Wenn Sie in letzter Zeit irgendwann online verbracht haben, haben Sie wahrscheinlich viele „neue“ KI-verwandte Wörter herumgeworfen: LLM, generative KI, neuronales Netzwerk und viele andere. Diese Begriffe können nach etwas direkt aus einem Science-Fiction-Film klingen. Sie sind jedoch tatsächlich Teil einer neuen Sprache, die so häufig wird wie über Apps und soziale Medien.
Künstliche Intelligenz ist nicht mehr nur für Forscher und Branchenkenner. Immer mehr „normale“ Benutzer sind daran interessiert, auf den KI -Zug zu springen. Egal, ob Sie versuchen, einen Nachrichtenartikel zu verstehen, Sie möchten ein neues KI -Tool ausprobieren oder nur neugierig auf die Zukunft sind, die Grundlagen zu wissen, dass die Grundlagen eine große Hilfe sind.
Wir werden 61 der wichtigsten Begriffe aufschlüsseln und von den Grundlagen übergehen, die jeder in die spezifischere Sprache für diejenigen, die etwas tiefer graben möchten, wissen sollten.
Die Kernkonzepte: Die Bausteine von KI
Beginnen wir mit dem Gesamtbild. Dies sind die Begriffe, die Sie fast überall sehen werden.
Künstliche Intelligenz (KI): Der breiteste und allgemeinste Begriff. AI ist eine Technologie, die menschliche Intelligenz „simulieren“ kann und Systeme mit Lern-, Problemlösungs- und Entscheidungsfunktionen ermöglicht.
Maschinelles Lernen (ML): Ein wesentlicher Bestandteil von AI. ML ist der Prozess der Schulung eines Computers, um aus Daten zu lernen, ohne für jedes mögliche Szenario explizit programmiert zu werden. Sie geben ihm Daten an, und es ermittelt die Muster und Regeln für sich.
Deep Learning (DL): Eine spezielle Form von Ml. Es verwendet komplexe Strukturen, die als neuronale Netzwerke bezeichnet werden, um Daten in vielen Schichten zu verarbeiten, ähnlich wie ein menschliches Gehirn. Deep Learning steht hinter einigen der beeindruckendsten KI -Tools, die wir heute haben.
Neurales Netzwerk: Die zugrunde liegende Struktur eines tiefen Lernmodells. Es handelt sich um eine Reihe miteinander verbundener Schichten von „Knoten“, die zusammenarbeiten, um Informationen zu verarbeiten, wobei jede Schicht die Daten verfeinert. Es basiert auf der Funktionsweise des menschlichen Gehirns.
Generative AI (Genai): Eine KI, die neue, originelle Inhalte erstellen kann. Dies beinhaltet alles von Aufsätzen und Geschichten bis hin zu Bildern, Musik und Computercode.
Vorhersage KI: Eine KI, die Daten verwendet, um eine Vorhersage über die Zukunft zu machen. Beispielsweise könnte eine Vorhersage -KI Einkaufsdaten analysieren, um vorherzusagen, welche Produkte in der nächsten Saison beliebt sein werden.
Verarbeitung natürlicher Sprache (NLP): Das Gebiet der KI, das es Computern ermöglicht, menschliche Sprache zu verstehen, zu interpretieren und zu generieren. Wenn Sie einen Chatbot oder einen Sprachassistenten verwenden, erleben Sie NLP in Aktion. Es entfernt die Barriere „Robotersprache“, die starre Befehle erfordert.
Computer Vision: Das Feld der KI, auf dem Computer visuelle Informationen aus Bildern und Videos „sehen“ und interpretieren können. Dies wird in allem von der Gesichtserkennung bis hin zu selbstfahrenden Autos verwendet.
Prompt: Dies ist im Grunde das, was Sie einer KI sagen. Es ist der Text oder Befehl, den Sie in einen Chatbot eingeben, damit er eine Antwort generiert. Eine gute Aufforderung ist oft der Schlüssel, um eine gute Antwort zu erhalten.
Großes Sprachmodell (LLM): Die Technologie hinter vielen generativen AIs. Ein LLM ist ein leistungsstarkes KI -Modell, das nach einer massiven Menge an Textdaten geschult wurde. Tools wie Chatgpt und Gemini sind Beispiele für LLMs. Endbenutzer greifen hauptsächlich auf Cloud Computing zurück, um sie auszuführen, da LLMs ziemlich leistungsstarke und teuere Hardware benötigen, um lokal auszuführen.
