Slovníček umělé inteligence

Agentická AI označuje pokročilé systémy AI, které jdou nad rámec pouhé reakce na příkazy; generují obsah, autonomně provádějí úkoly a dosahují cílů. Tyto systémy kombinují schopnosti uvažování, paměťové funkce a smyčky zpětné vazby k nezávislému plánování a provádění akcí, často využívají různé digitální nástroje a přizpůsobují svůj přístup prostřednictvím učení. Na rozdíl od tradiční umělé inteligence může agenciální AI fungovat nezávisle i ve spolupráci s jinými agenty AI, přijímat autonomní rozhodnutí při propojení s různými platformami a systémy k dokončení složitých úkolů.

V průmyslovém kontextu zahrnuje Agentic AI nasazení systémů AI, které mohou nezávisle sledovat, analyzovat a řídit různé aspekty průmyslových operací, jako je prediktivní údržba, kontrola kvality, řízení zásob nebo optimalizace výrobních procesů.

Umělá inteligence (AI) označuje software, který má schopnost učit se a přizpůsobovat se. AI dokáže řešit úkoly, které vyžadují interpretaci významu vstupních dat a přizpůsobení se požadavkům. Obvykle se jedná o úkoly, které dříve mohly být řešeny pouze přirozenou inteligencí. Existuje několik typů metod AI, které se výrazně liší, pokud jde o oblasti použití, jejich potenciál a rizika s nimi spojená. Základní principy AI byly vyvinuty ve 20. století. Protože všechny metody AI vyžadují velké množství tréninkových dat, technologie nyní získává zvýšený kritický význam díky digitalizaci a velkým datům.

Technologie, která umožňuje překrývání digitálních informací na reálných prostředích a objektech, obvykle pomocí pohlcující 3D virtuální reality. AR umožňuje vylepšenou verzi fyzického světa přidáním digitálních vizuálních, zvukových a dalších smyslových prvků.

Systémy, které mohou fungovat bez lidského zásahu, jako jsou samořídící auta a drony.

Vozidla, která mohou fungovat bez lidského zásahu, jako jsou samořídící automobily a nákladní automobily.

Nezamýšlené předsudky nebo favoritismus, ke kterým může dojít v systémech AI v důsledku zkreslených tréninkových dat nebo algoritmů.

Velké a složité datové soubory, často generované (průmyslovými) senzory, ale také společnostmi, organizacemi a lidmi. Vzhledem k tomu, že tato data jsou často nestrukturovaná, neúplná nebo nesprávná, software bez AI je obvykle nemůže smysluplně zpracovat.

Program poháněný umělou inteligencí, který může komunikovat s lidmi prostřednictvím textové nebo hlasové komunikace.

Typ AI, jehož cílem je replikovat lidské kognitivní procesy, jako je vnímání, uvažování a rozhodování.

Podmnožina umělé inteligence, která umožňuje počítačům extrahovat informace z vizuálů, jako jsou obrázky a videa, aby je pochopily a interpretovaly.

Strategie, měření a nástroje, které pomáhají zabezpečit digitální informace před externími útočníky. Umělou inteligenci lze použít k detekci a prevenci kybernetických útoků a k identifikaci a reakci na narušení bezpečnosti.

Proces analýzy a interpretace dat za účelem odhalení poznatků a informovaných rozhodnutí.

Počítačové systémy, které jsou navrženy tak, aby pomáhaly lidem při rozhodování poskytováním relevantních informací a analýz.

Podmnožina strojového učení, která zahrnuje použití neuronových sítí s více vrstvami, které umožňují strojům učit se z dat.

Matematický model, který popisuje chování fyzického objektu nebo procesu. V simulačním prostředí lze použít digital twin k simulaci toho, co by se stalo v reálném světě, pokud by se změnily parametry systému. Digitální dvojčata lze používat po celou dobu životního cyklu produktu, včetně fází návrhu, výroby, provozu a servisu. Vizuální reprezentace digitálních dvojčat vypadají a chovají se jako jejich fyzické protějšky, odrážejí skutečný svět a přizpůsobují se v reálném čase tomu, co se tam děje.

Edge Computing je typ systémové architektury, která na rozdíl od cloud computingu přibližuje výpočetní techniku a ukládání dat ke zdrojům dat („edge“). Pomáhá zkrátit dobu odezvy a množství energie potřebné pro přenos dat. Edge AI systémy mohou být implementovány fyzicky blízko skutečného prováděcího zařízení. Tato zařízení mohou spouštět aplikace AI, aniž by byla připojena k cloudu.

