การสำรวจปัญญาประดิษฐ์ (AI) อาจรู้สึกเหมือนเข้าไปในเขาวงกตที่มีคำศัพท์ทางเทคนิคที่สับสนและคำศัพท์เฉพาะที่ไร้สาระ ไม่น่าแปลกใจเลยที่แม้แต่ผู้ที่คุ้นเคยกับ AI ก็ยังพบว่าตัวเองเกาหัวด้วยความสับสน
ด้วยเหตุนี้ เราจึงสร้างอภิธานศัพท์ AI ที่ครอบคลุมเพื่อให้คุณได้รับความรู้ที่จำเป็น ตั้งแต่ปัญญาประดิษฐ์เองไปจนถึงการเรียนรู้ของเครื่องและการขุดข้อมูล เราจะถอดรหัสคำศัพท์ AI ที่สำคัญทั้งหมดด้วยภาษาที่เรียบง่ายและเรียบง่าย
สร้างวิดีโอประจำวัน เลื่อนเพื่อดำเนินการต่อกับเนื้อหา
ไม่ว่าคุณจะเป็นผู้เริ่มต้นที่อยากรู้อยากเห็นหรือผู้ที่ชื่นชอบ AI การทำความเข้าใจแนวคิด AI ต่อไปนี้จะทำให้คุณเข้าใกล้การปลดล็อกพลังของ AI มากขึ้น
วิธีการติดตั้งโครงร่างเสียง windows 10
1. อัลกอริทึม
อัลกอริทึมคือชุดคำสั่งหรือกฎที่เครื่องจักรปฏิบัติตามเพื่อแก้ปัญหาหรือทำงานให้สำเร็จ
2. ปัญญาประดิษฐ์
AI คือความสามารถของเครื่องจักรในการเลียนแบบสติปัญญาของมนุษย์และทำงานที่เกี่ยวข้องกับสิ่งมีชีวิตที่ชาญฉลาด
3. ปัญญาประดิษฐ์ทั่วไป (AGI)
AGI หรือที่เรียกว่า Strong AI เป็นประเภทหนึ่งของ AI ที่มีความสามารถด้านสติปัญญาขั้นสูงคล้ายกับมนุษย์ ในขณะที่ ปัญญาประดิษฐ์ทั่วไป ครั้งหนึ่งเคยเป็นแนวคิดเชิงทฤษฎีเป็นหลักและเป็นสนามเด็กเล่นสำหรับการวิจัย ปัจจุบันนักพัฒนา AI จำนวนมากเชื่อว่ามนุษยชาติจะเข้าถึง AGI ได้ในช่วงทศวรรษหน้า,
4. การขยายพันธุ์กลับ
Backpropagation เป็นเครือข่ายประสาทอัลกอริทึมที่ใช้เพื่อปรับปรุงความแม่นยำและประสิทธิภาพ ทำงานโดยการคำนวณข้อผิดพลาดในเอาต์พุต เผยแพร่กลับผ่านเครือข่าย และปรับน้ำหนักและอคติของการเชื่อมต่อเพื่อให้ได้ผลลัพธ์ที่ดีขึ้น
5. อคติ
AI อคติ หมายถึงแนวโน้มของแบบจำลองในการทำนายบางอย่างบ่อยกว่าแบบอื่น อคติสามารถเกิดขึ้นได้จากข้อมูลการฝึกอบรมของแบบจำลองหรือข้อสันนิษฐานโดยธรรมชาติ
6. ข้อมูลขนาดใหญ่
ข้อมูลขนาดใหญ่เป็นคำที่อธิบายถึงชุดข้อมูลที่ใหญ่เกินไปหรือซับซ้อนเกินไปที่จะประมวลผลโดยใช้วิธีการแบบดั้งเดิม มันเกี่ยวข้องกับการวิเคราะห์ชุดข้อมูลจำนวนมหาศาลเพื่อดึงข้อมูลเชิงลึกและรูปแบบที่มีค่าเพื่อปรับปรุงการตัดสินใจ
7. แชทบอท
แชทบอทเป็นโปรแกรมที่สามารถจำลองการสนทนากับผู้ใช้ที่เป็นมนุษย์ผ่านข้อความหรือคำสั่งเสียง แชทบอทสามารถเข้าใจและสร้างการตอบสนองที่เหมือนมนุษย์ ทำให้เป็นเครื่องมือที่มีประสิทธิภาพสำหรับแอปพลิเคชันการบริการลูกค้า
8. คอมพิวเตอร์ทางปัญญา
