DI žodynas
Pagrindiniai dirbtinio intelekto ir verslo technologijų terminai — praktiniai, be žargono paaiškinimai.
135 terms
A
A/B Testing dirbtinio intelekto modeliams
A/B Testing dirbtinio intelekto modeliams lygina kelias modelio versijas gamybinėje aplinkoje, siekiant nustatyti, kuri versija pasiekia geresnius verslo rezultatus su statistiniu patikimumu.
Skaityti daugiau →A2A (Agent-to-Agent Protocol)
Protokolas komunikacijai tarp skirtingų tiekėjų DI agentų — leidžiantis bendradarbiauti Google, Microsoft ir Salesforce agentams.
Skaityti daugiau →Agentinis DI
DI sistemos, galinčios autonomiškai planuoti, priimti sprendimus ir vykdyti daugiažingsnes užduotis be nuolatinės žmogaus priežiūros.
Skaityti daugiau →AI Act rizikos klasifikacija
ES DI aktas klasifikuoja DI sistemas į keturis rizikos lygius – nepriimtina, didelė, ribota ir minimali – kiekvienam taikomi specifiniai reguliaciniai reikalavimai.
Skaityti daugiau →AI Red Teaming
DI sistemos saugumo testavimas simuluotomis atakomis — pažeidžiamumų, apsaugos barjerų apėjimų ir modelio manipuliavimo metodų paieška.
Skaityti daugiau →Atsakingas DI
Atsakingas DI yra organizacinis požiūris, užtikrinantis, kad DI sistemos būtų kuriamos ir diegiamos etiškai, teisingai, skaidriai ir su atsakomybe.
Skaityti daugiau →Atsirandančios dirbtinio intelekto galimybės (Emergent Abilities)
Galimybės, kurios netikėtai atsiranda dideliuose dirbtinio intelekto modeliuose pasiekus tam tikrą mastelį, nebūdingos mažesnėms tos pačios architektūros versijoms.
Skaityti daugiau →Atviro kodo DI
DI modeliai, sistemos ir įrankiai, išleisti pagal atviras licencijas, įgalinantys skaidrumą, pritaikymą ir bendruomenės varomą inovaciją.
Skaityti daugiau →Autonominiai dirbtinio intelekto agentai
Dirbtinio intelekto sistemos, kurios savarankiškai planuoja, vykdo ir pritaiko veiksmų sekas sudėtingiems tikslams pasiekti su minimalia žmogaus intervencija.
Skaityti daugiau →B
Bazinis modelis
Didelis, iš anksto apmokytas DI modelis, tarnaujantis kaip pagrindas — pritaikomas per fine-tuningą konkrečioms reikmėms.
Skaityti daugiau →Bendra DI nuosavybės kaina (TCO)
Išsami viso gyvavimo ciklo DI sistemų kaštų analizė, apimanti infrastruktūrą, personalą, stebėjimą ir nuolatinę priežiūrą.
Skaityti daugiau →C
Chain of Thought
Raginimo technika, kurioje DI modelis "mąsto garsiai" — samprotauja žingsnis po žingsnio, gerindamas tikslumą sudėtinguose klausimuose.
Skaityti daugiau →CI/CD dirbtiniam intelektui
CI/CD dirbtiniam intelektui išplečia nuolatinės integracijos ir pristatymo praktikas mašininiam mokymuisi, automatizuojant modelių ir duomenų konvejerių testavimą, validavimą ir diegimą.
Skaityti daugiau →Computer Use (DI)
DI modelių gebėjimas tiesiogiai valdyti kompiuterį — spausti, rašyti, naršyti sąsajose kaip žmogus.
Skaityti daugiau →D
Daugiaagenčių sistemos
DI architektūra, kurioje dešimtys specializuotų agentų bendradarbiauja atliekant užduotis — kiekvienas su unikaliomis kompetencijomis ir vaidmenimis.
