AI slovník
Terminologická základňa umelej inteligencie
520 odborne spracovaných pojmov s definíciou, praktickým vysvetlením, FAQ, súvisiacimi entitami a redakčnou stopou.
- Pojmy
- 520
- Kategórie
- 20
- FAQ
- 2600
A/B testing
A/B testing je štatistický experiment, ktorý náhodne rozdeľuje používateľov alebo prípady medzi dve či viac verzií riešenia a porovnáva ich výsledky podľa vopred určenej metriky.
Ablation study
Ablation study je kontrolovaný experiment, pri ktorom sa z modelu alebo procesu odstráni komponent, vlastnosť či krok, aby sa zmeral jeho skutočný príspevok k výsledku.
Accuracy
Accuracy je podiel všetkých správnych predikcií z celkového počtu hodnotených prípadov, vhodný najmä vtedy, keď sú triedy približne vyvážené a chyby majú podobnú závažnosť.
Activation function
Activation function je nelineárna matematická funkcia aplikovaná na výstup neurónu, ktorá umožňuje neurónovej sieti modelovať zložité vzťahy namiesto čisto lineárnych transformácií.
Active learning
Active learning je učenie, pri ktorom model cielene vyberá najinformatívnejšie neznačkované príklady a žiada človeka alebo orákulum o ich označenie, čím znižuje náklady na anotáciu.
Adversarial attack
Adversarial attack je zámerný postup, ktorý manipuluje vstupy, tréningové dáta alebo rozhranie AI systému tak, aby vyvolal nesprávne, nebezpečné alebo útočníkom želané správanie.
Adversarial example
Adversarial example je vstup pozmenený často veľmi malou, pre človeka nenápadnou zmenou, ktorá však spôsobí, že model vytvorí výrazne chybnú predikciu alebo klasifikáciu.
AI agent
AI agent je softvérový systém, ktorý prijíma cieľ, vyhodnocuje kontext, plánuje kroky, používa nástroje alebo zdroje a priebežne volí akcie na dosiahnutie výsledku.
AI alignment
AI alignment je oblasť výskumu a praxe zameraná na zosúladenie cieľov, správania a rozhodnutí AI systémov s ľudskými hodnotami, zámermi, pravidlami a bezpečnostnými obmedzeniami.
AI assistant
AI assistant je konverzačná alebo multimodálna aplikácia, ktorá využíva AI na pomoc používateľovi pri vyhľadávaní, tvorbe, analýze, rozhodovaní alebo vykonávaní úloh.
AI governance
AI governance je súbor rolí, pravidiel, procesov, kontrol a rozhodovacích práv, ktorými organizácia riadi vývoj, nákup, nasadenie, používanie a ukončenie AI systémov.
AI hallucination
AI hallucination je výstup generatívneho modelu, ktorý pôsobí presvedčivo, ale obsahuje vymyslené, nepodložené, nesprávne alebo zdrojom protirečiace tvrdenia.
AI literacy
AI literacy je praktická schopnosť rozumieť možnostiam, limitom, rizikám a primeranému používaniu AI, vrátane schopnosti posúdiť výstupy a zvoliť vhodnú mieru ľudského dohľadu.
AI model
AI model je matematická a výpočtová reprezentácia naučená z dát alebo pravidiel, ktorá premieňa vstupy na predikcie, odporúčania, obsah, skóre alebo rozhodovacie signály.
AI observability
AI observability je súbor meraní, logov, stôp a diagnostických postupov, ktoré umožňujú sledovať správanie AI systému v prevádzke a spätne vysvetliť jeho vstupy, kroky a výstupy.
AI pipeline
AI pipeline je prepojený sled krokov od získania a úpravy dát cez tréning, hodnotenie a schvaľovanie až po nasadenie, monitorovanie a aktualizáciu AI riešenia.
AI risk management
AI risk management je systematický proces identifikácie, analýzy, hodnotenia, ošetrovania, monitorovania a komunikácie rizík vznikajúcich počas celého životného cyklu AI systému.
Algorithm
Algorithm je jednoznačne opísaný výpočtový postup, ktorý zo vstupov vytvára výsledok pomocou konečnej sekvencie pravidiel, operácií alebo rozhodovacích krokov.
Anomaly detection
Anomaly detection je metóda identifikácie pozorovaní, udalostí alebo vzorcov, ktoré sa významne odlišujú od bežného správania a môžu signalizovať chybu, podvod, poruchu alebo novú situáciu.
Attention mechanism
Attention mechanism je mechanizmus neurónovej siete, ktorý dynamicky prideľuje váhy rôznym častiam vstupu a umožňuje modelu sústrediť výpočet na informácie relevantné pre aktuálny výstup.
Backpropagation
Backpropagation je algoritmus učenia neurónových sietí, ktorý šíri gradient chyby od výstupu smerom k skorším vrstvám a určuje, ako upraviť jednotlivé váhy modelu.
Bagging
Bagging je ensemble metóda, ktorá trénuje viac modelov na odlišných bootstrap vzorkách dát a spája ich predikcie s cieľom znížiť varianciu a zvýšiť stabilitu.
Balanced accuracy
Balanced accuracy je priemer citlivosti vypočítanej samostatne pre každú triedu, ktorý vyvažuje vplyv početných a málo zastúpených tried pri nevyvážených dátach.
Bandit algorithm
Bandit algorithm je sekvenčný rozhodovací algoritmus, ktorý priebežne vyvažuje skúšanie neznámych možností a využívanie už overených možností podľa získavanej odmeny.
Batch inference
Batch inference je spôsob inferencie, pri ktorom model spracuje väčší súbor vstupov naraz alebo v plánovaných dávkach namiesto okamžitej odpovede na jednotlivé požiadavky.
Batch normalization
Batch normalization je vrstva neurónovej siete, ktorá normalizuje aktivácie v rámci tréningovej dávky a používa naučené škálovanie a posun na stabilizáciu a zrýchlenie učenia.
Bayesian network
Bayesian network je pravdepodobnostný grafický model, ktorý reprezentuje premenné ako uzly a podmienené závislosti ako orientované hrany v acyklickom grafe.
Bayesian optimization
Bayesian optimization je metóda optimalizácie drahých čiernych skriniek, ktorá vytvára pravdepodobnostný náhradný model cieľovej funkcie a cielene vyberá ďalšie merania.
Beam search
Beam search je heuristický dekódovací algoritmus, ktorý pri generovaní sekvencie udržiava obmedzený počet najlepších čiastočných kandidátov namiesto jedinej možnosti.
Benchmark
Benchmark je štandardizovaná úloha, dátový súbor, protokol a súbor metrík používaný na porovnateľné hodnotenie modelov alebo systémov za definovaných podmienok.
BERT
BERT je obojsmerný transformerový jazykový model predtrénovaný najmä maskovaním tokenov, ktorý vytvára kontextové reprezentácie vhodné pre porozumenie textu.
Bias
Bias je systematická odchýlka v dátach, modeli, meraní alebo rozhodovacom procese, ktorá môže viesť k nepresným alebo nespravodlivým výsledkom pre určité prípady či skupiny.
Bias-variance trade-off
Bias-variance trade-off je napätie medzi chybou z príliš jednoduchých predpokladov modelu a chybou z nadmernej citlivosti na konkrétnu tréningovú vzorku.
Binary classification
Binary classification je klasifikačná úloha, v ktorej model priraďuje každý vstup do jednej z dvoch vzájomne sa vylučujúcich tried alebo odhaduje pravdepodobnosť jednej z nich.
Black-box model
Black-box model je model, ktorého vnútorné rozhodovanie nie je pre používateľa priamo zrozumiteľné, hoci možno pozorovať jeho vstupy, výstupy a niekedy aj čiastkové signály.
Boltzmann machine
Boltzmann machine je stochastická rekurentná neurónová sieť s energetickou funkciou, ktorá sa učí pravdepodobnostné rozdelenie nad stavmi viditeľných a skrytých jednotiek.
Bootstrap sampling
Bootstrap sampling je opakované náhodné vzorkovanie s vrátením z pôvodných dát, používané na odhad neistoty, tvorbu intervalov alebo trénovanie ensemble modelov.
Bounding box
Bounding box je obdĺžniková geometrická anotácia v obraze alebo videu, ktorá približne ohraničuje polohu objektu pomocou súradníc, šírky a výšky.
Business rules engine
Business rules engine je softvérová komponenta, ktorá vykonáva explicitné pravidlá typu ak-potom a často dopĺňa AI model o deterministické politiky, limity a schvaľovacie podmienky.
Byte pair encoding
Byte pair encoding je subslovná tokenizačná metóda, ktorá opakovane spája najčastejšie susedné symboly a vytvára slovník vyvažujúci celé slová, časti slov a znaky.
Calibration
Calibration je miera zhody medzi predikovanými pravdepodobnosťami modelu a skutočnou frekvenciou udalostí, napríklad či prípady so skóre 0,8 nastanú približne v 80 percentách.
Causal inference
Causal inference je súbor metód na odhad príčinnej zmeny výsledku pri zásahu do premennej, nie iba štatistickej súvislosti pozorovanej v dátach.
Chain-of-thought
Chain-of-thought je textová alebo interná sekvencia medzikrokov, cez ktorú jazykový model rozkladá problém na čiastkové úvahy pred vytvorením konečnej odpovede.
Chatbot
Chatbot je softvérové rozhranie, ktoré vedie rozhovor s používateľom prostredníctvom textu alebo hlasu a odpovedá pomocou pravidiel, vyhľadávania, modelov NLP alebo generatívnej AI.
Chunking
Chunking je rozdelenie dlhého dokumentu, signálu alebo dátového toku na menšie logické úseky, ktoré možno samostatne indexovať, vkladať do kontextu alebo spracovať modelom.
Classification
Classification je úloha strojového učenia, pri ktorej model priraďuje vstupu jednu alebo viac diskrétnych tried, prípadne pravdepodobnosti týchto tried.
Class imbalance
Class imbalance je stav, keď sú niektoré triedy v dátach výrazne početnejšie než iné, čo môže skresliť tréning aj metriky v prospech dominantnej triedy.
Cloud AI
Cloud AI je poskytovanie AI výpočtov, modelov, dátových služieb a vývojových nástrojov prostredníctvom škálovateľnej cloudovej infraštruktúry.
Clustering
Clustering je nekontrolované zoskupovanie objektov tak, aby boli prvky v rovnakej skupine podľa zvolenej reprezentácie podobnejšie než prvky v odlišných skupinách.
Convolutional neural network
Convolutional neural network je neurónová architektúra využívajúca konvolučné filtre so zdieľanými váhami na zachytávanie lokálnych vzorov, najmä v obrazoch, zvuku a priestorových dátach.
Computer vision
Computer vision je oblasť AI zameraná na získavanie významu z obrazov a videa, napríklad rozpoznávanie, detekciu, segmentáciu, sledovanie alebo meranie objektov.
Concept drift
Concept drift je zmena vzťahu medzi vstupmi a cieľom v čase, ktorá spôsobuje, že model naučený na historických dátach prestáva správne reprezentovať aktuálne prostredie.
Confusion matrix
Confusion matrix je tabuľka počtov skutočných a predikovaných tried, z ktorej možno odvodiť správne zásahy, zámeny a metriky klasifikácie.
Context window
Context window je maximálny rozsah tokenov, ktoré jazykový alebo multimodálny model dokáže súčasne spracovať pri jednej požiadavke vrátane vstupu, histórie a generovaného výstupu.
Contrastive learning
Contrastive learning je učenie reprezentácií, ktoré približuje podobné páry príkladov a odďaľuje nepodobné páry v latentnom priestore podľa kontrastnej stratovej funkcie.
Conversational AI
Conversational AI je systémy schopné viesť viacťahový dialóg, rozpoznávať zámer, udržiavať kontext a vytvárať odpovede v prirodzenom jazyku alebo reči.
Cross-entropy
Cross-entropy je stratová funkcia merajúca nesúlad medzi cieľovým pravdepodobnostným rozdelením a rozdelením predikovaným modelom, bežne používaná pri klasifikácii.
