AI-Ordbogen

De 100 mest relevante AI-begreber – i samarbejde med ChatGPT

Her kan du finde de 100 mest relevante begreber indenfor kunstig intelligens lige nu. Listen er udarbejdet i samarbejde med ChatGPT og den kan derfor være biased i forhold valg af emner. Listen er på ingen måde udtømmende. Listen er opstillet alfabetisk, så du hurtigt kan finde rundt, men du kan også prøve søgefunktionen herunder.

1. Active Learning – En metode inden for maskinlæring, hvor modellen selv vælger data, den vil lære fra.

2. Adversarial Attacks – Forsøg på at forvirre en AI-model ved at introducere misvisende datainput.

3. Adversarial Training – En træningsteknik, der gør AI-modeller stærkere ved at lære fra tidligere angreb.

4. Algorithm – En proces eller sæt regler, der skal følges i beregninger eller andre problemløsningsoperationer.

5. Anomaly Detection – Brug af AI til at identificere sjældne eller usædvanlige mønstre, der adskiller sig fra det forventede.

6. Artificial General Intelligence (AGI) – En type AI, der kan udføre enhver intellektuel opgave, som et menneske kan.

7. Artificial Intelligence (AI) – Teknologi, der efterligner menneskelig intelligens.

8. Artificial Neural Network (ANN) – En type AI, der efterligner den måde, hvorpå den menneskelige hjerne fungerer.

9. Autoencoder – En type kunstigt neuralt netværk, der bruges til at lære effektive datakodninger uden at have brug for mærket data.

10. AutoML (Automated Machine Learning) – En proces, der automatiserer opbygning, træning og styring af maskinlæringsmodeller.

11. Backpropagation – En metode til træning af neurale netværk ved at justere vægte for at minimere fejl.

12. Bagging – En teknik, der kombinerer flere modeller for at producere en mere stabil og robust model.

13. Bias – En tendens til at favorisere bestemte resultater baseret på forudbestemte faktorer.

14. Big Data – Store mængder data, der kan analyseres for at afsløre mønstre og tendenser.

15. Binary Classification – En opgave inden for maskinlæring, hvor modellen skal bestemme, hvilken af to kategorier et givet datapunkt falder ind under.

16. Boosting – En teknik, der anvendes for at forbedre præcisionen af maskinlæringsmodeller ved at bygge flere modeller og kombinere deres forudsigelser.

17. Capsule Networks (CapsNets) – En type kunstigt neuralt netværk, der er bedre i stand til at genkende komplekse mønstre.

18. Chatbot – En AI-software, der kan simulere en samtale med en bruger på naturligt sprog.

19. Classification – En opgave inden for maskinlæring, hvor modellen skal bestemme, hvilken kategori et givet datapunkt hører til.

20. Clustering – En opgave inden for maskinlæring, hvor modellen organiserer data i grupper baseret på ligheder.

21. Cognitive Computing – En type af AI-teknologi, der efterligner den måde, mennesker tænker og lærer på.

22. Computer Vision – Et felt inden for AI, der træner computere til at “se” og forstå visuelt indhold.

23. Convolutional Neural Network (CNN) – Dette er en type af kunstig intelligens, der er specielt designet til at håndtere billeder. Forestil dig, at du har et foto, og du vil gerne have AI til at fortælle dig, hvad der er på det. I stedet for at kigge på hele billedet på én gang, kigger en CNN på små bider af billedet ad gangen (ligesom at se på verden gennem et lille vindue), og prøver at finde mønstre – som kanter, farver eller former. Disse små opdagelser bliver så sammensat for at forstå større dele af billedet, indtil CNN til sidst kan genkende objekter, personer, scener eller hvad du end træner det til at gøre.

24. Data Mining – Processen med at udtrække nyttig information fra store datasæt.

25. Data Science – Et felt, der kombinerer statistik, datamining og maskinlæring for at udtrække indsigt fra data.

26. Deep Learning – En subkategori af maskinlæring, der anvender kunstige neurale netværk med mange lag.

27. DeepMind – En AI-virksomhed, der er kendt for at skabe avancerede AI-systemer og er nu en del af Alphabet Inc.

28. Dimensionality Reduction – Teknikker for at reducere mængden af data, der skal behandles, uden at miste for meget information.

29. Ensemble Learning – En metode, der kombinerer flere maskinlæringsmodeller for at opnå bedre præcision og modelstabilitet.

30. Evolutionary Algorithms – Algoritmer, der anvender mekanismer inspireret af biologisk evolution, såsom reproduktion, mutation, rekombination og selektion.

31. Expert Systems – Computerprogrammer, der bruger AI-teknologier til at give rådgivning inden for et specifikt emneområde.

