Tehisintellekti sõnastik

Agentlik tehisintellekt viitab täiustatud tehisintellekti süsteemidele, mis ületavad pelgalt käskudele reageerimist; nad genereerivad sisu, täidavad ülesandeid autonoomselt ja saavutavad eesmärke. Need süsteemid ühendavad arutlusvõimeid, mälufunktsioone ja tagasisideahelaid, et iseseisvalt planeerida ja teostada toiminguid, kasutades sageli erinevaid digitaalseid tööriistu ja kohandades nende lähenemist õppimise kaudu. Erinevalt traditsioonilisest tehisintellektist saab agentiline tehisintellekt töötada nii iseseisvalt kui ka koostöös teiste tehisintellekti agentidega, tehes autonoomseid otsuseid, suheldes samal ajal erinevate platvormide ja süsteemidega keerukate ülesannete täitmiseks.

stuslikus kontekstis hõlmab Agentic AI tehisintellekti süsteemide juurutamist, mis suudavad iseseisvalt jälgida, analüüsida ja kontrollida tööstustoimingute erinevaid aspekte, nagu ennustav hooldus, kvaliteedikontroll, varude haldamine või tootmisprotsesside optimeerimine.

Tehisintellekt (AI) viitab tarkvarale, millel on võime õppida ja kohaneda. Tehisintellekt suudab lahendada ülesandeid, mis nõuavad sisendandmete tähenduse tõlgendamist ja nõuetega kohanemist. Tavaliselt on need ülesanded, mida varem sai lahendada ainult loodusliku intelligentsusega. Tehisintellekti meetodeid on mitut tüüpi, mis erinevad oluliselt nende rakendusvaldkondade, potentsiaalide ja nendega seotud riskide poolest. Tehisintellekti põhiprintsiibid töötati välja 20. sajandil. Kuna kõik tehisintellekti meetodid nõuavad suurt hulka koolitusandmeid, on tehnoloogia digiteerimise ja suurandmete kaudu nüüd üha olulisemat tähtsust omandab.

Tehnoloogia, mis võimaldab digitaalset teavet reaalsetele keskkondadele ja objektidele üle kanda, kasutades tavaliselt kaasahaaravat 3D-virtuaalset reaalsust. AR võimaldab füüsilise maailma täiustatud versiooni, lisades digitaalseid visuaalseid, heli ja muid sensoorseid elemente.

Süsteemid, mis võivad töötada ilma inimese sekkumiseta, näiteks isesõitvad autod ja droonid.

Sõidukid, mis võivad töötada ilma inimese sekkumiseta, näiteks isesõitvad autod ja veoautod.

Tahtmatud eelarvamused või soosimine, mis võivad tehisintellekti süsteemides tekkida kallutatud treeningandmete või algoritmide tõttu.

Suured ja keerulised andmekogumid, mida sageli genereerivad (tööstuslikud) andurid, aga ka ettevõtted, organisatsioonid ja inimesed. Kuna need andmed on sageli struktureerimata, mittetäielikud või valed, ei saa tehisintellekti toega tarkvara neid tavaliselt sisukalt töödelda.

Tehisintellektiga töötav programm, mis suudab inimestega suhelda teksti- või häälsuhtluse kaudu.

Tehisintellekti tüüp, mille eesmärk on korrata inimese kognitiivseid protsesse, nagu taju, arutluskäik ja otsuste tegemine.

Tehisintellekti alamhulk, mis võimaldab arvutitel saada teavet visuaalidest, näiteks piltidest ja videotest, et neid mõista ja tõlgendada.

Strateegiad, mõõtmised ja tööriistad digitaalse teabe kaitsmiseks väliste ründajate eest. Tehisintellekti saab kasutada küberrünnakute tuvastamiseks ja ennetamiseks ning turvarikkumiste tuvastamiseks ja neile reageerimiseks.

Andmete analüüsimise ja tõlgendamise protsess teadmiste avastamiseks ja teadlike otsuste tegemiseks.

