Duyệt tất cả nội dung trong danh mục Glossary
Minh bạch trong Trí tuệ nhân tạo (AI) đề cập đến mức độ cởi mở và rõ ràng trong cách các hệ thống AI vận hành, bao gồm quy trình ra quyết định, thuật toán và dữ liệu của chúng. Đây là yếu tố thiết yếu đối với đạo đức và quản trị AI, đảm bảo trách nhiệm giải trình, xây dựng niềm tin và tuân thủ quy định.
Tìm hiểu thêm về Mistral AI và các mô hình LLM mà họ cung cấp. Khám phá cách các mô hình này được sử dụng và điều gì khiến chúng trở nên khác biệt.
Khám phá mô hình chuỗi trong AI và máy học—dự đoán và sinh chuỗi dữ liệu như văn bản, âm thanh và DNA bằng RNN, LSTM, GRU và Transformer. Tìm hiểu các khái niệm chính, ứng dụng, thách thức và nghiên cứu mới nhất.
Mô hình định xác là một mô hình toán học hoặc mô hình tính toán tạo ra một đầu ra duy nhất, xác định cho một tập hợp điều kiện đầu vào, mang lại tính dự đoán và độ tin cậy mà không có yếu tố ngẫu nhiên. Được sử dụng rộng rãi trong AI, tài chính, kỹ thuật và GIS, mô hình định xác cung cấp phân tích chính xác nhưng có thể thiếu linh hoạt cho sự biến thiên của thế giới thực.
Mô hình Markov Ẩn (HMM) là các mô hình thống kê tiên tiến cho các hệ thống mà trạng thái bên trong không thể quan sát được. Được sử dụng rộng rãi trong nhận dạng giọng nói, tin sinh học và tài chính, HMM diễn giải các quá trình ẩn và được vận hành bởi các thuật toán như Viterbi và Baum-Welch.
Mô hình AI Nền tảng là một mô hình học máy quy mô lớn được huấn luyện trên lượng dữ liệu khổng lồ, có khả năng thích ứng với nhiều nhiệm vụ khác nhau. Các mô hình nền tảng đã cách mạng hóa AI bằng cách trở thành cơ sở linh hoạt cho các ứng dụng AI chuyên biệt trong các lĩnh vực như NLP, thị giác máy tính và nhiều hơn nữa.
Mô hình ngôn ngữ lớn (LLM) là một loại AI được huấn luyện trên lượng dữ liệu văn bản khổng lồ để hiểu, tạo ra và xử lý ngôn ngữ của con người. LLM sử dụng học sâu và mạng nơ-ron transformer để thực hiện các nhiệm vụ như sinh văn bản, tóm tắt, dịch thuật và nhiều tác vụ khác trên nhiều ngành công nghiệp.
Mô hình Ngôn ngữ Lớn Meta AI (LLaMA) là một mô hình xử lý ngôn ngữ tự nhiên tiên tiến do Meta phát triển. Với số lượng tham số lên đến 65 tỷ, LLaMA xuất sắc trong việc hiểu và tạo ra văn bản giống con người cho các nhiệm vụ như dịch thuật, tóm tắt và chatbot.
Mô hình Ngôn ngữ Pathways (PaLM) là dòng mô hình ngôn ngữ lớn tiên tiến của Google, được thiết kế cho nhiều ứng dụng linh hoạt như tạo văn bản, suy luận, phân tích mã và dịch đa ngôn ngữ. Được xây dựng dựa trên sáng kiến Pathways, PaLM vượt trội về hiệu suất, khả năng mở rộng và thực hành AI có trách nhiệm.
Tìm hiểu về Mô Hình AI Phân Biệt—các mô hình học máy tập trung vào phân loại và hồi quy bằng cách mô hình hóa ranh giới quyết định giữa các lớp. Hiểu cách chúng hoạt động, ưu điểm, thách thức và ứng dụng trong NLP, thị giác máy tính và tự động hóa AI.