AI, která je navržena tak, aby interagovala s fyzickým světem a navigovala v něm, často pomocí robotů nebo autonomních vozidel.

Studium a aplikace morálních principů při vývoji a používání AI, včetně otázek, jako je předpojatost, soukromí a odpovědnost.

Umělá inteligence, která je navržena tak, aby byla transparentní a vysvětlitelná, umožňující lidem pochopit, jak a proč stroj učinil konkrétní rozhodnutí.

Je tréninková metoda ve strojovém učení, kde více samostatných zařízení trénuje model strojového učení s vlastní (samostatnou) datovou sadou. Pouze konečné výsledky jsou sdíleny s hlavním aktérem v síti.

Umělá inteligence, která je navržena tak, aby generovala nový obsah, jako jsou obrázky, videa a hudba kombinací a učením se z existujícího obsahu.

Schopnost aplikace, např. CAD software, autonomně generovat řadu návrhových alternativ s ohledem na sadu omezení. Používá techniky, jako je AI, optimalizace a simulace.

Industrial AI označuje aplikaci AI v odvětvích, která tvoří páteř našich ekonomik - průmysl, infrastruktura, mobilita a zdravotnictví.

Modely průmyslových nadací (IFM) jsou předškoleny v oblasti dat specifických pro odvětví, aby hluboce porozuměly „jazyku“ inženýrství, automatizace a výroby a umožnily rychlejší a přesnější nasazení řešení AI. Poskytují standardizovaný výchozí bod, šetří čas, zdroje a energii díky úsporám z rozsahu. IFM jsou přizpůsobeny tak, aby řešily průmyslové výzvy v reálném světě. Působí jako zpravodajská vrstva za průmyslovými kopiloty a usnadňují přenos znalostí a spolupráci napříč odvětvími. Podporují nejen text, obrázky a zvuk, ale také 3D modely, 2D výkresy a další složité struktury, jako jsou průmyslová data časových řad (viz také Multimodální LLM).

Průmyslová umělá inteligence označuje úroveň kvality; spolehlivá, bezpečná a důvěryhodná, navržená tak, aby splňovala přísné požadavky a standardy nejnáročnějších profesionálních prostředí.

Termín používaný k popisu čtvrté průmyslové revoluce, která zahrnuje integraci AI, IoT a dalších pokročilých technologií do výroby a průmyslu.

Síť technických zařízení vybavených senzory, softwarem a konektivitou umožňující výměnu dat. IoT je jedním z hlavních hnacích sil digitalizace a velkých dat.

Databáze, která představuje znalosti jako graf propojených uzlů a hran, používaná pro aplikace AI, jako je NLP a vyhledávání.

Typ jazykového modelu AI, který je trénován na obrovském množství dat, jako je GPT-3, pro generování textu podobného člověku.

Podmnožina umělé inteligence, která zahrnuje použití algoritmů a statistických modelů, které umožňují strojům učit se ze zkušeností nebo dat.

Podmnožina umělé inteligence, která umožňuje strojům s připojenými kamerami extrahovat vizuální informace pro pochopení a interpretaci jejich okolí.

Multimodální LLM dokážou porozumět a zpracovávat více typů dat - například text, obrázky, audio nebo data senzorů - současně. Jsou integrovány do aplikací, jako je počítačové vidění, autonomní vozidla a robotika. Zlepšují rozpoznávání objektů, porozumění scéně a umožňují strojům dodržovat složité pokyny. Multimodální LLM mají potenciál ovlivnit zpracování a generování průmyslových dat - jako jsou časové řady, 2D a 3D modely nebo data pro strojové vidění - stejným způsobem, jakým konvenční LLM ovlivnily zpracování textu a řeči.

Podskupina AI, která se zaměřuje na interakci mezi počítači a lidským jazykem.

Rozhraní, které umožňuje lidem komunikovat s počítači pomocí přirozených gest, řeči a dalších forem vyjádření.

Typ algoritmu strojového učení, který je modelován podle struktury lidského mozku a používá se k rozpoznávání vzorů v datech.

Proces analýzy změn napětí a proudu budov nebo strojů, které obsahují více dílčích zařízení k odvození individuálního příspěvku každého zařízení v systému.

