Ο τομέας της τεχνητής νοημοσύνης περιλαμβάνει ένα ευρύ φάσμα κλάδων και τεχνολογιών. Αυτό το γλωσσάριο των πιο σημαντικών βασικών όρων μπορεί να σας βοηθήσει να διευρύνετε την κατανόησή σας και να εμβαθύνετε σε αυτόν τον συναρπαστικό κόσμο.
Το Agentic AI αναφέρεται σε προηγμένα συστήματα τεχνητής νοημοσύνης που υπερβαίνουν την απλή απόκριση σε εντολές. Δημιουργούν περιεχόμενο, εκτελούν αυτόνομα εργασίες και επιτυγχάνουν στόχους. Αυτά τα συστήματα συνδυάζουν δυνατότητες συλλογισμού, λειτουργίες μνήμης και βρόχους ανάδρασης για να σχεδιάζουν και να εκτελούν ανεξάρτητα ενέργειες, χρησιμοποιώντας συχνά διάφορα ψηφιακά εργαλεία και προσαρμόζοντας την προσέγγισή τους μέσω της μάθησης. Σε αντίθεση με την παραδοσιακή τεχνητή νοημοσύνη, η agentic AI μπορεί να λειτουργεί τόσο ανεξάρτητα όσο και συνεργατικά με άλλους πράκτορες τεχνητής νοημοσύνης, λαμβάνοντας αυτόνομες αποφάσεις ενώ αλληλεπιδρά με διαφορετικές πλατφόρμες και συστήματα για την ολοκλήρωση σύνθετων εργασιών.
Στο βιομηχανικό πλαίσιο, το Agentic AI περιλαμβάνει την ανάπτυξη συστημάτων τεχνητής νοημοσύνης που μπορούν να παρακολουθούν, να αναλύουν και να ελέγχουν ανεξάρτητα διάφορες πτυχές των βιομηχανικών λειτουργιών, όπως η προγνωστική συντήρηση, ο ποιοτικός έλεγχος, η διαχείριση αποθεμάτων ή η βελτιστοποίηση των διαδικασιών παραγωγής.
Η Τεχνητή Νοημοσύνη (AI) αναφέρεται σε λογισμικό που έχει την ικανότητα να μαθαίνει και να προσαρμόζεται. Η τεχνητή νοημοσύνη μπορεί να επιλύσει εργασίες που απαιτούν να ερμηνεύσει την έννοια των δεδομένων εισόδου και να προσαρμοστεί στις απαιτήσεις. Συνήθως, αυτά είναι καθήκοντα που προηγουμένως μπορούσαν να επιλυθούν μόνο με φυσική νοημοσύνη. Υπάρχουν διάφοροι τύποι μεθόδων τεχνητής νοημοσύνης, οι οποίοι διαφέρουν σημαντικά όσον αφορά τα πεδία εφαρμογής τους, τις δυνατότητές τους και τους κινδύνους που σχετίζονται με αυτές. Οι βασικές αρχές της τεχνητής νοημοσύνης αναπτύχθηκαν τον 20ο αιώνα. Επειδή όλες οι μέθοδοι τεχνητής νοημοσύνης απαιτούν μεγάλες ποσότητες εκπαιδευτικών δεδομένων, η τεχνολογία αποκτά πλέον αυξημένη κρίσιμη σημασία μέσω της ψηφιοποίησης και των μεγάλων δεδομένων.
Μια τεχνολογία που επιτρέπει την επικάλυψη ψηφιακών πληροφοριών σε περιβάλλοντα και αντικείμενα πραγματικού κόσμου, συνήθως χρησιμοποιώντας καθηλωτική 3D εικονική πραγματικότητα. Το AR επιτρέπει μια βελτιωμένη έκδοση του φυσικού κόσμου προσθέτοντας ψηφιακά οπτικά, ηχητικά και άλλα αισθητήρια στοιχεία.
Συστήματα που μπορούν να λειτουργήσουν χωρίς ανθρώπινη παρέμβαση, όπως αυτοοδηγούμενα αυτοκίνητα και drones.