Arvutisüsteemid, mis on loodud selleks, et aidata inimestel otsuseid langetada, pakkudes asjakohast teavet ja analüüsi.

õppe alamhulk, mis hõlmab mitme kihiga närvivõrkude kasutamist, et masinatel oleks võimalik andmetest õppida.

Matemaatiline mudel, mis kirjeldab füüsilise objekti või protsessi käitumist. Simulatsioonikeskkonnas saab digitaalset kaksikut kasutada simuleerimiseks, mis juhtuks reaalses maailmas, kui süsteemi parameetreid tuleks muuta. Digitaalseid kaksikuid saab kasutada kogu toote elutsükli vältel, sealhulgas projekteerimise, tootmise, töö- ja teenindusfaasis. Digitaalsete kaksikute visuaalsed esitused näevad välja ja käituvad nagu nende füüsilised kolleegid, peegeldades reaalset maailma ja kohanedes reaalajas seal toimuvaga.

Edge Computing on süsteemi arhitektuuri tüüp, mis erinevalt pilvandmetöötlusest viib andmetöötluse ja andmesalvestuse lähemale andmeallikatele („serv”). See aitab vähendada andmeedastuseks vajalikku reageerimisaega ja energiahulka. Edge AI süsteeme saab rakendada füüsiliselt tegeliku täitmisseadme lähedal. Need seadmed saavad kasutada tehisintellekti rakendusi ilma pilvega ühendamata.

Tehisintellekt, mis on loodud füüsilise maailmaga suhtlemiseks ja selles navigeerimiseks, sageli robotite või autonoomsete sõidukite abil.

Moraalsete põhimõtete uurimine ja rakendamine tehisintellekti väljatöötamisel ja kasutamisel, sealhulgas sellised küsimused nagu eelarvamused, privaatsus ja vastutus.

Tehisintellekt, mis on loodud olema läbipaistev ja seletatav, võimaldades inimestel mõista, kuidas ja miks masin konkreetse otsuse tegi.

On masinõppe koolitusmeetod, kus mitu eraldi seadet treenib masinõppe mudelit oma (eraldi) andmekogumiga. Võrgu peamise osalejaga jagatakse ainult lõpptulemusi.

Tehisintellekt, mis on loodud uue sisu, näiteks piltide, videote ja muusika loomiseks, ühendades olemasolevat sisu ja sellest õppides.

Rakenduse, nt CAD-tarkvara, võime autonoomselt genereerida mitmeid kujundusalternatiive, arvestades piiranguid. Kasutab selliseid tehnikaid nagu AI, optimeerimine ja simulatsioon.

Tööstuslik tehisintellekt viitab tehisintellekti rakendamisele tööstusharudes, mis moodustavad meie majanduse selgroo - tööstus, infrastruktuur, liikuvus ja tervishoid.

stusfondi mudelid (IFM) on eelnevalt koolitatud valdkonnaspetsiifiliste andmete osas, et mõista sügavalt inseneriteaduse, automatiseerimise ja tootmise „keelt” ning võimaldada tehisintellekti lahenduste kiiremat ja täpsemat kasutuselevõttu. Need pakuvad standardiseeritud lähtepunkti, säästes mastaabisäästu kaudu aega, ressursse ja energiat. IFM-id on kohandatud tegelike tööstuslike väljakutsete lahendamiseks. Need toimivad tööstuslike kopilootide luurekihina ning hõlbustavad teadmiste edastamist ja koostööd sektorite vahel. Need toetavad mitte ainult teksti, pilte ja heli, vaid ka 3D-mudeleid, 2D-jooniseid ja muid keerukaid struktuure, näiteks valdkonnaspetsiifilisi ajareade andmeid (vt ka Multimodaalsed LLM-id).

Tööstusliku kvaliteediga tehisintellekt tähistab kvaliteedi taset; usaldusväärne, turvaline ja usaldusväärne, loodud vastama kõige nõudlikumate professionaalsete keskkondade rangetele nõuetele ja standarditele.

