-applikationer som indholdsskabelse og chatbots.
Et Generativt Adversarialt Netværk (GAN) er en maskinlæringsramme med to neurale netværk—en generator og en diskriminator—der konkurrerer om at generere data, som ikke kan skelnes fra ægte data. Introduceret af Ian Goodfellow i 2014, anvendes GANs bredt til billedgenerering, dataforøgelse, anomali-detektion og meget mere.
Gensim er et populært open source Python-bibliotek til naturlig sprogbehandling (NLP), der specialiserer sig i usuperviseret emnemodellering, dokumentindeksering og lignende søgning. Det håndterer effektivt store datasæt, understøtter semantisk analyse og anvendes bredt i forskning og industri til tekstmining, klassificering og chatbots.
En go-to-market (GTM) strategi er en omfattende plan, som virksomheder bruger til at introducere og sælge et nyt produkt eller en ny service på markedet, og dermed mindske risici ved at forstå målmarkedet og optimere markedsføring og distribution. Integration af AI forbedrer GTM ved at forfine markedsundersøgelser, kundemålretning og indholdsudvikling.
Google Colaboratory (Google Colab) er en cloud-baseret Jupyter-notebook-platform fra Google, der gør det muligt for brugere at skrive og køre Python-kode i browseren med gratis adgang til GPU'er/TPU'er, ideel til maskinlæring og datavidenskab.
Gradient Descent er en grundlæggende optimeringsalgoritme, der er bredt anvendt inden for maskinlæring og dyb læring til at minimere omkostnings- eller tabsfunktioner ved iterativt at justere modelparametre. Det er afgørende for at optimere modeller som neurale netværk og implementeres i former som Batch, Stokastisk og Mini-Batch Gradient Descent.
Lær mere om Grok-modellen fra xAI, en avanceret AI-chatbot ledet af Elon Musk. Opdag dens adgang til realtidsdata, nøglefunktioner, benchmarks, anvendelsesmuligheder og hvordan den sammenlignes med andre AI-modeller.
En hallucination i sprogmodeller opstår, når AI genererer tekst, der virker plausibel, men faktisk er forkert eller opdigtet. Lær om årsager, detektionsmetoder og strategier til at mindske hallucinationer i AI-uddata.
Hvad er et heteronym? Et heteronym er et unikt sprogligt fænomen, hvor to eller flere ord deler samme stavemåde, men har forskellige udtaler og betydninger. Disse ord er homografer, som ikke er homofoner. Kort sagt ser heteronymer ens ud i skrift, men lyder forskelligt, når de udtales, og de formidler forskellige betydninger afhængigt af konteksten.
Heuristikker giver hurtige, tilfredsstillende løsninger i AI ved at udnytte erfaringsbaseret viden og tommelfingerregler, forenkle komplekse søgeproblemer og guide algoritmer som A* og Hill Climbing til at fokusere på lovende veje for større effektivitet.
Horovod er en robust, open source-ramme til distribueret deep learning-træning, designet til at muliggøre effektiv skalering på tværs af flere GPU'er eller maskiner. Den understøtter TensorFlow, Keras, PyTorch og MXNet og optimerer hastighed og skalerbarhed ved træning af maskinlæringsmodeller.
Hugging Face Transformers er et førende open source Python-bibliotek, der gør det let at implementere Transformer-modeller til maskinlæringsopgaver inden for NLP, computer vision og lydbehandling. Det giver adgang til tusindvis af prætrænede modeller og understøtter populære frameworks som PyTorch, TensorFlow og JAX.
Fastai er et dybdelæringsbibliotek bygget oven på PyTorch, der tilbyder højniveau-API'er, transfer learning og en lagdelt arkitektur for at forenkle udviklingen af neurale netværk til vision, NLP, tabeldata og mere. Udviklet af Jeremy Howard og Rachel Thomas, Fastai er open source og drevet af fællesskabet, hvilket gør banebrydende AI tilgængelig for alle.
