Ordliste for kunstig intelligens

Agentisk AI refererer til avanserte AI-systemer som går utover bare å svare på kommandoer; de genererer innhold, utfører oppgaver autonomt og oppnår mål. Disse systemene kombinerer resonnementsegenskaper, minnefunksjoner og tilbakemeldingssløyfer for å planlegge og utføre handlinger uavhengig, ofte ved å bruke forskjellige digitale verktøy og tilpasse tilnærmingen gjennom læring. I motsetning til tradisjonell AI, kan agentic AI operere både uavhengig og i samarbeid med andre AI-agenter, ta autonome beslutninger mens de samarbeider med forskjellige plattformer og systemer for å fullføre komplekse oppgaver.

I industriell sammenheng innebærer Agentic AI å distribuere AI-systemer som uavhengig kan overvåke, analysere og kontrollere ulike aspekter av industriell drift, for eksempel prediktivt vedlikehold, kvalitetskontroll, lagerstyring eller optimalisering av produksjonsprosesser.

Kunstig intelligens (AI) refererer til programvare som har evnen til å lære og tilpasse seg. AI kan løse oppgaver som krever at den tolker betydningen av inngangsdata og tilpasser seg kravene. Vanligvis er dette oppgaver som tidligere bare kunne løses av naturlig intelligens. Det finnes flere typer AI-metoder, som avviker betydelig når det gjelder anvendelsesområder, potensialer og risikoen forbundet med dem. De grunnleggende prinsippene for AI ble utviklet i det 20. århundre. Fordi alle AI-metoder krever store mengder treningsdata, får teknologien nå økt kritisk relevans gjennom digitalisering og big data.

En teknologi som gjør at digital informasjon kan legges over på virkelige miljøer og objekter, vanligvis ved hjelp av oppslukende 3D Virtual Reality. AR tillater en forbedret versjon av den fysiske verden ved å legge til digital visuell, lyd og andre sensoriske elementer.

Systemer som kan operere uten menneskelig inngripen, for eksempel selvkjørende biler og droner.

Kjøretøy som kan operere uten menneskelig inngripen, for eksempel selvkjørende biler og lastebiler.

Utilsiktede fordommer eller favorisering som kan oppstå i AI-systemer på grunn av partiske treningsdata eller algoritmer.

Store og komplekse datasett, ofte generert av (industrielle) sensorer, men også av selskaper, organisasjoner og mennesker. Siden disse dataene ofte er ustrukturerte, ufullstendige eller feil, kan ikke-AI-drevet programvare vanligvis ikke behandle dem på en meningsfull måte.

Et AI-drevet program som kan samhandle med mennesker gjennom tekst- eller stemmekommunikasjon.

En type AI som tar sikte på å replikere menneskelige kognitive prosesser, for eksempel persepsjon, resonnement og beslutningstaking.

En delmengde av AI som lar datamaskiner trekke ut informasjon fra bilder, for eksempel bilder og videoer, for å forstå og tolke dem.

Strategier, målinger og verktøy for å sikre digital informasjon fra eksterne angripere. AI kan brukes til å oppdage og forhindre nettangrep, og for å identifisere og reagere på sikkerhetsbrudd.

Prosessen med å analysere og tolke data for å avdekke innsikt og ta informerte beslutninger.

Datasystemer som er designet for å hjelpe mennesker med å ta beslutninger ved å gi relevant informasjon og analyse.

En delmengde av maskinlæring som involverer bruk av nevrale nettverk med flere lag for å gjøre det mulig for maskiner å lære av data.

En matematisk modell som beskriver oppførselen til et fysisk objekt eller en prosess. I et simuleringsmiljø kan en digital tvilling brukes til å simulere hva som ville skje i den virkelige verden hvis parametrene til systemet skulle endres. Digitale tvillinger kan brukes gjennom hele produktets livssyklus, inkludert design-, produksjons-, drifts- og servicefasene. Visuelle representasjoner av digitale tvillinger ser ut og oppfører seg som deres fysiske kolleger, speiler den virkelige verden og tilpasser seg i sanntid til det som skjer der.

Edge Computing er en type systemarkitektur som, i motsetning til cloud computing, bringer databehandling og datalagring nærmere datakildene («kanten»). Det bidrar til å redusere responstider og mengden energi som kreves for dataoverføring. Edge AI-systemer kan implementeres fysisk nær den faktiske utførelsesenheten. Disse enhetene kan kjøre AI-applikasjoner uten å være koblet til skyen.