การคำนวณทางปัญญาเป็นสาขา AI ที่มุ่งเน้นไปที่การพัฒนาระบบที่เลียนแบบความสามารถทางปัญญาของมนุษย์ เช่น การรับรู้ การเรียนรู้ การให้เหตุผล และการแก้ปัญหา
9. ทฤษฎีการเรียนรู้เชิงคำนวณ
สาขาของปัญญาประดิษฐ์ที่ศึกษาอัลกอริทึมและแบบจำลองทางคณิตศาสตร์ของแมชชีนเลิร์นนิง โดยมุ่งเน้นที่พื้นฐานทางทฤษฎีของการเรียนรู้เพื่อทำความเข้าใจว่าเครื่องจักรสามารถรับความรู้ คาดการณ์ และปรับปรุงประสิทธิภาพได้อย่างไร
วิดีโอถูกตั้งค่าสถานะสำหรับการตรวจสอบตามนโยบายความน่าเชื่อถือและความปลอดภัยของเรา
10. คอมพิวเตอร์วิทัศน์
วิสัยทัศน์คอมพิวเตอร์ หมายถึงความสามารถของเครื่องในการดึงข้อมูลภาพจากภาพและวิดีโอดิจิทัล อัลกอริธึมการมองเห็นของคอมพิวเตอร์ถูกนำมาใช้กันอย่างแพร่หลายในแอปพลิเคชันต่างๆ เช่น การตรวจจับวัตถุ การจดจำใบหน้า การสร้างภาพทางการแพทย์ และยานพาหนะอัตโนมัติ
11. การขุดข้อมูล
การทำเหมืองข้อมูลคือกระบวนการแสวงหาความรู้อันมีค่าจากชุดข้อมูลขนาดใหญ่ ใช้การวิเคราะห์ทางสถิติและเทคนิคการเรียนรู้ของเครื่องเพื่อระบุรูปแบบ ความสัมพันธ์ และแนวโน้มในข้อมูลเพื่อปรับปรุงการตัดสินใจ
12. วิทยาศาสตร์ข้อมูล
วิทยาศาสตร์ข้อมูลเกี่ยวข้องกับการดึงข้อมูลเชิงลึกจากข้อมูลโดยใช้วิธีการทางวิทยาศาสตร์ อัลกอริทึม และระบบ ครอบคลุมมากกว่าการทำเหมืองข้อมูลและครอบคลุมกิจกรรมที่หลากหลาย รวมถึงการรวบรวมข้อมูล การสร้างภาพข้อมูล และการสร้างแบบจำลองเชิงทำนายเพื่อแก้ปัญหาที่ซับซ้อน
13. การเรียนรู้อย่างลึกซึ้ง
การเรียนรู้เชิงลึกเป็นแขนงหนึ่งของ AI ที่ใช้โครงข่ายประสาทเทียมที่มีหลายเลเยอร์ (โหนดที่เชื่อมต่อกันภายในโครงข่ายประสาทเทียม) เพื่อเรียนรู้จากข้อมูลจำนวนมหาศาล ช่วยให้เครื่องจักรสามารถทำงานที่ซับซ้อนได้ เช่น การประมวลผลภาษาธรรมชาติ การรู้จำภาพและเสียงพูด
14. AI กำเนิด
AI เจเนอเรชันอธิบายระบบปัญญาประดิษฐ์และอัลกอริทึมที่สามารถสร้างข้อความ เสียง วิดีโอ และการจำลอง ระบบ AI เหล่านี้เรียนรู้รูปแบบและตัวอย่างจากข้อมูลที่มีอยู่ และใช้ความรู้นั้นเพื่อสร้างผลลัพธ์ใหม่และเป็นต้นฉบับ
15. ภาพหลอน
ภาพหลอน AI หมายถึงกรณีที่แบบจำลองสร้างผลลัพธ์ที่ไม่ถูกต้อง ไม่เกี่ยวข้อง หรือไม่สมเหตุสมผล ซึ่งอาจเกิดขึ้นได้จากหลายสาเหตุ รวมถึงการขาดบริบท ข้อจำกัดในข้อมูลการฝึกอบรม หรือสถาปัตยกรรม
16. ไฮเปอร์พารามิเตอร์
ไฮเปอร์พารามิเตอร์คือการตั้งค่าที่กำหนดวิธีที่อัลกอริทึมหรือโมเดลแมชชีนเลิร์นนิงเรียนรู้และทำงาน ไฮเปอร์พารามิเตอร์รวมถึงอัตราการเรียนรู้ ความแรงของการทำให้เป็นมาตรฐาน และจำนวนเลเยอร์ที่ซ่อนอยู่ในเครือข่าย คุณสามารถปรับแต่งพารามิเตอร์เหล่านี้เพื่อปรับแต่งประสิทธิภาพของโมเดลตามความต้องการของคุณ
17. โมเดลภาษาขนาดใหญ่ (LLM)
LLM เป็นรูปแบบการเรียนรู้ของเครื่องที่ได้รับการฝึกฝนเกี่ยวกับข้อมูลจำนวนมหาศาลและใช้การเรียนรู้ภายใต้การดูแลเพื่อสร้างโทเค็นถัดไปในบริบทที่กำหนดเพื่อสร้างการตอบสนองตามบริบทที่มีความหมายต่ออินพุตของผู้ใช้ คำว่า 'ใหญ่' หมายถึงการใช้พารามิเตอร์จำนวนมากโดยโมเดลภาษา ตัวอย่างเช่น, โมเดล GPT ใช้พารามิเตอร์นับแสนล้าน เพื่อดำเนินงานด้าน NLP ที่หลากหลาย
18. การเรียนรู้ของเครื่อง
การเรียนรู้ของเครื่อง เป็นวิธีที่เครื่องจักรสามารถเรียนรู้และคาดการณ์ได้โดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน มันเหมือนกับการป้อนข้อมูลให้กับคอมพิวเตอร์และให้อำนาจแก่คอมพิวเตอร์ในการตัดสินใจหรือคาดการณ์โดยการระบุรูปแบบภายในข้อมูล
19. โครงข่ายประสาทเทียม
โครงข่ายประสาทเทียมเป็นแบบจำลองการคำนวณที่ได้รับแรงบันดาลใจจากสมองมนุษย์ ประกอบด้วยโหนดหรือเซลล์ประสาทที่เชื่อมต่อกันซึ่งจัดเป็นชั้นๆ เซลล์ประสาทแต่ละเซลล์ได้รับข้อมูลจากเซลล์ประสาทอื่นๆ ในเครือข่าย ทำให้สามารถเรียนรู้รูปแบบและตัดสินใจได้ โครงข่ายประสาทเทียมเป็นองค์ประกอบหลักในโมเดลแมชชีนเลิร์นนิงที่ช่วยให้ทำงานเก่งได้หลากหลาย
20. การสร้างภาษาธรรมชาติ (NLG)
การสร้างภาษาธรรมชาติเกี่ยวข้องกับการสร้างข้อความที่มนุษย์อ่านได้จากข้อมูลที่มีโครงสร้าง NLG พบแอปพลิเคชันในการสร้างเนื้อหา แชทบอท และผู้ช่วยเสียง
21. การประมวลผลภาษาธรรมชาติ (NLP)
การประมวลผลภาษาธรรมชาติ คือความสามารถของเครื่องจักรในการตีความ ทำความเข้าใจ และตอบสนองต่อข้อความหรือคำพูดที่มนุษย์อ่านได้ ซึ่งใช้ในแอปพลิเคชันต่างๆ รวมถึงการวิเคราะห์ความรู้สึก การจัดหมวดหมู่ข้อความ และการตอบคำถาม
22. โอเพ่นเอไอ
OpenAI เป็นห้องปฏิบัติการวิจัยปัญญาประดิษฐ์ที่ก่อตั้งขึ้นในปี 2558 และตั้งอยู่ในซานฟรานซิสโก สหรัฐอเมริกา บริษัทพัฒนาและปรับใช้เครื่องมือ AI ที่ดูเหมือนจะฉลาดเทียบเท่ากับมนุษย์ ChatGPT ซึ่งเป็นผลิตภัณฑ์ที่รู้จักกันดีที่สุดของ OpenAI เปิดตัวในเดือนพฤศจิกายน 2565 และได้รับการขนานนามว่าเป็นแชทบอทที่ล้ำหน้าที่สุดสำหรับความสามารถในการให้คำตอบในหัวข้อต่างๆ ที่หลากหลาย
23. การจดจำรูปแบบ
การจดจำรูปแบบคือความสามารถของระบบ AI ในการระบุและตีความรูปแบบในข้อมูล อัลกอริทึมการจดจำรูปแบบค้นหาแอปพลิเคชันในการจดจำใบหน้า การตรวจจับการฉ้อโกง และการรู้จำเสียง