Οχήματα που μπορούν να λειτουργούν χωρίς ανθρώπινη παρέμβαση, όπως αυτοοδηγούμενα αυτοκίνητα και φορτηγά.
Απρόθυμη προκατάληψη ή ευνοιοκρατία που μπορεί να συμβεί σε συστήματα τεχνητής νοημοσύνης λόγω προκατειλημμένων δεδομένων εκπαίδευσης ή αλγορίθμων.
Μεγάλα και πολύπλοκα σύνολα δεδομένων, που παράγονται συχνά από (βιομηχανικούς) αισθητήρες, αλλά και από εταιρείες, οργανισμούς και ανθρώπους. Καθώς αυτά τα δεδομένα είναι συχνά μη δομημένα, ελλιπή ή λανθασμένα, το λογισμικό που δεν υποστηρίζεται από τεχνητή νοημοσύνη συνήθως δεν μπορεί να τα επεξεργαστεί με ουσιαστικό τρόπο.
Ένα πρόγραμμα με τεχνητή νοημοσύνη που μπορεί να αλληλεπιδράσει με ανθρώπους μέσω κειμένου ή φωνητικής επικοινωνίας.
Ένας τύπος AI που στοχεύει στην αναπαραγωγή ανθρώπινων γνωστικών διαδικασιών, όπως η αντίληψη, η συλλογιστική και η λήψη αποφάσεων.
Ένα υποσύνολο τεχνητής νοημοσύνης που επιτρέπει στους υπολογιστές να εξάγουν πληροφορίες από οπτικά στοιχεία, όπως εικόνες και βίντεο, για να τις κατανοήσουν και να τις ερμηνεύσουν.
Στρατηγικές, μετρήσεις και εργαλεία για την προστασία των ψηφιακών πληροφοριών από εξωτερικούς επιτιθέμενους. Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για τον εντοπισμό και την πρόληψη κυβερνοεπιθέσεων, καθώς και για τον εντοπισμό και την αντιμετώπιση παραβιάσεων ασφαλείας.
Η διαδικασία ανάλυσης και ερμηνείας δεδομένων για την αποκάλυψη πληροφοριών και τη λήψη τεκμηριωμένων αποφάσεων.
Συστήματα υπολογιστών που έχουν σχεδιαστεί για να βοηθούν τους ανθρώπους στη λήψη αποφάσεων παρέχοντας σχετικές πληροφορίες και αναλύσεις.
Ένα υποσύνολο της Μηχανικής Μάθησης που περιλαμβάνει τη χρήση νευρωνικών δικτύων με πολλαπλά επίπεδα για να επιτρέψει στις μηχανές να μάθουν από δεδομένα.
Ένα μαθηματικό μοντέλο που περιγράφει τη συμπεριφορά ενός φυσικού αντικειμένου ή διαδικασίας. Σε ένα περιβάλλον προσομοίωσης, ένα ψηφιακό δίδυμο μπορεί να χρησιμοποιηθεί για να προσομοιώσει τι θα συνέβαινε στον πραγματικό κόσμο εάν αλλάξουν οι παράμετροι του συστήματος. Τα ψηφιακά δίδυμα μπορούν να χρησιμοποιηθούν καθ' όλη τη διάρκεια του κύκλου ζωής του προϊόντος, συμπεριλαμβανομένων των φάσεων σχεδιασμού, κατασκευής, λειτουργίας και εξυπηρέτησης. Οι οπτικές αναπαραστάσεις των ψηφιακών διδύμων μοιάζουν και συμπεριφέρονται σαν τους φυσικούς ομολόγους τους, αντικατοπτρίζοντας τον πραγματικό κόσμο και προσαρμόζονται σε πραγματικό χρόνο σε αυτό που συμβαίνει εκεί.
