ხელოვნურ ინტელექტთან (AI) დაკავშირებული ტერმინები, რომლებიც უნდა იცოდე
ტექნოლოგიური სამყაროს განვითარებასთან ერთად ხელოვნური ინტელექტის როლი მნიშვნელოვნად იზრდება. მას ყოველდღიურად არაერთი ადამიანი იყენებს მის პირად თუ პროფესიულ ცხოვრებაში. ხელოვნური ინტელექტი (AI) მრავალფეროვან შესაძლებლობას იძლევა: დროის დაზოგვა, ხარჯებისა და რუტინული საქმიანობის შემცირება, პროდუქტიულობის გაზრდა და ზუსტი გამოთვლების სწრაფად გაკეთება.
ამიტომ დროა, ხელოვნურ ინტელექტს დაუმეგობრდე და შენი საქმიანობის ნაწილად აქციო. მანამდე კი, პირველ რიგში, ამ ბლოგს გაეცანი, სადაც თავმოყრილია AI-თან დაკავშირებული ტერმინოლოგია. მათი ცოდნა AI-ის ხელსაწყოების შესწავლასა და პრაქტიკაში დანერგვას უფრო გაგიმარტივებს.
ტერმინები:
ხელოვნური ინტელექტი (AI)
ხელოვნური ინტელექტი (Artificial Intelligence) წარმოადგენს ადამიანის ინტელექტის, მის გონებაში წარმოებული პროცესების ერთგვარ სიმულაციას, რაც კომპიუტერული სისტემების დახმარებით ხდება. AI-ის შეუძლია ადამიანის უნარებისა და შესაძლებლობების ათვისება: კომუნიკაცია, დასწავლა და გადაწყვეტილების მიღება.
AI ეთიკა
AI ეთიკა იმ საკითხების ერთობლიობაა, რაზეც დაინტერესებული მხარეები (ინჟინრები, მთავრობის წარმომადგენლები) უნდა ზრუნავდნენ. ისინი უზრუნველყოფენ იმას, რომ ტექნოლოგია სათანადოდ შემუშავდეს და გამოიყენონ შესაბამისმა პირებმა. ეს გულისხმობს ისეთი სისტემების შემუშავებასა და დანერგვას, რომლებიც ხელს უწყობს უსაფრთხოებას, დაცულობასა და მდგრადობას.
ალგორითმი
ალგორითმი წარმოადგენს წესების ერთობლიობას, რომელსაც AI ხელსაწყოს გადასცემენ გარკვეული დავალების შესასრულებლად ან პრობლემის გადასაჭრელად. ძირითადად არსებობს შემდეგი სახის ალგორითმები: კლასიფიკაცია, რეგრესია და კლასტერები.
აპლიკაციის პროგრამირების ინტერფეისი (API)
API წარმოადგენს პროტოკოლების ერთობლიობას, რომლებიც განსაზღვრავენ, როგორ ურთიერთქმედებს ორი Software აპლიკაცია ერთმანეთში. API იწერება პროგრამული ენების დახმარებით, როგორებიცაა, მაგალითად, C++, JavaScript.
დიდი ზომის მონაცემები (Big data)
დიდი ზომის მონაცემები აღნიშნავს მონაცემთა დიდი ხომის ბაზებს, რომელთა შესწავლა და ანალიზი გარკვეული მახასიათებლებისა და ტენდენციების აღმოჩენას უზრუნველყოფს. მიღებული შედეგები კი ეფექტური გადაწყვეტილებების მისაღებად გამოიყენება. დღეს ორგანიზაციებს დიდი რაოდენობით ინფორმაციის შეგროვება შეუძლია მისი მომხმარებლებისგან, რისთვისაც არაერთ ხელსაწყოს იყენებენ. სწორედ ამიტომ ეძახიან ამ ტერმინს “დიდი” ზომის მონაცემებს.
ჩეტბოტი (Chatbot)
ჩეტბოტი არის Software აპლიკაცია, რომელსაც შეუძლია ადამიანური საუბრების იმიტაცია ტექსტური თუ ხმოვანი ბრძანებების შედეგად.
