Сфера штучного інтелекту охоплює широкий спектр дисциплін та технологій. Цей глосарій найважливіших ключових термінів може допомогти розширити ваше розуміння та глибше заглибитися в цей захоплюючий світ.
Agentic AI відноситься до передових систем штучного інтелекту, які виходять за рамки простого реагування на команди; вони генерують вміст, автономно виконують завдання та досягають цілей. Ці системи поєднують можливості міркування, функції пам'яті та цикли зворотного зв'язку для самостійного планування та виконання дій, часто використовуючи різні цифрові інструменти та адаптуючи свій підхід через навчання. На відміну від традиційного штучного інтелекту, агентичний штучний інтелект може працювати як незалежно, так і спільно з іншими агентами штучного інтелекту, приймаючи автономні рішення, взаємодіючи з різними платформами та системами для виконання складних завдань.
У промисловому контексті Agentic AI передбачає розгортання систем штучного інтелекту, які можуть самостійно контролювати, аналізувати та контролювати різні аспекти промислових операцій, такі як прогнозне обслуговування, контроль якості, управління запасами або оптимізація виробничих процесів.
Штучний інтелект (AI) відноситься до програмного забезпечення, яке має здатність вчитися та адаптуватися. AI може вирішувати завдання, які вимагають від нього інтерпретації значення вхідних даних та адаптації до вимог. Як правило, це завдання, які раніше міг вирішуватися тільки природним інтелектом. Існує кілька типів методів штучного інтелекту, які суттєво відрізняються за сферами застосування, потенціалом та ризиками, пов'язаними з ними. Основні принципи штучного інтелекту були розроблені в 20 столітті. Оскільки всі методи штучного інтелекту вимагають великої кількості навчальних даних, технологія зараз набуває підвищеної критичної актуальності завдяки оцифруванню та великих даних.
Технологія, яка дозволяє накладати цифрову інформацію на реальні середовища та об'єкти, як правило, використовуючи захоплюючу 3D віртуальну реальність. AR дозволяє покращити версію фізичного світу, додаючи цифрові візуальні, звукові та інші сенсорні елементи.
Системи, які можуть працювати без втручання людини, такі як самокеровані автомобілі та безпілотники.
Транспортні засоби, які можуть працювати без втручання людини, такі як самокеровані автомобілі та вантажівки.
Ненавмисні упередження або фаворитизм, які можуть виникнути в системах штучного інтелекту через упереджені навчальні дані або алгоритми.
Великі та складні набори даних, часто генеруються (промисловими) датчиками, а також компаніями, організаціями та людьми. Оскільки ці дані часто є неструктурованими, неповними або неправильними, програмне забезпечення, яке не працює на штучному інтелекті, зазвичай не може обробити їх значущим чином.
Програма на базі штучного інтелекту, яка може взаємодіяти з людьми за допомогою текстового або голосового спілкування.
Тип штучного інтелекту, який спрямований на відтворення когнітивних процесів людини, таких як сприйняття, міркування та прийняття рішень.
Підмножина штучного інтелекту, яка дозволяє комп'ютерам витягувати інформацію з візуальних зображень, таких як зображення та відео, щоб зрозуміти та інтерпретувати їх.
Стратегії, вимірювання та інструменти для захисту цифрової інформації від зовнішніх зловмисників. AI може бути використаний для виявлення та запобігання кібератакам, а також для виявлення та реагування на порушення безпеки.
Процес аналізу та інтерпретації даних для розкриття інформації та прийняття обґрунтованих рішень.
Комп'ютерні системи, призначені для допомоги людям у прийнятті рішень шляхом надання відповідної інформації та аналізу.
Підмножина машинного навчання, яка передбачає використання нейронних мереж з декількома шарами, щоб дозволити машинам вчитися на даних.
Математична модель, яка описує поведінку фізичного об'єкта або процесу. У середовищі моделювання цифровий близнюк може бути використаний для імітації того, що станеться в реальному світі, якби параметри системи були змінені. Цифрові близнюки можна використовувати протягом усього життєвого циклу продукту, включаючи етапи проектування, виготовлення, експлуатації та обслуговування. Візуальні уявлення цифрових близнюків виглядають і поводяться як їхні фізичні колеги, відображаючи реальний світ і адаптуючись у режимі реального часу до того, що там відбувається.