Το Edge Computing είναι ένας τύπος αρχιτεκτονικής συστήματος που, σε αντίθεση με το cloud computing, φέρνει τον υπολογισμό και την αποθήκευση δεδομένων πιο κοντά στις πηγές δεδομένων (το «άκρο»). Βοηθά στη μείωση των χρόνων απόκρισης και της ποσότητας ενέργειας που απαιτείται για τη μεταφορά δεδομένων. Τα συστήματα Edge AI μπορούν να εφαρμοστούν φυσικά κοντά στην πραγματική συσκευή εκτέλεσης. Αυτές οι συσκευές μπορούν να εκτελούν εφαρμογές AI χωρίς να είναι συνδεδεμένες στο cloud.
Τεχνητή νοημοσύνη που έχει σχεδιαστεί για να αλληλεπιδρά και να πλοηγείται στον φυσικό κόσμο, συχνά μέσω της χρήσης ρομπότ ή αυτόνομων οχημάτων.
Η μελέτη και εφαρμογή ηθικών αρχών στην ανάπτυξη και χρήση της τεχνητής νοημοσύνης, συμπεριλαμβανομένων ζητημάτων όπως η προκατάληψη, η ιδιωτικότητα και η λογοδοσία.
Η τεχνητή νοημοσύνη έχει σχεδιαστεί για να είναι διαφανής και εξηγήσιμη, επιτρέποντας στους ανθρώπους να κατανοήσουν πώς και γιατί μια μηχανή πήρε μια συγκεκριμένη απόφαση.
Είναι μια μέθοδος εκπαίδευσης στη μηχανική μάθηση όπου πολλές ξεχωριστές συσκευές εκπαιδεύουν ένα μοντέλο μηχανικής μάθησης με το δικό τους (ξεχωριστό) σύνολο δεδομένων. Μόνο τα τελικά αποτελέσματα κοινοποιούνται στον κύριο παράγοντα του δικτύου.
AI που έχει σχεδιαστεί για τη δημιουργία νέου περιεχομένου, όπως εικόνες, βίντεο και μουσική συνδυάζοντας και μαθαίνοντας από υπάρχον περιεχόμενο.
Δυνατότητα μιας εφαρμογής, π.χ. λογισμικού CAD, να δημιουργεί αυτόνομα έναν αριθμό εναλλακτικών λύσεων σχεδιασμού δεδομένων ενός συνόλου περιορισμών. Χρησιμοποιεί τεχνικές όπως AI, βελτιστοποίηση και προσομοίωση.
Η βιομηχανική τεχνητή νοημοσύνη αναφέρεται στην εφαρμογή της τεχνητής νοημοσύνης στις βιομηχανίες που αποτελούν τη ραχοκοκαλιά των οικονομιών μας - βιομηχανία, υποδομές, κινητικότητα και υγειονομική περίθαλψη.
μοντέλα βιομηχανικών ιδρυμάτων (IFM) είναι προκαταρτισμένα σε δεδομένα συγκεκριμένου κλάδου για να κατανοήσουν βαθιά τη «γλώσσα» της μηχανικής, του αυτοματισμού και της κατασκευής και να επιτρέψουν την ταχύτερη και ακριβέστερη ανάπτυξη λύσεων AI. Παρέχουν ένα τυποποιημένο σημείο εκκίνησης, εξοικονομώντας χρόνο, πόρους και ενέργεια μέσω οικονομιών κλίμακας. Τα IFM είναι προσαρμοσμένα για την επίλυση πραγματικών βιομηχανικών προκλήσεων. Λειτουργούν ως το επίπεδο νοημοσύνης πίσω από τα Industrial Copilots και διευκολύνουν τη μεταφορά γνώσεων και τη συνεργασία μεταξύ τομέων. Υποστηρίζουν όχι μόνο κείμενο, εικόνες και ήχο, αλλά και τρισδιάστατα μοντέλα, 2D σχέδια και άλλες πολύπλοκες δομές, όπως δεδομένα χρονοσειρών για συγκεκριμένες βιομηχανίες (βλ. επίσης Multimodal LLM).