Hyperparametertuning er en grundlæggende proces inden for maskinlæring, der optimerer modelpræstation ved at justere parametre som læringsrate og regularisering. Udforsk metoder som grid search, random search, Bayesiansk optimering og flere.
Ideogram AI er en innovativ billedgenereringsplatform, der bruger kunstig intelligens til at omdanne tekstprompter til billeder i høj kvalitet. Ved at udnytte dybe neurale netværk forstår Ideogram forbindelsen mellem tekst og visuelle elementer, hvilket gør det muligt for brugere at skabe billeder, der nøje matcher deres beskrivelser.
En indlejringsvektor er en tæt numerisk repræsentation af data i et multidimensionelt rum, der indfanger semantiske og kontekstuelle relationer. Lær hvordan indlejringsvektorer driver AI-opgaver som NLP, billedbehandling og anbefalinger.
Informationssøgning udnytter AI, NLP og maskinlæring til effektivt og præcist at hente data, der opfylder brugerens behov. Grundlæggende for websøgemaskiner, digitale biblioteker og virksomhedsløsninger, tackler IR udfordringer som tvetydighed, algoritmebias og skalerbarhed, med fremtidige tendenser fokus på generativ AI og dyb læring.
En inkorporeret AI-agent er et intelligent system, der opfatter, fortolker og interagerer med sit miljø gennem en fysisk eller virtuel krop. Lær hvordan disse agenter fungerer inden for robotteknologi og digitale simulationer, hvor de udfører opgaver, der kræver perception, ræsonnement og handling.
Opdag, hvad en Insight Engine er—en avanceret, AI-drevet platform, der forbedrer datasøgning og analyse ved at forstå kontekst og hensigt. Lær hvordan Insight Engines integrerer NLP, maskinlæring og dyb læring for at levere handlingsorienterede indsigter fra strukturerede og ustrukturerede datakilder.
Instance-segmentering er en computer vision-opgave, der detekterer og afgrænser hver enkelt genstand i et billede med præcision på pixelniveau. Det forbedrer applikationer ved at give en mere detaljeret forståelse end objektgenkendelse eller semantisk segmentering, hvilket gør det afgørende for områder som medicinsk billedbehandling, autonom kørsel og robotteknologi.
Instruktions-tuning er en teknik inden for AI, hvor store sprogmodeller (LLM'er) finjusteres på sæt af instruktion-svar-par, hvilket forbedrer deres evne til at følge menneskelige instruktioner og udføre specifikke opgaver.
En intelligent agent er en autonom enhed designet til at opfatte sit miljø via sensorer og handle på dette miljø ved hjælp af aktuatorer, udstyret med kunstig intelligens til beslutningstagning og problemløsning.
Jasper.ai er et AI-drevet værktøj til indholdsgenerering, designet til marketingfolk og indholdsskabere, som muliggør effektiv produktion af indhold af høj kvalitet ved hjælp af avancerede sprogmodeller.
Jupyter Notebook er en open source-webapplikation, der gør det muligt for brugere at oprette og dele dokumenter med levende kode, ligninger, visualiseringer og fortællende tekst. Udbredt brugt inden for datavidenskab, maskinlæring, uddannelse og forskning, understøtter den over 40 programmeringssprog og problemfri integration med AI-værktøjer.
Justeret R-kvadrat er et statistisk mål, der bruges til at evaluere, hvor godt en regressionsmodel passer, idet der tages højde for antallet af prædiktorer for at undgå overfitting og give en mere præcis vurdering af modellens ydeevne.
K-Means Klyngedannelse er en populær ikke-superviseret maskinlæringsalgoritme, der opdeler datasæt i et foruddefineret antal forskellige, ikke-overlappende klynger ved at minimere summen af kvadrerede afstande mellem datapunkter og deres klyngecentroider.
K-nærmeste naboer (KNN)-algoritmen er en ikke-parametrisk, overvåget læringsalgoritme, der bruges til klassifikations- og regressionsopgaver inden for maskinlæring. Den forudsiger resultater ved at finde de 'k' nærmeste datapunkter, benytte afstandsmål og flertalsafstemning, og er kendt for sin enkelhed og alsidighed.