Cross-validation
Cross-validation je hodnotiaci postup, ktorý opakovane trénuje a testuje model na rôznych rozdeleniach dát, aby poskytol stabilnejší odhad generalizácie.
CUDA
CUDA je paralelná výpočtová platforma a programovacie rozhranie spoločnosti NVIDIA, ktoré umožňuje využívať grafické procesory na tréning a inferenciu modelov.
Curriculum learning
Curriculum learning je tréningová stratégia, pri ktorej model dostáva príklady v plánovanom poradí od jednoduchších alebo spoľahlivejších k náročnejším.
Data augmentation
Data augmentation je tvorba ďalších tréningových príkladov z existujúcich dát pomocou transformácií, simulácií alebo generovania, ktoré zachovávajú význam cieľového označenia.
Data drift
Data drift je zmena štatistického rozdelenia vstupných dát v prevádzke oproti dátam použitým pri tréningu alebo validácii modelu.
Data governance
Data governance je systém vlastníctva, pravidiel, kvality, bezpečnosti, prístupov a zodpovedností, ktorým organizácia riadi dáta počas ich životného cyklu.
Data labeling
Data labeling je proces priraďovania cieľových značiek, kategórií, hraníc, prepisov alebo iných anotácií k dátam, aby ich bolo možné použiť pri kontrolovanom učení a hodnotení.
Data leakage
Data leakage je nežiaduce preniknutie informácie z cieľa, budúcnosti alebo testovacej množiny do tréningových vstupov či procesu, ktoré umelo nadhodnotí výkon modelu.
Data lineage
Data lineage je dokumentovaný pôvod dát a sled ich presunov, transformácií, verzií a použití od zdroja až po model, report alebo rozhodnutie.
Data poisoning
Data poisoning je útok, pri ktorom protivník vkladá alebo upravuje tréningové dáta tak, aby znížil výkon modelu, vytvoril skrytú reakciu alebo ovplyvnil jeho správanie.
Data preprocessing
Data preprocessing je súbor krokov na čistenie, transformáciu, normalizáciu, kódovanie a prípravu surových dát do podoby vhodnej pre tréning alebo inferenciu.
Data quality
Data quality je miera, do akej sú dáta presné, úplné, konzistentné, aktuálne, reprezentatívne a vhodné pre konkrétny účel AI systému.
Dataset
Dataset je organizovaná kolekcia záznamov, príkladov alebo meraní s definovanou štruktúrou, pôvodom a účelom pre tréning, validáciu, testovanie alebo prevádzku.
Decision boundary
Decision boundary je hranica v priestore vstupných vlastností, na ktorej klasifikačný model mení predikovanú triedu alebo rozhodnutie.
Decision tree
Decision tree je stromový prediktívny model, ktorý postupne delí dáta podľa podmienok nad vlastnosťami a vytvára výsledok v listových uzloch.
Deep learning
Deep learning je podoblasť strojového učenia využívajúca neurónové siete s viacerými vrstvami na automatické učenie hierarchických reprezentácií z veľkého množstva dát.
Deepfake
Deepfake je syntetický alebo upravený obrazový, zvukový či video obsah vytvorený AI tak, aby vierohodne napodobňoval identitu, hlas, tvár alebo udalosť.
Deployment
Deployment je proces uvedenia natrénovaného modelu a jeho závislostí do prostredia, v ktorom bezpečne a spoľahlivo spracúva reálne požiadavky.
Diffusion model
Diffusion model je generatívny model, ktorý sa učí postupne odstraňovať šum z dát a pri generovaní obracia proces zašumovania, aby vytvoril nový obraz, zvuk alebo inú reprezentáciu.
Dimensionality reduction
Dimensionality reduction je transformácia dát do priestoru s menším počtom rozmerov pri zachovaní čo najväčšej časti relevantnej štruktúry alebo variability.
Discriminative model
Discriminative model je model, ktorý sa učí priamo rozlišovať triedy alebo odhadovať cieľ podmienený vstupom, namiesto modelovania úplného rozdelenia vstupných dát.
Distributed training
Distributed training je tréning modelu rozdelený medzi viac procesorov, grafických kariet alebo uzlov s koordinovanou výmenou parametrov, gradientov či dát.
Domain adaptation
Domain adaptation je prenos modelu zo zdrojovej domény do odlišnej cieľovej domény, kde sa mení rozdelenie dát, ale úloha alebo význam zostáva príbuzný.
Early stopping
Early stopping je ukončenie tréningu v okamihu, keď sa výkon na validačných dátach prestane zlepšovať, aby sa obmedzilo preučenie a zbytočný výpočet.
Edge AI
Edge AI je prevádzka modelov priamo na koncových alebo lokálnych zariadeniach blízko zdroja dát, s menšou latenciou a menšou závislosťou od cloudu.
Embedding
Embedding je hustý číselný vektor, ktorý reprezentuje význam alebo vlastnosti objektu tak, aby sa podobné objekty nachádzali blízko seba v matematickom priestore.
Emergent behavior
Emergent behavior je schopnosť alebo vzorec správania, ktorý nebol explicitne naprogramovaný a objaví sa až pri určitej mierke, kombinácii komponentov alebo spôsobe použitia modelu.
Ensemble learning
Ensemble learning je kombinovanie predikcií viacerých modelov s cieľom dosiahnuť vyššiu presnosť, stabilitu alebo robustnosť než pri použití jedného modelu.
Entity extraction
Entity extraction je automatická identifikácia a klasifikácia pomenovaných alebo doménových entít v texte, napríklad osôb, organizácií, produktov, dátumov či diagnóz.
Epoch
Epoch je jeden úplný prechod tréningového algoritmu cez všetky príklady v tréningovej množine, zvyčajne rozdelené do menších dávok.
Error analysis
Error analysis je systematické skúmanie chybných výstupov modelu podľa typov prípadov, dátových segmentov a príčin s cieľom určiť najhodnotnejšie zlepšenia.
Ethical AI
Ethical AI je navrhovanie a používanie AI v súlade s princípmi ako ľudská autonómia, spravodlivosť, neškodnosť, transparentnosť, súkromie a zodpovednosť.
Evaluation metric
Evaluation metric je formálne definovaná číselná veličina používaná na meranie konkrétneho aspektu kvality modelu alebo systému na reprezentatívnych dátach.
Explainability
Explainability je schopnosť poskytnúť zrozumiteľné a účelovo primerané dôvody, faktory alebo mechanizmy, ktoré pomáhajú objasniť výstup AI systému.
Expert system
Expert system je pravidlový AI systém, ktorý reprezentuje znalosti doménových odborníkov a používa inferenčný mechanizmus na odvodenie záverov alebo odporúčaní.
Exploration-exploitation trade-off
Exploration-exploitation trade-off je rozhodovacie napätie medzi skúšaním menej známych možností na získanie informácie a využívaním možností, ktoré už prinášajú vysokú odmenu.
Exponential family
Exponential family je trieda pravdepodobnostných rozdelení so spoločným matematickým tvarom, do ktorej patria mnohé rozdelenia používané v štatistike a strojovom učení.
External validation
External validation je overenie modelu na dátach z iného času, pracoviska, populácie alebo zdroja než boli dáta použité pri vývoji, aby sa posúdila prenositeľnosť.
Extractive summarization
Extractive summarization je tvorba súhrnu výberom a zoradením najdôležitejších viet alebo úsekov z pôvodného dokumentu bez generovania úplne nových formulácií.
Evidence grounding
Evidence grounding je prepojenie tvrdení generovaného výstupu s konkrétnymi dôkazmi, zdrojmi alebo záznamami, ktoré možno dohľadať a overiť.
Evolutionary algorithm
Evolutionary algorithm je populačný optimalizačný algoritmus inšpirovaný evolúciou, ktorý opakovane vyberá, kombinuje a mení kandidátne riešenia podľa ich vhodnosti.
Expected calibration error
Expected calibration error je súhrnná metrika rozdielu medzi priemernou dôverou modelu a skutočnou úspešnosťou v intervaloch predikovanej pravdepodobnosti.
Exposure bias
Exposure bias je nesúlad pri sekvenčných modeloch, keď tréning používa správne predchádzajúce tokeny, ale pri generovaní musí model nadväzovať na vlastné možné chyby.
F1 score
F1 score je harmonický priemer presnosti pozitívnych predikcií a citlivosti, ktorý vyvažuje falošne pozitívne a falošne negatívne chyby.
Face recognition
Face recognition je biometrická úloha porovnávajúca črty tváre s referenčnými reprezentáciami s cieľom overiť identitu alebo nájsť zhodu medzi osobami.
Fairness
Fairness je vlastnosť procesu alebo AI systému, pri ktorej sa výkonnosť, prístup a dopady posudzujú voči relevantným skupinám a zdrojom možného znevýhodnenia.
False negative
False negative je prípad, keď model nesprávne označí skutočne pozitívny jav ako negatívny, napríklad prehliadne podvod, poruchu alebo ochorenie.
False positive
False positive je prípad, keď model nesprávne označí skutočne negatívny jav ako pozitívny a vyvolá planý poplach alebo zbytočný zásah.
Feature
Feature je merateľná alebo odvodená vlastnosť vstupu, ktorú model používa pri učení a predikcii, napríklad vek, frekvencia, pixel alebo vektorový atribút.
Feature engineering
Feature engineering je návrh, transformácia a kombinovanie vstupných vlastností tak, aby lepšie reprezentovali problém a uľahčili modelu naučiť sa užitočné vzory.
Feature importance
Feature importance je odhad relatívneho príspevku jednotlivých vstupných vlastností k predikciám alebo celkovému výkonu modelu podľa zvolenej metódy.
Feature selection
Feature selection je výber podmnožiny vstupných vlastností s cieľom znížiť šum, výpočtovú náročnosť, riziko preučenia alebo zlepšiť interpretovateľnosť.
Federated learning
Federated learning je tréning modelu naprieč viacerými zariadeniami alebo organizáciami bez centralizácie surových dát, pričom sa zdieľajú najmä aktualizácie modelu.
Few-shot learning
Few-shot learning je schopnosť modelu naučiť sa alebo vykonať úlohu z malého počtu označených príkladov, často pomocou predtrénovania alebo kontextových ukážok.
Fine-tuning
Fine-tuning je pokračovanie tréningu predtrénovaného modelu na menšom, účelovo zvolenom súbore dát, aby sa prispôsobil doméne, štýlu alebo konkrétnej úlohe.
Foundation model
Foundation model je veľký všeobecný model trénovaný na rozsiahlych dátach, ktorý možno prispôsobiť alebo použiť ako základ pre široké spektrum následných úloh.
Fraud detection
Fraud detection je použitie pravidiel, štatistiky a strojového učenia na identifikáciu podozrivých transakcií, účtov alebo správania s pravdepodobným podvodným charakterom.
Freezing layers
Freezing layers je ponechanie vybraných vrstiev predtrénovaného modelu bez aktualizácie počas ďalšieho tréningu, aby sa zachovali naučené reprezentácie a znížila náročnosť.
Frequency encoding
Frequency encoding je nahradenie kategórie číslom vyjadrujúcim jej počet alebo podiel výskytov v dátach, používané ako jednoduchá reprezentácia kategórií.
Full fine-tuning
Full fine-tuning je prispôsobenie predtrénovaného modelu aktualizáciou všetkých alebo takmer všetkých jeho parametrov na cieľových dátach.
Function calling
Function calling je mechanizmus, pri ktorom model vytvorí štruktúrovaný návrh volania definovanej funkcie alebo nástroja s argumentmi odvodenými z požiadavky.
Fuzzy logic
Fuzzy logic je logický rámec, v ktorom pravdivosť môže nadobúdať spojité hodnoty medzi nepravdou a pravdou, čo umožňuje pracovať s neurčitými pojmami.
Feature store
Feature store je centrálna služba na definovanie, výpočet, verziovanie a poskytovanie konzistentných vlastností pre tréning aj online inferenciu.
Generative adversarial network
Generative adversarial network je generatívna architektúra zložená z generátora a diskriminátora, ktoré sú trénované v súťaži, aby generátor vytváral čoraz realistickejšie dáta.