νοημοσύνη βιομηχανικής ποιότητας υποδηλώνει ένα επίπεδο ποιότητας, αξιόπιστο, ασφαλές και αξιόπιστο, σχεδιασμένο για να ανταποκρίνεται στις αυστηρές απαιτήσεις και πρότυπα των πιο απαιτητικών επαγγελματικών περιβαλλόντων.
Ένας όρος που χρησιμοποιείται για να περιγράψει την τέταρτη βιομηχανική επανάσταση, η οποία περιλαμβάνει την ενσωμάτωση της τεχνητής νοημοσύνης, του IoT και άλλων προηγμένων τεχνολογιών στη μεταποίηση και τη βιομηχανία.
Το δίκτυο τεχνικών συσκευών ενσωματωμένων με αισθητήρες, λογισμικό και συνδεσιμότητα για την ανταλλαγή δεδομένων. Το IoT είναι ένας από τους κύριους μοχλούς της ψηφιοποίησης και των μεγάλων δεδομένων.
Μια βάση δεδομένων που αντιπροσωπεύει τη γνώση ως γράφημα διασυνδεδεμένων κόμβων και άκρων, που χρησιμοποιείται για εφαρμογές AI όπως το NLP και η αναζήτηση.
Ένας τύπος μοντέλου γλώσσας AI που εκπαιδεύεται σε τεράστιες ποσότητες δεδομένων, όπως το GPT-3, για τη δημιουργία κειμένου που μοιάζει με άνθρωπο.
Ένα υποσύνολο τεχνητής νοημοσύνης που περιλαμβάνει τη χρήση αλγορίθμων και στατιστικών μοντέλων για να επιτρέψει στις μηχανές να μάθουν από εμπειρία ή δεδομένα.
Ένα υποσύνολο τεχνητής νοημοσύνης που επιτρέπει σε μηχανές με συνδεδεμένες κάμερες να εξάγουν οπτικές πληροφορίες για την κατανόηση και την ερμηνεία του περιβάλλοντός τους.
Τα πολυτροπικά LLM μπορούν να κατανοήσουν και να επεξεργαστούν πολλαπλούς τύπους δεδομένων - όπως κείμενο, εικόνες, ήχο ή δεδομένα αισθητήρων - ταυτόχρονα. Είναι ενσωματωμένα σε εφαρμογές όπως η όραση υπολογιστών, τα αυτόνομα οχήματα και η ρομποτική. Βελτιώνουν την αναγνώριση αντικειμένων, την κατανόηση της σκηνής και επιτρέπουν στις μηχανές να ακολουθούν σύνθετες οδηγίες. Τα πολυτροπικά LLM έχουν τη δυνατότητα να επηρεάσουν την επεξεργασία και τη δημιουργία δεδομένων συγκεκριμένων βιομηχανιών - όπως χρονοσειρές, μοντέλα 2D και 3D ή δεδομένα για μηχανική όραση - με τον ίδιο τρόπο που τα συμβατικά LLM έχουν επηρεάσει την επεξεργασία κειμένου και ομιλίας.
Ένα υποσύνολο της τεχνητής νοημοσύνης που επικεντρώνεται στην αλληλεπίδραση μεταξύ υπολογιστών και ανθρώπινης γλώσσας.
Μια διεπαφή που επιτρέπει στους ανθρώπους να αλληλεπιδρούν με υπολογιστές χρησιμοποιώντας φυσικές χειρονομίες, ομιλία και άλλες μορφές έκφρασης.
Ένας τύπος αλγορίθμου μηχανικής μάθησης που διαμορφώνεται σύμφωνα με τη δομή του ανθρώπινου εγκεφάλου και χρησιμοποιείται για την αναγνώριση προτύπων στα δεδομένα.
Μια διαδικασία για την ανάλυση αλλαγών στην τάση και το ρεύμα κτιρίων ή μηχανών που περιλαμβάνουν πολλαπλές δευτερεύουσες συσκευές για να συναχθεί η ατομική συμβολή κάθε συσκευής στο σύστημα.