Kleines Sprachmodell (SML): Ähnlich wie LLM, aber mit weitaus weniger Parametern und weniger Daten trainiert. Sie sind so konzipiert, dass sie lokal auf Geräten mit geringer Leistung laufen. Zum Beispiel ist der Gemini -Nano auf mehreren Android -Telefonen vorhanden. SMLs ermöglichen AI-angetriebene Merkmale wie Textzusammenfassungen, Schreibhilfe und grundlegende generative Bildbearbeitung.
Halluzination: Ein schrulliger, aber wichtiger Begriff. Wenn eine KI „Halluzinate“ ist, gibt sie eine selbstbewusste Antwort, die völlig falsch oder unsinnig ist.
Deepfake: Ein synthetisches Video, ein Audio oder ein Bild einer Person, die so real aussieht oder klingt, kann es schwierig sein, es zu sagen, dass es falsch ist.
Der Trainingsgelände: Wie KI -Modelle gebaut werden
Diese Begriffe erklären den Prozess der Erstellung und Schulung eines KI -Modells.
Modell: Der ausgebildete Algorithmus selbst. Es ist die Datei oder das Programm, das das „Wissen“ der KI enthält und bereit ist, Vorhersagen zu treffen oder Inhalte zu generieren. Es gibt Modelle für bestimmte Aufgaben, wie Googles Imageen (Genai for Pictures) und Veo (Genai für Videos).
Datensatz: Die gesamte Sammlung von Schulungsdaten, mit denen eine KI unterrichtet wurde. Es ist die Informationsbibliothek, aus der das Modell lernt.
Modelltraining: Der gesamte Prozess der Fütterung eines KI -Modells mit Daten, um ihm eine bestimmte Aufgabe zu vermitteln.
Überwachendes Lernen: Eine Trainingsmethode, bei der die KI einen beschrifteten Datensatz erhält. Es ist wie ein Schüler mit einem Lehrer: Die Daten haben Antworten, und die KI lernt, indem sie ihre Vorhersagen mit den richtigen übereinstimmen.
Unbeaufsichtigtes Lernen: Eine Trainingsmethode, bei der die KI unbezeichnete Daten erhält und selbst versteckte Muster finden muss. Es ist, als würde man einem Schüler einen Stapel Fotos geben und ihn bitten, sie in Gruppen zu organisieren.
Verstärkungslernen: Eine Trainingsmethode, bei der die KI durch Versuch und Irrtum lernt. Es erhält dann „Belohnungen“ für korrekte Aktionen und „Strafen“ für falsche. So kann KI lernen, ein Spiel wie Schach oder Gehen zu spielen und mit dem Training besser zu werden.
Null-Shot-Lernen: Die Fähigkeit eines KI -Modells, eine Aufgabe auszuführen, auf der es nicht explizit geschult wurde, basierend auf seinem breiten Verständnis aus seinen Trainingsdaten.
Wenige Schüsse Lernen: Die Fähigkeit eines KI -Modells, eine neue Aufgabe aus nur einer kleinen Anzahl von Beispielen zu lernen.
Datendestillation: Eine Technik, die zum Übertragen von Wissen von einem großen, komplexen Modell (dem „Lehrer“) auf eine kleinere, effizientere (der „Schüler“) überträgt. Es ermöglicht kleinere Modelle, die Leistung größerer zu replizieren, jedoch mit besserer Effizienz und weniger Ressourcen.
Synthetische Daten: Künstlich generierte Informationen, die die statistischen Eigenschaften realer Daten nachahmt, aber keine tatsächlichen Informationen im wirklichen Leben enthalten. Es ist nützlich, KI -Modelle zu trainieren, zu testen und zu validieren, insbesondere wenn echte Daten knapp oder teuer/unmöglich sind zu erhalten.
Feinabstimmung: Der Prozess der Einnahme eines vorgebliebenen Modells und der Schulung auf einem kleineren, spezifischeren Datensatz, um es bei einer bestimmten Aufgabe besser zu machen.
Überanpassung: Ein Problem, das auftritt, wenn ein Modell die Trainingsdaten „zu gut“ lernt und bestimmte Beispiele auswendig lernte, anstatt die allgemeinen Muster zu verstehen. Dies führt dazu, dass das Modell bei neuen Daten schlecht abschneidet.