Generalization
Generalization je schopnosť modelu dosahovať dobrý výkon na nových, predtým nevidených dátach z relevantného prostredia, nie iba na príkladoch použitých pri tréningu.
Generative AI
Generative AI je trieda AI systémov, ktoré vytvárajú nový obsah, napríklad text, obraz, zvuk, video, kód alebo štruktúrované dáta, na základe naučených vzorov.
Generative model
Generative model je pravdepodobnostný alebo neurónový model, ktorý sa učí rozdelenie dát a dokáže z neho vzorkovať nové príklady alebo odhadovať pravdepodobnosť pozorovaní.
Genetic algorithm
Genetic algorithm je evolučný optimalizačný postup, ktorý reprezentuje riešenia ako jedince a opakovane používa výber, kríženie a mutáciu na zlepšovanie populácie.
Geometric deep learning
Geometric deep learning je oblasť hlbokého učenia prispôsobujúca neurónové metódy dátam s ne-euklidovskou štruktúrou, napríklad grafom, mriežkam a varietám.
Gradient
Gradient je vektor parciálnych derivácií, ktorý udáva smer a veľkosť najrýchlejšieho rastu funkcie a pri učení sa používa na aktualizáciu parametrov.
Gradient boosting
Gradient boosting je ensemble metóda, ktorá postupne pridáva slabé modely tak, aby každý nový model korigoval reziduálne chyby predchádzajúceho súboru modelov.
Gradient clipping
Gradient clipping je obmedzenie veľkosti gradientov počas tréningu, ktoré zabraňuje nestabilným aktualizáciám spôsobeným extrémne vysokými hodnotami.
Gradient descent
Gradient descent je iteratívny optimalizačný algoritmus, ktorý upravuje parametre proti smeru gradientu stratovej funkcie s cieľom znižovať chybu.
Gradient explosion
Gradient explosion je jav, pri ktorom gradienty počas spätného šírenia prudko rastú, spôsobujú nestabilné aktualizácie, numerické problémy alebo zlyhanie tréningu.
Gradient vanishing
Gradient vanishing je jav, pri ktorom sa gradienty v skorších vrstvách zmenšujú takmer na nulu a tieto vrstvy sa učia veľmi pomaly alebo vôbec.
Graph attention network
Graph attention network je grafová neurónová sieť, ktorá používa attention váhy na učenie rozdielnej dôležitosti susedných uzlov pri agregácii ich informácií.
Graph neural network
Graph neural network je neurónová architektúra spracúvajúca uzly, hrany a atribúty grafu pomocou opakovaného odovzdávania a agregácie správ medzi susedmi.
Graph database
Graph database je databáza optimalizovaná na ukladanie a dotazovanie entít a ich vzťahov ako uzlov a hrán, vhodná pre prepojené znalosti a siete.
Ground truth
Ground truth je referenčná hodnota alebo označenie považované pri hodnotení za správne, získané meraním, autoritatívnym zdrojom alebo odbornou anotáciou.
Grounded generation
Grounded generation je generovanie, pri ktorom model opiera odpoveď o dodané dokumenty, databázu, nástroj alebo iný overiteľný kontext namiesto samotnej parametickej pamäte.
Guardrail
Guardrail je technické alebo procesné obmedzenie, ktoré kontroluje vstupy, výstupy a akcie AI systému a znižuje riziko neželaného, nebezpečného alebo nekompatibilného správania.
GPU
GPU je grafický procesor s vysokou paralelnou priepustnosťou, ktorý urýchľuje maticové operácie používané pri tréningu a inferencii neurónových sietí.
Gini impurity
Gini impurity je miera nečistoty uzla v rozhodovacom strome, ktorá vyjadruje pravdepodobnosť nesprávnej triedy pri náhodnom priradení podľa rozdelenia tried v uzle.
Hallucination
Hallucination je nepodložený alebo fakticky chybný výstup generatívneho modelu, ktorý môže byť jazykovo plynulý a vierohodný napriek absencii spoľahlivého dôkazu.
Harmful bias
Harmful bias je systematická odchýlka vedúca k neoprávnenému znevýhodneniu, rozdielnej kvalite služby alebo škodlivým dopadom na osoby či skupiny.
Hashing trick
Hashing trick je mapovanie veľkého alebo otvoreného množstva kategórií do vektora pevnej veľkosti pomocou hash funkcie bez udržiavania úplného slovníka.
Heuristic
Heuristic je praktické pravidlo alebo približný postup, ktorý rýchlo nachádza použiteľné riešenie bez záruky optimálnosti alebo úplnej správnosti.
Hidden layer
Hidden layer je vrstva neurónovej siete medzi vstupom a výstupom, ktorá transformuje reprezentácie pomocou naučených váh a aktivačných funkcií.
Hierarchical clustering
Hierarchical clustering je zhlukovací algoritmus, ktorý vytvára strom vnorených skupín postupným spájaním najbližších zhlukov alebo rozdeľovaním väčších zhlukov.
High-risk AI system
High-risk AI system je právna kategória AI systému podľa EÚ AI Act, pri ktorej môže použitie významne ovplyvniť zdravie, bezpečnosť alebo základné práva a podlieha osobitným povinnostiam.
Holdout set
Holdout set je oddelená časť dát, ktorá sa nepoužíva pri tréningu a slúži na nezávislé hodnotenie modelu po dokončení vývoja alebo výberu nastavení.
Human-centered AI
Human-centered AI je prístup, ktorý navrhuje AI podľa potrieb, schopností, práv a kontextu ľudí a posudzuje nielen výkon, ale aj použiteľnosť a dopady.
Human-in-the-loop
Human-in-the-loop je usporiadanie, v ktorom človek aktívne vstupuje do rozhodovania, anotácie, kontroly alebo schvaľovania výstupov AI systému.
Human-on-the-loop
Human-on-the-loop je usporiadanie, v ktorom AI koná prevažne samostatne, ale človek priebežne dohliada, môže zasiahnuť a nesie definovanú zodpovednosť.
Human oversight
Human oversight je súbor rolí, kompetencií, informácií a zásahových možností, ktoré umožňujú ľuďom primerane sledovať, interpretovať a korigovať AI systém.
Hyperparameter
Hyperparameter je nastavenie tréningového procesu alebo architektúry, ktoré sa model priamo neučí z dát, napríklad rýchlosť učenia, hĺbka stromu alebo veľkosť dávky.
Hyperparameter tuning
Hyperparameter tuning je systematické skúšanie a výber hodnôt hyperparametrov podľa validačného výkonu, nákladov a ďalších prevádzkových kritérií.
Hypothesis testing
Hypothesis testing je štatistický postup, ktorý porovnáva pozorované dáta s nulovou hypotézou a vyhodnocuje, či je efekt dostatočne silný vzhľadom na náhodnú variabilitu.
Heterogeneous data
Heterogeneous data je dáta kombinujúce rôzne typy, formáty, zdroje alebo časové mierky, napríklad text, obraz, tabuľky, senzory a kategórie.
Hinge loss
Hinge loss je stratová funkcia používaná najmä pri podporných vektorových strojoch, ktorá penalizuje nesprávne klasifikácie a správne prípady s nedostatočnou rezervou.
Histogram-based gradient boosting
Histogram-based gradient boosting je efektívna verzia gradient boostingu, ktorá zoskupuje spojité hodnoty do intervalov a vyhľadáva delenia nad histogramami namiesto všetkých hodnôt.
Hybrid AI
Hybrid AI je kombinácia odlišných AI prístupov, napríklad neurónových modelov, symbolických pravidiel, vyhľadávania a optimalizácie v jednom riešení.
HNSW
HNSW je grafový algoritmus približného vyhľadávania najbližších susedov, ktorý vytvára hierarchické vrstvy malých svetov pre rýchle dotazy vo vektorových databázach.
Image classification
Image classification je úloha počítačového videnia, pri ktorej model priraďuje celému obrazu jednu alebo viac tried podľa vizuálneho obsahu.
Image segmentation
Image segmentation je rozdelenie obrazu na oblasti alebo pixely s priradenými triedami či identitami objektov, čím vzniká presnejšia priestorová mapa než pri detekcii rámčekmi.
In-context learning
In-context learning je schopnosť jazykového modelu prispôsobiť správanie podľa inštrukcií a príkladov vložených do aktuálneho kontextu bez aktualizácie jeho parametrov.
Incremental learning
Incremental learning je učenie modelu postupnými aktualizáciami z nových dávok alebo prúdov dát bez úplného opakovania tréningu od začiatku.
Inference
Inference je použitie natrénovaného modelu na výpočet predikcie, skóre, reprezentácie, odporúčania alebo generovaného výstupu z nového vstupu.
Inference endpoint
Inference endpoint je sieťové rozhranie služby, cez ktoré aplikácia posiela vstupy nasadenému modelu a prijíma jeho výstupy podľa definovaného kontraktu.
Information retrieval
Information retrieval je vyhľadávanie dokumentov alebo záznamov relevantných k dotazu pomocou indexovania, skórovania, filtrov a prípadne sémantických reprezentácií.
Instruction tuning
Instruction tuning je doladenie jazykového modelu na pároch inštrukcií a požadovaných odpovedí, aby lepšie nasledoval pokyny a generalizoval na nové úlohy.
Interpretability
Interpretability je miera, do akej človek dokáže pochopiť vnútorné mechanizmy modelu alebo význam jeho parametrov, vlastností a rozhodovacích vzťahov.
Intersection over Union
Intersection over Union je pomer plochy prieniku predikovanej a referenčnej oblasti k ploche ich zjednotenia, používaný pri detekcii a segmentácii objektov.
Inverse reinforcement learning
Inverse reinforcement learning je metóda, ktorá z pozorovaného správania experta odhaduje skrytú odmeňovaciu funkciu, namiesto priameho učenia politiky z vopred zadanej odmeny.
Isolation forest
Isolation forest je algoritmus detekcie anomálií, ktorý náhodnými deleniami izoluje neobvyklé body v priemere kratšou cestou než bežné pozorovania.
Item embedding
Item embedding je vektorová reprezentácia produktu, dokumentu alebo inej položky naučená z obsahu a interakcií, používaná najmä v odporúčacích systémoch.
Iteration
Iteration je jeden opakovaný krok algoritmu, pri ktorom sa na základe aktuálneho stavu vypočíta nový stav, aktualizácia parametrov alebo ďalší kandidát riešenia.
Integrated gradients
Integrated gradients je atribučná metóda, ktorá integruje gradienty medzi referenčným a skutočným vstupom a priraďuje vlastnostiam príspevok k predikcii.
Intelligent automation
Intelligent automation je prepojenie AI, automatizačných nástrojov a pracovných tokov na spracovanie úloh, ktoré vyžadujú klasifikáciu, extrakciu, rozhodovanie alebo generovanie.
Intent classification
Intent classification je určenie cieľa alebo komunikačného zámeru používateľskej výpovede, napríklad reklamácia, objednávka, zmena termínu alebo žiadosť o informáciu.
Input validation
Input validation je kontrola formátu, rozsahu, typu, pôvodu a povoleného obsahu vstupu pred jeho spracovaním modelom alebo nástrojom.
Inference latency
Inference latency je čas od prijatia požiadavky po získanie výstupu modelu, meraný pre jednotlivý prípad alebo distribúciu latencie pri reálnej záťaži.
Infrastructure as code for AI
Infrastructure as code for AI je správa výpočtových zdrojov, modelových služieb, sietí a politík pomocou verziovaných deklaratívnych konfigurácií namiesto ručných zásahov.
Jaccard similarity
Jaccard similarity je miera podobnosti dvoch množín definovaná ako veľkosť ich prieniku delená veľkosťou zjednotenia, často používaná pri štítkoch a textových prvkoch.
Jailbreak attack
Jailbreak attack je pokusu o obídenie bezpečnostných alebo behaviorálnych obmedzení generatívneho modelu pomocou premyslených inštrukcií, rolí, kódovania alebo viacstupňového kontextu.
Jailbreak defense
Jailbreak defense je súbor filtrov, tréningových metód, pravidiel a monitorovania určený na odhalenie a zníženie úspešnosti pokusov o obídenie ochranných mechanizmov modelu.