Skaityti daugiau →Debesijos dirbtinis intelektas prieš vietinį diegimą
Debesijoje talpinto ir vietinio dirbtinio intelekto diegimo modelių palyginimas kaštų, kontrolės, saugumo, keičiamumo ir atitikties aspektais.
Skaityti daugiau →Dėmesio mechanizmas (Attention Mechanism)
Neuroninio tinklo technika, leidžianti modeliams sutelkti dėmesį į aktualiausias įvesties duomenų dalis kuriant išvesties rezultatus.
Skaityti daugiau →DI apsaugos barjerai
Apsauginiai mechanizmai, ribojantys DI modelio elgseną — turinio filtrai, išvesties validavimas, teisių ribojimai ir saugumo kontrolės.
Skaityti daugiau →DI atitikties testavimas
Sistemingas DI sistemų testavimas, siekiant užtikrinti atitiktį reguliaciniams reikalavimams, pramoniniams standartams ir organizacinėms politikoms.
Skaityti daugiau →DI atsakymų srautinis perdavimas
Technika, kurianti DI išvesties pasirodymą naudotojui palaipsniui, o ne laukiant viso atsakymo sugeneravimo.
Skaityti daugiau →DI auditas
Sistemingas DI sistemų vertinimas saugumo, reguliacinės atitikties, rezultatų kokybės ir verslo rizikos atžvilgiu.
Skaityti daugiau →DI dokumentų apibendrinimas
DI naudojimas automatiškai sutraukti ilgus dokumentus į glaustas santraukas, išsaugant esminę informaciją ir kontekstą.
Skaityti daugiau →DI duomenų anonimizavimas
Automatinis asmens duomenų (PII) pašalinimas arba maskavimas mokymo rinkiniuose ir DI modelio užklausose, atitinkantis BDAR.
Skaityti daugiau →DI įdiegimo veiksmingmu pllanas
Struktūrizuotas metodas DI sprendimų įdiegimui organizacijose, nuo koncepcijos iki produkcinio veikimo.
Skaityti daugiau →DI inferencija
Apmokyto DI modelio atsakymų generavimo procesas — gamybinis etapas, kuriame modelis apdoroja įvestis ir grąžina rezultatus.
Skaityti daugiau →DI integracija su IT sistemomis
DI galimybių sujungimas su esama įmonės IT infrastruktūra – nuo ERP ir CRM sistemų iki duomenų bazių ir komunikacijos platformų.
Skaityti daugiau →DI investicijų grąža (ROI)
Metodikos ir metrikos, skirtos įvertinti verslo vertę ir finansinę grąžą iš dirbtinio intelekto investicijų.
Skaityti daugiau →DI mastelizavimas organizacijose
Strategijos ir iššūkiai plečiant DI iš pilotų į visą organizaciją apimančią galimybę.
Skaityti daugiau →DI modelių stebėjimas
DI modelių stebėjimas nuolat seka modelio našumą, duomenų kokybę ir sistemos būklę produkcijoje, kad aptiktų degradaciją ir užtikrintų patikimas DI operacijas.
Skaityti daugiau →DI orkestracija
Kelių DI modelių ir agentų koordinavimas, kartu dirbant prie sudėtingų užduočių — nuo išteklių paskirstymo iki duomenų srauto valdymo.
Skaityti daugiau →DI papildytas OCR
Pažangus optinis simbolių atpažinimas, papildytas DI, tiksliai išgaunančis tekstą iš įvairių dokumentų, rankraščių ir vaizdų.
Skaityti daugiau →DI porinis programavimas
Bendradarbiavimas su DI asistentu programinės įrangos kūrimo metu, gaunant realaus laiko kodo pasiūlymus, derinimo ir problemų sprendimo pagalbą.
Skaityti daugiau →DI raštingumas
Privalomas nuo 2025 m. vasario — gebėjimas suprasti ir atsakingai naudoti DI, reikalaujamas DI akto 4 straipsnyje.