კომპიუტერული გამოთვლები - Computing
კომპიუტერული გამოთვლები AI-ის მსგავსი მოდელია, რომელიც ასევე ადამიანის ფიქრის პროცესის იმიტაციას აკეთებს. ხშირად მარკეტერები ამ ტერმინს AI-თან დაკავშირებული მეცნიერული მისტიკის გასაქრობად იყენებენ.
კომპიუტერული ხედვა - Computer Vision
კომპიუტერული ხედვა წარმოადგენს მეცნიერებისა და ტექნოლოგიების ინტერდისციპლინარულ დარგს, რომელიც შეისწავლის, თუ როგორ აგროვებენ კომპიუტერები ინფორმაციას სურათებისა და ვიდეოებისგან. AI ინჟინრები ადამიანის ვიზუალური სისტემის მოქმედების პრინციპებს კომპიუტერულ ხედვას არგებენ და ამ პროცესებს ავტომატურს ხდიან.
Data Mining
Data Mining არის მონაცემთა დიდი ბაზების დახარისხების პროცესი გარკვეული მახასიათებლების აღმოსაჩენად, რომლებიც მოდელების გაუმჯობესებასა და პრობლემების გადაჭრაში დაეხმარებათ.
მონაცემთა მეცნიერება
მონაცემთა მეცნიერება ტექნოლოგიის სფეროს ინტერდისციპლინარული მიმართულებაა, რომელიც იყენებს ალგორითმებს დიდი ზომის მონაცემების შესაგროვებლად და მათ გასაანალიზებლად. მიღებული ინფორმაცია კი გამოიყენება ეფექტური ბიზნეს გადაწყვეტილებების მისაღებად.
ღრმა დასწავლა - Deep Learning
ღრმა დასწავლა არის AI-ის ფუნქცია, რომელიც წარმოადგენს ადამიანის ტვინის იმიტაციას და სწავლობს, თუ როგორ აანალიზებს იგი ინფორმაციას გადაწყვეტილების მისაღებად. მას შეუძლია ეს პროცესი ადამიანის ზედამხედველობის გარეშე, არასტრუქტურირებული მონაცემებით დაისწავლოს.
Emergent behavior
Emergent behavior (Emergence) აღნიშნავს AI სისტემის მიერ უჩვეულო, მოულოდნელი შესაძლებლობების გამოვლინებას.
გენერაციული AI
გენერაციული AI წარმოადგენს ტექნოლოგიას, რომელიც ხელოვნურ ინტელექტს კონტენტის (ტექსტი, სურათი, ვიდეო) შესაქმნელად იყენებს. დიდი ზომის მონაცემების მეშვეობით მას დასწავლილი აქვს სხვადასხვა მახასიათებლები და მათი გამოყენებით ქმნის ახალ მასალას.
ჯებირები (Guardrails)
ჯებირები მოიცავს იმ შეზღუდვებსა და წესებს, რომლებიც AI სისტემებს გააჩნიათ. ისინი უზრუნველყოფენ იმას, რომ მათთვის მიწოდებული მონაცემები სათანადოდ დაამუშაონ და არ შექმნან არაეთიკური კონტენტი.
ჰალუცინაცია
ჰალუცინაცია აღნიშნავს AI სისტემისგან მიღებულ არასწორ პასუხს ან მცდარ ინფორმაციას, რომელსაც იგი წარმოაჩენს როგორც ფაქტობრივ მონაცემებს.
ჰიპერპარამეტრი
ჰიპერპარამეტრი არის პარამეტრი ან მნიშვნელობა, რომელიც გავლენას ახდენს AI მოდელის დასწავლის პროცესზე. იგი ძირითადად მექანიკურად ყენდება.
სურათის აღქმა (Image Recognition)
სურათის აღქმა არის ობიექტის, ადამიანის, ადგილის, ფოტოსურათში ან ვიდეოში მოცემული ტექსტის ამოცნობის პროცესი.
