S obzirom na to da više od polovine Amerikanaca redovno koristi AI, brzo postaje normalan dio naših svakodnevnih života. ChatGPT, Google Gemini i Microsoft Copilot guraju AI u svu tehnologiju, mijenjajući način na koji komuniciramo sa svime. Odjednom, ljudi su u mogućnosti voditi značajne razgovore s mašinama, što znači da možete postavljati pitanja AI chatbotu na prirodnom jeziku, a on može odgovoriti s novim odgovorima, slično kao čovjek.

Ali taj aspekt AI chatbota je samo jedan dio AI pejzaža. Naravno, imati ChatGPT da vam pomogne s domaćim zadacima ili Midjourney da stvori fascinantne slike mehanizama na osnovu zemlje porijekla je zanimljivo, ali potencijal generativnog AI-a mogao bi potpuno preoblikovati ekonomije. To bi moglo vrijediti 4,4 triliona dolara globalnoj ekonomiji godišnje, prema McKinsey Global Institute, zbog čega možete očekivati da ćete sve više čuti o umjetnoj inteligenciji.

Pojavljuje se u zapanjujućem nizu proizvoda — kratka, kratka lista uključuje Googleov Gemini, Microsoftov Copilot, Anthropicov Claude, alat za pretragu Perplexity AI i uređaje od Humane i Rabbit. Možete pročitati naše recenzije i praktične evaluacije tih i drugih proizvoda, zajedno s vijestima, objašnjenjima i uputstvima, na našem AI Atlas hubu.

Kako se ljudi sve više navikavaju na svijet isprepleten s AI-om, novi termini se pojavljuju svuda. Tako da, bilo da pokušavate zvučati pametno uz piće ili impresionirati na razgovoru za posao, evo nekih važnih AI termina koje biste trebali znati.

umjetna opća inteligencija, ili AGI: Koncept koji sugerira napredniju verziju AI nego što poznajemo danas, onu koja može obavljati zadatke mnogo bolje od ljudi dok također uči i unapređuje svoje sposobnosti.

agentivni: Sistemi ili modeli koji pokazuju agenciju s mogućnošću autonomnog djelovanja kako bi postigli cilj. U kontekstu AI-a, agentivni model može djelovati bez stalnog nadzora, kao što je automobil visoke autonomije. Za razliku od “agentskog” okvira, koji je u pozadini, agentivni okviri su u prvom planu, fokusirajući se na korisničko iskustvo.

etika AI-a: Principi usmjereni na sprečavanje AI-a da nanese štetu ljudima, postignuti putem sredstava kao što su određivanje kako AI sistemi trebaju prikupljati podatke ili se nositi s pristrasnošću.

sigurnost AI-a: Interdisciplinarno polje koje se bavi dugoročnim utjecajima AI-a i kako bi mogao naglo napredovati do superinteligencije koja bi mogla biti neprijateljska prema ljudima.

algoritam: Niz instrukcija koji omogućava kompjuterskom programu da uči i analizira podatke na određeni način, kao što je prepoznavanje obrazaca, kako bi zatim učio iz njih i samostalno obavljao zadatke.

usklađivanje: Podešavanje AI-a kako bi bolje proizveo željeni ishod. Ovo može uključivati sve, od moderiranja sadržaja do održavanja pozitivnih interakcija prema ljudima.

antropomorfizam: Kada ljudi imaju tendenciju da ne-ljudskim objektima daju ljudske karakteristike. U AI-u, ovo može uključivati vjerovanje da je chatbot više ljudski i svjestan nego što zapravo jeste, kao vjerovanje da je sretan, tužan ili čak svjestan u potpunosti.

umjetna inteligencija, ili AI: Korištenje tehnologije za simulaciju ljudske inteligencije, bilo u kompjuterskim programima ili robotici. Polje u računarstvu koje ima za cilj izgradnju sistema koji mogu obavljati ljudske zadatke.

autonomni agenti: AI model koji ima sposobnosti, programiranje i druge alate za obavljanje određenog zadatka. Na primjer, automobil koji se samostalno vozi je autonomni agent jer ima senzorske ulaze, GPS i algoritme vožnje da samostalno navigira cestom. Istraživači sa Stanforda su pokazali da autonomni agenti mogu razviti vlastite kulture, tradicije i zajednički jezik.

pristrasnost: U vezi s velikim jezičkim modelima, greške koje proizlaze iz podataka za obuku. Ovo može rezultirati lažnim pripisivanjem određenih karakteristika određenim rasama ili grupama na osnovu stereotipa.

chatbot: Program koji komunicira s ljudima putem teksta koji simulira ljudski jezik.