Fyzická umělá inteligence označuje integraci umělé inteligence do strojů - jako jsou roboty -, které dokážou vnímat své prostředí a jednat v něm. Fyzická umělá inteligence, inspirovaná lidským senzorimotorickým cyklem, zpracovává senzorické vstupy (jako jsou 3D kamery nebo hmatové senzory), generuje z nich ovládací příkazy a umožňuje strojům provádět složité úkoly adaptivně a autonomně ve fyzickém 3D prostředí.

Umělá inteligence informovaná o fyzice, známá také jako AI s vědomím fyziky, odkazuje na novou třídu metod umělé inteligence, které začleňují fyzikální zákony přímo do tréninkového procesu. Na rozdíl od konvenčních přístupů AI, které se při učení chování silně spoléhají na velké datové sady, umělá inteligence informovaná o fyzice integruje omezení založená na fyzice, aby vedla učení. To umožňuje systémům AI uvažovat a předpovídat, i když jsou data ze skutečného světa omezená, využitím našich stávajících znalostí o tom, jak fyzický svět funguje. Místo toho, aby se učily pouze z příkladů, tyto modely využívají své fyzikální znalosti k nasměrování učení k optimálnějším a fyzicky konzistentnějším řešením.

Prediktivní umělá inteligence využívá statistickou analýzu a strojové učení k identifikaci vzorců v reálném čase a historických provozních datech ze strojů a zařízení, což jí umožňuje předvídat budoucí chování, detekovat anomálie, předpovídat potenciální poruchy a doporučovat akce údržby. Používá se ke zlepšení stavu a spolehlivosti zařízení, snížení neplánovaných prostojů a podpoře rychlejšího rozhodování založeného na datech napříč průmyslovými operacemi.

Využití umělé inteligence a statistických modelů k předpovědi budoucích událostí nebo trendů na základě historických dat.

Využití umělé inteligence k předpovědi, kdy budou stroje potřebovat údržbu nebo opravy, na základě dat v reálném čase.

Použití umělé inteligence k detekci závad a zajištění toho, aby výrobky splňovaly standardy kvality.

Typ strojového učení, kde se netrénovaní agenti učí strategii prostřednictvím sankcí a odměn systému po provedených akcích.

Aplikace AI, které splňují definované etické a morální standardy.

Obor inženýrství a AI, který se zaměřuje na návrh, konstrukci a provoz robotů.

Použití AI k analýze a interpretaci emocí a názorů vyjádřených v textu nebo řeči.

Elektrická síť, která využívá AI a další pokročilé technologie k optimalizaci výroby, distribuce a spotřeby elektřiny.

Specializovaný hardware, jako jsou grafické procesorové jednotky (GPU) nebo hraniční zařízení podporující jednotky zpracování jazyků (LPU), je nově se rozvíjejícím trendem v průmyslové umělé inteligenci. Tato zařízení poskytují vysoce výkonný výpočetní výkon na hraně, což umožňuje zpracování algoritmů AI v reálném čase. Jejich integrace umožňuje paralelní zpracování a zrychlený výkon, což vede k rychlejšímu provádění složitých úloh AI. Toto místní zpracování snižuje latenci a závislost na cloudových prostředcích, což je rozhodující pro časově citlivé aplikace. Specializovaný hardware také podporuje pokročilé modely AI, což vede k vylepšenému přehledu a lepšímu výkonu. Navíc snižuje náklady tím, že minimalizuje potřebu rozsáhlé cloudové infrastruktury a přenosu dat.

Schopnost strojů rozpoznávat a interpretovat lidskou řeč.

Metoda učení, kde jsou modely strojového učení trénovány s označenými (známými) datovými sadami k předpovědi výsledku.

Optimalizace toku zboží a materiálů v dodavatelském řetězci za účelem snížení nákladů a zvýšení efektivity. AI se často používá pro automatizaci procesů, detekci neefektivity, zajištění kvality zboží a prognózování poptávky.

Umělá data generovaná algoritmy spíše než skutečnými událostmi, která se používají k trénování a ověřování modelů strojového učení. Kvalita syntetických dat je rozhodující. Určuje, zda AI po tréninku přinese přijatelné výsledky.

Metoda učení, kde modely strojového učení objevují vzory a seskupení v datech, která jsou dříve neznámá (neoznačená).

Virtuální realita (VR) představuje digitálně vykreslené prostředí, které dokáže replikovat skutečný prostor, vytvořit alternativní realitu nebo je kombinovat. Uživatel je schopen prozkoumat virtuální prostor z hranic domova, kanceláře nebo továrny.