დიდი ენის მოდელი (LLM)
დიდი ენის მოდელი (LLM) წარმოადგენს AI მოდელს, რომელიც ენის შესასწავლად ამუშავებს დიდი რაოდენობის ტექსტს და შედეგად ქმნის ადამიანის მსგავს ტექსტს.
შეზღუდული მეხსიერება (Limited memory)
შეზღუდული მეხსიერება ისეთი AI სისტემაა, რომელიც დროებით ინახავს რეალურ დროში მიღებულ მონაცემებს და მათ უკეთესი გადაწყვეტილებების მისაღებად იყენებს.
მანქანური სწავლება
მანქანური სწავლება აერთიანებს კომპიუტერულ მეცნიერებას, მათემატიკასა და კოდირებას. იგი ქმნის ალგორითმებსა და მოდელებს, რომლებიც მანქანებს დამოუკიდებლად მონაცემების დასწავლასა და ქცევის პროგნოზირებაში ეხმარება.
ბუნებრივი ენის დამუშავება (NLP)
ბუნებრივი ენის დამუშავების AI მოდელი კომპიუტერს აძლევს შესაძლებლობას, აღიქვან და გააანალიზონ ადამიანების ენა, რომლებიც ტექსტური და ხმოვანი ფორმატით მიეწოდებათ.
ნეირონული ქსელი
ნეირონული ქსელი ღრმა დასწავლის ტექნიკაა, რომელიც ადამიანის ტვინის სტრუქტურის მსგავსია. იგი მოითხოვს მონაცემთა დიდ ბაზებს, რათა ჩაატაროს გამოთვლები და სხვა პროცესები. მას შეუძლია ხმოვანი და ვიზუალური მასალების აღქმა.
Overfitting
Overfitting მანქანური სწავლების ისეთ შემთხვევას მიემართება, როდესაც ალგორითმი მისთვის გადაცემული მონაცემებიდან მხოლოდ კონკრეტულ მაგალითებზე მუშაობს. ზოგადად AI მოდელს უნდა შეეძლოს მონაცემებში არსებული მახასიათებლების განზოგადება.
მახასიათებლების აღმოჩენა
კომპიუტერული ალგორითმების გამოყენებით შესაძლებელი ხდება გარკვეული მახასიათებლების აღმოჩენა, რომლებიც გვიჩვენებს მონაცემებში არსებულ კანონზომიერებებს. მისი საშუალებით მონაცემები სხვადასხვა კატეგორიებად ხარისხდება.
პროგნოზირებადი ანალიტიკა
პროგნოზირებადი ანალიტიკა ტექნოლოგიის გამოყენებით აკეთებს იმის პროგნოზს, თუ რა მოხდება მომავალში. ამ დროს იგი ეყრდნობა წინარე გამოცდილებებს.
ბიზნეს ანალიტიკა
ბიზნეს ანალიტიკა ტექნოლოგიის დახმარებით აანალიზებს მონაცემებს მოსალოდნელი სიტუაციებისა და სცენარების განსასაზღვრად. იგი ეხმარება კომპანიებს, მიიღონ უკეთესი სტრატეგიული გადაწყვეტილებები.
კვანტური გამოთვლა
კვანტური გამოთვლა არის პროცესი, რომელიც გამოთვლებისთვის იყენებს კვანტურ-მექანიკურ ფენომენებს, როგორებიცაა კვანტური გადაჯაჭვულობა და სუპერპოზიცია. კვანტური მანქანური სწავლება ამ ალგორითმების დახმარებით გაცილებით უფრო სწრაფად მუშაობს, ვიდრე მანქანური სწავლების კლასიკური მოდელი.
Reinforcement learning
ეს არის მანქანური სწავლების მოდელი, რომლის ალგორითმიც მის გარე სამყაროსთან ურთიერთქმედებით სწავლობს.