Java machine learning library
Java machine learning library je knižnica pre jazyk Java poskytujúca algoritmy, dátové štruktúry a rozhrania na tréning, hodnotenie alebo nasadenie modelov strojového učenia.
Jensen-Shannon divergence
Jensen-Shannon divergence je symetrická a ohraničená miera rozdielu medzi dvoma pravdepodobnostnými rozdeleniami založená na priemere dvoch Kullback-Leiblerových divergencií.
JIT compilation
JIT compilation je kompilácia výpočtového grafu alebo kódu tesne pred vykonaním, ktorá špecializuje operácie pre konkrétne tvary, zariadenie a dátové typy.
Job queue
Job queue je front úloh čakajúcich na spracovanie pracovníkmi, používaný na riadenie asynchrónnej inferencie, tréningu, indexovania alebo dávkových procesov.
Job scheduling
Job scheduling je prideľovanie výpočtových úloh zdrojom a časovým oknám podľa priorít, závislostí, dostupnosti procesorov a prevádzkových pravidiel.
Joint embedding architecture
Joint embedding architecture je modelová architektúra, ktorá mapuje dva alebo viac typov vstupov do spoločného vektorového priestoru, kde sa súvisiace položky nachádzajú blízko seba.
Joint distribution
Joint distribution je pravdepodobnostné rozdelenie opisujúce súčasné správanie viacerých náhodných premenných vrátane ich jednotlivých pravdepodobností a závislostí.
Joint learning
Joint learning je tréning viacerých prepojených úloh, reprezentácií alebo modalít v spoločnom modeli tak, aby si navzájom poskytovali užitočný signál.
Joint optimization
Joint optimization je súčasná optimalizácia viacerých skupín parametrov alebo cieľov v jednom procese namiesto ich oddeleného nastavovania.
Joint probability
Joint probability je pravdepodobnosť, že dve alebo viac udalostí nastanú súčasne, používaná pri modelovaní závislostí a pravdepodobnostných systémov.
JSON Lines
JSON Lines je textový formát, v ktorom každý riadok obsahuje samostatný platný objekt JSON, vhodný pre prúdové spracovanie, datasety a logy.
JSON mode
JSON mode je režim generovania, ktorý obmedzuje výstup jazykového modelu na syntakticky platnú štruktúru JSON, nie však automaticky na konkrétnu schému alebo vecnú správnosť.
JSON Schema
JSON Schema je formálny opis povolenej štruktúry, typov, povinných polí a obmedzení dokumentu JSON, používaný na validáciu štruktúrovaných výstupov.
Jupyter Notebook
Jupyter Notebook je interaktívny dokument kombinujúci spustiteľný kód, výsledky, text a vizualizácie, široko používaný pri analýze dát a experimentovaní s modelmi.
JAX
JAX je numerická knižnica pre Python s automatickou diferenciáciou, vektorovaním a kompiláciou výpočtov na CPU, GPU a TPU.
Jacobian matrix
Jacobian matrix je matica všetkých prvých parciálnych derivácií vektorovej funkcie, ktorá opisuje lokálnu citlivosť výstupov na zmeny vstupov.
Just-in-time retrieval
Just-in-time retrieval je dynamické vyhľadanie informácií až v momente, keď ich agent alebo model potrebuje pre aktuálny krok, namiesto načítania všetkého vopred.
K-means
K-means je zhlukovací algoritmus, ktorý priraďuje body k najbližšiemu centroidu a opakovane prepočítava centroidy tak, aby minimalizoval vnútrozhlukovú variabilitu.
K-medoids
K-medoids je zhlukovací algoritmus podobný k-means, ktorý ako stred každého zhluku používa skutočný dátový bod, čím býva odolnejší voči extrémnym hodnotám.
K-nearest neighbors
K-nearest neighbors je metóda, ktorá predikuje triedu alebo hodnotu podľa najbližších označených príkladov v priestore definovanom zvolenou mierou vzdialenosti.
Kalman filter
Kalman filter je rekurzívny pravdepodobnostný odhadovač stavu dynamického systému, ktorý kombinuje model pohybu s neistými meraniami.
Kernel
Kernel je funkcia podobnosti alebo transformačná operácia, ktorá umožňuje algoritmu pracovať s implicitnými reprezentáciami bez explicitného výpočtu všetkých rozmerov.
Kernel method
Kernel method je trieda algoritmov využívajúcich kernel funkcie na lineárne učenie v implicitne transformovanom priestore, napríklad SVM alebo kernelová regresia.
Kernel PCA
Kernel PCA je nelineárne zníženie rozmernosti, ktoré aplikuje analýzu hlavných komponentov v implicitnom priestore definovanom kernel funkciou.
Kernel trick
Kernel trick je výpočtový postup nahrádzajúci skalárny súčin vo vysokorozmernom priestore kernel funkciou vypočítanou priamo z pôvodných vstupov.
Key-value cache
Key-value cache je pamäť kľúčov a hodnôt attention mechanizmu z predchádzajúcich tokenov, ktorá zrýchľuje autoregresívne generovanie tým, že neopakuje staré výpočty.
Knowledge base
Knowledge base je organizovaná kolekcia overených informácií, dokumentov, faktov alebo pravidiel určená na vyhľadávanie, odvodzovanie a podporu odpovedí AI systému.
Knowledge distillation
Knowledge distillation je prenos správania veľkého učiteľského modelu do menšieho študentského modelu pomocou mäkkých cieľov, logitov alebo generovaných príkladov.
Knowledge graph
Knowledge graph je štruktúrovaná sieť entít, vlastností a vzťahov s definovanou sémantikou, ktorá umožňuje prepájať, dotazovať a odvádzať znalosti.
Knowledge representation
Knowledge representation je spôsoby formálneho zápisu faktov, pojmov, pravidiel a vzťahov tak, aby ich výpočtový systém vedel ukladať, vyhľadávať a používať pri odvodzovaní.
Knowledge retrieval
Knowledge retrieval je vyhľadanie relevantných faktov, dokumentov alebo grafových uzlov zo znalostného zdroja podľa dotazu a kontextu úlohy.
Knowledge tracing
Knowledge tracing je modelovanie vývoja znalostí používateľa alebo študenta v čase podľa odpovedí a aktivít, používané pri adaptívnom vzdelávaní.
KL divergence
KL divergence je nesymetrická miera informačného rozdielu medzi dvoma pravdepodobnostnými rozdeleniami, ktorá vyjadruje stratu pri aproximácii jedného druhým.
K-fold cross-validation
K-fold cross-validation je krížová validácia, ktorá rozdelí dáta na k častí a postupne používa každú časť na hodnotenie, zatiaľ čo zvyšné časti slúžia na tréning.
Kullback-Leibler regularization
Kullback-Leibler regularization je pridanie člena KL divergencie do stratovej funkcie s cieľom udržať naučené rozdelenie blízko referenčného alebo požadovaného rozdelenia.
Kubernetes for AI
Kubernetes for AI je použitie kontajnerového orchestrátora Kubernetes na plánovanie, škálovanie, izoláciu a obnovu tréningových a inferenčných služieb.
Keypoint detection
Keypoint detection je lokalizácia významných bodov objektu v obraze, napríklad kĺbov tela, rohov tváre alebo orientačných bodov výrobku.
Label
Label je cieľová značka alebo referenčná hodnota priradená príkladu, ktorú kontrolované učenie používa ako požadovaný výstup.
Label encoding
Label encoding je prevod kategórií na číselné identifikátory, pričom čísla reprezentujú triedy, ale samy osebe nemusia vyjadrovať poradie ani vzdialenosť.
Label smoothing
Label smoothing je úprava ostrých cieľových pravdepodobností tak, aby časť hmotnosti dostali aj ostatné triedy, čím sa obmedzuje prehnaná istota modelu.
Language model
Language model je model pravdepodobnosti jazykových sekvencií, ktorý odhaduje ďalšie alebo chýbajúce tokeny a vytvára reprezentácie či text podľa kontextu.
Large language model
Large language model je jazykový model s veľkým počtom parametrov trénovaný na rozsiahlych textových a často multimodálnych dátach, schopný generalizovať na mnoho úloh.
Latent diffusion model
Latent diffusion model je difúzny generatívny model, ktorý proces zašumovania a odšumovania vykonáva v komprimovanom latentnom priestore namiesto priamo v priestore pixelov.
Latent space
Latent space je naučený vnútorný vektorový priestor, v ktorom model reprezentuje skryté faktory, štruktúru a podobnosť dát.
Layer normalization
Layer normalization je normalizačná vrstva, ktorá pre každý príklad škáluje aktivácie naprieč vlastnosťami a používa naučené parametre posunu a mierky.
Learning curve
Learning curve je graf výkonnosti modelu v závislosti od množstva tréningových dát, počtu iterácií alebo inej tréningovej veličiny.
Learning rate
Learning rate je hyperparameter určujúci veľkosť kroku, ktorým optimalizátor mení parametre modelu pri každej aktualizácii.
Lemmatization
Lemmatization je jazykové spracovanie, ktoré prevádza ohýbané tvary slov na základnú slovníkovú podobu s využitím morfológie a kontextu.
Linear regression
Linear regression je štatistický model odhadujúci spojitý cieľ ako lineárnu kombináciu vstupných vlastností a koeficientov.
Linear classifier
Linear classifier je klasifikačný model, ktorého rozhodnutie vychádza z lineárnej kombinácie vlastností a vytvára lineárnu hranicu v reprezentovanom priestore.
Logistic regression
Logistic regression je pravdepodobnostný klasifikačný model, ktorý transformuje lineárne skóre logistickou funkciou na odhad pravdepodobnosti triedy.
LoRA
LoRA je parameterovo úsporné doladenie, ktoré zmrazené váhy modelu dopĺňa nízkohodnostnými maticami a trénuje iba malý počet nových parametrov.
Loss function
Loss function je funkcia vyjadrujúca nesúlad medzi výstupom modelu a cieľom, ktorú optimalizátor počas tréningu minimalizuje.
LSTM
LSTM je rekurentná neurónová architektúra s pamäťovou bunkou a bránami, ktoré riadia uchovávanie, zabúdanie a používanie informácie v sekvencii.
LLMOps
LLMOps je prevádzkové postupy pre vývoj, hodnotenie, nasadenie, monitorovanie, bezpečnosť a riadenie aplikácií založených na veľkých jazykových modeloch.
Local explanation
Local explanation je vysvetlenie konkrétnej predikcie alebo jedného prípadu, ktoré ukazuje, ktoré vstupy či faktory najviac ovplyvnili daný výstup.
Logit
Logit je neobmedzené číselné skóre modelu pred aplikáciou normalizačnej funkcie, napríklad softmaxu alebo sigmoidnej funkcie.
Machine learning
Machine learning je oblasť AI, v ktorej algoritmy z dát odhadujú vzory a parametre umožňujúce predikovať, klasifikovať alebo rozhodovať bez explicitného naprogramovania každého prípadu.
MLOps
MLOps je súbor technických a organizačných postupov, ktoré spájajú vývoj modelov s automatizovaným nasadením, monitorovaním, verziovaním a spoľahlivou prevádzkou.
MLflow
MLflow je open-source platforma na zaznamenávanie experimentov, balenie modelov, správu registrov a podporu životného cyklu strojového učenia.
Model card
Model card je štruktúrovaný dokument opisujúci účel modelu, dáta, výkon, limity, riziká, etické úvahy a odporúčané podmienky použitia.
Model drift
Model drift je postupné zhoršovanie správania alebo výkonu modelu v čase v dôsledku zmien dát, prostredia, používateľov alebo vzťahu medzi vstupmi a cieľom.
Model evaluation
Model evaluation je systematické meranie kvality modelu na relevantných dátach a scenároch pomocou metrík, segmentov, záťažových testov a odborného posúdenia.
Model governance
Model governance je pravidlá, role, evidencie a schvaľovacie procesy na riadenie modelov od návrhu cez validáciu a nasadenie až po zmenu alebo vyradenie.
Model monitoring
Model monitoring je priebežné sledovanie vstupov, výstupov, výkonu, driftu, latencie, nákladov a rizikových signálov modelu v produkcii.