Apache MXNet là một framework học sâu mã nguồn mở được thiết kế để huấn luyện và triển khai các mạng nơ-ron sâu một cách hiệu quả và linh hoạt. Được biết đến với khả năng mở rộng, mô hình lập trình lai và hỗ trợ đa ngôn ngữ, MXNet giúp các nhà nghiên cứu và lập trình viên xây dựng các giải pháp AI tiên tiến.
Naive Bayes là một họ các thuật toán phân loại dựa trên Định lý Bayes, áp dụng xác suất có điều kiện với giả định đơn giản hóa rằng các đặc trưng là độc lập có điều kiện với nhau. Dù vậy, bộ phân loại Naive Bayes vẫn hiệu quả, có khả năng mở rộng và được sử dụng trong các ứng dụng như phát hiện thư rác và phân loại văn bản.
Ngày cắt dữ liệu là thời điểm cụ thể mà sau đó một mô hình AI không còn được cập nhật thông tin mới. Tìm hiểu lý do tại sao ngày này quan trọng, nó ảnh hưởng đến mô hình AI như thế nào và xem các ngày cắt dữ liệu của GPT-3.5, Bard, Claude và nhiều hơn nữa.
Người liên hệ chính (POC) là cá nhân hoặc bộ phận chịu trách nhiệm điều phối việc giao tiếp và cung cấp thông tin cho một hoạt động, dự án hoặc tổ chức cụ thể, xử lý các thắc mắc và tạo điều kiện cho các tương tác.
Nhắc nhở đệ quy là một kỹ thuật AI được sử dụng với các mô hình ngôn ngữ lớn như GPT-4, cho phép người dùng liên tục tinh chỉnh kết quả thông qua đối thoại qua lại để đạt được kết quả chất lượng cao hơn và chính xác hơn.
Nhận diện giọng nói, còn được gọi là nhận diện giọng nói tự động (ASR) hoặc chuyển giọng nói thành văn bản, cho phép máy tính hiểu và chuyển đổi ngôn ngữ nói thành văn bản, thúc đẩy các ứng dụng từ trợ lý ảo đến công cụ hỗ trợ tiếp cận và thay đổi cách con người tương tác với máy móc.
Nhận diện giọng nói, còn gọi là nhận diện giọng nói tự động (ASR) hoặc chuyển giọng nói thành văn bản, là một công nghệ cho phép máy móc và chương trình hiểu và chuyển đổi ngôn ngữ nói thành văn bản. Khả năng mạnh mẽ này khác biệt với nhận diện giọng nói cá nhân, vốn dùng để nhận diện giọng của từng người nói. Nhận diện giọng nói tập trung hoàn toàn vào việc chuyển đổi lời nói thành văn bản.
Tìm hiểu Nhận Diện Hình Ảnh trong AI là gì. Công nghệ này được sử dụng để làm gì, xu hướng hiện tại và sự khác biệt với các công nghệ tương tự.
Nhận diện ký tự quang học (OCR) là công nghệ đột phá giúp chuyển đổi các tài liệu như giấy tờ được quét, PDF hoặc hình ảnh thành dữ liệu có thể chỉnh sửa và tìm kiếm được. Tìm hiểu cách hoạt động của OCR, các loại, ứng dụng, lợi ích, hạn chế và những tiến bộ mới nhất trong hệ thống OCR ứng dụng trí tuệ nhân tạo.
Nhận diện mẫu hình là một quá trình tính toán nhằm xác định các mẫu và quy luật trong dữ liệu, đóng vai trò quan trọng trong các lĩnh vực như AI, khoa học máy tính, tâm lý học và phân tích dữ liệu. Quá trình này tự động hóa việc nhận ra các cấu trúc trong giọng nói, văn bản, hình ảnh và các tập dữ liệu trừu tượng, cho phép xây dựng các hệ thống thông minh và các ứng dụng như thị giác máy tính, nhận diện giọng nói, OCR và phát hiện gian lận.
Nhận diện Thực thể Có tên (NER) là một lĩnh vực quan trọng của Xử lý Ngôn ngữ Tự nhiên (NLP) trong AI, tập trung vào việc xác định và phân loại các thực thể trong văn bản vào các danh mục định sẵn như người, tổ chức và địa điểm nhằm nâng cao phân tích dữ liệu và tự động hóa trích xuất thông tin.