Skaityti daugiau →DI samprotavimas
DI sistemų gebėjimas atlikti loginį mąstymą, kelių žingsnių problemų sprendimą ir struktūrizuotą analizę už šablonų atpažinimo ribų.
Skaityti daugiau →DI stebimumas
DI sistemų stebėjimas realiuoju laiku — našumo, išlaidų, atsakymų kokybės ir anomalijų monitoringas gamybinėse aplinkose.
Skaityti daugiau →DI šališkumas
Sistemingi prietarai DI modelio išvestyse, kylantys iš nelygių mokymo duomenų — diskriminacijos ir reguliacinės neatitikties rizika.
Skaityti daugiau →DI tiekimo grandinės saugumas
Rizikų valdymas ir saugumo užtikrinimas DI komponentų, modelių ir duomenų tiekimo grandinėje.
Skaityti daugiau →DI tokenizavimas
Teksto konvertavimo į žetonus (žodžių/simbolių fragmentus) procesas, kurį DI modelis supranta — tiesiogiai veikia išlaidas ir kokybę.
Skaityti daugiau →DI valdysena
Organizacinis karkasas DI valdymui įmonėje — politikos, procesai, atsakomybė ir reguliacinė atitiktis.
Skaityti daugiau →DI valdomos žinių valdymas
DI technologijų naudojimas organizacinių žinių fiksavimui, organizavimui ir pateikimui, gerinant informacijos prieinamumą ir sprendimų priėmimą.
Skaityti daugiau →DI vandens ženklai
Technikos, leidžiančios įterpti slepiamus signalus į DI sugeneruotą turinį, siekiant identifikuoti jo kilmę ir aptikti klastotes.
Skaityti daugiau →Diferencinis privatumas (Differential Privacy)
Diferencinis privatumas yra matematinė sistema, leidžianti dirbtinio intelekto sistemoms mokytis iš duomenų rinkinių, kartu teikiant formalias individualių duomenų apsaugos garantijas.
Skaityti daugiau →Dirbtinio intelekto brandos modelis (AI Maturity Model)
Struktūrizuota sistema organizacijos pasirengimo, galimybių ir pažangos vertinimui diegiant dirbtinį intelektą.
Skaityti daugiau →Dirbtinio intelekto etika
Dirbtinio intelekto etika nagrinėja moralinius principus ir visuomeninius dirbtinio intelekto padarinius, nukreipdama organizacijas link naudingo ir sąžiningo dirbtinio intelekto kūrimo.
Skaityti daugiau →Dirbtinio intelekto įsigijimas (AI Procurement)
Dirbtinio intelekto sprendimų vertinimo, pasirinkimo ir įsigijimo procesas, reikalaujantis specializuotų kriterijų, viršijančių tradicinius IT pirkimus.
Skaityti daugiau →Dirbtinio intelekto kodo generavimas
Dirbtinio intelekto modelių naudojimas automatiškai rašyti, užbaigti ir transformuoti pirminį kodą remiantis natūralios kalbos instrukcijomis ar kontekstu.
Skaityti daugiau →Dirbtinio intelekto kompetencijų centras (AI CoE)
Specializuotas organizacinis padalinys, skatinantis dirbtinio intelekto diegimą, teikiantis ekspertizę, standartus, geriausias praktikas ir bendrus išteklius.
Skaityti daugiau →Dirbtinio intelekto konvejeris (AI Pipeline)
AI Pipeline yra automatizuota duomenų apdorojimo, modelių mokymo, vertinimo ir diegimo žingsnių seka, kurianti gamybai paruoštas dirbtinio intelekto sistemas.
Skaityti daugiau →Dirbtinio intelekto lyginamieji testai (AI Benchmarks)
AI Benchmarks yra standartizuotos vertinimo sistemos, matuojančios ir lyginančios dirbtinio intelekto modelių galimybes konkrečiose užduotyse ir srityse.
Skaityti daugiau →Dirbtinio intelekto modelio vertinimas
Dirbtinio intelekto modelio vertinimas sistemingai vertina modelio veikimą naudojant rodiklius, testinius duomenų rinkinius ir sričiai specifinius kriterijus, užtikrinant pasirengimą gamybai.