Termin, mida kasutatakse neljanda tööstusrevolutsiooni kirjeldamiseks, mis hõlmab tehisintellekti, IoT ja muude arenenud tehnoloogiate integreerimist tootmisse ja tööstusse.

Andmevahetuse võimaldamiseks andurite, tarkvara ja ühenduvusega integreeritud tehniliste seadmete võrgustik. IoT on digitaliseerimise ja suurandmete üks peamisi tegureid.

Andmebaas, mis kujutab teadmisi omavahel ühendatud sõlmede ja servade graafikuna, mida kasutatakse tehisintellekti rakenduste, näiteks NLP ja otsingu jaoks.

Tehisintellekti keelemudeli tüüp, mida koolitatakse tohutul hulgal andmehulgal, näiteks GPT-3, inimsarnase teksti genereerimiseks.

Tehisintellekti alamhulk, mis hõlmab algoritmide ja statistiliste mudelite kasutamist, et masinatel saaksid õppida kogemustest või andmetest.

Tehisintellekti alamhulk, mis võimaldab kinnitatud kaameratega masinatel saada visuaalset teavet ümbruse mõistmiseks ja tõlgendamiseks.

Multimodaalsed LLM-id saavad samaaegselt mõista ja töödelda mitut tüüpi andmeid - näiteks teksti, pilte, heli või anduri andmeid. Need on integreeritud sellistesse rakendustesse nagu arvutinägemine, autonoomsed sõidukid ja robootika. Need parandavad objektide tuvastamist, stseeni mõistmist ja võimaldavad masinatel järgida keerukaid juhiseid. Multimodaalsed LLM-id võivad mõjutada valdkonnaspetsiifiliste andmete - näiteks ajareade, 2D- ja 3D-mudelite või masinnägemise andmete - töötlemist ja genereerimist samamoodi nagu tavalised LLM-id on mõjutanud teksti- ja kõnetöötlust.

Tehisintellekti alamhulk, mis keskendub arvutite ja inimkeele vahelisele interaktsioonile.

Liides, mis võimaldab inimestel suhelda arvutitega loomulike žeste, kõne ja muude väljendusvormide abil.

inõppe algoritmi tüüp, mis on modelleeritud inimese aju struktuuri järgi ja mida kasutatakse andmete mustrite äratundmiseks.

Mitmest alamseadmest koosnevate hoonete või masinate pinge ja voolu muutuste analüüsimise protsess, et järeldada iga seadme individuaalset panust süsteemis.

Füüsiline tehisintellekt viitab tehisintellekti integreerimisele masinatesse - näiteks robotidesse -, mis suudavad oma keskkonda tajuda ja selles tegutseda. Inimese sensorimotoorsest tsüklist inspireerituna töötleb füüsiline tehisintellekt sensoorseid sisendeid (näiteks 3D-kaameraid või kombatavaid andureid), genereerib neist juhtimiskäske ja võimaldab masinatel füüsilises 3D-keskkonnas adaptiivselt ja autonoomselt täita keerukaid ülesandeid.

Füüsikast informeeritud tehisintellekt, tuntud ka kui füüsikateadlik tehisintellekti, viitab uuele tehisintellekti meetodite klassile, mis hõlmavad füüsikaseadusi otse koolitusprotsessi. Erinevalt tavapärastest tehisintellekti lähenemisviisidest, mis tuginevad käitumise õppimiseks suuresti suurtele andmekogumitele, integreerib füüsikast informeeritud tehisintellekt õppimise suunamiseks füüsikapõhiseid piir See võimaldab tehisintellekti süsteemidele mõtestada ja ennustada isegi siis, kui reaalse maailma andmed on piiratud, kasutades meie olemasolevaid teadmisi füüsilise maailma toimimise kohta. Selle asemel, et õppida ainult näidetest, kasutavad need mudelid oma füüsikateadmisi, et suunata õppimist optimaalsemate ja füüsiliselt järjekindlamate lahenduste poole.

nustav tehisintellekt kasutab statistilist analüüsi ja masinõpet, et tuvastada mustreid masinate ja seadmete reaalajas ja ajaloolistes tööandmetes, võimaldades sellel ennustada tulevast käitumist, tuvastada kõrvalekaldeid, prognoosida võimalikke rikkeid ja soovitada hooldustoiminguid. Seda kasutatakse varade tervise ja usaldusväärsuse parandamiseks, planeerimata seisakuaja vähendamiseks ja kiirema andmepõhise otsuste tegemise toetamiseks tööstusoperatsioonide lõikes.