Nhận diện Văn bản trong Cảnh vật (STR) là một nhánh chuyên biệt của Nhận diện Ký tự Quang học (OCR), tập trung vào việc nhận diện và giải thích văn bản trong các hình ảnh được chụp từ môi trường thực tế tự nhiên bằng AI và các mô hình học sâu. STR thúc đẩy các ứng dụng như xe tự hành, thực tế tăng cường và hạ tầng thành phố thông minh bằng cách chuyển đổi văn bản phức tạp trong thế giới thực thành định dạng mà máy có thể đọc hiểu.
Nhân hóa là việc gán các đặc điểm, cảm xúc hoặc ý định của con người cho các thực thể không phải con người như động vật, thực vật hoặc các vật thể vô tri. Sâu sắc trong tâm lý và văn hóa con người, nó xuất hiện trong kể chuyện, tôn giáo, truyền thông và đời sống hàng ngày, thúc đẩy sự kết nối cảm xúc và thấu hiểu.
Natural Language Toolkit (NLTK) là một bộ thư viện và chương trình Python toàn diện dành cho xử lý ngôn ngữ tự nhiên (NLP) theo phương pháp ký hiệu và thống kê. Được sử dụng rộng rãi trong học thuật và công nghiệp, nó cung cấp các công cụ cho phân tách từ, phân tách gốc, chuẩn hóa từ, gán nhãn từ loại và nhiều hơn nữa.
NSFW, viết tắt của Không An Toàn Khi Làm Việc, là một thuật ngữ lóng trên internet dùng để gắn nhãn cho những nội dung có thể không phù hợp hoặc gây phản cảm khi xem ở nơi công cộng hoặc môi trường chuyên nghiệp. Nhãn này đóng vai trò như một cảnh báo rằng tài liệu có thể chứa các yếu tố như ảnh khỏa thân, nội dung tình dục, bạo lực nặng, ngôn từ thô tục hoặc các chủ đề nhạy cảm khác không phù hợp tại nơi làm việc hay trường học.
NumPy là một thư viện Python mã nguồn mở quan trọng cho tính toán số, cung cấp các thao tác mảng hiệu quả và các hàm toán học. Nó là nền tảng cho tính toán khoa học, khoa học dữ liệu và các quy trình học máy bằng cách cho phép xử lý dữ liệu nhanh chóng, quy mô lớn.
OpenAI là một tổ chức nghiên cứu trí tuệ nhân tạo hàng đầu, nổi tiếng với việc phát triển GPT, DALL-E và ChatGPT, và hướng tới mục tiêu tạo ra trí tuệ nhân tạo tổng quát (AGI) an toàn và có lợi cho nhân loại.
OpenCV là một thư viện mã nguồn mở tiên tiến về thị giác máy tính và học máy, cung cấp hơn 2500 thuật toán cho xử lý ảnh, nhận diện đối tượng và các ứng dụng thời gian thực trên nhiều ngôn ngữ và nền tảng.
Pandas là một thư viện mã nguồn mở dùng để thao tác và phân tích dữ liệu cho Python, nổi tiếng với tính linh hoạt, cấu trúc dữ liệu mạnh mẽ và dễ sử dụng khi xử lý các bộ dữ liệu phức tạp. Đây là nền tảng quan trọng cho các nhà phân tích và khoa học dữ liệu, hỗ trợ làm sạch, biến đổi và phân tích dữ liệu một cách hiệu quả.
Perplexity AI là một công cụ tìm kiếm và trò chuyện dựa trên AI tiên tiến, tận dụng NLP và học máy để cung cấp câu trả lời chính xác, theo ngữ cảnh kèm trích dẫn. Lý tưởng cho nghiên cứu, học tập và sử dụng chuyên nghiệp, nền tảng này tích hợp nhiều mô hình ngôn ngữ lớn và nguồn dữ liệu để truy xuất thông tin chính xác, thời gian thực.