Edge Computing - це тип системної архітектури, який, на відміну від хмарних обчислень, наближає обчислення та зберігання даних до джерел даних («край»). Це допомагає скоротити час відгуку та кількість енергії, необхідної для передачі даних. Edge AI системи можуть бути реалізовані фізично близько до фактичного пристрою виконання. Ці пристрої можуть запускати програми AI без підключення до хмари.
AI, призначений для взаємодії з фізичним світом та навігації в ньому, часто за допомогою роботів або автономних транспортних засобів.
Вивчення та застосування моральних принципів у розробці та використанні ШІ, включаючи такі питання, як упередженість, конфіденційність та підзвітність.
AI, розроблений таким чином, щоб бути прозорим і зрозумілим, що дозволяє людям зрозуміти, як і чому машина прийняла певне рішення.
Це метод навчання в машинному навчанні, де кілька окремих пристроїв навчають модель машинного навчання з власним (окремим) набором даних. Тільки кінцеві результати поділяються з головним учасником мережі.
AI, призначений для створення нового вмісту, такого як зображення, відео та музика, поєднуючи та вивчаючи існуючий вміст.
Можливість програми, наприклад, програмного забезпечення САПР, автономно генерувати ряд альтернатив дизайну з урахуванням набору обмежень. Використовує такі методи, як AI, оптимізація та моделювання.
Промисловий ШІ відноситься до застосування штучного інтелекту в галузях, які складають основу нашої економіки - промисловості, інфраструктури, мобільності та охорони здоров'я.
Моделі промислових фундаментів (IFM) попередньо навчаються з галузевих даних, щоб глибоко зрозуміти «мову» інженерії, автоматизації та виробництва, а також забезпечити більш швидке та точне розгортання рішень AI. Вони забезпечують стандартизовану вихідну точку, економлячи час, ресурси та енергію завдяки економії масштабу. IFM розроблені для вирішення реальних промислових завдань. Вони виступають як рівень інтелекту за промисловими копілотами та сприяють передачі знань та співпраці між секторами. Вони підтримують не тільки текст, зображення та аудіо, але й 3D-моделі, 2D-креслення та інші складні структури, такі як дані часових рядів, специфічні для галузі (див. Також Multimodal LLM).
Інтелектуальний інтелект означає рівень якості; надійний, безпечний та надійний, розроблений для задоволення суворих вимог та стандартів найвимогливіших професійних середовищ.
Термін, який використовується для опису четвертої промислової революції, яка передбачає інтеграцію AI, IoT та інших передових технологій у виробництво та промисловість.
Мережа технічних пристроїв, вбудованих датчиками, програмним забезпеченням та підключенням для забезпечення обміну даними. IoT є одним з основних драйверів цифровізації та великих даних.
База даних, яка представляє знання як графік взаємопов'язаних вузлів і ребер, що використовується для додатків AI, таких як NLP та пошук.
Тип мовної моделі штучного інтелекту, яка навчається на величезній кількості даних, таких як GPT-3, для створення тексту, схожого на людину.
Підмножина штучного інтелекту, яка передбачає використання алгоритмів та статистичних моделей, щоб дозволити машинам вчитися на досвіді чи даних.
Підмножина штучного інтелекту, яка дозволяє машинам з прикріпленими камерами витягувати візуальну інформацію для розуміння та інтерпретації свого оточення.
Мультимодальні LLM можуть розуміти та обробляти кілька типів даних - таких як текст, зображення, аудіо або дані датчиків - одночасно. Вони інтегровані в такі програми, як комп'ютерний зір, автономні транспортні засоби та робототехніка. Вони покращують розпізнавання об'єктів, розуміння сцени та дозволяють машинам виконувати складні інструкції. Мультимодальні LLM мають потенціал впливати на обробку та генерацію галузевих даних - таких як часові ряди, 2D та 3D моделі або дані для машинного зору - так само, як звичайні LLM вплинули на обробку тексту та мови.
Підмножина штучного інтелекту, яка зосереджується на взаємодії комп'ютерів та людської мови.
Інтерфейс, який дозволяє людям взаємодіяти з комп'ютерами за допомогою природних жестів, мови та інших форм вираження.
Тип алгоритму машинного навчання, який моделюється за структурою людського мозку і використовується для розпізнавання закономірностей у даних.
Процес аналізу змін напруги та струму будівель або машин, що містять кілька підпристроїв для виведення індивідуального внеску кожного пристрою в систему.