Skaityti daugiau →Dirbtinio intelekto procesų automatizavimas
Dirbtinio intelekto naudojimas sudėtingiems verslo procesams automatizuoti, kurie reikalauja sprendimų priėmimo, nestruktūrinių duomenų ir dinaminio sprendimų priėmimo.
Skaityti daugiau →Dirbtinio intelekto smėlio dėžė (AI Sandbox)
Izoliuota aplinka saugiam eksperimentavimui su dirbtinio intelekto modeliais, naujų metodų testavimui ir sprendimų validavimui prieš gamybinį diegimą.
Skaityti daugiau →Dirbtinio intelekto suderinimas (AI Alignment)
Iššūkis užtikrinti, kad dirbtinio intelekto sistemos elgtųsi pagal žmonių vertybes, ketinimus ir saugos reikalavimus.
Skaityti daugiau →Dirbtinio intelekto vaizdo įrašų generavimas
Dirbtinio intelekto naudojimas vaizdo turiniui kurti, redaguoti ir tobulinti iš tekstinių instrukcijų, vaizdų ar esamo vaizdo su minimalia rankine gamyba.
Skaityti daugiau →Dirbtinio intelekto vaizdų generavimas
Originalių vaizdų kūrimas iš tekstinių aprašymų ar kitų įvesties duomenų naudojant dirbtinio intelekto modelius, tokius kaip difuziniai tinklai ir GAN.
Skaityti daugiau →Dirbtinis intelektas finansų sektoriuje
Kaip dirbtinis intelektas keičia finansines paslaugas per sukčiavimo aptikimą, rizikos vertinimą, prekybos automatizavimą ir reguliavimo atitiktį.
Skaityti daugiau →Dirbtinis intelektas gamyboje
Kaip dirbtinis intelektas optimizuoja gamybą per kokybės kontrolę, prognozinę priežiūrą, procesų optimizavimą ir išmaniosios gamyklos automatizavimą.
Skaityti daugiau →Dirbtinis intelektas ir GDPR
GDPR atitiktis dirbtinio intelekto sistemoms reikalauja kruopštaus asmens duomenų tvarkymo per visą mašininio mokymosi gyvavimo ciklą — nuo mokymo iki išvadų darymo.
Skaityti daugiau →Dirbtinis intelektas kaip paslauga (AIaaS)
Debesija pagrįstos dirbtinio intelekto paslaugos, leidžiančios organizacijoms pasiekti dirbtinio intelekto galimybes nekuriant infrastruktūros nuo nulio.
Skaityti daugiau →Dirbtinis intelektas klientų aptarnavime
Kaip dirbtinis intelektas keičia klientų aptarnavimą per išmanią automatizaciją, personalizavimą ir pasiekiamumą visą parą.
Skaityti daugiau →Dirbtinis intelektas logistikoje
Kaip dirbtinis intelektas optimizuoja tiekimo grandines, maršrutų planavimą, paklausos prognozavimą ir sandėlio operacijas didesniam efektyvumui.
Skaityti daugiau →Dirbtinis intelektas programinės įrangos testavime
Dirbtinio intelekto taikymas automatizuojant testų kūrimą, vykdymą ir priežiūrą, gerinant padengimą ir ankstyviau aptinkant defektus kūrimo procese.
Skaityti daugiau →Dirbtinis intelektas rinkodaroje
Kaip dirbtinis intelektas keičia rinkodarą per personalizavimą, turinio generavimą, auditorijos nukreipimą ir kampanijų optimizavimą.
Skaityti daugiau →Dirbtinis intelektas sveikatos priežiūroje
Kaip dirbtinis intelektas tobulina medicininę diagnostiką, vaistų atradimą, pacientų priežiūrą ir sveikatos sistemos efektyvumą, laikantis reguliavimo reikalavimų.