Phát hiện bất thường là quá trình xác định các điểm dữ liệu, sự kiện hoặc mẫu hình lệch khỏi chuẩn mực mong đợi trong một tập dữ liệu, thường tận dụng AI và máy học để phát hiện tự động, theo thời gian thực trên các lĩnh vực như an ninh mạng, tài chính và chăm sóc sức khỏe.
Phát hiện dị thường trong ảnh xác định các mẫu vượt ra ngoài chuẩn mực, rất quan trọng trong các ứng dụng như kiểm tra công nghiệp và chẩn đoán hình ảnh y tế. Tìm hiểu về các phương pháp không giám sát, bán giám sát, tích hợp AI và các trường hợp sử dụng thực tế.
Phát hiện ngôn ngữ trong các mô hình ngôn ngữ lớn (LLMs) là quá trình giúp các mô hình này nhận diện ngôn ngữ của văn bản đầu vào, cho phép xử lý chính xác đối với các ứng dụng đa ngôn ngữ như chatbot, dịch thuật và kiểm duyệt nội dung.
Phát Triển Nguyên Mẫu AI là quá trình lặp đi lặp lại của việc thiết kế và tạo ra các phiên bản sơ bộ của hệ thống AI, cho phép thử nghiệm, xác thực và tối ưu hóa tài nguyên trước khi sản xuất quy mô lớn. Khám phá các thư viện, phương pháp tiếp cận và ứng dụng chính trong nhiều ngành công nghiệp.
Phân biệt đối xử trong AI đề cập đến việc đối xử không công bằng hoặc không bình đẳng với các cá nhân hoặc nhóm dựa trên các đặc điểm được bảo vệ như chủng tộc, giới tính, tuổi tác hoặc khuyết tật. Điều này thường xuất phát từ sự thiên lệch được nhúng trong các hệ thống AI trong quá trình thu thập dữ liệu, phát triển thuật toán hoặc triển khai, và có thể ảnh hưởng đáng kể đến bình đẳng xã hội và kinh tế.
Phân cụm K-Means là một thuật toán học máy không giám sát phổ biến dùng để phân chia tập dữ liệu thành một số cụm xác định trước, riêng biệt, không chồng lấn bằng cách tối thiểu hóa tổng bình phương khoảng cách giữa các điểm dữ liệu và tâm cụm của chúng.
Phân đoạn ngữ nghĩa là một kỹ thuật thị giác máy tính nhằm phân chia hình ảnh thành nhiều vùng khác nhau, gán cho mỗi điểm ảnh một nhãn lớp đại diện cho một đối tượng hoặc vùng cụ thể. Kỹ thuật này giúp hiểu chi tiết hơn cho các ứng dụng như lái xe tự động, hình ảnh y tế và robot thông qua các mô hình học sâu như CNN, FCN, U-Net và DeepLab.
Phân đoạn theo từng đối tượng là một nhiệm vụ trong thị giác máy tính nhằm phát hiện và phân tách từng vật thể riêng biệt trong một hình ảnh với độ chính xác đến từng điểm ảnh. Nó nâng cao các ứng dụng bằng cách cung cấp hiểu biết chi tiết hơn so với phát hiện đối tượng hoặc phân đoạn ngữ nghĩa, trở nên thiết yếu cho các lĩnh vực như hình ảnh y tế, lái xe tự động và robot.
Phân loại văn bản, còn được gọi là phân loại chủ đề hoặc gắn thẻ văn bản, là một nhiệm vụ cốt lõi của Xử lý Ngôn ngữ Tự nhiên (NLP), gán các danh mục được xác định trước cho các tài liệu văn bản. Nó tổ chức và cấu trúc dữ liệu phi cấu trúc để phân tích, sử dụng các mô hình học máy để tự động hóa các quy trình như phân tích cảm xúc, phát hiện spam và phân loại chủ đề.