AI som er designet for å samhandle med og navigere i den fysiske verden, ofte gjennom bruk av roboter eller autonome kjøretøy.

Studien og anvendelsen av moralske prinsipper i utvikling og bruk av AI, inkludert spørsmål som skjevhet, personvern og ansvarlighet.

AI som er designet for å være gjennomsiktig og forklarbar, slik at mennesker kan forstå hvordan og hvorfor en maskin tok en bestemt beslutning.

Er en treningsmetode i maskinlæring der flere separate enheter trener en maskinlæringsmodell med sitt eget (separate) datasett. Bare sluttresultatene deles med hovedaktøren i nettverket.

AI som er designet for å generere nytt innhold, for eksempel bilder, videoer og musikk ved å kombinere og lære av eksisterende innhold.

Evnen til en applikasjon, for eksempel CAD-programvare, til autonomt å generere et antall designalternativer gitt et sett med begrensninger. Bruker teknikker som AI, optimalisering og simulering.

Industriell AI refererer til anvendelsen av AI i bransjene som utgjør ryggraden i økonomiene våre - industri, infrastruktur, mobilitet og helsetjenester.

Industrial Foundation Models (IFM) er forhåndstrente i bransjespesifikke data for å forstå «språket» innen prosjektering, automatisering og produksjon, og for å muliggjøre raskere og mer nøyaktig distribusjon av AI-løsninger. De gir et standardisert utgangspunkt, og sparer tid, ressurser og energi gjennom stordriftsfordeler. IFM-er er skreddersydd for å løse virkelige industrielle utfordringer. De fungerer som etterretningslaget bak Industrial Copilots og letter kunnskapsoverføring og samarbeid på tvers av sektorer. De støtter ikke bare tekst, bilder og lyd, men også 3D-modeller, 2D-tegninger og andre komplekse strukturer som bransjespesifikke tidsseriedata (se også Multimodal LLM-er).

AI i industriell kvalitet betegner et kvalitetsnivå; pålitelig, sikker og pålitelig, designet for å oppfylle de strenge kravene og standardene i de mest krevende profesjonelle miljøene.

Et begrep som brukes for å beskrive den fjerde industrielle revolusjonen, som innebærer integrering av AI, IoT og andre avanserte teknologier i produksjon og industri.

Nettverket av tekniske enheter innebygd med sensorer, programvare og tilkobling for å muliggjøre datautveksling. IoT er en av hoveddriverne for digitalisering og big data.

En database som representerer kunnskap som en graf over sammenkoblede noder og kanter, brukt til AI-applikasjoner som NLP og søk.

En type AI-språkmodell som er trent på enorme mengder data, for eksempel GPT-3, for å generere menneskelignende tekst.

En delmengde av AI som involverer bruk av algoritmer og statistiske modeller for å gjøre det mulig for maskiner å lære av erfaring eller data.

En delmengde av AI som lar maskiner med tilknyttede kameraer trekke ut visuell informasjon for å forstå og tolke omgivelsene.

Multimodale LLM-er kan forstå og behandle flere typer data - for eksempel tekst, bilder, lyd eller sensordata - samtidig. De er integrert i applikasjoner som datasyn, autonome kjøretøy og robotikk. De forbedrer gjenkjenning av objekter, sceneforståelse og gjør det mulig for maskiner å følge komplekse instruksjoner. Multimodale LLM-er har potensial til å påvirke behandlingen og genereringen av bransjespesifikke data - for eksempel tidsserier, 2D- og 3D-modeller eller data for maskinsyn - på samme måte som konvensjonelle LLM-er har påvirket tekst- og talebehandling.

En delmengde av AI som fokuserer på samspillet mellom datamaskiner og menneskelig språk.

Et grensesnitt som gjør det mulig for mennesker å samhandle med datamaskiner ved hjelp av naturlige bevegelser, tale og andre uttrykksformer.

En type maskinlæringsalgoritme som er modellert etter strukturen i den menneskelige hjernen og brukes til å gjenkjenne mønstre i data.

En prosess for å analysere endringer i spenning og strøm til bygninger eller maskiner som omfatter flere underenheter for å utlede det individuelle bidraget til hver enhet i systemet.