Tehisintellekti ja statistiliste mudelite kasutamine tulevaste sündmuste või suundumuste ennustamiseks ajalooliste andmete põhjal.

Tehisintellekti kasutamine reaalajas andmete põhjal ennustamiseks, millal masinad vajavad hooldust või remonti.

Tehisintellekti kasutamine defektide tuvastamiseks ja toodete kvaliteedistandarditele vastavuse tagamiseks.

Masinõppe tüüp, kus koolitamata agendid õpivad strateegiat süsteemi karistuste ja hüvede kaudu pärast sooritatud toiminguid.

Tehisintellekti rakendused, mis vastavad määratletud eetika- ja moraalstandarditele

seneri- ja tehisintellekti haru, mis keskendub robotite projekteerimisele, ehitamisele ja käitamisele.

AI kasutamine tekstis või kõnes väljendatud emotsioonide ja arvamuste analüüsimiseks ja tõlgendamiseks.

Elektrivõrk, mis kasutab tehisintellekti ja muid arenenud tehnoloogiaid elektri tootmise, jaotamise ja tarbimise optimeerimiseks.

Spetsialiseeritud riistvara, näiteks graafika töötlemise üksused (GPU-d) või keeletootmisüksuste (LPU-dega) toega servaseadmed, on tööstusliku tehisintellekti arenev trend. Need seadmed pakuvad ääres suure jõudlusega arvutusvõimsust, võimaldades AI algoritmide reaalajas töötlemist. Nende integreerimine võimaldab paralleelset töötlemist ja kiirendatud jõudlust, mille tulemuseks on keerukate tehisintellekti ülesannete kiirem täitmine. See kohalik töötlemine vähendab latentsust ja sõltuvust pilveressurssidest, muutes selle ajatundlike rakenduste jaoks ülioluliseks. Spetsiaalne riistvara toetab ka täiustatud tehisintellekti mudeleid, mis toob kaasa täiustatud teadmiste ja parema jõudluse. Lisaks vähendab see kulusid, minimeerides vajadust ulatusliku pilvetaristu ja andmeedastuse järele.

Masinate võime inimese kõnet ära tunda ja tõlgendada.

Õppimismeetod, kus masinõppe mudeleid koolitatakse tulemuse ennustamiseks märgistatud (teadaolevate) andmekogumitega.

pade ja materjalide voo optimeerimine tarneahelas kulude vähendamiseks ja tõhususe parandamiseks. Tehisintellekti kasutatakse sageli protsesside automatiseerimiseks, ebaefektiivsuse tuvastamiseks, kaupade kvaliteedi tagamiseks ja nõudluse prognoosimiseks.

Kunstlikud andmed, mis on loodud pigem algoritmide kui reaalsete sündmuste abil, mida kasutatakse masinõppe mudelite koolitamiseks ja valideerimiseks. Sünteetiliste andmete kvaliteet on kriitiline. See määrab, kas tehisintellekt annab pärast koolitust vastuvõetavaid tulemusi.

Õppimismeetod, kus masinõppe mudelid avastavad mustreid ja rühmitusi andmetes, mis on varem tundmatud (märgistamata).

Virtuaalne reaalsus (VR) kujutab endast digitaalselt renderdatud keskkonda, mis suudab reaalset ruumi korrata, luua alternatiivset reaalsust või kombineerida neid kahte. Kasutaja saab virtuaalset ruumi uurida kodu, kontori või tehase korruse piiridest.