Сфера ШІ охоплює широкий діапазон дисциплін і технологій. Наш глосарій найважливіших термінів допоможе вам розширити знання та глибше зануритися в цей захопливий світ.
Агентний ШІ — це вдосконалені системи ШІ, які виходять за межі простого виконання команд; вони генерують контент, самостійно виконують завдання та досягають поставлених цілей. Ці системи поєднують здатність до міркування, функції пам’яті та цикли зворотного зв’язку, що дозволяє їм самостійно планувати та виконувати дії, часто використовуючи різноманітні цифрові інструменти й адаптуючи свій підхід у процесі навчання. На відміну від традиційного ШІ, агентний ШІ може працювати як самостійно, так і в співпраці з іншими агентами ШІ, приймаючи самостійні рішення та взаємодіючи з різними платформами та системами для виконання складних завдань.
У промисловому контексті агентний ШІ передбачає впровадження систем ШІ, здатних самостійно відстежувати, аналізувати та контролювати різні аспекти промислових операцій, такі як профілактичне обслуговування, контроль якості, управління запасами або оптимізація виробничих процесів.
Штучний інтелект (ШІ) відноситься до програмного забезпечення, яке має здатність вчитися й адаптуватися. ШІ може вирішувати завдання, які вимагають від нього інтерпретації значення вхідних даних і адаптації до вимог. Зазвичай це завдання, які раніше можна було вирішувати тільки за допомогою природного інтелекту. Існує кілька типів методів ШІ, які суттєво відрізняються за сферами застосування, потенціалом і ризиками, пов'язаними з ними. Основні принципи ШІ були розроблені у 20-му столітті. Оскільки всі методи ШІ вимагають великої кількості навчальних даних, технологія зараз набуває підвищеної критичної актуальності завдяки цифровізації та великим даним.
Технологія, яка дозволяє накладати цифрову інформацію на реальні середовища й об'єкти, зазвичай використовуючи 3D-засоби захопливої віртуальної реальності. AR дозволяє покращити версію фізичного світу, додаючи цифрові візуальні, звукові й інші сенсорні елементи.
Системи, які можуть працювати без втручання людини, наприклад самокеровані автомобілі та безпілотники.
Транспортні засоби, які можуть працювати без втручання людини, наприклад самокеровані автомобілі та вантажівки.
Ненавмисні перекоси або упередженість, які можуть виникати в системах ШІ через необ'єктивні дані в навчанні або алгоритмах.
Великі та складні набори даних, які часто генеруються (промисловими) датчиками, а також компаніями, організаціями та людьми. Оскільки ці дані часто є неструктурованими, неповними або неправильними, програмне забезпечення, яке працює не на основі ШІ, зазвичай не може обробити їх належним чином.
Програма на основі ШІ, яка може взаємодіяти з людьми за допомогою текстового або голосового спілкування.
Тип ШІ, який призначений для відтворення когнітивних процесів людини, таких як сприйняття, міркування та прийняття рішень.
Галузь ШІ, яка дозволяє комп’ютерам витягувати інформацію з візуальних даних, таких як зображення та відео, для їх розуміння й інтерпретації.
Стратегії, методи оцінки й інструменти, що допомагають захистити цифрову інформацію від зовнішніх зловмисників. ШІ можна використовувати для виявлення кібератак і запобігання ним, а також для виявлення порушень безпеки та реагування на них.
Процес аналізу й інтерпретації даних для розкриття інформації та прийняття обґрунтованих рішень.
Комп'ютерні системи, призначені для допомоги людям у прийнятті рішень шляхом надання відповідної інформації й аналізу.
Галузь машинного навчання, яка передбачає використання нейронних мереж із кількома шарами, щоб дозволити машинам вчитися на даних.
Математична модель, що описує поведінку фізичного об’єкта або процесу. У середовищі моделювання цифровий двійник можна використовувати для відтворення того, що відбувалося б у реальному світі в разі зміни параметрів системи. Цифрові двійники можуть застосовуватися протягом усього життєвого циклу продукту, включно з етапами проєктування, виробництва, експлуатації й обслуговування. Візуальні зображення цифрових двійників виглядають і поводяться так само, як їхні фізичні аналоги, віддзеркалюючи реальний світ і адаптуючись у режимі реального часу до того, що відбувається.
