Zdroj: poskytnutý obrázek; autor: Stephen Whitelaw;

Klasifikace

Klasifikace je úkol umělé inteligence, při kterém systém přiřazuje něco do určité kategorie. Mezi příklady patří třídění e-mailů na spam a nespam, určení, zda je recenze pozitivní nebo negativní, nebo rozpoznání, zda rentgenový snímek vypadá normálně nebo abnormálně. Klasifikace je jedním z nejběžnějších využití strojového učení.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Claude

Claude je pokročilá řada rozsáhlých jazykových modelů vyvinutá společností Anthropic. Je navržena tak, aby byla bezpečná, přesná a zabezpečená, a nabízí specializované nástroje, jako jsou Claude Code (nástroj pro agentní kódování), Claude Design a Claude Science pro výzkum. Claude byl pojmenován po slavném Claudu Shannonovi, matematikovi, informatikovi a otci informační teorie.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Cloudová AI

Cloud AI označuje služby umělé inteligence poskytované přes internet velkými poskytovateli výpočetních služeb. Místo nákupu drahého hardwaru mohou podniky prostřednictvím cloudových platforem využívat modely umělé inteligence, úložiště a výpočetní výkon. Díky tomu je umělá inteligence dostupnější, ale vyvstávají také otázky týkající se ochrany osobních údajů, bezpečnosti, nákladů a závislosti na velkých technologických společnostech.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Clustering

Clustering je metoda strojového učení, která seskupuje podobné položky, aniž by jí byly předem sděleny správné kategorie. Například maloobchodník může clustering využít k identifikaci skupin zákazníků s podobnými nákupními zvyklostmi. Clustering je užitečný pro odhalování vzorců, ale skupiny, které najde, stále vyžadují lidskou interpretaci.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Kognitivní výpočetní technika

Kognitivní výpočetní technika je starší a širší pojem pro systémy navržené tak, aby napodobovaly aspekty lidského myšlení, jako je učení, uvažování a porozumění jazyku. Často se používá v obchodním kontextu. Dnes se častěji hovoří o umělé inteligenci, strojovém učení a generativní umělé inteligenci, ale základní myšlenka zůstává stejná: využití počítačů k podpoře složitých úkolů podobných těm, které vykonává člověk.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Počítačové vidění

Počítačové vidění je obor umělé inteligence, který pomáhá počítačům interpretovat obrázky a videa. Využívá se v lékařském zobrazování, rozpoznávání obličejů, autonomních vozidlech, kontrole kvality, zemědělství, bezpečnosti a sportovní analýze. Systémy počítačového vidění mohou být velmi výkonné, ale mohou selhat, pokud se osvětlení, úhly, pozadí nebo podmínky v reálném světě liší od trénovacích dat.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Skóre spolehlivosti

Skóre spolehlivosti je číslo, které udává, jakou jistotu má systém umělé inteligence ohledně svého výstupu. Například klasifikátor obrázků může uvést, že je na 92 % přesvědčen, že na obrázku je pes. Skóre spolehlivosti může být užitečné, ale není zárukou. Některé systémy umělé inteligence jsou příliš sebejisté, i když se mýlí, a proto je důležité provádět kalibraci a testování.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Kontextové okno

Kontextové okno představuje množství informací, které může jazykový model zohlednit najednou. Může zahrnovat otázku uživatele, předchozí konverzaci, nahraný text nebo vyhledané dokumenty. Větší kontextové okno umožňuje modelu pracovat s delšími dokumenty a větším množstvím doplňujících informací. Avšak i s velkým kontextovým oknem může modelu uniknout některé detaily nebo může upřednostnit některé informace před jinými. Mnozí odborníci v oboru se domnívají, že směřujeme k nekonečným kontextovým oknům – tedy k něčemu, co uživatel již nebude muset zohledňovat.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Konvoluční neuronová síť

Konvoluční neuronová síť (CNN) je typ neuronové sítě, který je obzvláště užitečný pro práci s obrázky. CNN detekují vzory, jako jsou hrany, tvary, textury a objekty. Sehrály významnou roli při rozvoji počítačového vidění. Ačkoli se dnes používají i novější architektury, CNN zůstávají důležité v oblasti analýzy obrazu, lékařského zobrazování a vizuálního rozpoznávání.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Korpus

Korpus je sbírka textů nebo dat používaná k analýze nebo trénování. Například jazykový model může být trénován na korpusu obsahujícím knihy, články, webové stránky, kód a další písemný materiál. Kvalita a složení korpusu výrazně ovlivňují chování modelu. Pokud korpus obsahuje chyby, zaujatost nebo zastaralé informace, model se je může také naučit.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Funkce nákladů

Nákladová funkce, nazývaná také ztrátová funkce, měří, jak moc se model během trénování mýlí. Model se snaží tuto chybu postupem času snižovat. Pokud například umělá inteligence předpovídá ceny nemovitostí, nákladová funkce měří rozdíl mezi předpovězenými a skutečnými cenami. Trénování je v podstatě proces přizpůsobování modelu tak, aby se tato ztráta minimalizovala.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Křížová validace

Křížová validace je technika používaná k testování toho, jak dobře si model vede na různých částech dat. Místo toho, aby se trénování a testování provádělo pouze jednou, jsou data rozdělena několika způsoby. To pomáhá odhalit, zda model podává konzistentní výkon, nebo zda funguje dobře pouze při jednom šťastném rozdělení. Křížová validace snižuje riziko nadhodnocení skutečného výkonu modelu.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

Vlastní model

Vlastní model je model umělé inteligence přizpůsobený pro konkrétní organizaci, úkol nebo datový soubor. Například nemocnice může požadovat model trénovaný na vlastních klinických dokumentech, nebo advokátní kancelář může potřebovat model vyladěný pro vypracovávání právních dokumentů. Vlastní modely mohou být relevantnější než obecné modely, vyžadují však pečlivé zacházení s daty, testování a správu.

Zdroj: Poskytnutý obrázek; Autor: Stephen Whitelaw;

AI v oblasti kyberbezpečnosti

Umělá inteligence v oblasti kyberbezpečnosti využívá strojové učení a automatizaci k detekci, prevenci nebo reakci na digitální hrozby. Může pomoci odhalit neobvyklé chování v síti, pokusy o phishing, malware nebo podezřelé přihlášení. Zároveň však útočníci mohou umělou inteligenci využít k vytváření přesvědčivějších podvodů nebo k automatizaci útoků. Umělá inteligence je proto v oblasti kyberbezpečnosti jak obranným nástrojem, tak i novou výzvou.

Nastavte The Portugal News jako svuj preferovany zdroj zprav na Googlu

GooglePridat jako preferovany zdroj na Googlu