Schlussfolgerung: Der Prozess der Verwendung eines geschulten KI -Modells, um eine Vorhersage zu erstellen oder neue Inhalte aus neuen, unsichtbaren Daten zu generieren.
Voreingenommenheit: Ein systematischer Fehler in einem KI -System, der zu unfairen oder ungenauen Ergebnissen führt. Dies geschieht oft, wenn die Schulungsdaten nicht für die reale Welt repräsentativ sind.
Retrieval-Augmented Generation (LAG): Eine Technik, die es einem LLM ermöglicht, auf externe Wissensbasis zuzugreifen und zu verwenden, um genauere und aktuellere Informationen zu liefern und Halluzinationen zu reduzieren.
Der Chatbot Lingo: mit KI sprechen
Diese Begriffe sind besonders nützlich, wenn Sie mit einer Konversations -KI interagieren.
Schnelltechnik: Die Kunst und Wissenschaft, effektive Aufforderungen zu erstellen, um die bestmögliche Antwort von einem KI -Modell zu erhalten.
Schnelle Verkettung: Fähigkeit, mehrere Eingabeaufforderungen in einer Sequenz miteinander zu verknüpfen. Die Ausgabe einer Eingabeaufforderung wird als Eingang für die nächste verwendet.
Kontextfenster: Die Menge an Informationen, die ein KI -Modell „erinnern“ oder gleichzeitig bei der Generierung einer Antwort „berücksichtigen“ oder berücksichtigt werden kann. Wenn ein Gespräch zu lange weitergeht, könnte die KI vergessen, was Sie am Anfang gesagt haben.
Token: Die kleinste Dateneinheit und ein KI -Modell verarbeitet. Im Text kann ein Token ein Wort, ein Teil eines Wortes oder sogar ein Interpunktionszeichen sein.
Temperatur: Eine Einstellung, die steuert, wie „kreativ“ oder zufällig die Antwort einer KI ist. Eine hohe Temperatur führt zu unterschiedlicheren und unvorhersehbaren Antworten, während eine niedrige Temperatur die Reaktion vorhersehbarer und konservativer macht.
Agenten: KI-Systeme, die komplexe, mehrstufige Aufgaben selbst ohne ständige menschliche Aufsicht ausführen können. Beispielsweise könnte ein Agent einen Flug für Sie buchen, indem Sie mit mehreren Websites interagieren.
Tiefer gehen: die technischen und fortgeschrittenen Begriffe
Wenn Sie verstehen möchten, was unter der Motorhaube passiert, erhalten Sie in diesen Begriffen einen Einblick in die Mechanik von KI -Modellen.
Parameter: Die internen Einstellungen oder Variablen, die ein KI -Modell während des Trainings anpasst. Normalerweise können Sie die Größe eines LLM an der Anzahl der Parameter messen. Ein LLM mit weniger als 10 Milliarden Parametern wird als SML angesehen.
Vektor -Einbettungen: Eine Möglichkeit, Wörter, Bilder und andere Daten als numerische Vektoren darzustellen. Dies ermöglicht es einer KI, die Beziehungen und Ähnlichkeiten zwischen verschiedenen Informationen zu verstehen.
Algorithmus: Der Satz von Regeln oder Anweisungen, die ein Modell folgen, um aus Daten zu lernen.
Backpropagation: Ein Kernalgorithmus, der im Deep -Lernen verwendet wird, um ein neuronales Netzwerk zu trainieren. Es beinhaltet die Rückwärtsbearbeitung durch das Netzwerk, um die Gewichte der Verbindungen anzupassen und die Genauigkeit zu verbessern.
Gewichte: Die Werte, die ein neuronales Netzwerk seinen Verbindungen zuweist. Diese Gewichte bestimmen die Bedeutung der Eingänge und werden während des Trainings angepasst.
Schichten: Die unterschiedlichen Ebenen eines neuronalen Netzwerks. Die Information fließt von einer Eingangsschicht über eine oder mehrere versteckte Schichten zu einer Ausgangsschicht.
Aufmerksamkeitsmechanismus: Eine Technik, mit der ein Modell bei der Generierung einer Antwort auf die wichtigsten Teile der Eingabedaten konzentriert wird. Es ist entscheidend für die Leistung großer Sprachmodelle.