Skaityti daugiau →Dirbtinis intelektas teisės sektoriuje
Kaip dirbtinis intelektas keičia teisinį darbą per dokumentų analizę, sutarčių peržiūrą, teisinę tyrimus ir atitikties automatizavimą.
Skaityti daugiau →Dirbtinis intelektas žmogiškųjų išteklių valdyme ir atrankoje
Dirbtinio intelekto taikymai žmogiškuosiuose ištekliuose — nuo kandidatų atrankos iki darbuotojų įsitraukimo, atsižvelgiant į šališkumo ir reguliavimo rizikas.
Skaityti daugiau →Dokumentų segmentavimas (Chunking)
Dokumentų skaidymo į mažesnius, prasminius segmentus, optimizuotus dirbtinio intelekto paieškai ir apdorojimui RAG sistemose, procesas.
Skaityti daugiau →Duomenų anotavimas (Data Labeling)
Duomenų anotavimas yra neapdorotų duomenų žymėjimo prasmingomis etiketėmis procesas, kuriant mokymo duomenų rinkinius prižiūrimo mašininio mokymosi modeliams.
Skaityti daugiau →Duomenų poslinkis (Data Drift)
Duomenų poslinkis atsiranda, kai gamybinių duomenų statistinės savybės nukrypsta nuo mokymo duomenų, sukeldamas dirbtinio intelekto modelio veikimo prastėjimą laikui bėgant.
Skaityti daugiau →Duomenų užnuodijimas (Data Poisoning)
Duomenų užnuodijimo puolimai korumpuoja dirbtinio intelekto mokymo duomenų rinkinius, siekiant manipuliuoti modelio elgsena, įvedant šališkumus ar slaptus įėjimus, kurie išlieka po mokymo.
Skaityti daugiau →E
Edge AI
DI modelių vykdymas tiesiogiai galiniuose įrenginiuose — nesiunčiant duomenų į debesį, su minimaliu vėlinimu.
Skaityti daugiau →Embedding (vektorinis atvaizdavimas)
Teksto, vaizdų ar garso atvaizdavimas kaip skaičių vektoriai — semantinės paieškos ir RAG sistemų pagrindas.
Skaityti daugiau →ES dirbtinio intelekto akto vadovas
ES dirbtinio intelekto aktas yra pirmasis pasaulyje išsamus teisinis dirbtinio intelekto reglamentavimo pagrindas, nustatantis taisykles pagal rizikos lygius.
Skaityti daugiau →F
Federacinis mokymasis (Federated Learning)
Paskirstyto mokymo metodas, leidžiantis dirbtinio intelekto modeliams mokytis iš decentralizuotų duomenų nesidalijant neapdorotais duomenimis tarp šalių.
Skaityti daugiau →Fine-tuning
DI modelio perkvalifikavimas specializuotais duomenimis — bendro bazinio modelio pritaikymas konkrečiai sričiai ar užduočiai.
Skaityti daugiau →Funkcijų iškvietimas (Function Calling)
LLM galimybė, leidžianti modeliams iškviesti išorinius įrankius ir API, generuojant struktūrizuotus funkcijų kvietimus.
Skaityti daugiau →G
Generatyvinis dirbtinis intelektas (Generative AI)
Dirbtinio intelekto sistemos, galinčios kurti naują turinį, įskaitant tekstą, vaizdus, kodą, garsą ir vaizdo įrašus, remdamosi išmoktais šablonais.
Skaityti daugiau →Giluminių klastočių aptikimas (Deepfake Detection)
Giluminės klastotės (Deepfake) yra dirbtinio intelekto sukurta sintetinė medija, kuri įtikinamai atkartoja realius žmones, keldama rimtų grėsmių įmonių saugumui ir pasitikėjimui.
Skaityti daugiau →GPU ir TPU dirbtiniam intelektui
Specializuoti procesoriai, pagreitinantys dirbtinio intelekto modelių mokymą ir išvadų darymą per masinio lygiagrečių skaičiavimų galimybes.