Model registry
Model registry je centrálne úložisko verzií modelov s metadátami, stavmi schválenia, pôvodom artefaktov a väzbou na experimenty a nasadenia.
Model serving
Model serving je prevádzkové sprístupnenie modelu aplikáciám prostredníctvom API, dávkového procesu alebo streamu s riadením výkonu, verzií a škálovania.
Model validation
Model validation je nezávislé alebo oddelené overenie, že model spĺňa definované požiadavky na výkon, robustnosť, dáta, dokumentáciu, riziká a vhodnosť použitia.
Multimodal AI
Multimodal AI je aI systém, ktorý spracúva alebo generuje viac typov dát, napríklad text, obraz, zvuk, video a tabuľky, a prepája ich význam.
Multi-agent system
Multi-agent system je systém viacerých autonómnych alebo poloautonómnych agentov, ktorí spolupracujú, súťažia alebo si rozdeľujú úlohy v spoločnom prostredí.
Multi-class classification
Multi-class classification je klasifikačná úloha, pri ktorej každý príklad patrí práve do jednej z troch alebo viacerých vzájomne sa vylučujúcich tried.
Multi-label classification
Multi-label classification je klasifikačná úloha, pri ktorej môže jeden príklad súčasne patriť do viacerých nezávislých alebo súvisiacich tried.
Multi-task learning
Multi-task learning je spoločný tréning modelu na viacerých úlohách so zdieľanými reprezentáciami, aby informácia z jednej úlohy podporila učenie inej.
Monte Carlo method
Monte Carlo method je rodina numerických metód využívajúcich opakované náhodné vzorkovanie na odhad pravdepodobností, integrálov, neistoty alebo očakávaných hodnôt.
Mixture of experts
Mixture of experts je architektúra s viacerými špecializovanými podsieťami, z ktorých smerovač pre každý vstup aktivuje iba vybraných expertov.
Mean squared error
Mean squared error je priemer štvorcov rozdielov medzi predikovanými a skutočnými hodnotami, ktorý silnejšie penalizuje veľké chyby.
Meta-learning
Meta-learning je učenie spôsobu učenia, pri ktorom model získava skúsenosť z viacerých úloh a dokáže sa rýchlejšie prispôsobiť novej úlohe s malým množstvom dát.
Naive Bayes
Naive Bayes je pravdepodobnostný klasifikátor založený na Bayesovej vete a zjednodušujúcom predpoklade podmienenej nezávislosti vlastností pri známej triede.
Named entity recognition
Named entity recognition je úloha NLP, ktorá v texte lokalizuje a klasifikuje pomenované entity, napríklad osoby, organizácie, lokality, sumy alebo dátumy.
Natural language generation
Natural language generation je automatická tvorba zrozumiteľného textu alebo reči zo štruktúrovaných dát, reprezentácií, dokumentov alebo inštrukcií.
Natural language processing
Natural language processing je oblasť AI a informatiky zameraná na analýzu, reprezentáciu, porozumenie a generovanie ľudského jazyka.
Natural language understanding
Natural language understanding je schopnosť systému určovať význam, zámer, entity, vzťahy a kontext jazykového vstupu pre následné rozhodovanie alebo akciu.
Nearest neighbor search
Nearest neighbor search je vyhľadanie najpodobnejších objektov k dotazu podľa definovanej vzdialenosti alebo podobnosti v pôvodnom či vektorovom priestore.
Neural architecture search
Neural architecture search je automatizované hľadanie architektúry neurónovej siete podľa výkonnosti, výpočtových nákladov a obmedzení cieľového prostredia.
Neural network
Neural network je model zložený z prepojených vrstiev výpočtových jednotiek, ktoré sa učením váh transformujú vstupy na reprezentácie a výstupy.
Node embedding
Node embedding je vektorová reprezentácia uzla grafu, ktorá zachytáva jeho susedstvo, štrukturálnu rolu, atribúty alebo vzťahy.
Noise injection
Noise injection je zámerné pridávanie náhodných perturbácií do vstupov, aktivácií alebo parametrov s cieľom zlepšiť robustnosť, generalizáciu alebo súkromie.
Normalization
Normalization je transformácia hodnôt do porovnateľnej mierky alebo rozdelenia, ktorá stabilizuje optimalizáciu a obmedzuje dominanciu vlastností s veľkým rozsahom.
Novelty detection
Novelty detection je identifikácia príkladov, ktoré sa významne odlišujú od naučeného normálneho rozdelenia, pričom tréning typicky obsahuje iba normálne prípady.
N-gram
N-gram je súvislá sekvencia n tokenov alebo znakov používaná na modelovanie lokálnych jazykových vzorov, frekvencií a pravdepodobností.
Nonlinear model
Nonlinear model je model, ktorého vzťah medzi vstupmi a výstupom nemožno vyjadriť iba lineárnou kombináciou parametrov a vlastností.
Nonparametric model
Nonparametric model je model, ktorého efektívna zložitosť nie je určená pevným počtom parametrov a môže rásť s množstvom alebo štruktúrou dát.
Negative sampling
Negative sampling je výber obmedzeného počtu negatívnych príkladov namiesto hodnotenia všetkých možností, čím sa zrýchľuje učenie reprezentácií a klasifikátorov.
Nested cross-validation
Nested cross-validation je krížová validácia s vnútorným cyklom na výber hyperparametrov a vonkajším cyklom na menej skreslený odhad generalizácie.
Nucleus sampling
Nucleus sampling je dekódovanie, ktoré v každom kroku vzorkuje z najmenšej množiny tokenov s kumulatívnou pravdepodobnosťou aspoň p.
Numerical stability
Numerical stability je odolnosť výpočtu voči zaokrúhľovacím chybám, pretečeniu, podtečeniu a strate presnosti pri operáciách s konečnou reprezentáciou čísel.
Neuro-symbolic AI
Neuro-symbolic AI je kombinácia neurónového učenia reprezentácií so symbolickými pravidlami, logikou alebo znalostnými štruktúrami.
Object detection
Object detection je úloha počítačového videnia, ktorá v obraze lokalizuje objekty a priraďuje im triedy, zvyčajne pomocou ohraničujúcich rámčekov.
Optical character recognition
Optical character recognition je automatický prevod znakov zachytených v obraze alebo naskenovanom dokumente na strojovo čitateľný text.
One-hot encoding
One-hot encoding je kódovanie kategórie vektorom, v ktorom má pozícia danej kategórie hodnotu jedna a všetky ostatné pozície nulu.
One-shot learning
One-shot learning je učenie alebo rozpoznanie novej triedy z jediného označeného príkladu pomocou prenesených reprezentácií alebo metrík podobnosti.
Online learning
Online learning je priebežná aktualizácia modelu po jednotlivých príkladoch alebo malých dávkach prichádzajúcich v čase.
Ontology
Ontology je formálny model domény definujúci pojmy, triedy, vlastnosti, vzťahy a obmedzenia významu medzi entitami.
Open-set recognition
Open-set recognition je rozpoznávanie, pri ktorom musí model okrem známych tried vedieť odmietnuť alebo označiť vstup patriaci do neznámej triedy.
Open-source model
Open-source model je model, pri ktorom sú podľa konkrétnej licencie verejne dostupné váhy, kód, architektúra alebo dokumentácia v rozsahu umožňujúcom ďalšie použitie.
Optimization
Optimization je proces hľadania parametrov alebo rozhodnutí, ktoré minimalizujú či maximalizujú definovanú cieľovú funkciu pri daných obmedzeniach.
Optimizer
Optimizer je algoritmus, ktorý podľa gradientov alebo iných signálov aktualizuje parametre modelu s cieľom znížiť stratovú funkciu.
Outlier detection
Outlier detection je identifikácia jednotlivých pozorovaní, ktoré sú podľa štatistického alebo geometrického kritéria neobvykle vzdialené od väčšiny dát.
Overfitting
Overfitting je stav, keď model príliš presne zachytí šum a zvláštnosti tréningových dát a dosahuje slabší výkon na nových prípadoch.
Oversampling
Oversampling je zvýšenie zastúpenia málo početnej triedy opakovaním alebo syntetickým vytváraním jej príkladov.
Orchestration
Orchestration je koordinácia modelov, nástrojov, dátových krokov, pravidiel a služieb do riadeného pracovného toku s definovaným poradím a stavmi.
Output validation
Output validation je kontrola formátu, obsahu, faktickosti, bezpečnosti a povolených hodnôt výstupu modelu pred jeho použitím alebo odoslaním.
Observability
Observability je schopnosť odvodiť vnútorný stav systému z metrík, logov, stôp a udalostí a rýchlo diagnostikovať príčinu zlyhania.
Out-of-distribution detection
Out-of-distribution detection je odhad, či vstup pochádza z rozdelenia odlišného od dát, na ktorých bol model trénovaný a validovaný.
Objective function
Objective function je matematická funkcia vyjadrujúca cieľ optimalizácie, ktorú algoritmus minimalizuje alebo maximalizuje pri hľadaní riešenia.
Operational AI
Operational AI je aI riešenie začlenené do reálneho procesu s vlastníkmi, dátovými tokmi, integráciami, kontrolami, monitorovaním a podporou.
On-device AI
On-device AI je spúšťanie modelu priamo na používateľskom zariadení, napríklad telefóne, senzore alebo počítači, bez nutnosti odosielať každý vstup na server.
Parameter
Parameter je naučená číselná hodnota modelu, napríklad váha alebo posun, ktorá sa počas tréningu upravuje podľa dát a stratovej funkcie.
Parameter-efficient fine-tuning
Parameter-efficient fine-tuning je prispôsobenie veľkého modelu tréningom malej podmnožiny parametrov alebo doplnkových modulov namiesto aktualizácie všetkých váh.
Perceptron
Perceptron je jednoduchý lineárny binárny klasifikátor a základná neurónová jednotka, ktorá prahuje vážený súčet vstupov.
Perplexity
Perplexity je exponent priemernej negatívnej logaritmickej pravdepodobnosti tokenov, používaný na meranie neistoty jazykového modelu nad sekvenciou.
Pipeline
Pipeline je opakovateľný sled automatizovaných krokov, ktoré premieňajú vstupy na dátové artefakty, modely, hodnotenia alebo produkčné výstupy.
Precision
Precision je podiel skutočne pozitívnych prípadov medzi všetkými prípadmi, ktoré model označil ako pozitívne.
Predictive maintenance
Predictive maintenance je predikcia porúch a potreby servisu zo senzorov, histórie a prevádzkových dát s cieľom zasiahnuť pred zlyhaním zariadenia.
Pretraining
Pretraining je počiatočný tréning modelu na rozsiahlych všeobecných dátach pred jeho prispôsobením konkrétnej úlohe alebo doméne.
Prompt
Prompt je textová, obrazová alebo štruktúrovaná inštrukcia a kontext poskytnutý generatívnemu modelu na usmernenie jeho výstupu.
Prompt engineering
Prompt engineering je systematický návrh, testovanie a optimalizácia inštrukcií, kontextu, príkladov a výstupného formátu pre generatívny model.
Prompt injection
Prompt injection je útok alebo neželaný vstup, ktorý sa snaží zmeniť prioritu inštrukcií modelu, odhaliť údaje alebo vyvolať nepovolenú akciu.
Prompt template
Prompt template je opakovateľná štruktúra promptu s pevnými pravidlami a premennými miestami, do ktorých aplikácia dopĺňa aktuálny kontext.
Pruning
Pruning je odstraňovanie málo dôležitých váh, neurónov alebo štruktúr modelu s cieľom znížiť veľkosť a výpočtové náklady.
Pseudolabeling
Pseudolabeling je použitie predikcií modelu ako dočasných značiek pre neznačkované dáta, ktoré sa následne pridajú do ďalšieho tréningu.
Probability calibration
Probability calibration je úprava skóre modelu tak, aby predikované pravdepodobnosti lepšie zodpovedali skutočným frekvenciám udalostí.
Production inference
Production inference je inferencia vykonávaná v reálnom prevádzkovom prostredí s požiadavkami na dostupnosť, latenciu, bezpečnosť, škálovanie a audit.