Периферійні обчислення — це тип системної архітектури, який, на відміну від хмарних обчислень, наближає обчислювальні операції та системи зберігання даних до джерел даних («периферії»). Це допомагає скоротити час відгуку та зменшити обсяг енергії, необхідної для передачі даних. Системи периферійного ШІ можна розгортати фізично поруч із пристроєм, на якому фактично виконується обробка. Ці пристрої можуть запускати застосунки ШІ, не підключаючись до хмари.
ШІ, призначений для взаємодії з фізичним світом і навігації в ньому, часто за допомогою роботів або автономних транспортних засобів.
Вивчення та застосування моральних принципів у розробці та використанні ШІ, зокрема таких питань, як упередженість, конфіденційність і підзвітність.
ШІ, розроблений таким чином, щоб бути прозорим і зрозумілим, що дозволяє людям зрозуміти, як і чому машина прийняла певне рішення.
Це метод у галузі машинного навчання, за якого кілька окремих пристроїв навчають модель машинного навчання, використовуючи власні (окремі) набори даних. Із головним вузлом мережі вони обмінюються лише кінцевими результатами.
ШІ, призначений для створення нового контенту, такого як зображення, відео та музика, для цього поєднуючи та вивчаючи наявний контент.
Здатність застосунку, наприклад програмного забезпечення для САПР, самостійно генерувати низку варіантів проєкту з урахуванням заданого набору обмежень. Використовує такі методи, як ШІ, оптимізація та моделювання.
Промисловий ШІ — це застосування ШІ в галузях, які складають основу нашої економіки: промисловості, інфраструктурі, мобільних технологіях і охороні здоров'я.
Промислові базові моделі (Industrial Foundation Models, IFM) попередньо навчаються на галузевих даних, щоб глибоко освоїти «мову» інженерії, автоматизації та виробництва, а також забезпечити швидше та точніше впровадження рішень на основі ШІ. Вони слугують стандартизованою відправною точкою, що дозволяє заощаджувати час, ресурси та енергію завдяки ефекту масштабу. IFM розроблені для вирішення реальних промислових завдань. Вони виступають інтелектуальним шаром, що лежить в основі промислових помічників, і сприяють передачі інформації та співпраці між різними областями. Вони підтримують не лише текст, зображення й аудіо, а і 3D-моделі, 2D-креслення й інші складні структури, такі як галузеві дані часових рядів (див. також Мультимодальні LLM).
ШІ промислового класу — це гарантія високої якості: надійний, безпечний і гідний довіри, розроблений для дотримання найсуворіших вимог і стандартів у найвимогливіших професійних середовищах.
Термін, який використовується для опису четвертої промислової революції, яка передбачає інтеграцію ШІ, IoT та інших новітніх технологій у виробництво та промисловість.
Мережа технічних пристроїв із вбудованими датчиками, програмним забезпеченням і підключенням для обміну даними. IoT є одним з основних рушіїв цифровізації та роботи з великими даними.
База даних, яка представляє знання у вигляді графа взаємопов’язаних вузлів і ребер, що використовується в таких сферах ШІ, як обробка природної мови та пошук.
Тип мовної моделі ШІ, яка навчається на величезному обсязі даних, наприклад GPT-3, для генерації тексту, схожого на створений людиною.
Галузь ШІ, яка передбачає використання алгоритмів і статистичних моделей, щоб дозволити машинам вчитися на досвіді чи даних.
Галузь ШІ, яка дозволяє машинам, оснащеним камерами, отримувати візуальну інформацію для розуміння й інтерпретації навколишнього середовища.
Мультимодальні великі мовні моделі (LLM) можуть одночасно розуміти й обробляти різні типи даних, зокрема текст, зображення, аудіозаписи або дані з датчиків. Вони застосовуються в таких сферах, як комп’ютерний зір, автономні транспортні засоби та робототехніка. Вони покращують розпізнавання об’єктів і розуміння ситуацій, а також дають змогу машинам виконувати складні інструкції. Мультимодальні LLM можуть вплинути на обробку та генерацію галузевих даних — наприклад, часових рядів, 2D- і 3D-моделіей або даних для машинного зору — так само, як традиційні LLM впливають на обробку тексту та мовлення.
Галузь ШІ, яка займається взаємодією комп'ютерів і людської мови.
Інтерфейс, який дозволяє людям взаємодіяти з комп'ютерами за допомогою природних жестів, мови й інших форм спілкування.
Тип алгоритму машинного навчання, який побудований за зразком структури людського мозку та використовується для розпізнавання закономірностей у даних.
