Словарик базовых понятий по нейросетям (для начинающих)

Друзья, чтобы чувствовать себя уютно в теме ИИ, ловите небольшой словарик основных понятий. Теперь в вашем лексиконе на 30 слов стало больше)

1. Искусственный интеллект (ИИ, AI — Artificial Intelligence) — область компьютерных наук, занимающаяся созданием систем, способных имитировать человеческое мышление и решать интеллектуальные задачи.

2. Машинное обучение (Machine Learning) — подраздел ИИ; разработка алгоритмов и моделей, позволяющих системам учиться на данных, выявлять закономерности и делать прогнозы без явного программирования.

3. Нейронная сеть (нейросеть, Neural Network) — математическая модель, имитирующая работу человеческого мозга; состоит из взаимосвязанных нейронов, обрабатывающих данные и принимающих решения.

4. Нейрон — базовый элемент нейросети, который принимает входные данные, обрабатывает их (умножая на веса) и передаёт результат дальше.

5. Вес (веса) — числовые коэффициенты, определяющие «важность» входных данных для конкретного нейрона; настраиваются в процессе обучения для оптимизации работы сети.

6. Слой нейронов — группа нейронов, выполняющих схожие функции. Виды слоёв:

-входной — получает исходные данные (текст, изображения и т. п.);

-скрытые — анализируют и преобразуют данные;

-выходной — выдаёт конечный результат.

7. Архитектура нейросети — структура сети, включающая:

-количество слоёв и нейронов;

-типы функций активации;

-способ передачи данных между слоями;

-гиперпараметры (скорость обучения, регуляризация и др.).

8. Функция активации — правило, определяющее, будет ли нейрон «активен» и передаст ли сигнал дальше. Примеры: ReLU, сигмоида.

9. Глубокое обучение (Deep Learning) — метод обучения нейросетей с множеством слоёв, каждый из которых обрабатывает информацию на своём уровне абстракции. Позволяет достигать высокой точности в сложных задачах.

10. Датасет (Dataset) — набор данных для обучения нейросети (тексты, изображения, метки и т. п.). Чем больше и разнообразнее датасет, тем лучше сеть обучается.

11. Обучение с учителем (Supervised Learning) — тип обучения, при котором модель учится на размеченных данных (например, изображения с подписями «кошка»/«собака»).

12. Обратное распространение ошибки (Backpropagation) — алгоритм корректировки весов нейронов на основе анализа ошибок, допущенных сетью.

13. Функция потерь (Loss Function) — показатель, измеряющий, насколько прогноз нейросети отличается от истинного значения; используется для настройки весов.

14. Промпт (Prompt) — текстовый запрос или вводные данные, которые пользователь передаёт нейросети для получения ответа или выполнения задачи.

15. Токен (Token) — единица информации, на которой работает языковая модель (слово, символ, знак препинания). Нейросети обрабатывают текст, разбивая его на токены.

16. Токенизация — процесс разбиения текста на токены для дальнейшей обработки нейросетью.

17. Галлюцинации нейросети — ситуация, когда модель генерирует недостоверную информацию, выглядящую правдоподобно (например, выдумывает факты или источники).

18. Промпт инжиниринг — искусство формулировать запросы к нейросети так, чтобы получать максимально точные и полезные результаты.

19. Генеративный ИИ (Generative AI) — ИИ, способный создавать новый контент: тексты, изображения, музыку, видео и т. п.

20. Большая языковая модель (Large Language Model, LLM) — тип ИИ, обученный на огромных объёмах текста; умеет переводить, суммировать, отвечать на вопросы, генерировать тексты (например, GPT 4).

21. Диффузионная модель — тип нейросети для генерации изображений: начинает с шума и постепенно превращает его в картинку (например, Midjourney, Stable Diffusion).

22. GAN (Generative Adversarial Network) — генеративно состязательная сеть, состоящая из двух частей:

• генератор — создаёт контент;

• дискриминатор — оценивает его реалистичность.

23. Мультимодальная модель — нейросеть, способная работать с разными типами данных (текст, изображения, аудио, видео) одно-временно.

24. RAG (Retrieval Augmented Generation) — метод, при котором модель сначала ищет актуальную информацию в базе данных, а за-тем формирует ответ на её основе. Снижает риск галлюцинаций.

25. API (Application Programming Interface) — интерфейс для взаимодействия программ; позволяет подключать нейросети к сай-там, приложениям и ботам.

26. Нейронный процессор (NPU, Neural Processing Unit) — специализированный процессор для ускоренной обработки вычислений, связанных с нейросетями и машинным обучением.

27. AGI (Artificial General Intelligence) — гипотетический «общий ИИ», способный выполнять любые интеллектуальные задачи, доступные человеку.

28. ASI (Artificial Super Intelligence) — теоретическая форма ИИ, превосходящая интеллектуальные способности самых умных людей.

29. Чат бот — программа для имитации диалога с пользователем (текстового или голосового); может работать на основе ИИ.

30. Цифровой двойник (аватар) — виртуальное изображение или видео, созданное на основе реального человека; может двигаться, говорить, повторять мимику и жесты.

Подборку помогла составить Алиса Ai.

Изображение Flyvi

Источник: vk.com

Комментарии: