ACDEFGHLMOPRSTVZ

A

Agent AI (AI Agent)

Autonomiczny program sztucznej inteligencji zdolny do planowania i wykonywania złożonych zadań.

AGI (Artificial General Intelligence)

Hipotetyczna sztuczna inteligencja dorównująca lub przewyższająca intelektem człowieka we wszystkich dziedzinach.

AI Bias (Uprzedzenia AI)

Błędy i uprzedzenia zakodowane w modelach AI wynikające ze zniekształconych danych treningowych.

Alignment (Dopasowanie AI)

Proces upewniania się, że cele i działania AI są zgodne z ludzkimi wartościami i bezpieczeństwem.

API (Application Programming Interface)

Interfejs umożliwiający aplikacjom komunikację z chmurowymi modelami sztucznej inteligencji.

Autogpt

Eksperymentalna technologia autonomicznych agentów AI zdolnych do samodzielnego rozwiązywania problemów.

C

Copilot

Wirtualny asystent AI zintegrowany z oprogramowaniem, wspomagający użytkownika w zadaniach.

D

Deep Learning (Głębokie Uczenie)

Podzbiór machine learningu oparty na wielowarstwowych sieciach neuronowych.

Diffusion Models

Klasa modeli AI (jak Midjourney czy Stable Diffusion) używanych do generowania bardzo realistycznych obrazów.

E

Embeddingi (Embeddings)

Wektorowe reprezentacje słów lub dokumentów pozwalające na mierzenie podobieństwa semantycznego.

F

Few-Shot Prompting

Technika w prompt engineeringu polegająca na dostarczeniu modelowi kilku przykładów rozwiązania.

Fine-Tuning

Proces dotrenowywania gotowego modelu językowego na specyficznym zbiorze danych.

G

Generatywna Sztuczna Inteligencja (GenAI)

Typ sztucznej inteligencji potrafiący generować nowe treści (tekst, kod, obrazy, audio).

H

Halucynacje AI

Zjawisko, w którym model AI generuje przekonująco brzmiące, lecz nieprawdziwe informacje.

L

LLM (Large Language Model)

Zaawansowany algorytm AI uczony na ogromnych zbiorach tekstów, zdolny do rozumienia i generowania języka naturalnego. Przykłady: GPT-4, Claude.

LLM (Large Language Model)

ZAAWANSOWANY: Duży model językowy zdolny do rozumienia i generowania ludzkiego języka w skali miliardów parametrów.

M

Machine Learning (Uczenie Maszynowe)

Dziedzina AI pozwalająca komputerom uczyć się na podstawie danych bez jawnego programowania.

Model Weights (Wagi Modelu)

Parametry numeryczne wewnątrz sieci neuronowej wyuczone podczas procesu treningowego.

O

Ograniczenia API (Rate Limits)

Mechanizmy chroniące modele AI przed przeciążeniem poprzez limitowanie liczby zapytań.

Open Source AI

Modele sztucznej inteligencji, których kod i wagi są publicznie dostępne do modyfikacji i użytku.

P

Prompt Engineering

Sztuka i inżynieria projektowania zapytań do modeli AI w celu uzyskania optymalnych rezultatów.

Przetwarzanie Języka Naturalnego (NLP)

Dziedzina AI skupiająca się na interakcji pomiędzy komputerami a językiem ludzkim.

R

RAG (Retrieval-Augmented Generation)

Architektura łącząca wyszukiwanie informacji w zewnętrznych bazach z generatywną mocą LLM.

S

Sieci Neuronowe

Systemy obliczeniowe inspirowane strukturą ludzkiego mózgu, używane do rozpoznawania wzorców.

System Prompts

Nadrzędne instrukcje definiujące zachowanie, ton i ograniczenia modelu sztucznej inteligencji.

T

Text-to-Speech (TTS)

Technologia AI syntetyzująca ludzką mowę z wprowadzonego tekstu pisanego.

Tokenizacja

Proces podziału tekstu na mniejsze jednostki (tokeny), które model AI potrafi przetworzyć.

V

Vector Database (Wektorowa Baza Danych)

Baza danych zoptymalizowana do przechowywania i wyszukiwania embeddingów (używana m.in. w RAG).

Z

Zabezpieczenia (Jailbreaking AI)

Próby obejścia etycznych i technicznych zabezpieczeń modeli AI za pomocą sprytnych promptów.

Zależności Kontekstowe (Context Window)

Ilość tekstu (tokenów), jaką model AI jest w stanie zapamiętać i przeanalizować naraz podczas jednej sesji.

Zero-Shot Learning

Zdolność modelu AI do rozwiązywania zadań, których nigdy wcześniej nie widział podczas treningu.