24. เครือข่ายประสาทกำเริบ (RNN)
โครงข่ายประสาทเทียมประเภทหนึ่งที่สามารถประมวลผลข้อมูลตามลำดับโดยใช้การเชื่อมต่อแบบป้อนกลับ RNN สามารถเก็บหน่วยความจำของอินพุตก่อนหน้าได้ และเหมาะสำหรับงานต่างๆ เช่น NLP และการแปลด้วยคอมพิวเตอร์
25. การเรียนรู้การเสริมแรง
การเรียนรู้การเสริมกำลังเป็นเทคนิคการเรียนรู้ของเครื่องซึ่งตัวแทน AI เรียนรู้ที่จะตัดสินใจผ่านการโต้ตอบโดยการลองผิดลองถูก ตัวแทนจะได้รับรางวัลหรือบทลงโทษจากอัลกอริทึมตามการกระทำ แนะนำให้ปรับปรุงประสิทธิภาพเมื่อเวลาผ่านไป
26. การเรียนรู้ภายใต้การดูแล
วิธีการแมชชีนเลิร์นนิงที่โมเดลได้รับการฝึกอบรมโดยใช้ข้อมูลที่มีป้ายกำกับพร้อมเอาต์พุตที่ต้องการ แบบจำลองสรุปจากข้อมูลที่มีป้ายกำกับและทำการคาดคะเนข้อมูลใหม่ได้อย่างแม่นยำ
windows 10 ปิดทางลัดการแสดงผล
27. โทเค็น
Tokenization คือกระบวนการแยกเอกสารข้อความออกเป็นหน่วยย่อยที่เรียกว่าโทเค็น โทเค็นเหล่านี้สามารถแทนคำ ตัวเลข วลี สัญลักษณ์ หรือองค์ประกอบใดๆ ในข้อความที่โปรแกรมสามารถทำงานได้ จุดประสงค์ของโทเค็นคือการทำให้ข้อมูลที่ไม่มีโครงสร้างมีความหมายมากที่สุดโดยไม่ต้องประมวลผลข้อความทั้งหมดเป็นสตริงเดียว ซึ่งไม่มีประสิทธิภาพทางการคำนวณและยากต่อการสร้างแบบจำลอง
28. การทดสอบทัวริง
เปิดตัวโดย Alan Turing ในปี 1950 การทดสอบนี้ประเมินความสามารถของเครื่องจักรในการแสดงความฉลาดที่แยกไม่ออกจากของมนุษย์ เดอะ การทดสอบทัวริง เกี่ยวข้องกับผู้พิพากษาที่เป็นมนุษย์ซึ่งมีปฏิสัมพันธ์กับมนุษย์และเครื่องจักรโดยไม่รู้ว่าอันไหนคืออะไร หากกรรมการไม่สามารถแยกความแตกต่างระหว่างเครื่องจักรกับมนุษย์ได้ ก็จะถือว่าเครื่องจักรนั้นผ่านการทดสอบ
29. การเรียนรู้ที่ไม่มีผู้ดูแล
วิธีการแมชชีนเลิร์นนิงที่โมเดลทำการอนุมานจากชุดข้อมูลที่ไม่มีป้ายกำกับ ค้นพบรูปแบบในข้อมูลเพื่อคาดการณ์ข้อมูลที่มองไม่เห็น
โอบรับภาษาของปัญญาประดิษฐ์
AI เป็นสาขาที่มีการพัฒนาอย่างรวดเร็วซึ่งเปลี่ยนวิธีที่เราโต้ตอบกับเทคโนโลยี อย่างไรก็ตาม ด้วยคำศัพท์ใหม่ๆ มากมายที่เกิดขึ้นอย่างต่อเนื่อง จึงเป็นเรื่องยากที่จะติดตามการพัฒนาล่าสุดในด้านนี้
แม้ว่าคำศัพท์บางคำอาจดูเป็นนามธรรมโดยไม่มีบริบท แต่ความสำคัญจะชัดเจนเมื่อรวมเข้ากับความเข้าใจพื้นฐานของแมชชีนเลิร์นนิง การทำความเข้าใจข้อกำหนดและแนวคิดเหล่านี้สามารถวางรากฐานอันทรงพลังซึ่งจะช่วยให้คุณตัดสินใจได้อย่างรอบรู้ภายในขอบเขตของปัญญาประดิษฐ์