Sentiment analysis
ცნობილი, როგორც Opinion mining, ეს პროცესი აღნიშნავს AI-ის გამოყენებას ციფრული ტექსტის ემოციური ტონისა და შინაარსის გასაანალიზებლად.
სტრუქტურირებული მონაცემები
სტრუქტურირებული მონაცემები აღნიშნავს ისეთ მონაცემებს, რომლებიც განსაზღვრულია და მისი მოძიება შესაძლებელია. მაგალითად, ტელეფონის ნომერი, თარიღი, პროდუქტის შტრიხკოდი.
Supervised learning
მანქანური სწავლების ყველაზე გავრცელებული ტიპი, როდესაც მიღებული მონაცემები გამოიყენება სწავლების პროცესში სწორი ალგორითმების შესაქმნელად.
ტოკენი
ტოკენი არის ტექსტური ცვლადი, რომელსაც დიდი ენის მოდელი იყენებს ენის გასაგებად და დასასწავლად. იგი შეიძლება იყოს ერთი სიტყვა ან სიტყვის შემადგენელი ნაწილაკი.
სავარჯიშო მონაცემები
სავარჯიშო მონაცემები გამოიყენება AI მოდელების დასწავლის პროცესში.
ტრანსფერული სწავლება
ეს წარმოადგენს მანქანური სწავლების ტიპს, რომელიც არსებულ, უკვე დასწავლილ მონაცემებს იღებს და ახალ სავარჯიშოებსა და აქტივობებს არგებს.
ტურინგის ტესტი
კომპიუტერულმა მეცნიერმა ალან ტურინგმა შექმნა ტესტი, რომელიც აფასებს მანქანის ინტელექტის შესაძლებლობას ადამიანურთან შედარებით, ძირითადად კი, ენისა და ქცევის კუთხით. ტესტის დროს გამომცდელი აფასებს ადამიანსა და მანქანას შორის მიმდინარე საუბარს. თუ მან ვერ შეძლო პასუხების ერთმანეთისგან გარჩევა (მანქანის არის თუ ადამიანის), ეს ნიშნავს, რომ მანქანამ ტურინგის ტესტი წარმატებით გაიარა.
არასტრუქტურირებული მონაცემები
არასტრუქტურირებული მონაცემები არ არის განსაზღვრული და მათი მოძიებაც არ არის შესაძლებელი. მაგალითად, აუდიო, ფოტო და ვიდეო მასალა. ძირითადად, მონაცემების უმეტესი ნაწილი არასტრუქტურირებულია.
Unsupervised learning
სწავლების ტიპი, როდესაც ალგორითმი დაუხარისხებელ მონაცემებს იყენებს და დამოუკიდებლად შეისწავლის მათ.
ხმის ამომცნობი
ამ დროს კომპიუტერი უსმენს და აანალიზებს ადამიანისგან წამოსულ ხმოვან სიგნალებს და შედეგად ქმნის ხმოვან ან ტექსტურ მასალებს. მაგალითად, Apple-ის Siri, Amazon-ის Alexa. ეს მოწყობილობები უზრუნველყოფს დისტანციურად მითითებებისა და დავალებების გადაცემას.
ამგვარად, AI საკმაოდ მრავალმხრივი მიმართულებით ვითარდება და თანდათან ყველა ინდუსტრიაში მნიშვნელოვან როლს ირგებს. იგი დროის, ხარჯისა და ენერგიის დასაზოგად საუკეთესო საშუალებად იქცა. Commschool-ში კი სპეციალური კურსიც შევიმუშავეთ, რომელიც AI-ის ეფექტიანად გამოყენებას შეგასწავლის.
ხელოვნური ინტელექტი (AI) პრაქტიკაში – ეს პროგრამა მნიშვნელოვანი უნარების განვითარების შესაძლებლობას მოგცემს. ამიტომ გაეცანი კურსის სილაბუსს და შემოგვიერთდი Commschool-ში!
რელევანტური ბლოგები
შესაძლოა გაინტერესებდეს
დამწყები
საშუალო
საშუალო
შესვლა Google-ით
შესვლა Facebook-ით