Fysisk AI refererer til integrering av kunstig intelligens i maskiner - for eksempel roboter - som kan føle miljøet og handle innenfor det. Inspirert av den menneskelige sensorimotoriske syklusen behandler fysisk AI sensoriske innganger (for eksempel 3D-kameraer eller taktile sensorer), genererer kontrollkommandoer fra dem og gjør det mulig for maskiner å utføre komplekse oppgaver adaptivt og autonomt i fysiske 3D-miljøer.

Fysikkinformert AI, også kjent som Physics-aware AI, refererer til en ny klasse av kunstige intelligensmetoder som inkorporerer fysikklover direkte i treningsprosessen. I motsetning til konvensjonelle AI-tilnærminger som er avhengige av store datasett for å lære atferd, integrerer fysikkinformert AI fysikkbaserte begrensninger for å veilede læring. Dette gjør det mulig for AI-systemer å resonnere og komme med spådommer selv når data fra den virkelige verden er begrenset, ved å utnytte vår eksisterende kunnskap om hvordan den fysiske verden fungerer. I stedet for å lære bare fra eksempler, bruker disse modellene sin fysikkkunnskap til å styre læring mot mer optimale og fysisk konsistente løsninger.

Prediktiv AI utnytter statistisk analyse og maskinlæring for å identifisere mønstre i sanntids og historiske driftsdata fra maskiner og utstyr, slik at den kan forutsi fremtidig atferd, oppdage avvik, forutsi potensielle feil og anbefale vedlikeholdshandlinger. Den brukes til å forbedre ressursens helse og pålitelighet, redusere uplanlagt nedetid og støtte raskere datadrevet beslutningstaking på tvers av industrielle operasjoner.

Bruk av AI og statistiske modeller for å forutsi fremtidige hendelser eller trender basert på historiske data.

Bruken av AI for å forutsi når maskiner trenger vedlikehold eller reparasjoner, basert på sanntidsdata.

Bruken av AI for å oppdage feil og sikre at produktene oppfyller kvalitetsstandarder.

En type maskinlæring der utrente agenter lærer en strategi gjennom straffer og belønninger av systemet etter utførte handlinger.

AI-applikasjoner som oppfyller definerte etiske og moralske standarder.

Grenen av ingeniørfag og AI som fokuserer på design, konstruksjon og drift av roboter.

Bruken av AI for å analysere og tolke følelser og meninger uttrykt i tekst eller tale.

Et elektrisk nett som bruker AI og annen avansert teknologi for å optimalisere generering, distribusjon og forbruk av elektrisitet.

Spesialisert maskinvare, for eksempel grafikkbehandlingsenheter (GPUer) eller Language Processing Units (LPUer) -aktiverte kantenheter, er en fremvoksende trend innen industriell AI. Disse enhetene gir datakraft med høy ytelse på kanten, noe som muliggjør sanntidsbehandling av AI-algoritmer. Integrasjonen deres muliggjør parallell prosessering og akselerert ytelse, noe som resulterer i raskere utførelse av komplekse AI-oppgaver. Denne lokale behandlingen reduserer ventetid og avhengighet av skyressurser, noe som gjør den avgjørende for tidssensitive applikasjoner. Spesialisert maskinvare støtter også avanserte AI-modeller, noe som fører til forbedret innsikt og forbedret ytelse. Videre reduserer det kostnadene ved å minimere behovet for omfattende skyinfrastruktur og dataoverføring.

Maskiners evne til å gjenkjenne og tolke menneskelig tale.

En læringsmetode der maskinlæringsmodeller trenes med merkede (kjente) datasett for å forutsi et utfall.

Flytoptimalisering av varer og materialer i en forsyningskjede for å redusere kostnader og forbedre effektiviteten. AI brukes ofte til prosessautomatisering, ineffektivitetsdeteksjoner, kvalitetssikring av varer og etterspørselsprognoser.

Kunstige data generert av algoritmer i stedet for virkelige hendelser som brukes til å trene og validere maskinlæringsmodeller. Kvaliteten på de syntetiske dataene er kritisk. Det avgjør om AI vil gi akseptable resultater etter trening.

En læringsmetode der maskinlæringsmodeller oppdager mønstre og grupperinger i data som tidligere er ukjente (umerkede).

Virtual Reality (VR) presenterer et digitalt gjengitt miljø som kan gjenskape et faktisk rom, skape en alternativ virkelighet eller kombinere de to. Brukeren er i stand til å utforske det virtuelle rommet fra hjemmet, kontoret eller fabrikkgulvet.