Skaityti daugiau →Grounding AI
Technika, tvirtinanti DI modelio atsakymus faktiniuose duomenyse — haliucinacijų šalinimas pateikiant kontekstą iš patikimų šaltinių.
Skaityti daugiau →H
Hiperautomatizacija (Hyperautomation)
Įmonės strategija, derinanti dirbtinį intelektą, RPA ir kelias automatizavimo technologijas, siekiant automatizuoti kuo daugiau verslo procesų.
Skaityti daugiau →Human-in-the-Loop
Projektavimo modelis, kuriame žmogus tikrina ir tvirtina DI sprendimus — kokybės ir saugumo kontrolė.
Skaityti daugiau →I
Informacijos išgavimas DI sistemoms
Mokslas ir praktika, skirta rasti aktualią informaciją iš didelių kolekcijų, kad DI sistemos gautų tikslias, pagrįstas žinias.
Skaityti daugiau →Intelligent Document Processing (IDP)
DI valdomos sistemos, automatiškai išgaunančios, klasifikuojančios ir apdorojančios informaciją iš nestruktūrizuotų dokumentų dideliu mastu.
Skaityti daugiau →K
Kalbos į tekstą ir teksto į kalbą konvertavimas
DI technologijos, konvertuojančios tarp šnekamosiios ir rašytinės kalbos su natūraliu skambejiumo kokybe.
Skaityti daugiau →Knowledge Graph
Struktūrizuotas esybių ir jų ryšių vaizdavimas, leidžiantis DI sistemoms samprotauti apie susijusią informaciją.
Skaityti daugiau →Kompiuterinė rega (Computer Vision)
Dirbtinio intelekto technologija, leidžianti mašinoms interpretuoti ir analizuoti vizualinę informaciją iš vaizdų, vaizdo įrašų ir realaus pasaulio aplinkų.
Skaityti daugiau →Konfidencialūs skaičiavimai (Confidential Computing)
Konfidencialūs skaičiavimai saugo dirbtinio intelekto duomenis ir modelius apdorojimo metu, naudojant aparatine įranga pagrįstas patikimas vykdymo aplinkas.
Skaityti daugiau →Konteksto langas
Maksimalus teksto (žetonų) kiekis, kurį DI modelis gali apdoroti vienoje užklausoje — pagrindinis LLM našumo apribojimas.
Skaityti daugiau →M
Mašininis vertimas su DI
DI valdomos vertimo sistemos, leidžiančios greitą, kokybišką teksto vertimą tarp kalbų dideliu mastu.
Skaityti daugiau →MCP (Model Context Protocol)
Atviras standartas komunikacijai tarp DI modelių ir išorinių duomenų šaltinių bei įrankių — "USB-C dirbtiniam intelektui."
Skaityti daugiau →Mixture of Experts (MoE)
Architektūra, kurioje keli specializuoti potinkliai apdoroja skirtingas įvestis, aktyvinant tik aktualius ekspertus kiekvienai užklausai.
Skaityti daugiau →MLOps
MLOps jungia mašininio mokymosi ir DevOps praktikas, siekiant automatizuoti ir supaprastinti DI modelių diegimą, stebėjimą ir valdymą produkcinėje aplinkoje.
Skaityti daugiau →Modelio kortelė
Modelio kortelė yra standartizuota dokumentacijos struktūra, aprašanti DI modelio galimybes, apribojimus, numatytą naudojimą ir vertinimo rezultatus.
Skaityti daugiau →Modelio užkrėtimas (Model Poisoning)
Modelio užkrėtimo atakos kompromituoja DI sistemas manipuliuojant modelio parametrus ar mokymo procesą, įterpiant paslėptą kenksmimgą elgseną.
Skaityti daugiau →Modelių kvantizacija
Technika, skirta sumažinti DI modelio dydį ir skaičiavimo reikalavimus naudojant žemesnio tikslumo skaitinius atvaizdavimus.