Η φυσική τεχνητή νοημοσύνη αναφέρεται στην ενσωμάτωση της τεχνητής νοημοσύνης σε μηχανές - όπως τα ρομπότ - που μπορούν να αισθανθούν το περιβάλλον τους και να δράσουν μέσα σε αυτό. Εμπνευσμένη από τον ανθρώπινο αισθητικοκινητικό κύκλο, το Physical AI επεξεργάζεται αισθητηριακές εισόδους (όπως τρισδιάστατες κάμερες ή αισθητήρες αφής), δημιουργεί εντολές ελέγχου από αυτές και επιτρέπει στις μηχανές να εκτελούν σύνθετες εργασίες προσαρμοστικά και αυτόνομα σε φυσικά, τρισδιάστατα περιβάλλοντα.
Η τεχνητή νοημοσύνη που βασίζεται στη φυσική, γνωστή και ως τεχνητή νοημοσύνη με επίγνωση της φυσικής, αναφέρεται σε μια νέα κατηγορία μεθόδων τεχνητής νοημοσύνης που ενσωματώνουν τους νόμους της φυσικής απευθείας στη διαδικασία εκπαίδευσης. Σε αντίθεση με τις συμβατικές προσεγγίσεις τεχνητής νοημοσύνης που βασίζονται σε μεγάλο βαθμό σε μεγάλα σύνολα δεδομένων για την εκμάθηση συμπεριφοράς, η τεχνητή νοημοσύνη που βασίζεται στη φυσική ενσωματώνει περιορισμούς που βασίζονται στη φυσική για να καθοδηγήσει τη μάθηση. Αυτό επιτρέπει στα συστήματα τεχνητής νοημοσύνης να αιτιολογούν και να κάνουν προβλέψεις ακόμη και όταν τα δεδομένα του πραγματικού κόσμου είναι περιορισμένα, αξιοποιώντας τις υπάρχουσες γνώσεις μας για το πώς λειτουργεί ο φυσικός κόσμος. Αντί να μαθαίνουν μόνο από παραδείγματα, αυτά τα μοντέλα χρησιμοποιούν τις γνώσεις τους στη φυσική για να κατευθύνουν τη μάθηση προς πιο βέλτιστες και φυσικά συνεπείς λύσεις.
Η προγνωστική τεχνητή νοημοσύνη αξιοποιεί τη στατιστική ανάλυση και τη μηχανική μάθηση για τον εντοπισμό μοτίβων σε πραγματικό χρόνο και ιστορικά λειτουργικά δεδομένα από μηχανές και εξοπλισμό, επιτρέποντάς του να προβλέπει μελλοντικές συμπεριφορές, να ανιχνεύει ανωμαλίες, να προβλέπει πιθανές βλάβες και να προτείνει ενέργειες συντήρησης. Χρησιμοποιείται για τη βελτίωση της υγείας και της αξιοπιστίας των περιουσιακών στοιχείων, τη μείωση του μη προγραμματισμένου χρόνου διακοπής λειτουργίας και την υποστήριξη ταχύτερων αποφάσεων βάσει δεδομένων σε όλες τις βιομηχανικές λειτουργίες.
Η χρήση τεχνητής νοημοσύνης και στατιστικών μοντέλων για την πρόβλεψη μελλοντικών γεγονότων ή τάσεων με βάση ιστορικά δεδομένα.
Η χρήση της τεχνητής νοημοσύνης για την πρόβλεψη πότε τα μηχανήματα θα χρειαστούν συντήρηση ή επισκευές, με βάση δεδομένα σε πραγματικό χρόνο.
Η χρήση της τεχνητής νοημοσύνης για την ανίχνευση ελαττωμάτων και τη διασφάλιση ότι τα προϊόντα πληρούν τα πρότυπα ποιότητας.
Ένας τύπος μηχανικής μάθησης όπου οι μη εκπαιδευμένοι πράκτορες μαθαίνουν μια στρατηγική μέσω κυρώσεων και ανταμοιβών του συστήματος μετά από εκτελεσμένες ενέργειες.
Εφαρμογές AI που πληρούν καθορισμένα ηθικά και ηθικά πρότυπα.