Phân phối khách hàng tiềm năng là quá trình tự động phân công các khách hàng tiềm năng đến các đại diện bán hàng phù hợp trong tổ chức, đảm bảo khách hàng được kết nối với nhân viên bán hàng tốt nhất dựa trên các tiêu chí như vị trí địa lý, quan tâm sản phẩm và chuyên môn. Tìm hiểu cách tự động hóa và AI tối ưu hóa phân phối khách hàng để tăng tỷ lệ chuyển đổi và trải nghiệm khách hàng.
Phân tích cảm xúc, còn gọi là khai thác ý kiến, là một nhiệm vụ quan trọng của AI và NLP dùng để phân loại và diễn giải sắc thái cảm xúc của văn bản thành tích cực, tiêu cực hoặc trung lập. Khám phá tầm quan trọng, các loại, phương pháp tiếp cận và ứng dụng thực tiễn cho doanh nghiệp.
Phân Tích Dữ Liệu Khám Phá (EDA) là một quy trình tóm tắt các đặc điểm của bộ dữ liệu bằng các phương pháp trực quan để khám phá các mẫu, phát hiện bất thường, và hỗ trợ làm sạch dữ liệu, lựa chọn mô hình, cũng như phân tích dữ liệu bằng các công cụ như Python, R và Tableau.
Phân tích ngữ nghĩa là một kỹ thuật quan trọng trong Xử Lý Ngôn Ngữ Tự Nhiên (NLP), giúp diễn giải và xác định ý nghĩa của văn bản, cho phép máy móc hiểu được ngữ cảnh, cảm xúc và sắc thái của ngôn ngữ nhằm nâng cao tương tác với người dùng và cung cấp thông tin kinh doanh hiệu quả hơn.
Phân tích phụ thuộc là một phương pháp phân tích cú pháp trong Xử lý Ngôn ngữ Tự nhiên (NLP) nhằm xác định các mối quan hệ ngữ pháp giữa các từ, tạo thành các cấu trúc dạng cây rất quan trọng cho các ứng dụng như dịch máy, phân tích cảm xúc và trích xuất thông tin.
Phương pháp Monte Carlo là các thuật toán tính toán sử dụng lấy mẫu ngẫu nhiên lặp đi lặp lại để giải quyết các vấn đề phức tạp, thường là các vấn đề có tính quyết định. Được sử dụng rộng rãi trong tài chính, kỹ thuật, AI và nhiều lĩnh vực khác, chúng cho phép mô hình hóa sự bất định, tối ưu hóa và đánh giá rủi ro thông qua việc mô phỏng nhiều kịch bản và phân tích các kết quả xác suất.
Plotly là một thư viện mã nguồn mở tiên tiến dùng để tạo các biểu đồ tương tác, chất lượng công bố trực tuyến. Tương thích với Python, R và JavaScript, Plotly giúp người dùng trình bày các trực quan hóa dữ liệu phức tạp và hỗ trợ đa dạng loại biểu đồ, tính tương tác và tích hợp ứng dụng web.
Prompt phủ định trong AI là một chỉ dẫn yêu cầu các mô hình tránh đưa vào các yếu tố nhất định trong kết quả sinh ra. Khác với prompt truyền thống định hướng nội dung cần tạo, prompt phủ định chỉ rõ các yếu tố, phong cách hoặc đặc điểm cần tránh, giúp tinh chỉnh kết quả và đảm bảo phù hợp với mong muốn của người dùng, đặc biệt trong các mô hình sinh như Stable Diffusion và Midjourney.
PyTorch là một framework học máy mã nguồn mở được phát triển bởi Meta AI, nổi tiếng với tính linh hoạt, đồ thị tính toán động, tăng tốc GPU và tích hợp liền mạch với Python. Nó được sử dụng rộng rãi cho học sâu, thị giác máy tính, xử lý ngôn ngữ tự nhiên và các ứng dụng nghiên cứu.
Q-learning là một khái niệm cơ bản trong trí tuệ nhân tạo (AI) và học máy, đặc biệt trong lĩnh vực học tăng cường. Nó cho phép các tác nhân học các hành động tối ưu thông qua việc tương tác và nhận phản hồi từ phần thưởng hoặc hình phạt, cải thiện khả năng ra quyết định theo thời gian.