Kausal inferens er en metodologisk tilgang, der bruges til at fastslå årsags- og virkningssammenhænge mellem variable, hvilket er afgørende i videnskaberne for at forstå kausale mekanismer ud over korrelationer og håndtere udfordringer som konfunderende variable.
Keras er et kraftfuldt og brugervenligt open source API til avancerede neurale netværk, skrevet i Python og i stand til at køre ovenpå TensorFlow, CNTK eller Theano. Det muliggør hurtig eksperimentering og understøtter både produktions- og forskningsbrug med modularitet og enkelhed.
Opdag hvad klassetriniveau betyder i læsbarhed, hvordan det beregnes ved hjælp af formler som Flesch-Kincaid, og hvorfor det er afgørende for at tilpasse indhold til din målgruppes læseevne.
En AI-klassifikator er en maskinlæringsalgoritme, der tildeler klasselabels til inputdata og kategoriserer information i foruddefinerede klasser baseret på mønstre lært fra historiske data. Klassifikatorer er grundlæggende værktøjer inden for AI og datavidenskab og driver beslutningstagning på tværs af industrier.
Kognitiv computing repræsenterer en transformerende teknologimodel, der simulerer menneskelige tankeprocesser i komplekse scenarier. Den integrerer AI og signalbehandling for at efterligne menneskelig kognition og forbedrer beslutningstagning ved at behandle store mængder strukturerede og ustrukturerede data.
Et kognitivt kort er en mental repræsentation af rumlige relationer og miljøer, som gør det muligt for individer at tilegne sig, lagre, genkalde og afkode information om placeringer og egenskaber i deres omgivelser. Det er fundamentalt for navigation, læring, hukommelse og har stigende indflydelse inden for AI og robotteknologi.
Konstitutionel AI henviser til at tilpasse AI-systemer til konstitutionelle principper og lovgivningsmæssige rammer, så AI-driften opretholder rettigheder, privilegier og værdier, der er indskrevet i forfatninger eller grundlæggende juridiske dokumenter for at sikre etisk og juridisk overholdelse.
Et kontaktpunkt (POC) henviser til en person eller afdeling, der koordinerer kommunikation og information for en bestemt aktivitet, projekt eller organisation, håndterer forespørgsler og faciliterer interaktioner.
Konvergens inden for AI refererer til den proces, hvor maskinlærings- og dybdelæringsmodeller opnår en stabil tilstand gennem iterativ læring, hvilket sikrer nøjagtige forudsigelser ved at minimere forskellen mellem forudsagte og faktiske resultater. Det er grundlæggende for effektiviteten og pålideligheden af AI på tværs af forskellige anvendelser, fra autonome køretøjer til smarte byer.
Konverserende AI henviser til teknologier, der gør det muligt for computere at simulere menneskelige samtaler ved hjælp af NLP, maskinlæring og andre sprog-teknologier. Det driver chatbots, virtuelle assistenter og stemmeassistenter på tværs af kundeservice, sundhed, detailhandel og meget mere og forbedrer effektivitet og personalisering.
Et konvolutionelt neuralt netværk (CNN) er en specialiseret type kunstigt neuralt netværk, der er designet til at behandle strukturerede gitterdata, såsom billeder. CNN'er er særligt effektive til opgaver, der involverer visuelle data, herunder billedklassificering, objektdetektion og billedsegmentering. De efterligner den visuelle behandlingsmekanisme i den menneskelige hjerne og udgør derfor en hjørnesten inden for computer vision.
Koreferensopløsning er en grundlæggende NLP-opgave, der identificerer og forbinder udtryk i tekst, som henviser til den samme enhed, hvilket er afgørende for maskinforståelse i applikationer som opsummering, oversættelse og besvarelse af spørgsmål.
Et korpus (flertal: korpora) i AI refererer til et stort, struktureret sæt af tekster eller lyddata, der bruges til at træne og evaluere AI-modeller. Korpora er essentielle for at lære AI-systemer at forstå, fortolke og generere menneskesprog.