Ο κλάδος της μηχανικής και της τεχνητής νοημοσύνης που επικεντρώνεται στο σχεδιασμό, την κατασκευή και τη λειτουργία ρομπότ.
Η χρήση της τεχνητής νοημοσύνης για την ανάλυση και την ερμηνεία των συναισθημάτων και των απόψεων που εκφράζονται σε κείμενο ή ομιλία.
Ένα ηλεκτρικό δίκτυο που χρησιμοποιεί AI και άλλες προηγμένες τεχνολογίες για τη βελτιστοποίηση της παραγωγής, διανομής και κατανάλωσης ηλεκτρικής ενέργειας.
Το εξειδικευμένο υλικό, όπως οι μονάδες επεξεργασίας γραφικών (GPU) ή οι συσκευές edge που υποστηρίζονται από μονάδες επεξεργασίας γλώσσας (LPUs), είναι μια αναδυόμενη τάση στη βιομηχανική τεχνητή νοημοσύνη. Αυτές οι συσκευές παρέχουν υπολογιστική ισχύ υψηλής απόδοσης στην άκρη, επιτρέποντας την επεξεργασία αλγορίθμων τεχνητής νοημοσύνης σε πραγματικό χρόνο. Η ενσωμάτωσή τους επιτρέπει την παράλληλη επεξεργασία και την επιτάχυνση της απόδοσης, με αποτέλεσμα την ταχύτερη εκτέλεση σύνθετων εργασιών AI. Αυτή η τοπική επεξεργασία μειώνει την καθυστέρηση και την εξάρτηση από πόρους cloud, καθιστώντας την κρίσιμη για εφαρμογές που είναι ευαίσθητες στο χρόνο. Το εξειδικευμένο υλικό υποστηρίζει επίσης προηγμένα μοντέλα AI, οδηγώντας σε βελτιωμένες γνώσεις και βελτιωμένη απόδοση. Επιπλέον, μειώνει το κόστος ελαχιστοποιώντας την ανάγκη για εκτεταμένη υποδομή cloud και μεταφορά δεδομένων.
Η ικανότητα των μηχανών να αναγνωρίζουν και να ερμηνεύουν την ανθρώπινη ομιλία.
Μια μέθοδος εκμάθησης όπου τα μοντέλα μηχανικής μάθησης εκπαιδεύονται με ετικέτα (γνωστά) σύνολα δεδομένων για την πρόβλεψη ενός αποτελέσματος.
Βελτιστοποίηση ροής αγαθών και υλικών σε μια αλυσίδα εφοδιασμού για μείωση του κόστους και βελτίωση της αποδοτικότητας. Η τεχνητή νοημοσύνη χρησιμοποιείται συχνά για αυτοματοποίηση διαδικασιών, ανίχνευση αναποτελεσματικότητας, διασφάλιση ποιότητας αγαθών και πρόβλεψη ζήτησης.
Τεχνητά δεδομένα που παράγονται από αλγόριθμους και όχι γεγονότα πραγματικού κόσμου που χρησιμοποιούνται για την εκπαίδευση και την επικύρωση μοντέλων μηχανικής μάθησης. Η ποιότητα των συνθετικών δεδομένων είναι κρίσιμη. Καθορίζει εάν η τεχνητή νοημοσύνη θα παράγει αποδεκτά αποτελέσματα μετά την προπόνηση.
Μια μέθοδος εκμάθησης όπου τα μοντέλα μηχανικής μάθησης ανακαλύπτουν μοτίβα και ομαδοποιήσεις σε δεδομένα που ήταν προηγουμένως άγνωστα (χωρίς ετικέτα).
εικονική πραγματικότητα (VR) παρουσιάζει ένα ψηφιακά αποδομένο περιβάλλον που μπορεί να αναπαράγει έναν πραγματικό χώρο, να δημιουργήσει μια εναλλακτική πραγματικότητα ή να συνδυάσει τα δύο. Ο χρήστης μπορεί να εξερευνήσει τον εικονικό χώρο από τα όρια του σπιτιού, του γραφείου ή του εργοστασίου.