Transformator: Eine bestimmte Art von neuronaler Netzwerkarchitektur, die den Aufmerksamkeitsmechanismus zum Umgang mit sequentiellen Daten verwendet. Es ist unglaublich effektiv für Aufgaben wie Sprachübersetzung und Generation.
Verstärkungslernen mit menschlichem Feedback (RLHF): Eine Trainingsmethode, die menschliche Vorlieben verwendet, um das Verhalten eines KI-Modells zu fannen. Dies macht es hilfreicher und stimmt auf menschliche Werte aus.
Generative kontroverse Netzwerke (GANS): Eine Art generativer KI, das zwei konkurrierende neuronale Netzwerke verwendet – einer, um Inhalte zu erstellen, und ein anderes, um zu versuchen, zu erkennen, wenn es gefälscht ist -, um unglaublich realistische Bilder und Videos zu erstellen.
Latenz: Die Zeit, die ein KI -Modell benötigt, um eine Anforderung zu verarbeiten und eine Antwort zu generieren. Niedriger Latenz bedeutet schnellere Ergebnisse.
Modelldrift: Ein Phänomen, bei dem sich die Leistung eines KI-Modells im Laufe der Zeit langsam verschlechtert, wenn die realen Daten, die er begegnet, ändert sich.
Erklärbare AI (XAI): Ein KI-Feld, der sich der Entscheidungsprozesse von KI-Modellen für den Menschen transparenter und verständlicher widmet.
Bildgenerierung: Der Prozess der Verwendung von AI, um neue Bilder von Grund auf neu zu erstellen, oft von einer Textaufforderung.
Text-to-Image: Eine bestimmte Art von generativer KI, die ein Bild basierend auf einer Textaufforderung erstellt.
Text-to-Speech (TTS): Die Technologie, die den geschriebenen Text in synthetisierte Sprache umwandelt.
Spracherkennung (STT): Die Technologie, die die gesprochene Sprache in Text umwandelt.
Stimmungsanalyse: Der Prozess der Verwendung von KI zur Bestimmung des emotionalen Tons oder der Meinung, die in einem Textstück ausgedrückt wird, z. B. in einem Social -Media -Kommentar oder einer Kundenüberprüfung.
Robotik: Ein Feld, das KI mit physischen Maschinen kombiniert, um Roboter zu erstellen, die Aufgaben in der realen Welt ausführen können.
Natürliches Sprachverständnis (NLU): Eine Untergruppe von NLP (natürliche Sprachverarbeitung), die sich speziell auf die Fähigkeit eines Computers konzentriert, die Bedeutung der menschlichen Sprache, einschließlich Kontext und Absicht, zu verstehen.
Natural Language Generation (NLG): Eine Untergruppe von NLP, die sich auf die Fähigkeit eines Computers konzentriert, menschlich ähnliche Text aus Daten zu generieren.
Anwendungsprogrammierschnittstelle (API): Eine Reihe von Regeln und Protokollen, mit denen zwei verschiedene Softwareprogramme wie eine Website und ein KI -Modell miteinander kommunizieren können.
GPU (Grafikverarbeitungseinheit): Ein spezialisierter Prozessor, der unglaublich gut mit den parallelen Berechnungen, die für die Schulungs -KI -Modelle erforderlich sind, umgehen können.
Algorithmus: Der Satz von Regeln oder Anweisungen, die ein Modell folgen, um aus Daten zu lernen.
Künstliche allgemeine Intelligenz (AGI): Eine hypothetische Form von KI, die die Fähigkeit besitzt, das Wissen über eine Vielzahl von Aufgaben auf einem menschlichen Niveau zu verstehen, zu lernen und anzuwenden, ähnlich wie ein menschliches Gehirn.
Tokenisierung: Der Prozess, eine Sequenz von Text in kleinere, überschaubare Einheiten aufzuteilen, nannte Token, damit ein KI -Modell verarbeitet werden kann.
Chatbot: Eine Softwareanwendung, die eine Konversation mit einem Menschen mit Text oder Stimme führen kann.
Willkommen und genießen Sie Ihre KI -Reise
Mit diesen Begriffen sind Sie mehr als bereit, in der schnelllebigen Welt der KI zu navigieren. Diese Technologie ist ein leistungsstarkes Werkzeug, und das Verständnis ihrer Sprache ist der erste Schritt, um sie effektiv und verantwortungsbewusst zu verwenden.