Quá khớp là một khái niệm quan trọng trong trí tuệ nhân tạo (AI) và học máy (ML), xảy ra khi mô hình học quá kỹ dữ liệu huấn luyện, bao gồm cả nhiễu, dẫn đến khả năng tổng quát kém trên dữ liệu mới. Tìm hiểu cách nhận biết và ngăn ngừa quá khớp với các kỹ thuật hiệu quả.
Quản trị dữ liệu là khung quy trình, chính sách, vai trò và tiêu chuẩn nhằm đảm bảo việc sử dụng, sẵn sàng, toàn vẹn và bảo mật dữ liệu một cách hiệu quả trong tổ chức. Nó thúc đẩy tuân thủ, ra quyết định và chất lượng dữ liệu trên mọi lĩnh vực.
Các quy định bảo vệ dữ liệu là những khuôn khổ pháp lý, chính sách và tiêu chuẩn nhằm bảo mật dữ liệu cá nhân, quản lý quá trình xử lý và bảo vệ quyền riêng tư của cá nhân trên toàn thế giới. Những quy định này đảm bảo tuân thủ pháp luật, ngăn chặn truy cập trái phép và bảo vệ quyền của chủ thể dữ liệu trong thời đại số.
Quy trình chứng nhận AI là các đánh giá và xác thực toàn diện nhằm đảm bảo rằng các hệ thống trí tuệ nhân tạo đáp ứng các tiêu chuẩn và quy định đã được xác định trước. Những chứng nhận này đóng vai trò như các tiêu chuẩn tham chiếu để đánh giá độ tin cậy, an toàn và tuân thủ đạo đức của các công nghệ AI.
Quy trình máy học là một quy trình làm việc tự động giúp hợp lý hóa và chuẩn hóa việc phát triển, huấn luyện, đánh giá và triển khai các mô hình máy học, chuyển đổi dữ liệu thô thành những thông tin giá trị một cách hiệu quả và quy mô.
Rác vào, rác ra (GIGO) nhấn mạnh rằng chất lượng đầu ra của AI và các hệ thống khác phụ thuộc trực tiếp vào chất lượng dữ liệu đầu vào. Tìm hiểu về ý nghĩa của GIGO trong AI, tầm quan trọng của chất lượng dữ liệu và các chiến lược giảm thiểu GIGO để đạt kết quả chính xác, công bằng và đáng tin cậy hơn.
Khám phá recall trong học máy: một chỉ số quan trọng để đánh giá hiệu suất mô hình, đặc biệt trong các bài toán phân loại nơi việc xác định chính xác các trường hợp dương tính là rất quan trọng. Tìm hiểu định nghĩa, cách tính, tầm quan trọng, các trường hợp sử dụng và chiến lược cải thiện recall.
Khám phá robot hợp tác (cobots): nguồn gốc, tính năng an toàn, tích hợp AI, ứng dụng trong các ngành công nghiệp, lợi ích và hạn chế. Tìm hiểu cách cobots giúp tương tác an toàn giữa người và robot, thúc đẩy đổi mới sáng tạo.
Tìm hiểu thông tin cơ bản về Rytr. Tổng quan nhanh về các tính năng chính, ưu và nhược điểm, cũng như các lựa chọn thay thế.
Sai số tuyệt đối trung bình (MAE) là một chỉ số nền tảng trong học máy dùng để đánh giá các mô hình hồi quy. Nó đo lường độ lớn trung bình của sai số trong các dự đoán, cung cấp một cách đơn giản và dễ hiểu để đánh giá độ chính xác của mô hình mà không xét đến hướng sai số.
Scikit-learn là một thư viện mã nguồn mở mạnh mẽ về học máy cho Python, cung cấp các công cụ đơn giản và hiệu quả cho phân tích dữ liệu dự đoán. Được sử dụng rộng rãi bởi các nhà khoa học dữ liệu và chuyên gia học máy, nó cung cấp nhiều thuật toán cho phân loại, hồi quy, phân cụm và nhiều hơn nữa, với khả năng tích hợp liền mạch vào hệ sinh thái Python.