32. Feature Extraction – Processen med at identificere og trække nøgleegenskaber ud fra rå data.

33. Feature Selection – Processen med at vælge de mest relevante variabler (eller funktioner) til at bruge i en model.

34. Fuzzy Logic – En tilgang til computing baseret på “grader af sandhed” snarere end de almindelige “sandt eller falsk” (1 eller 0) boolske logik.

35. GAN (Generative Adversarial Network) – Et sæt kunstige neurale netværk, der konkurrerer mod hinanden for at generere nye data.

36. Genetic Algorithm – En søgeheuristik, der er inspireret af Charles Darwins teori om naturlig evolution.

37. Gradient Descent – En algoritme, der minimerer funktioner ved iterativt at bevæge sig i retning af det stejleste fald.

38. Graphical Model – En type model i sandsynlighedsteori, der bruger grafer til at repræsentere og løse problemer.

39. Heuristic – En form for mental genvej, der hjælper mennesker med at løse problemer og træffe beslutninger hurtigt. (Baseret på jeg plejer at…). Indenfor AI henviser det til en simpel, effektiv regel eller metode, der hjælper med at løse mere komplekse problemer.

40. Hyperparameter – En variabel, der er ekstern for en model, og hvis værdi ikke kan læres fra data.

41. Image Recognition – Teknologien, der giver computere mulighed for at “se” og genkende objekter, mennesker, skrift og handlinger i billeder eller videoer.

42. Information Retrieval – Processen med at finde og udtrække information fra databaser eller store datasæt.

43. Knowledge Graph – En struktureret form for databasen, der gemmer viden i form af en netværksstruktur.

44. Latent Dirichlet Allocation (LDA) – En teknik til at opdage emner i store mængder af tekster.

45. Linear Regression – En statistisk metode, der modellerer forholdet mellem to variabler ved at passe en lineær ligning til observerede data.

46. Long Short Term Memory (LSTM) – En type kunstigt neuralt netværk, der er bedre i stand til at lære fra data med tidsmæssige afhængigheder.

47. Machine Learning – En type AI, der giver computere mulighed for at lære og forbedre sig selv gennem erfaring.

48. Markov Decision Processes (MDPs) – En matematisk ramme for modellering af beslutningstagningssituationer.

49. Monte Carlo Method – En matematisk teknik, der bruger tilfældige prøver til at løse problemer, der kan være svære eller umulige at løse på andre måder.

50. Multi-Task Learning – En tilgang til maskinlæring, hvor en model lærer flere relaterede opgaver på samme tid.

51. Natural Language Processing (NLP) – Et felt inden for AI, der fokuserer på interaktionen mellem computere og menneskeligt sprog.

52. Neural Network – Et netværk af kunstige neuroner, der efterligner den menneskelige hjerne.

53. Neuron – En komponent i et neuralt netværk, der behandler input og sender output til andre neuroner.

54. Object Detection – Teknikken til at identificere objekter inden for et billede eller en video.

55. OpenAI – En organisation dedikeret til at sikre, at kunstig generel intelligens (AGI) kan bruges til fordel for alle.

56. Optical Character Recognition (OCR) – Teknologi, der kan konvertere forskellige typer dokumenter, såsom scannede papirdokumenter, PDF-filer eller billeder taget af et kamera, til redigerbare og søgbare data.

57. Outlier – Et datapunkt, der afviger markant fra andre observationer.

58. Overfitting – En situation, hvor en model lærer mønstre fra træningsdata for godt, og som et resultat præsterer dårligt på nye, usete data.

59. Perceptron – En type kunstigt neuron, der blev opfundet i 1957 og er grundlaget for mere moderne neurale netværk. – Kan også henvise til podcasten af samme navn. Find den, hvor du plejer at finde dine podcasts.

60. Precision and Recall – Målinger af nøjagtighed og fuldstændighed i et klassifikationssystem.

61. Random Forest – En type maskinlæringsmodel, der kombinerer mange beslutningstræer for at forbedre forudsigelsesnøjagtighed.

62. Recommender Systems – Systemer, der automatisk anbefaler produkter eller tjenester til brugere baseret på deres tidligere adfærd.

63. Recurrent Neural Network (RNN) – En type neuralt netværk, der er effektiv til at behandle sekventielle data.

64. Reinforcement Learning – En type maskinlæring, hvor en agent lærer at opføre sig i et miljø ved at udføre visse handlinger og modtage belønninger eller straffe.

65. Robotic Process Automation (RPA) – Brug af software med AI og maskinlæringsegenskaber til at håndtere højt volumen, gentagelige opgaver.

66. Semi-Supervised Learning – En maskinlæringstilgang, der bruger både mærkede og umærkede data til træning.

67. Sentiment Analysis – Anvendelse af maskinlæring til at bestemme en teksts følelsesmæssige tone.

68. Sequence Learning – En type maskinlæring, der involverer modeller, der kan forstå sekvenser af data.

69. Supervised Learning – En type maskinlæring, hvor modellen lærer fra mærkede træningsdata.

70. Support Vector Machine (SVM) – En type maskinlæringsmodel, der kan bruges til både klassifikation og regression.

71. Swarm Intelligence – En type AI, der tager inspiration fra naturen, specifikt det kollektive adfærd af simple dyr, som myrer og bier.