Skaityti daugiau →Modelių registras (Model Registry)
Modelių registras yra centralizuota saugykla mašininio mokymosi modelių versijavamą, saugojimą ir valdymą per visą jų gyvavimo ciklą.
Skaityti daugiau →Modelių tarnavimas (Model Serving)
Infrastruktūra ir praktikos apmokytiems DI modeliams diegti produkcinėse aplinkose, kur jie apdoroja realaus laiko užklausas.
Skaityti daugiau →Modelių versijavįmas
Praktikos ir įrankiai, skirti sekti, valdyti ir reprodukuoti DI modelių versijias per jų gyvavimo ciklą.
Skaityti daugiau →Multimodal RAG
Informacija papildytas generavimas, veikiantis per tekstą, vaizdus, lenteles ir kitus duomenų tipus, turtingesniems ir išsamesniems DI atsakymams.
Skaityti daugiau →Multimodalinis DI
DI modeliai, vienu metu apdorojantys tekstą, vaizdus, garsą ir vaizdo įrašus — konteksto supratimas iš kelių informacijos šaltinių.
Skaityti daugiau →N
Neuroninės mastelizavimo dėsniai
Empiriškai nustatyti ryšiai, apibrėžiantys, kaip DI modelio našumas kinta didinalnt modelio dydį, duomenų kiekį ir skaičiavimo išteklius.
Skaityti daugiau →NIS2 ir dirbtinis intelektas
NIS2 direktyva DI kontekste — kibernetinio saugumo reikalavimai įmonėms, naudojančioms DI sistemas kritinėje infrastruktūroje.
Skaityti daugiau →NLP (Natural Language Processing)
DI disciplina, orientuota į mašinų gebėjimą suprasti, interpretuoti, generuoti ir prasmingai sąveikauti su žmogaus kalba.
Skaityti daugiau →Nuotaikų analizė (Sentiment Analysis)
Dirbtinio intelekto technologija, automatiškai aptinkanti ir klasifikuojanti emocinį toną bei nuomones tekstiniuose duomenyse dideliu mastu.
Skaityti daugiau →P
Paaiškinamas DI (XAI)
Technikos, leidžiančios suprasti, kodėl DI modelis priėmė konkretų sprendimą — itin svarbu pasitikėjimui, auditui ir DI akto atitikčiai.
Skaityti daugiau →Pokalbinis dirbtinis intelektas (Conversational AI)
Dirbtinio intelekto sistemos, leidžiančios natūralios kalbos dialogą tarp žmonių ir mašinų teksto ir balso kanalais.
Skaityti daugiau →Pokalbių robotas prieš dirbtinio intelekto agentą
Esminių skirtumų tarp paprastų pokalbių robotų ir autonominių dirbtinio intelekto agentų, galinčių savarankiškai veikti, supratimas.
Skaityti daugiau →Požymių inžinerija (Feature Engineering)
Požymių inžinerija paverčia neapdorotus duomenis prasmingais įvesties kintamaisiais, gerinančiais dirbtinio intelekto modelio veikimą ir prognozavimo tikslumą.
Skaityti daugiau →Priešiški dirbtinio intelekto puolimai (Adversarial Attacks)
Priešiški puolimai išnaudoja dirbtinio intelekto modelių pažeidžiamumus, kuriant įvestis, skirtas sukelti klaidingą klasifikavimą ar netikėtą elgseną.
Skaityti daugiau →Prognozinė priežiūra
DI valdomos metodas įrangos priežiūrai, numatantis gedimus prieš jiems įvykstant, mažinant prastovą ir kaštus.
Skaityti daugiau →Prompt Engineering
Praktika, skirta projektuoti ir optimizuoti įvesties instrukcijas, siekiant gauti tikslias, aktualias ir naudingas DI modelių atsakymus.
Skaityti daugiau →Prompt Injection
Ataka, injektuojanti kenkėjiškas instrukcijas į DI modelio įvesties duomenis — siekiant perimti jo elgsenos kontrolę.
