Källa: Bild tillhandahållen; Författare: Stephen Whitelaw;

Djupinlärning

Deep learning är en typ av maskininlärning som bygger på neurala nätverk med många lager. Dessa system kan lära sig komplexa mönster i bilder, text, ljud och video. Deep learning ligger till grund för många moderna genombrott inom AI, bland annat taligenkänning, bildgenerering, översättning och stora språkmodeller. Det kräver ofta stora mängder data och datorkraft.

Källa: Bild tillhandahållen; Författare: Stephen Whitelaw;

Diffusionsmodell

En diffusionsmodell är en typ av generativ AI som ofta används för att skapa bilder. Den lär sig att generera data genom att utgå från brus och gradvis förfina det till en sammanhängande bild eller ett sammanhängande resultat. Många moderna verktyg för bildgenerering använder diffusionstekniker. Resultatet kan bli mycket realistiskt eller konstnärligt, beroende på prompt och modell.

Källa: Tillhandahållen bild; Författare: Stephen Whitelaw;

Digital tvilling

En digital tvilling är en virtuell modell av ett objekt, system eller en process i den verkliga världen. En fabrik kan till exempel ha en digital tvilling som simulerar maskiner, energianvändning och produktionsflöde. AI kan göra digitala tvillingar mer kraftfulla genom att förutsäga problem och testa förändringar innan de inträffar i den verkliga världen. Digitala tvillingar används inom teknik, hälso- och sjukvård, transport och smarta städer.

Källa: Bild tillhandahållen; Författare: Stephen Whitelaw;

Diskriminerande modell

En diskriminerande modell lär sig att skilja mellan olika kategorier. Den kan till exempel avgöra om ett e-postmeddelande är skräppost eller inte, eller om en tumörbild ser godartad eller elakartad ut. Diskriminerande modeller skiljer sig från generativa modeller, som skapar nytt innehåll. Enkelt uttryckt klassificerar diskriminerande modeller, medan generativa modeller producerar.


Källa: Tillhandahållen bild; Författare: Stephen Whitelaw;
Destillation

AI-destillation innebär att man tränar en liten, snabb AI-modell att kopiera kunskapen och beteendet hos en stor, smart AI-modell. Tänk på det som en mästerkock (den stora modellen) som lär en lärling (den lilla modellen) alla sina hemliga recept och tekniker, så att lärlingen kan laga mat av samma kvalitet, men mycket snabbare och med färre köksredskap.Varför det används Sparar utrymme: Det krymper enorma AI-system så att de får plats på en smartphone eller bärbar dator. Sparar pengar: Det krävs betydligt mindre datorkraft för att köra den mindre modellen. Sparar tid: Den mindre modellen ger svar mycket snabbare än den gigantiska.

Källa: Tillhandahållen bild; Författare: Stephen Whitelaw;

Domänanpassning

Domänanpassning är processen att få en AI-modell att fungera väl i en ny men relaterad miljö. Till exempel kanske en modell som tränats på sjukhusdata från ett land inte fungerar lika bra i ett annat land eftersom utrustning, patienter eller rutiner skiljer sig åt. Domänanpassning hjälper modeller att överföra kunskap samtidigt som de anpassas till lokala förhållanden.

Källa: Bild tillhandahållen; Författare: Stephen Whitelaw;

Domänspecifik AI

Domänspecifik AI är AI som är utformad för ett visst område, till exempel hälso- och sjukvård, juridik, finans, utbildning, jordbruk eller tillverkning. Dessa system kan vara mer exakta och användbara än allmänna verktyg eftersom de bygger på specialistkunskap och specifika arbetsflöden. Domänspecifik AI kräver dock övervakning av experter eftersom misstag kan få allvarliga konsekvenser.

Källa: Bild tillhandahållen; Författare: Stephen Whitelaw;

Drift

Drift uppstår när en AI-modells prestanda förändras över tid på grund av förändringar i den verkliga världen. Exempelvis kan kundbeteenden, bedrägerimetoder, medicinsk praxis eller språkanvändning utvecklas. En modell som fungerade bra förra året kan bli mindre tillförlitlig idag. Övervakning av drift är avgörande i alla AI-system som används under en längre tid.

Källa: Tillhandahållen bild; Författare: Stephen Whitelaw;

Dropout

Dropout är en träningsteknik som används i neurala nätverk för att minska överanpassning. Under träningen ignoreras vissa kopplingar slumpmässigt, vilket tvingar modellen att inte förlita sig för mycket på en enskild väg. Detta hjälper modellen att bättre generalisera till nya data. Det kan liknas vid att träna ett lag så att hela gruppen presterar bra, istället för att förlita sig på en enskild stjärnspelare.

Källa: Bild tillhandahållen; Författare: Stephen Whitelaw;

Dubbel användning

Dubbel användning innebär att en teknik kan användas både för nyttiga och skadliga ändamål. AI är en klassisk teknik med dubbel användning. Samma verktyg som hjälper till att skriva utbildningsmaterial kan också användas för att skriva phishing-mejl. Samma bildgenereringssystem som hjälper konstnärer kan skapa falska bevis. Ansvarsfull AI kräver att man tänker på både missbruk och avsedd användning.

Ange The Portugal News som din föredragna nyhetskälla på Google

GoogleLägg till som föredragen källa på Google