Proximal policy optimization
Proximal policy optimization je algoritmus posilňovaného učenia, ktorý aktualizuje politiku v obmedzených krokoch pomocou orezaného cieľa, aby zlepšil stabilitu učenia.
Principal component analysis
Principal component analysis je lineárna transformácia, ktorá hľadá ortogonálne smery najväčšej variability a reprezentuje dáta menším počtom komponentov.
Privacy-preserving machine learning
Privacy-preserving machine learning je metódy a procesy znižujúce odhalenie osobných alebo citlivých údajov pri tréningu, inferencii a zdieľaní modelov.
Policy gradient
Policy gradient je metóda posilňovaného učenia, ktorá priamo upravuje parametre politiky podľa gradientu očakávanej odmeny.
Q-learning
Q-learning je bezmodelový algoritmus posilňovaného učenia, ktorý sa učí optimálnu hodnotu akcie v stave pomocou Bellmanovej aktualizácie.
Q-value
Q-value je odhad očakávanej kumulatívnej odmeny pri vykonaní konkrétnej akcie v stave a následnom pokračovaní podľa určitej politiky.
Q-function
Q-function je funkcia mapujúca dvojicu stav a akcia na očakávanú dlhodobú návratnosť, používaná pri výbere akcií v posilňovanom učení.
Q-table
Q-table je tabuľková reprezentácia Q-hodnôt pre konečný počet stavov a akcií, aktualizovaná počas učenia agenta.
Q-network
Q-network je neurónová sieť aproximujúca Q-funkciu v prostrediach s príliš veľkým alebo spojitým stavovým priestorom.
Quantization
Quantization je prevod váh alebo aktivácií modelu na číselný formát s menšou presnosťou s cieľom znížiť pamäť, latenciu a spotrebu.
Quantization-aware training
Quantization-aware training je tréning, ktorý simuluje efekty nízkej číselnej presnosti už počas učenia, aby model po kvantizácii stratil menej kvality.
Quantile regression
Quantile regression je regresný prístup odhadujúci zvolený kvantil podmieneného rozdelenia cieľa namiesto iba jeho priemernej hodnoty.
Quantile loss
Quantile loss je asymetrická stratová funkcia pre kvantilovú regresiu, ktorá rozdielne penalizuje podhodnotenie a nadhodnotenie podľa cieľového kvantilu.
Query
Query je formulovaný informačný alebo výpočtový dopyt odoslaný vyhľadávaciemu systému, databáze, modelu alebo nástroju.
Query expansion
Query expansion je doplnenie dotazu o synonymá, súvisiace pojmy alebo odvodené výrazy s cieľom zvýšiť úplnosť vyhľadania.
Query rewriting
Query rewriting je preformulovanie pôvodného dotazu do presnejšej, samostatnej alebo systémovo vhodnej podoby pred vyhľadávaním či volaním nástroja.
Query routing
Query routing je rozhodovanie, ktorý model, index, nástroj alebo pracovný tok má spracovať konkrétny dotaz podľa jeho obsahu a požiadaviek.
Query embedding
Query embedding je vektorová reprezentácia dotazu vytvorená tak, aby sa dala porovnať s embeddingmi dokumentov alebo položiek pri sémantickom vyhľadávaní.
Query-key-value attention
Query-key-value attention je výpočet attention, pri ktorom sa podobnosť query a key používa na váženú kombináciu príslušných value vektorov.
Question answering
Question answering je úloha, pri ktorej systém vytvára alebo vyberá odpoveď na otázku z vlastných znalostí, dodaného kontextu alebo vyhľadaných zdrojov.
Quality assurance for AI
Quality assurance for AI je plánované kontroly, testy, revízie a dôkazy zabezpečujúce, že AI riešenie spĺňa požiadavky na kvalitu, bezpečnosť a použiteľnosť.
Quality metric
Quality metric je číselný ukazovateľ vybraného aspektu kvality dát, modelu alebo služby, napríklad presnosti, úplnosti, latencie či konzistencie.
Quadratic programming
Quadratic programming je optimalizácia kvadratickej cieľovej funkcie pri lineárnych obmedzeniach, používaná napríklad pri tréningu niektorých SVM modelov.
Quaternion neural network
Quaternion neural network je neurónová sieť, ktorej váhy a aktivácie využívajú kvaternióny na spoločné modelovanie viacrozmerných vzťahov, napríklad rotácií alebo farebných kanálov.
Retrieval-augmented generation
Retrieval-augmented generation je architektúra, ktorá pred generovaním vyhľadá relevantné externé informácie a vloží ich do kontextu generatívneho modelu.
Random forest
Random forest je ensemble rozhodovacích stromov trénovaných na náhodných vzorkách dát a vlastností, ktorých výstupy sa priemerujú alebo hlasujú.
Recall
Recall je podiel skutočne pozitívnych prípadov, ktoré model správne identifikoval ako pozitívne.
Recommendation system
Recommendation system je systém odhadujúci relevantnosť položiek pre používateľa alebo kontext a zostavujúci personalizované poradie či výber.
Recurrent neural network
Recurrent neural network je neurónová sieť so spätnými väzbami, ktorá udržiava stav a spracúva sekvencie po krokoch so zdieľanými parametrami.
Regression
Regression je prediktívna úloha, pri ktorej model odhaduje spojitú číselnú hodnotu alebo rozdelenie cieľovej premennej.
Reinforcement learning
Reinforcement learning je učenie agenta interakciou s prostredím, pri ktorom sa politika zlepšuje podľa odmien a dlhodobej návratnosti.
Regularization
Regularization je obmedzenie alebo penalizácia zložitosti modelu s cieľom zlepšiť generalizáciu a znížiť preučenie.
Re-ranking
Re-ranking je druhá fáza vyhľadávania, ktorá presnejším modelom mení poradie menšieho súboru už získaných kandidátov.
Representation learning
Representation learning je automatické učenie vlastností a vektorových reprezentácií z dát namiesto úplne ručného návrhu vstupných znakov.
ResNet
ResNet je hlboká konvolučná architektúra s reziduálnymi prepojeniami, ktoré umožňujú učiť zmeny voči vstupu vrstvy a stabilizujú tréning.
Residual connection
Residual connection je skratkové prepojenie pridávajúce vstup bloku k jeho transformovanému výstupu, čím uľahčuje tok gradientov v hlbokých sieťach.
Retrieval
Retrieval je proces získania relevantných dokumentov, položiek alebo záznamov z indexu podľa dotazu, filtrov a skórovacej funkcie.
Retrieval evaluation
Retrieval evaluation je meranie kvality vyhľadávania podľa relevancie a poradia výsledkov pomocou metrík ako recall, precision, MRR alebo nDCG.
Reward model
Reward model je model odhadujúci preferenciu alebo kvalitu výstupu a poskytujúci odmeňovací signál pre optimalizáciu generatívneho systému.
Responsible AI
Responsible AI je prístup k AI, ktorý prepája technický výkon s bezpečnosťou, spravodlivosťou, transparentnosťou, súkromím, zodpovednosťou a ľudským dohľadom.
Risk assessment
Risk assessment je proces identifikácie hrozieb, pravdepodobnosti, závažnosti dopadov, zraniteľností a existujúcich kontrol pre konkrétny AI systém.
Robustness
Robustness je schopnosť modelu udržať primeraný výkon pri šume, odchýlkach, zmenách podmienok, chybách alebo zámerných perturbáciách.
ROC curve
ROC curve je krivka zobrazujúca citlivosť proti miere falošne pozitívnych výsledkov pri meniacom sa klasifikačnom prahu.
Reinforcement learning from human feedback
Reinforcement learning from human feedback je postup prispôsobenia modelu ľudským preferenciám pomocou hodnotení výstupov, odmeňovacieho modelu a optimalizácie politiky.
Sampling
Sampling je výber príkladov, bodov alebo tokenov z pravdepodobnostného rozdelenia podľa definovaného pravidla, teploty a prípadných obmedzení.
Semantic search
Semantic search je vyhľadávanie podľa významovej podobnosti dotazu a obsahu, často pomocou embeddingov, namiesto spoliehania sa iba na zhodu kľúčových slov.
Self-attention
Self-attention je attention mechanizmus, v ktorom každý prvok sekvencie váži ostatné prvky tej istej sekvencie a vytvára kontextovú reprezentáciu.
Self-supervised learning
Self-supervised learning je učenie reprezentácií z neznačkovaných dát pomocou cieľov automaticky odvodených zo samotných dát, napríklad maskovania alebo predikcie časti vstupu.
Sentiment analysis
Sentiment analysis je automatické určovanie polarity, emócie alebo postoja vyjadreného v texte, reči či inom obsahu.
SHAP
SHAP je metóda vysvetľovania predikcií založená na Shapleyho hodnotách, ktorá priraďuje vlastnostiam príspevok vzhľadom na všetky ich kombinácie.
Similarity search
Similarity search je vyhľadanie položiek najbližších dotazu podľa zvolenej metriky podobnosti alebo vzdialenosti v reprezentovanom priestore.
Softmax
Softmax je funkcia, ktorá transformuje vektor logitov na nezáporné hodnoty s celkovým súčtom jedna a používa sa ako rozdelenie pravdepodobností tried.
Speech recognition
Speech recognition je automatický prevod hovoreného prejavu na text alebo štruktúrovanú sekvenciu slov, znakov či foném.
Stable Diffusion
Stable Diffusion je rodina latentných difúznych modelov na generovanie a úpravu obrazov podľa textových alebo obrazových podmienok.
Stochastic gradient descent
Stochastic gradient descent je gradientný optimalizačný algoritmus, ktorý aktualizuje parametre z náhodne vybraných príkladov alebo malých dávok namiesto celého datasetu.
Synthetic data
Synthetic data je umelo vytvorené dáta generované simuláciou, pravidlami alebo modelom tak, aby napodobňovali vybrané vlastnosti reálneho prostredia.
System prompt
System prompt je najvyššie prioritná inštrukčná vrstva konverzačného modelu, ktorá definuje jeho rolu, pravidlá, hranice a formát správania.
Safety filter
Safety filter je mechanizmus klasifikujúci alebo upravujúci vstupy a výstupy s cieľom zablokovať nebezpečný, nezákonný alebo pravidlami zakázaný obsah.
Scikit-learn
Scikit-learn je open-source knižnica pre Python poskytujúca klasické algoritmy strojového učenia, preprocessing, metriky, validáciu a pipeline rozhrania.
Sequence-to-sequence
Sequence-to-sequence je architektúra mapujúca vstupnú sekvenciu na výstupnú sekvenciu s možnou odlišnou dĺžkou, používaná pri preklade, sumarizácii a generovaní.
Support vector machine
Support vector machine je model hľadajúci rozhodovaciu hranicu s maximálnou rezervou medzi triedami, prípadne využívajúci kernel pre nelineárne oddelenie.
Sparse model
Sparse model je model alebo reprezentácia, v ktorej je väčšina parametrov či aktivácií nulová alebo neaktívna, čo môže znížiť výpočty a zlepšiť interpretáciu.
Speculative decoding
Speculative decoding je zrýchlenie generovania, pri ktorom menší model navrhne viac tokenov a väčší model ich paralelne overí a prijme alebo opraví.
Structured output
Structured output je výstup generatívneho modelu viazaný na definovanú dátovú štruktúru, typy a povinné polia vhodné na spoľahlivé spracovanie aplikáciou.
Temperature
Temperature je parameter dekódovania upravujúci ostrosť pravdepodobnostného rozdelenia tokenov, pričom nižšia hodnota zvyšuje deterministickosť a vyššia rozmanitosť.
Tensor
Tensor je viacrozmerné pole čísel, ktoré všeobecne reprezentuje skaláre, vektory, matice aj vyššie dimenzie v modelových výpočtoch.
TensorFlow
TensorFlow je open-source platforma na tvorbu, tréning a nasadenie modelov strojového učenia s podporou automatickej diferenciácie a akcelerátorov.
Test set
Test set je oddelená množina príkladov použitá na konečné, nezávislé hodnotenie vybraného modelu po ukončení tréningu a ladenia.
Text classification
Text classification je priraďovanie textu do jednej alebo viacerých kategórií, napríklad témy, zámeru, rizika, jazyka alebo sentimentu.
Text embedding
Text embedding je vektorová reprezentácia textu zachytávajúca význam, kontext alebo použitie a umožňujúca porovnávanie, vyhľadávanie a zhlukovanie.
Text generation
Text generation je automatická tvorba novej textovej sekvencie podľa vstupu, kontextu a pravdepodobnostného modelu jazyka.
Token
Token je základná jednotka textu spracúvaná jazykovým modelom, ktorá môže predstavovať znak, časť slova, celé slovo alebo špeciálny symbol.
Tokenization
Tokenization je rozdelenie vstupného textu na tokeny a ich prevod na číselné identifikátory podľa slovníka modelu.
Tool calling
Tool calling je schopnosť modelu vybrať definovaný externý nástroj, zostaviť jeho argumenty a použiť výsledok v ďalšom kroku pracovného toku.
Topic modeling
Topic modeling je nekontrolované odhaľovanie latentných tém v kolekcii dokumentov podľa spoločného výskytu slov alebo naučených reprezentácií.
Training set
Training set je množina príkladov používaná na učenie parametrov modelu a prípadne na priebežné výpočty stratovej funkcie.
Transfer learning
Transfer learning je využitie znalostí alebo reprezentácií naučených na jednej úlohe či doméne na zlepšenie učenia príbuznej cieľovej úlohy.
Transformer
Transformer je neurónová architektúra založená najmä na attention mechanizmoch, paralelnom spracovaní tokenov a vrstvách dopredných sietí.
Transparency
Transparency je dostupnosť relevantných informácií o účele, fungovaní, dátach, výkone, limitoch, zodpovednostiach a použití AI systému.
Tree-based model
Tree-based model je prediktívny model využívajúci rozhodovacie stromy samostatne alebo v ensemble, kde sa priestor vstupov delí podľa podmienok nad vlastnosťami.
Triplet loss
Triplet loss je stratová funkcia, ktorá približuje embedding kotvy k pozitívnemu príkladu a odďaľuje ho od negatívneho aspoň o definovanú rezervu.
Time-series forecasting
Time-series forecasting je predikcia budúcich hodnôt časovo usporiadanej premennej z jej histórie, sezónnosti, trendov a prípadných externých faktorov.
Turing test
Turing test je navrhovaný test strojovej inteligencie, v ktorom človek pri textovej interakcii nedokáže spoľahlivo odlíšiť stroj od človeka.
Trustworthy AI
Trustworthy AI je aI, ktorej vlastnosti a riadenie podporujú platnosť, spoľahlivosť, bezpečnosť, odolnosť, zodpovednosť, transparentnosť, súkromie a spravodlivosť.
Underfitting
Underfitting je stav, keď model alebo jeho tréning nedokáže zachytiť podstatnú štruktúru dát a dosahuje slabý výkon už na tréningových príkladoch.
Uncertainty estimation
Uncertainty estimation je odhad neistoty predikcie, parametrov alebo dát, ktorý pomáha rozlíšiť spoľahlivé výstupy od prípadov vyžadujúcich opatrnosť.
Unigram model
Unigram model je jazykový alebo tokenizačný model predpokladajúci nezávislé pravdepodobnosti jednotlivých jednotiek bez priameho zohľadnenia ich poradia.
Unlearning
Unlearning je postup odstránenia alebo oslabenia vplyvu konkrétnych tréningových dát, znalostí alebo správania z už natrénovaného modelu.
Unstructured data
Unstructured data je dáta bez pevnej tabuľkovej schémy, napríklad voľný text, obraz, zvuk, video, dokumenty alebo záznamy komunikácie.
Unsupervised learning
Unsupervised learning je učenie zo vstupných dát bez explicitných cieľových značiek, zamerané na štruktúru, reprezentácie, zhluky alebo rozdelenie dát.
Upsampling
Upsampling je zvýšenie počtu vzoriek, rozlíšenia alebo zastúpenia triedy interpoláciou, opakovaním či generovaním nových prvkov.
User embedding
User embedding je vektorová reprezentácia používateľa vytvorená z jeho vlastností a interakcií, používaná na personalizáciu a odporúčanie.
User intent
User intent je cieľ alebo potreba, ktorú sa používateľ snaží splniť svojou požiadavkou, otázkou alebo interakciou so systémom.
Utility function
Utility function je funkcia číselne vyjadrujúca preferenciu alebo hodnotu výsledku a umožňujúca porovnávať rozhodnutia podľa očakávaného úžitku.
U-Net
U-Net je konvolučná architektúra typu encoder-decoder so skip prepojeniami, navrhnutá najmä na presnú segmentáciu obrazov.
UMAP
UMAP je nelineárna metóda zníženia rozmernosti, ktorá vytvára nízkorozmernú reprezentáciu pri zachovaní lokálnej a časti globálnej štruktúry.
Universal approximation theorem
Universal approximation theorem je teoretický výsledok, podľa ktorého vhodná neurónová sieť môže za určitých podmienok aproximovať ľubovoľnú spojitú funkciu s požadovanou presnosťou.
Uncertainty calibration
Uncertainty calibration je zhoda medzi vyjadrenou neistotou modelu a skutočnou frekvenciou chýb alebo intervalovým pokrytím v hodnotených prípadoch.
Uniform sampling
Uniform sampling je vzorkovanie, pri ktorom majú všetky prvky alebo hodnoty v definovanom priestore rovnakú pravdepodobnosť výberu.
Unit test for AI
Unit test for AI je malý automatizovaný test overujúci konkrétne očakávané správanie dátovej transformácie, promptu, modelového rozhrania alebo ochranného pravidla.
Use case
Use case je konkrétny opis aktéra, cieľa, procesu, vstupov, výstupov, hodnoty a rizík, pre ktoré sa AI riešenie navrhuje alebo posudzuje.
Usage policy
Usage policy je pravidlá určujúce povolené, obmedzené a zakázané spôsoby používania modelu, dát, nástrojov alebo AI služby.
User feedback loop
User feedback loop je proces zberu, vyhodnocovania a využívania spätnej väzby používateľov na zlepšovanie modelu, produktu, pravidiel alebo znalostnej bázy.
Update rule
Update rule je matematické pravidlo určujúce, ako algoritmus mení parameter, stav alebo odhad na základe aktuálnych dát a chyby.
Validation set
Validation set je oddelená časť dát používaná počas vývoja na výber modelu, ladenie hyperparametrov, prahov a rozhodnutí bez zásahu do testovacej množiny.
Variational autoencoder
Variational autoencoder je generatívny latentný model, ktorý sa učí pravdepodobnostné kódovanie vstupov a rekonštrukciu pomocou variačnej dolnej hranice.
Variance
Variance je miera rozptýlenia hodnôt alebo citlivosti modelu na zmeny tréningovej vzorky, ktorá ovplyvňuje stabilitu a generalizáciu.
Vector database
Vector database je databáza optimalizovaná na ukladanie embeddingov, filtrovanie metadát a rýchle približné vyhľadávanie podobných vektorov.
Vector embedding
Vector embedding je číselný vektor reprezentujúci objekt tak, aby geometrické vzťahy v priestore niesli informáciu o jeho podobnosti alebo vlastnostiach.
Vector search
Vector search je vyhľadávanie najbližších vektorov k vektoru dotazu podľa kosínovej podobnosti, skalárneho súčinu alebo vzdialenosti.
Vision-language model
Vision-language model je multimodálny model, ktorý spoločne spracúva obraz a text a vykonáva opis, otázky, vyhľadávanie alebo generovanie medzi modalitami.
Visual question answering
Visual question answering je úloha, pri ktorej systém odpovedá na otázku o obsahu obrazu pomocou spoločného porozumenia vizuálnej a jazykovej informácie.
Vocabulary
Vocabulary je konečný súbor tokenov alebo symbolov, ktoré model a jeho tokenizer dokážu priamo reprezentovať identifikátormi.
Voice assistant
Voice assistant je hlasové rozhranie, ktoré rozpoznáva reč, interpretuje zámer, vykonáva úlohy a odpovedá syntetizovaným hlasom.
Voice cloning
Voice cloning je tvorba syntetickej reči napodobňujúcej hlas konkrétnej osoby z referenčných nahrávok alebo naučenej hlasovej reprezentácie.
Viterbi algorithm
Viterbi algorithm je dynamický programovací algoritmus na nájdenie najpravdepodobnejšej sekvencie skrytých stavov v modeli s Markovovou štruktúrou.
Vision Transformer
Vision Transformer je obrazová architektúra, ktorá delí obraz na patche a spracúva ich transformerovými vrstvami podobne ako sekvenciu tokenov.
Voting classifier
Voting classifier je ensemble klasifikátor spájajúci výstupy viacerých modelov hlasovaním tried alebo priemerovaním pravdepodobností.
Value function
Value function je funkcia v posilňovanom učení odhadujúca očakávanú kumulatívnu odmenu zo stavu alebo dvojice stav a akcia.
Value alignment
Value alignment je zosúladenie správania AI s relevantnými ľudskými hodnotami, právami, normami a preferenciami v konkrétnom kontexte.
Validation loss
Validation loss je hodnota stratovej funkcie vypočítaná na validačných dátach, používaná na sledovanie generalizácie počas tréningu.
Versioning
Versioning je riadené označovanie a uchovávanie zmien dát, kódu, promptov, modelov, konfigurácií a prostredí tak, aby boli výsledky reprodukovateľné.
Vertical AI
Vertical AI je aI riešenie špecializované na konkrétne odvetvie alebo pracovný proces s doménovými dátami, pravidlami, integráciami a metrikami.
Virtual agent
Virtual agent je softvérový agent komunikujúci s používateľom a vykonávajúci úlohy v digitálnych systémoch pomocou dialógu, pravidiel, modelov a nástrojov.
Weak supervision
Weak supervision je učenie z nepresných, neúplných alebo programovo vytvorených značiek, ktoré sa kombinujú a modelujú namiesto drahej ručnej anotácie každého príkladu.
Weight
Weight je naučený parameter určujúci silu a smer vplyvu vstupu alebo aktivácie na ďalší výpočet v modeli.
Weight decay
Weight decay je regularizačná aktualizácia zmenšujúca veľkosť váh počas tréningu, často implementovaná ako penalizácia alebo oddelený krok optimalizátora.
Weight initialization
Weight initialization je počiatočné nastavenie váh neurónovej siete podľa rozdelenia a škálovania, ktoré podporuje stabilný tok aktivácií a gradientov.
Weighted loss
Weighted loss je stratová funkcia, v ktorej majú triedy, prípady alebo zložky rozdielne váhy podľa ich významu, nákladov chýb alebo zastúpenia.
Word embedding
Word embedding je vektorová reprezentácia slova alebo tokenu, v ktorej sa jazyková podobnosť a vzťahy odrážajú v geometrickej blízkosti.
Word2Vec
Word2Vec je rodina modelov učiacich statické slovné embeddingy predikciou kontextu slova alebo slova z jeho okolia.
Word error rate
Word error rate je miera chybovosti rozpoznanej reči vypočítaná z počtu náhrad, vynechaní a vložení slov vzhľadom na referenčný prepis.
Workflow automation
Workflow automation je automatizácia sledu úloh, rozhodnutí a integrácií podľa definovaných spúšťačov, pravidiel a prípadne výstupov AI modelov.
World model
World model je naučená reprezentácia dynamiky prostredia, ktorá umožňuje agentovi predvídať dôsledky akcií a plánovať bez každej reálnej interakcie.
Wasserstein distance
Wasserstein distance je miera rozdielu pravdepodobnostných rozdelení interpretovaná ako minimálne náklady na presun hmoty z jedného rozdelenia na druhé.
Wasserstein GAN
Wasserstein GAN je generatívna adversariálna sieť trénovaná s Wassersteinovým cieľom, ktorý poskytuje stabilnejší signál rozdielu medzi reálnym a generovaným rozdelením.
WaveNet
WaveNet je autoregresívna konvolučná architektúra pre surový zvuk, ktorá modeluje časovú sekvenciu pomocou kauzálnych dilatovaných konvolúcií.
Webhook for AI
Webhook for AI je hTTP mechanizmus, ktorým AI služba automaticky odošle udalosť alebo výsledok inému systému po dokončení úlohy alebo zmene stavu.
Web-scale training
Web-scale training je tréning modelu na mimoriadne veľkých a rôznorodých dátach získaných z webových zdrojov s rozsiahlym distribuovaným výpočtom.
Windowing
Windowing je rozdelenie sekvencie alebo časového radu na prekrývajúce sa či neprekrývajúce úseky pevnej dĺžky pre tréning a inferenciu.
Winograd schema
Winograd schema je jazyková úloha so zámenom, ktorej správne vyriešenie vyžaduje kontextové alebo všeobecné znalosti namiesto jednoduchých syntaktických pravidiel.
Workforce augmentation
Workforce augmentation je použitie AI na rozšírenie schopností pracovníkov, zrýchlenie úloh a podporu rozhodovania bez úplného odstránenia ľudskej roly.
Wrapper method
Wrapper method je výber vlastností, ktorý hodnotí ich podmnožiny podľa výkonu konkrétneho modelu a iteratívne pridáva alebo odoberá premenné.
Weight sharing
Weight sharing je používanie tej istej sady parametrov vo viacerých častiach modelu, čo znižuje počet váh a využíva opakujúcu sa štruktúru dát.
XAI
XAI je explainable AI, súbor prístupov na poskytovanie zrozumiteľných informácií o faktoroch, mechanizmoch a dôvodoch výstupov AI systému.
XGBoost
XGBoost je optimalizovaná implementácia gradientne posilňovaných rozhodovacích stromov s regularizáciou, paralelizáciou a efektívnou prácou s riedkymi dátami.
XML
XML je značkovací textový formát na hierarchickú reprezentáciu štruktúrovaných dát, ktorý možno používať pri integráciách a dokumentových vstupoch AI.
XML parsing
XML parsing je syntaktická analýza dokumentu XML a jeho prevod na strom alebo udalosti, z ktorých aplikácia získava dáta pre ďalšie spracovanie.
XPath
XPath je dotazovací jazyk na výber uzlov, atribútov a hodnôt v dokumente XML podľa ich pozície a podmienok.
XQuery
XQuery je jazyk na dotazovanie, transformáciu a kombinovanie kolekcií XML dokumentov a štruktúrovaných dát.
XOR problem
XOR problem je klasický problém, pri ktorom dve triedy nemožno oddeliť jedinou lineárnou hranicou a je potrebná nelineárna reprezentácia alebo skrytá vrstva.
XNOR gate
XNOR gate je logická funkcia vracajúca pravdu, keď majú dva vstupy rovnakú hodnotu, používaná aj v binárnych neurónových sieťach.
Xception
Xception je konvolučná neurónová architektúra založená na hĺbkovo separovateľných konvolúciách, ktoré oddeľujú priestorové a kanálové spracovanie.
XLM
XLM je rodina viacjazyčných transformerových jazykových modelov predtrénovaných na reprezentáciu a prenos znalostí medzi jazykmi.
XLM-R
XLM-R je viacjazyčný model XLM-RoBERTa predtrénovaný samokontrolovaným učením na rozsiahlych dátach z mnohých jazykov.
X-vector
X-vector je neurónová vektorová reprezentácia hlasového segmentu používaná na rozpoznávanie hovoriaceho, verifikáciu a diarizáciu.
X-means clustering
X-means clustering je rozšírenie k-means, ktoré automaticky navrhuje rozdelenia zhlukov a vyberá počet zhlukov pomocou informačného kritéria.
Xavier initialization
Xavier initialization je inicializácia váh škálovaná podľa počtu vstupných a výstupných spojení s cieľom udržať stabilnú varianciu aktivácií.
XLA compiler
XLA compiler je kompilátor lineárnej algebry optimalizujúci graf tensorových operácií pre konkrétny hardvér a znižujúci režijné náklady vykonania.
XAI local explanation
XAI local explanation je vysvetlenie jedného konkrétneho rozhodnutia AI, ktoré identifikuje lokálne relevantné vlastnosti alebo dôkazy pre daný vstup.
XAI global explanation
XAI global explanation je opis celkového správania modelu, jeho hlavných vzťahov, pravidiel, segmentov a citlivosti naprieč dátovým priestorom.
XAI fidelity
XAI fidelity je miera, do akej vysvetľovací model alebo atribúcia verne napodobňuje skutočné správanie pôvodného modelu v hodnotenom okolí.
XAI stability
XAI stability je miera konzistentnosti vysvetlení pri malých, významovo nepodstatných zmenách vstupu alebo pri opakovanom výpočte.
X-ray image AI
X-ray image AI je použitie modelov počítačového videnia na detekciu, segmentáciu, triáž alebo podporu interpretácie röntgenových snímok.
YAML configuration
YAML configuration je textová, ľahko čitateľná konfigurácia založená na odsadení, často používaná na definovanie pipeline, modelových parametrov a infraštruktúry.
YAMNet
YAMNet je predtrénovaný konvolučný model na klasifikáciu zvukových udalostí zo spektrogramov podľa rozsiahlej ontológie zvukov.
YARN cluster manager
YARN cluster manager je správca zdrojov a plánovač úloh v ekosystéme Hadoop, ktorý prideľuje výpočtové kapacity distribuovaným dátovým a ML úlohám.
YCbCr color space
YCbCr color space je farebný priestor oddeľujúci jasovú zložku Y od dvoch chrominančných zložiek Cb a Cr, používaný pri obraze a videu.
Y-channel luminance
Y-channel luminance je jasová zložka obrazu vo farebných priestoroch ako YCbCr alebo YUV, ktorá nesie väčšinu informácie o svetlosti a detailoch.
Yeo-Johnson transformation
Yeo-Johnson transformation je mocninová transformácia spojitých hodnôt podporujúca kladné aj záporné čísla a používaná na priblíženie rozdelenia k normalite.
Yes/no question answering
Yes/no question answering je úloha, pri ktorej model rozhoduje, či je odpoveď na otázku podľa daného kontextu áno alebo nie, prípadne vyjadruje neistotu.
Yield prediction
Yield prediction je predikcia množstva alebo kvality budúceho výnosu z historických, senzorových, environmentálnych a procesných dát.
Yield optimization
Yield optimization je použitie predikcie a optimalizácie na maximalizovanie výťažnosti výroby, poľnohospodárstva alebo obchodného procesu pri obmedzeniach.
Yinyang K-means
Yinyang K-means je zrýchlená verzia k-means, ktorá používa skupiny centroidov a dolné hranice vzdialeností na vynechanie nepotrebných výpočtov.
YOLO
YOLO je rodina jednostupňových detektorov objektov, ktoré predikujú polohy a triedy v jednom priechode neurónovou sieťou.
YOLO anchor box
YOLO anchor box je preddefinovaný tvar ohraničujúceho rámčeka používaný niektorými verziami YOLO ako základ pre regresiu polohy a veľkosti objektu.
YOLO confidence score
YOLO confidence score je skóre vyjadrujúce kombinovanú istotu, že predikovaný rámček obsahuje objekt a patrí do určitej triedy.
YOLO non-maximum suppression
YOLO non-maximum suppression je postprocessing, ktorý z viacerých prekrývajúcich sa detekcií ponecháva najlepšie rámčeky a potláča redundantné predikcie.
YOLO segmentation
YOLO segmentation je rozšírenie modelov YOLO, ktoré okrem triedy a rámčeka predikuje pixelovú masku jednotlivých objektov.
YOLO tracking
YOLO tracking je kombinácia detekcií YOLO s algoritmom priraďovania identít medzi snímkami na sledovanie objektov vo videu.
YOLOv3
YOLOv3 je tretia významná verzia architektúry YOLO využívajúca viac mierok detekcie a logistickú klasifikáciu objektov.
YOLOv5
YOLOv5 je praktická rodina implementácií YOLO v ekosystéme PyTorch zameraná na jednoduchý tréning, export a nasadenie detekcie.
YOLOv8
YOLOv8 je rodina modelov YOLO pre detekciu, segmentáciu, klasifikáciu a pózu s modernizovanou architektúrou a tréningovým rámcom.
Yule-Walker equations
Yule-Walker equations je sústava rovníc odhadujúca parametre autoregresného modelu z autokorelačnej funkcie časového radu.
Z-score
Z-score je štandardizovaná hodnota vyjadrujúca, o koľko smerodajných odchýlok sa pozorovanie nachádza nad alebo pod priemerom.
Z-score normalization
Z-score normalization je transformácia odčítajúca priemer a deliaca smerodajnou odchýlkou, čím vytvára vlastnosť s priemerom nula a varianciou približne jedna.
Zero-shot classification
Zero-shot classification je klasifikácia vstupov do tried, pre ktoré model počas cieľového tréningu nedostal označené príklady, často pomocou jazykových opisov tried.
Zero-shot learning
Zero-shot learning je schopnosť riešiť nové triedy alebo úlohy bez cieľových tréningových príkladov využitím prenesených reprezentácií a sémantických znalostí.
Zero-shot prompting
Zero-shot prompting je zadanie úlohy generatívnemu modelu iba pomocou inštrukcie bez ukážkových vstupov a odpovedí v aktuálnom kontexte.
Zero-shot transfer
Zero-shot transfer je prenos schopnosti modelu na nový jazyk, doménu alebo úlohu bez dodatočného učenia na cieľových označených dátach.
Zero padding
Zero padding je doplnenie nulových hodnôt okolo alebo za vstupom s cieľom zachovať rozmery, vyrovnať dĺžky alebo riadiť konvolučný výpočet.
Zero initialization
Zero initialization je nastavenie parametrov na nulu pred tréningom, vhodné pre niektoré posuny, ale problematické pre symetrické váhy neurónov.
Zero-copy inference
Zero-copy inference je inferenčný tok, ktorý minimalizuje kopírovanie dát medzi pamäťovými oblasťami alebo zariadeniami a znižuje latenciu.
Zero-downtime deployment
Zero-downtime deployment je nasadenie novej verzie modelu alebo služby bez prerušenia dostupnosti pomocou paralelných verzií, smerovania a postupného prepnutia.
Zero-trust architecture for AI
Zero-trust architecture for AI je bezpečnostný prístup, ktorý implicitne nedôveruje používateľom, službám ani modelovým komponentom a priebežne overuje identitu, oprávnenia a kontext.
Zeroth-order optimization
Zeroth-order optimization je optimalizácia bez priameho použitia gradientov, ktorá odhaduje smer z hodnôt cieľovej funkcie pri skúšaných perturbáciách.
ZCA whitening
ZCA whitening je lineárna transformácia odstraňujúca korelácie a škálujúca varianciu pri zachovaní orientácie dát čo najbližšie k pôvodnému priestoru.
Z-order curve
Z-order curve je priestorová krivka mapujúca viacrozmerné súradnice na jednorozmerné poradie pre lokalitne citlivé ukladanie a vyhľadávanie.
Z-order indexing
Z-order indexing je indexovanie viacrozmerných bodov pomocou Mortonovho kódu, ktoré zachováva časť priestorovej blízkosti v jednorozmernom kľúči.
Zipf's law
Zipf's law je empirický vzťah, podľa ktorého je frekvencia slova približne nepriamo úmerná jeho poradiu vo frekvenčnom rebríčku.
Zettabyte-scale data
Zettabyte-scale data je dátový rozsah meraný v zettabajtoch, ktorý vyžaduje masívne distribuované úložiská, spracovanie a prísnu správu dát.
ZSL benchmark
ZSL benchmark je štandardizovaný dataset a protokol na porovnanie modelov zero-shot learningu pri oddelených videných a nevidených triedach.
Z-buffer
Z-buffer je pamäťová štruktúra počítačovej grafiky uchovávajúca hĺbku pixelov, používaná pri renderovaní syntetických scén a tréningových dát.
Zigzag encoding
Zigzag encoding je kódovanie celých čísel, ktoré mapuje malé kladné aj záporné hodnoty na malé nezáporné čísla pre efektívnu variabilnú reprezentáciu.