Korrekturlæsning er processen med at gennemgå og rette skriftligt materiale for at forbedre dets nøjagtighed, læsbarhed og sammenhæng. Det indebærer at tjekke for grammatiske fejl, stavefejl, tegnsætningsproblemer og at sikre konsistens i stil og tone gennem hele dokumentet. AI-værktøjer som Grammarly hjælper med rutinemæssige tjek, men menneskelig dømmekraft er fortsat afgørende.
Kryds-entropi er et centralt begreb inden for både informationsteori og maskinlæring og fungerer som en metrik til at måle forskellen mellem to sandsynlighedsfordelinger. I maskinlæring bruges det som en tabfunktion til at kvantificere uoverensstemmelser mellem forudsagte output og sande etiketter, hvilket optimerer modelpræstationen, især i klassifikationsopgaver.
Krydsvalidering er en statistisk metode, der bruges til at evaluere og sammenligne maskinlæringsmodeller ved gentagne gange at opdele data i trænings- og valideringssæt, hvilket sikrer, at modeller generaliserer godt til usete data og hjælper med at forhindre overfitting.
Kunstig Generel Intelligens (AGI) er en teoretisk form for AI, der kan forstå, lære og anvende viden på tværs af forskellige opgaver på et menneskelignende niveau, i modsætning til snæver AI. Udforsk dens definitioner, nøgleegenskaber, aktuelle status og forskningsretninger.
Kunstig Superintelligens (ASI) er en teoretisk AI, der overgår menneskelig intelligens på alle områder, med selvforbedrende, multimodale evner. Opdag dens karakteristika, byggesten, anvendelser, fordele og etiske risici.
Kunstige neurale netværk (ANNs) er en undergruppe af maskinlæringsalgoritmer, der er modelleret efter den menneskelige hjerne. Disse beregningsmodeller består af sammenkoblede noder eller 'neuroner', som arbejder sammen om at løse komplekse problemer. ANNs anvendes bredt inden for områder som billed- og talegenkendelse, naturlig sprogbehandling og prædiktiv analyse.
Få et hurtigt og enkelt overblik over, hvad kvantcomputing er. Find ud af, hvordan det kan bruges, hvilke udfordringer der findes, og hvilke håb der er for fremtiden.
Kvartalets afslutning markerer lukningen af et selskabs regnskabskvartal, afgørende for finansiel rapportering, resultatvurdering og strategisk planlægning. Lær, hvordan AI og automatisering strømliner disse processer, forbedrer nøjagtigheden og understøtter bedre beslutningstagning.
Købers fortrydelse er et psykologisk fænomen, hvor en person oplever fortrydelse, angst eller utilfredshed efter et køb. Udforsk årsagerne, de psykologiske aspekter, forretningsmæssige konsekvenser og AI's rolle i at forudsige og mindske købers fortrydelse.
LangChain er et open source-rammeværk til udvikling af applikationer drevet af store sprogmodeller (LLM'er), der forenkler integrationen af kraftfulde LLM'er som OpenAI’s GPT-3.5 og GPT-4 med eksterne datakilder til avancerede NLP-applikationer.
LangGraph er et avanceret bibliotek til at bygge tilstandsfulde, multi-aktor applikationer med Large Language Models (LLM’er). Udviklet af LangChain Inc, udvider det LangChain med cykliske beregningsevner, hvilket muliggør komplekse, agent-lignende opførsel og human-in-the-loop-workflows.
Large Language Model Meta AI (LLaMA) er en avanceret model til naturlig sprogbehandling udviklet af Meta. Med op til 65 milliarder parametre udmærker LLaMA sig ved at forstå og generere menneskelignende tekst til opgaver som oversættelse, opsummering og chatbots.
LazyGraphRAG er en innovativ tilgang til Retrieval-Augmented Generation (RAG), som optimerer effektivitet og reducerer omkostninger i AI-drevet datahentning ved at kombinere grafteori og NLP for dynamiske, højtkvalitets forespørgselsresultater.