Фізичний штучний інтелект відноситься до інтеграції штучного інтелекту в машини - такі як роботи - які можуть відчувати своє оточення та діяти всередині нього. Натхненний сенсомоторним циклом людини, фізичний штучний інтелект обробляє сенсорні входи (такі як 3D-камери або тактильні датчики), генерує з них команди управління та дозволяє машинам адаптивно та автономно виконувати складні завдання у фізичних 3D-середовищах.
Інформований фізикою ШІ, також відомий як штучний інтелект, що усвідомлює фізику, відноситься до нового класу методів штучного інтелекту, які включають закони фізики безпосередньо в навчальний процес. На відміну від звичайних підходів до ШІ, які значною мірою покладаються на великі набори даних для вивчення поведінки, штучний інтелект, інформований фізикою, інтегрує обмеження на основі фізики для керівництва навчанням. Це дозволяє системам штучного інтелекту міркувати та робити прогнози, навіть коли дані реального світу обмежені, використовуючи наші існуючі знання про те, як працює фізичний світ. Замість того, щоб вчитися лише на прикладах, ці моделі використовують свої знання з фізики, щоб направити навчання до більш оптимальних та фізично послідовних рішень.
Прогнозний штучний інтелект використовує статистичний аналіз та машинне навчання для виявлення закономірностей у режимі реального часу та історичних операційних даних з машин та обладнання, що дозволяє йому передбачати майбутню поведінку, виявляти аномалії, прогнозувати потенційні збої та рекомендувати дії з технічного обслуговування. Він використовується для підвищення працездатності та надійності активів, скорочення незапланованих простоїв та підтримки швидшого прийняття рішень на основі даних у всіх промислових операціях.
Використання штучного інтелекту та статистичних моделей для прогнозування майбутніх подій або тенденцій на основі історичних даних.
Використання штучного інтелекту для прогнозування того, коли машини потребуватимуть технічного обслуговування або ремонту, на основі даних у режимі реального часу.
Використання AI для виявлення дефектів та забезпечення відповідності продукції стандартам якості.
машинного навчання, де непідготовлені агенти вивчають стратегію через штрафи та винагороди системи після виконаних дій.
Програми AI, які відповідають визначеним етичним та моральним стандартам.
Галузь інженерії та штучного інтелекту, яка зосереджена на проектуванні, будівництві та експлуатації роботів.
Використання AI для аналізу та інтерпретації емоцій та думок, виражених у тексті чи мові.
Електрична мережа, яка використовує штучний інтелект та інші передові технології для оптимізації виробництва, розподілу та споживання електроенергії.
Спеціалізоване обладнання, таке як графічні процесорні блоки (GPU) або периферійні пристрої з підтримкою мовної обробки (LPU), є новою тенденцією в промисловому штучному інтелекті. Ці пристрої забезпечують високопродуктивну обчислювальну потужність на краю, що дозволяє обробляти алгоритми штучного інтелекту в режимі реального часу. Їх інтеграція дозволяє здійснювати паралельну обробку та прискорену продуктивність, що призводить до швидшого виконання складних завдань AI. Ця локальна обробка зменшує затримку та залежність від хмарних ресурсів, що робить її вирішальною для програм, чутливих до часу. Спеціалізоване обладнання також підтримує вдосконалені моделі штучного інтелекту, що призводить до покращеного розуміння та покращення продуктивності. Крім того, це знижує витрати, мінімізуючи потребу в обширній хмарній інфраструктурі та передачі даних.
Здатність машин розпізнавати і інтерпретувати людську мову.
Метод навчання, де моделі машинного навчання навчаються з міченими (відомими) наборами даних для прогнозування результату.
Оптимізація потоку товарів і матеріалів в ланцюжку поставок для зниження витрат і підвищення ефективності. AI часто використовується для автоматизації процесів, виявлення неефективності, забезпечення якості товарів та прогнозування попиту.
Штучні дані, створені алгоритмами, а не реальними подіями, які використовуються для навчання та перевірки моделей машинного навчання. Якість синтетичних даних має вирішальне значення. Він визначає, чи дасть ШІ прийнятні результати після тренування.
Метод навчання, коли моделі машинного навчання виявляють шаблони та групування в даних, які раніше невідомі (без міток).
Віртуальна реальність (VR) представляє цифрове рендерироване середовище, яке може відтворювати фактичний простір, створювати альтернативну реальність або поєднувати обидва. Користувач може досліджувати віртуальний простір з меж будинку, офісу або заводського поверху.