Skaityti daugiau →R
RAG (Retrieval-Augmented Generation)
Technika, derinanti informacijos paiešką su generavimu — DI atsako remdamasis aktualiais dokumentais, o ne vien savo "atmintimi."
Skaityti daugiau →Rekomendacijų sistemos
DI sistemos, automatiškai siūlančios aktualų turinį, produktus ar veiksmus pagal naudotojo prorentcijas ir elgseną.
Skaityti daugiau →Reranking
Antro etapo išgavimo procesas, pertvarkantis paieškos rezultatus naudojant rafinuotesnį modelį aktualumui ir tikslumui pagerinti.
Skaityti daugiau →RLHF (Reinforcement Learning from Human Feedback)
Apmokymo metodologija, derinanti DI modelius su žmogaus prireferencijomis naudojant grįžtamuoju ryšiu valdomą pastiprinamąjį mokymąsi.
Skaityti daugiau →RPA ir DI palyginimas
RPA ir DI palyginimas, padedantis organizacijoms pasirinkti tinkamą automatizacijos požiūrį savo verslo procesams.
Skaityti daugiau →S
Semantinė paieška
Paieškos technologija, suprantanti užklausos reikšmę ir ketinimus, o ne tik atitiknti raktiinius žodžius.
Skaityti daugiau →Semantinis talpinimas (Semantic Caching)
Panaausų DI užklaauų rezultatų talpinimas ir pakartotinis naudojimas pagal reikšmės panašumą, ne tikslią atitiktį.
Skaityti daugiau →Shadow AI
Neautorizuotas DI įrankių naudojimas darbuotojų — be IT skyriaus žinios ar kontrolės, su duomenų nutekėjimo rizika.
Skaityti daugiau →Sintetiniai duomenys
Dirbtinai sugeneruoti duomenų rinkiniai, išsaugantys originalų statistines savybes — DI mokymui be privatumo pažeidimų.
Skaityti daugiau →Skaitmeninis dvynys (Digital Twin)
Virtualus fizinės sistemos, proceso ar turto atvaizdas, naudojantis realaus laiko duomenis ir dirbtinį intelektą simuliavimui ir optimizavimui.
Skaityti daugiau →SLM (Small Language Models)
Kompaktiški DI modeliai (1–7B parametrų), veikiantys lokaliai, greitai ir pigiai — idealūs specializuotoms užduotims be debesijos išlaidų.
Skaityti daugiau →Struktūrizuota išvestis
DI modelių galimybė generuoti išvestį nustatytais formatais, tokiais kaip JSON, XML ar schemų atitinkančiais duomenimis.
Skaityti daugiau →T
Temperatūra ir Top-P atranka
DI modelių parametrai, valdantys atsakymų atsitiktinumą, kūrybiškumą ir nuspriojamumą.
Skaityti daugiau →Tiekėjo prišlinimas DI srityje
Rizikos ir strategijos, susijusios su per didele priklausomybe nuo vieno DI teikėjo, riboja ncią lankstumą ir derybines galias.
Skaityti daugiau →Transfer Learning
Technika, leidžianti naudoti vienu užduocčiu apmokytą DI modelį kaip pradžios tašką kitai susijusiai užduočiai, žymiai sumažinant mokymo laaiką ir duomenų poreiikį.
Skaityti daugiau →Transformer architektūra
Neuroninio tinklo architektūra, tapusi šiuolaikinio DI pagrindu, naudojanti dėmesio mechanizmus efektyviam sekvenncinių duomenų apdorojimui.
Skaityti daugiau →V
Vektorinė duomenų bazė
Specializuota duomenų bazė, sauganti duomenis kaip skaitinius vektorius — leidžianti semantinę "panašaus" turinio paiešką.
Skaityti daugiau →Vibe Coding
Programinės įrangos kūrimas aprašant natūralia kalba — programuotojas pasako "ką", DI sugeneruoja "kaip."
Skaityti daugiau →