Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Глубокое обучение

Глубокое обучение — это вид машинного обучения, основанный на многослойных нейронных сетях. Эти системы способны распознавать сложные закономерности в изображениях, тексте, аудио и видео. Глубокое обучение лежит в основе многих современных прорывов в области искусственного интеллекта, включая распознавание речи, генерацию изображений, перевод и крупные языковые модели. Оно часто требует больших объемов данных и вычислительных мощностей.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Диффузионная модель

Диффузионная модель — это вид генеративного ИИ, часто используемый для создания изображений. Она учится генерировать данные, начиная с шума и постепенно преобразуя его в связное изображение или результат. Многие современные инструменты генерации изображений используют диффузионные методы. Результат может быть весьма реалистичным или художественным, в зависимости от запроса и модели.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Цифровой двойник

Цифровой двойник — это виртуальная модель реального объекта, системы или процесса. Например, завод может иметь цифровой двойник, который моделирует работу оборудования, потребление энергии и производственный поток. ИИ может повысить эффективность цифровых двойников, прогнозируя проблемы и тестируя изменения до того, как они произойдут в реальном мире. Цифровые двойники используются в инженерии, здравоохранении, транспорте и «умных» городах.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Дискриминационная модель

Дискриминативная модель учится различать категории. Например, она может определять, является ли электронное письмо спамом или нет, либо является ли изображение опухоли доброкачественным или злокачественным. Дискриминативные модели отличаются от генеративных моделей, которые создают новый контент. Проще говоря, дискриминативные модели классифицируют, а генеративные — генерируют.


Источник: предоставленное изображение; автор: Стивен Уайтлоу;
Дистилляция

Дистилляция ИИ — это обучение небольшой и быстрой модели ИИ копированию знаний и поведения большой и умной модели ИИ. Представьте себе, что шеф-повар (большая модель) обучает ученика (небольшую модель) всем своим секретным рецептам и приемам, чтобы ученик мог готовить блюда такого же качества, но гораздо быстрее и с меньшим количеством кухонных приборов.Зачем это используется Экономия места: эта технология уменьшает размер огромных систем ИИ, благодаря чему они могут поместиться на смартфоне или ноутбуке. Экономия средств: для работы меньшей модели требуется значительно меньше вычислительных ресурсов. Экономия времени: меньшая модель дает ответы гораздо быстрее, чем гигантская.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Адаптация к домену

Адаптация к домену — это процесс, позволяющий модели ИИ эффективно работать в новой, но связанной с исходной среде. Например, модель, обученная на данных больниц одной страны, может работать не так же эффективно в другой стране из-за различий в оборудовании, пациентах или процедурах. Адаптация к домену помогает моделям переносить знания, приспосабливаясь к местным условиям.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Доменно-специфический ИИ

Доменный ИИ — это ИИ, разработанный для конкретной области, такой как здравоохранение, право, финансы, образование, сельское хозяйство или производство. Эти системы могут быть более точными и полезными, чем универсальные инструменты, поскольку они построены на основе специальных знаний и рабочих процессов. Однако доменный ИИ требует контроля со стороны экспертов, поскольку ошибки могут привести к серьезным последствиям.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Дрейф

Дрифт возникает, когда эффективность модели ИИ со временем меняется из-за изменений в реальном мире. Например, могут меняться поведение клиентов, тактики мошенничества, медицинская практика или использование языка. Модель, которая хорошо работала в прошлом году, сегодня может стать менее надёжной. Мониторинг дрифта имеет решающее значение для любой системы ИИ, используемой в течение длительного времени.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Дропаут

Дропаут — это метод обучения, используемый в нейронных сетях для уменьшения переобучения. Во время обучения некоторые связи случайным образом игнорируются, что заставляет модель не полагаться слишком сильно на какой-либо один путь. Это помогает модели лучше обобщать новые данные. Это похоже на тренировку команды, чтобы вся группа показывала хорошие результаты, а не полагалась на одного звездного игрока.

Источник: предоставленное изображение; автор: Стивен Уайтлоу;

Двойное назначение

Двойное назначение означает, что технология может использоваться как в полезных, так и в вредоносных целях. ИИ — классический пример технологии двойного назначения. Тот же инструмент, который помогает создавать учебные материалы, может также использоваться для написания фишинговых писем. Та же система генерации изображений, которая помогает художникам, может создавать поддельные доказательства. Ответственный ИИ требует учета как предполагаемого использования, так и возможности злоупотребления.

Установите The Portugal News в качестве предпочтительного источника новостей в Google

GoogleДобавить как предпочтительный источник в Google