Метод аналізу змін напруги та струму в будівлях або машинах, що складаються з кількох пристроїв, із метою визначення внеску кожного пристрою в роботу системи.
Фізичний ШІ — це інтеграція штучного інтелекту в машини, зокрема в роботів, які можуть сприймати навколишнє середовище та діяти в ньому. Створений на основі сенсомоторного циклу людини, фізичний ШІ обробляє сенсорні дані (наприклад, із 3D-камер або тактильних датчиків), генерує на їх основі команди керування та дозволяє машинам адаптивно й автономно виконувати складні завдання у фізичних тривимірних середовищах.
Фізично орієнтований, також відомий як «ШІ на основі фізичних моделей», — це новий клас методів штучного інтелекту, які безпосередньо враховують фізичні закони в процесі навчання. На відміну від традиційних підходів до ШІ, які значною мірою покладаються на великі масиви даних для навчання поведінки, фізично орієнтований ШІ інтегрує фізичні обмеження для керування процесом навчання. Це дозволяє системам ШІ аналізувати та робити прогнози навіть за умови обмеженості даних про реальний світ, використовуючи наші наявні знання про те, як функціонує фізичний світ. Замість того, щоб навчатися лише на прикладах, ці моделі використовують свої знання з фізики, щоб спрямувати навчання до більш оптимальних і фізично обґрунтованих рішень.
Прогнозний ШІ використовує статистичний аналіз і машинне навчання для виявлення закономірностей у поточних та історичних операційних даних, що надходять від машин і обладнання, що дозволяє йому прогнозувати майбутню поведінку, виявляти аномалії, передбачати можливі несправності та рекомендувати заходи з технічного обслуговування. Він застосовується для поліпшення стану та надійності активів, скорочення незапланованих простоїв і сприяння швидшому прийняттю рішень на основі даних у промислових процесах.
Використання ШІ та статистичних моделей для прогнозування майбутніх подій або тенденцій на основі історичних даних.
Використання ШІ для прогнозування того, коли машини потребуватимуть технічного обслуговування або ремонту, на основі даних у режимі реального часу.
Використання ШІ для виявлення дефектів і забезпечення відповідності продукції стандартам якості.
Тип машинного навчання, при якому ненавчені агенти засвоюють стратегію за допомогою штрафів і винагород, що надаються системою після виконання дій.
Застосунки ШІ, які відповідають визначеним етичним і моральним стандартам.
Галузь інженерії та ШІ, яка зосереджена на проєктуванні, будівництві й експлуатації роботів.
Використання ШІ для аналізу й інтерпретації емоцій і думок, виражених у тексті чи мові.
Електрична мережа, яка використовує ШІ та інші новітні технології для оптимізації виробництва, розподілу та споживання електроенергії.
Спеціалізоване обладнання, таке як периферійні пристрої з графічними процесорами (GPU) або процесорами обробки мови (LPU), є новою тенденцією в галузі промислового ШІ. Ці пристрої забезпечують високу обчислювальну продуктивність на периферії, що дозволяє обробляти алгоритми ШІ в режимі реального часу. Їх інтеграція забезпечує паралельну обробку та прискорення роботи, що приводить до швидшого виконання складних завдань ШІ. Така локальна обробка зменшує затримки та залежність від хмарних ресурсів, що робить її надзвичайно важливою для застосунків, де час має вирішальне значення. Спеціалізоване обладнання також підтримує сучасні моделі ШІ, що забезпечує глибше аналізування та покращену продуктивність. Крім того, воно знижує витрати, мінімізуючи потребу в масштабній хмарній інфраструктурі та передачі даних.
Здатність машин розпізнавати й інтерпретувати людську мову.
Метод навчання, де моделі машинного навчання навчаються за міченими (відомими) наборами даних для прогнозування результату.
Оптимізація потоку товарів і матеріалів у ланцюжку поставок для зниження витрат і підвищення ефективності. ШІ часто використовується для автоматизації процесів, виявлення неефективності, забезпечення якості товарів і 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. На її основі визначається, чи дасть ШІ прийнятні результати після тренування.
Метод навчання, за якого моделі машинного навчання виявляють закономірності й об'єднання в раніше невідомих (немаркованих) даних.
Віртуальна реальність (VR) — це цифрове середовище, яке може відтворювати реальний простір, створювати альтернативну реальність або поєднувати обидва ці елементи. Користувач має змогу досліджувати віртуальний простір, не виходячи з дому, офісу чи виробничого цеху.