72. TensorFlow – En open source-bibliotek til maskinlæring udviklet af Google.

73. Time Series Analysis – En statistisk teknik, der behandler tidssekvensdata.

74. Transfer Learning – En forskningsproblematik i maskinlæring, der fokuserer på lagring af viden opnået under løsning af et problem, og anvendelse af det til et andet, relateret problem.

75. Unsupervised Learning – En type maskinlæring, hvor modellen lærer fra umærkede data.

76. Vanishing Gradient Problem – Et problem i træning af neurale netværk, når meget små gradienter gør det svært for netværket at lære.

77. Word Embedding – En teknik inden for behandling af naturligt sprog, hvor ord eller sætninger fra vokabularet er kortlagt til vektorer af reelle tal.

78. XGBoost – En populær maskinlæringsbibliotek, der implementerer gradient boosting ramme.

79. Zero-Shot Learning – Evnen til en maskinlæringsmodel til at genkende objekter, som den ikke har set tidligere under træning.

80. Zeta Learning – En form for læring, hvor systemer forstår, bearbejder og bruger information om menneskelig adfærd.

81. 1D Convolution – En konvolution operation anvendt på en-vektor data. Anvendes ofte i behandling af tidsserier og sprogdata.

82. 3D Convolution – En konvolution operation anvendt på tredimensionale data. Anvendes ofte i billedgenkendelse og videoanalyse.

83. 3D Printing – En fremstillingsproces, der opretter en fysisk genstand fra en digital design ved hjælp af additive processer.

84. A/B Testing – En brugertestmetode i webdesign, der kan hjælpe med at bestemme, hvilken af ​​to versioner der er mere effektiv.

85. Active Learning – En særlig sag af maskinlæring, hvor en læringsalgoritme er i stand til interaktivt at forespørge brugeren (eller en anden informationkilde) for at få svar på spørgsmål.

86. AdaBoost – En populær boosting teknik, der hjælper med at kombinere flere “svage” modeller for at skabe en stærk model.

87. Adaptive Learning Rate – En teknik, der justerer læringshastigheden for træningsprocessen af ​​neurale netværk baseret på resultaterne af tidligere træning.

88. Affinity Propagation – En teknik til at bestemme repræsentative eksempler i data.

89. Agglomerative Clustering – En type hierarkisk klyngeanalyse, hvor hver observation starter i sin egen klynge, og par af klynger fusioneres efterhånden som man bevæger sig op i hierarkiet.

90. AlexNet – En dyb konvolutionel neural netværk, der er kendt for at vinde ImageNet Large Scale Visual Recognition Challenge i 2012.

91. Algebra – En gren af ​​matematik, der studerer symboler og reglerne for manipulation med disse symboler.

92. Algorithm – En procedure eller formel for at løse et problem.

93. AlphaGo – En computerprogram, der spiller brætspillet Go, er kendt for at slå en verdensmester Go-spiller, den sydkoreanske Lee Sedol i 2016.

94. Anomaly Detection – Identifikation af sjældne elementer, begivenheder eller observationer, der hæver mistanker ved at afvige signifikant fra størstedelen af ​​data.

95. Apache Hadoop – En open-source software til opbevaring og behandling af store mængder data på tværs af mange computere.

96. Apache Spark – En open-source distribueret generel-purpose cluster-computing system. 

97. API – Et sæt af protokoller, rutiner og værktøjer til at bygge software og applikationer. En API (Application Programming Interface) er som en tjener i en restaurant. Du (en bruger eller en anden del af softwaren) fortæller tjeneren (API’en), hvad du vil have (giver den et sæt instruktioner), og tjeneren går så til køkkenet (en anden del af softwaren eller en anden tjeneste), laver din bestilling og bringer dig, hvad du har bedt om. Du behøver ikke at kende alle detaljer om, hvordan køkkenet fungerer – det er tjenerens job at være mellemmanden. På samme måde gør API’er det muligt for forskellige dele af software eller forskellige softwareapplikationer at kommunikere og arbejde sammen, uden at skulle vide, hvordan hver enkelt del fungerer.

98. Apprenticeship Learning – En type læring, hvor en agent lærer ved at observere en ekspert.

99. Artificial Bee Colony Algorithm (ABC) – En optimeringsalgoritme baseret på intelligent adfærd af honningbier.

100. Artificial Neural Network (ANN) – En model baseret på det menneskelige neurale netværk, der bruges til at løse problemer, der kræver forudsigelse, klassifikation eller beslutningstagning.