AI Ordbok - Norsk KI-terminologi

Hypotetisk AI som kan utfore enhver intellektuell oppgave som et menneske kan. I motsetning til dagens AI som er spesialisert for bestemte oppgaver.

Teknologi som gjor at datamaskiner kan utfore oppgaver som vanligvis krever menneskelig intelligens, som a forsta sprak, gjenkjenne bilder, ta beslutninger og laere av erfaring.

Systematiske feil eller skjevheter i AI-systemer som kan fore til urettferdige eller diskriminerende resultater. Bias kan oppsta fra skjeve treningsdata eller algoritmiske valg.

Studiet av moralske og etiske prinsipper som bor veilede utviklingen og bruken av kunstig intelligens. Inkluderer temaer som rettferdighet, transparens, personvern og ansvarlighet.

En trinnvis prosedyre eller et sett med regler som en datamaskin folger for a lose et problem eller utfore en oppgave. I AI brukes algoritmer til a trene modeller og gjore forutsigelser.

Praksis for a utvikle og bruke AI-systemer pa en etisk, transparent og ansvarlig mate som respekterer menneskerettigheter og samfunnsverdier.

Bruk av AI til a skape nye bilder basert pa tekstbeskrivelser, andre bilder eller tilfeldige startverdier. Populaere verktoy inkluderer DALL-E, Midjourney og Stable Diffusion.

Et AI-program designet for a simulere samtale med mennesker, vanligvis via tekst. Moderne chatbots bruker store sprakmodeller for a forsta og generere naturlig sprak.

Felt innen AI som gjor at datamaskiner kan tolke og forsta visuell informasjon fra bilder og video, inkludert objektgjenkjenning, ansiktsgjenkjenning og bildeanalyse.

En samling av data brukt til a trene, validere og teste AI-modeller. Kvaliteten og mangfoldet i datasettet har stor innvirkning pa modellens ytelse og noyaktighet.

En type generativ AI-modell som laerer a lage bilder ved gradvis a fjerne stoy fra tilfeldige monstre. Brukes i populaere bildegeneratorer som Stable Diffusion og DALL-E.

En undergruppe av maskinlaering som bruker kunstige nevrale nettverk med mange lag (dype nettverk) for a laere komplekse monstre i data. Grunnlaget for moderne AI-gjennombrudd.

Numeriske representasjoner av data (tekst, bilder, etc.) i et vektorrom der lignende elementer er naere hverandre. Brukes for semantisk sok og sammenligning.

EUs forordning om kunstig intelligens som etablerer et rammeverk for regulering av AI-systemer basert pa risikoniva. Innforer krav til transparens, sikkerhet og menneskerettigheter.

Prosessen med a tilpasse en forhåndstrent AI-modell til en spesifikk oppgave eller domene ved a trene den videre pa et mindre, spesialisert datasett.

AI-systemer som kan skape nytt innhold som bilder, tekst, musikk, video og kode. Eksempler inkluderer ChatGPT, DALL-E, Midjourney og Stable Diffusion.

En arkitektur for store sprakmodeller utviklet av OpenAI. GPT-modeller er trent pa enorme mengder tekst og kan generere menneskelignende tekst, svare pa sporsmal og utfore mange sprakoppgaver.

Nar en AI-modell genererer informasjon som hoeres troverdig ut, men som er faktisk feil eller oppfunnet. Et vanlig problem med store sprakmodeller.

Prosessen der en trent AI-modell bruker det den har laert til a gjore forutsigelser eller ta beslutninger pa nye, usette data.

Norsk forkortelse for kunstig intelligens. Brukes om hverandre med AI, som er den engelske forkortelsen.

En type maskinlaeringsoppgave der AI-modellen laerer a kategorisere data i forhåndsdefinerte klasser, som a klassifisere e-post som spam eller ikke-spam.

Mengden tekst (malt i tokens) som en sprakmodell kan behandle om gangen. Storre kontekstvinduer tillater lengre samtaler og dokumenter.

Avanserte AI-modeller trent pa enorme mengder tekst som kan forsta og generere naturlig sprak. Eksempler inkluderer GPT-4, Claude og Gemini.

En gren av AI der datamaskiner laerer a utfore oppgaver ved a analysere data og finne monstre, uten a bli eksplisitt programmert for hver oppgave.

En matematisk representasjon som er trent pa data for a gjore forutsigelser eller ta beslutninger. I AI refererer modell ofte til de traente parametrene og arkitekturen.

AI-systemer som kan prosessere og forsta flere typer data samtidig, som tekst, bilder, lyd og video. Eksempler inkluderer GPT-4V og Gemini.

Beregningsmodeller inspirert av strukturen i den menneskelige hjernen, bestaende av sammenkoblede noder (nevroner) som behandler informasjon i lag.

Felt innen AI som fokuserer pa a gjore det mulig for datamaskiner a forsta, tolke og generere menneskelig sprak.

En type maskinlaering der modellen trenes pa merkede data, det vil si data der riktig svar allerede er kjent. Modellen laerer a forutsi svaret for nye data.

De justerbare verdiene i en AI-modell som laeres under trening. Store sprakmodeller kan ha milliarder av parametere som bestemmer modellens oppforsel.

Instruksjonen eller sporsmmalet du gir til en AI-modell for a fa et onsket svar. Kvaliteten pa prompten pavirker kvaliteten pa AI-ens respons.

Kunsten og vitenskapen om a utforme effektive prompts for a fa bedre resultater fra AI-modeller. Inkluderer teknikker som kontekst, eksempler og spesifikke instruksjoner.

En teknikk som kombinerer informasjonssoking med tekstgenerering, slik at AI-modeller kan hente relevant informasjon fra eksterne kilder for a forbedre svarene sine.

En type maskinlaering der en AI-agent laerer a ta beslutninger ved a motta belonninger eller straff basert pa handlingene sine. Brukes i spill, robotikk og RLHF.

En treningsteknikk der menneskelige tilbakemeldinger brukes til a forbedre AI-modellers oppforsel og gjore dem mer nyttige, harmlose og aerlige.

En NLP-teknikk som brukes til a identifisere og kategorisere folelser uttrykt i tekst, vanligvis som positiv, negativ eller noytral.

En apenkildekode diffusjonsmodell for bildegenerering som kan lage detaljerte bilder basert pa tekstbeskrivelser. Populaer for sin tilgjengelighet og fleksibilitet.

Bruk av AI til a skape ny tekst basert pa en prompt eller kontekst. Store sprakmodeller som GPT-4 og Claude kan generere alt fra artikler til kode.

Grunnleggende enheter som tekst deles inn i for prosessering av sprakmodeller. Et token kan vaere et ord, deler av ord, eller tegn avhengig av tokenisering.

En nevral nettverksarkitektur som bruker oppmerksomhetsmekanismer for a prosessere sekvenser av data. Grunnlaget for moderne sprakmodeller som GPT og BERT.

Prosessen der en AI-modell laerer fra data ved a justere sine parametere for a minimere feil og forbedre ytelsen pa en gitt oppgave.

En type maskinlaering der modellen trenes pa data uten merkede svar. Modellen ma selv finne monstre og strukturer i dataene.

Prosessen med a konvertere data (som tekst eller bilder) til numeriske vektorer som AI-modeller kan prosessere. Grunnleggende for mange AI-applikasjoner.