ChatGPT: AI chatbot razvijen od strane OpenAI koji koristi tehnologiju velikih jezičkih modela.

kognitivno računarstvo: Drugi termin za umjetnu inteligenciju.

augmentacija podataka: Remixiranje postojećih podataka ili dodavanje raznovrsnijeg skupa podataka za obuku AI-a.

duboko učenje: Metoda AI-a i podpolje mašinskog učenja koje koristi više parametara za prepoznavanje složenih obrazaca u slikama, zvuku i tekstu. Proces je inspirisan ljudskim mozgom i koristi umjetne neuronske mreže za stvaranje obrazaca.

difuzija: Metoda mašinskog učenja koja uzima postojeći komad podataka, kao što je fotografija, i dodaje nasumičnu buku. Difuzijski modeli treniraju svoje mreže da ponovo stvore ili povrate tu fotografiju.

emergentno ponašanje: Kada AI model pokazuje nenamjerne sposobnosti.

učenje od početka do kraja, ili E2E: Proces dubokog učenja u kojem je model instruisan da obavi zadatak od početka do kraja. Nije obučen da obavlja zadatak sekvencijalno, već umjesto toga uči iz ulaza i rješava ga odjednom.

etička razmatranja: Svijest o etičkim implikacijama AI-a i pitanjima vezanim za privatnost, korištenje podataka, pravednost, zloupotrebu i druge sigurnosne probleme.

foom: Također poznat kao brzo pokretanje ili teško pokretanje. Koncept da ako neko izgradi AGI, možda bi već bilo prekasno da se spasi čovječanstvo.

generativne suparničke mreže, ili GAN-ovi: Generativni AI model sastavljen od dvije neuronske mreže za generiranje novih podataka: generatora i diskriminatora. Generator stvara novi sadržaj, a diskriminator provjerava da li je autentičan.

generativni AI: Tehnologija za generiranje sadržaja koja koristi AI za stvaranje teksta, videa, kompjuterskog koda ili slika. AI se hrani velikim količinama podataka za obuku, pronalazi obrasce kako bi generirao vlastite nove odgovore, koji ponekad mogu biti slični izvornom materijalu.

Google Gemini: AI chatbot od Googlea koji funkcioniše slično kao ChatGPT, ali povlači informacije s trenutnog weba, dok je ChatGPT ograničen na podatke do 2021. i nije povezan s internetom.

zaštitne ograde: Politike i ograničenja postavljena na AI modele kako bi se osiguralo da se podaci odgovorno obrađuju i da model ne stvara uznemirujući sadržaj.

halucinacija: Pogrešan odgovor od AI-a. Može uključivati generativni AI koji proizvodi odgovore koji su netačni, ali izrečeni s povjerenjem kao da su tačni. Razlozi za ovo nisu u potpunosti poznati. Na primjer, kada pitate AI chatbot, “Kada je Leonardo da Vinci naslikao Mona Lisu?” može odgovoriti s netačnom izjavom govoreći, “Leonardo da Vinci je naslikao Mona Lisu 1815. godine,” što je 300 godina nakon što je zapravo naslikana.

inferencija: Proces koji AI modeli koriste za generiranje teksta, slika i drugog sadržaja o novim podacima, zaključujući iz svojih podataka za obuku.

veliki jezički model, ili LLM: AI model obučen na masovnim količinama tekstualnih podataka kako bi razumio jezik i generirao novi sadržaj na ljudskom jeziku.

latencija: Vremensko kašnjenje od trenutka kada AI sistem primi ulaz ili upit do trenutka kada proizvede izlaz.

mašinsko učenje, ili ML: Komponenta u AI-u koja omogućava računarima da uče i donose bolje prediktivne ishode bez eksplicitnog programiranja. Može se kombinovati s setovima za obuku kako bi generisao novi sadržaj.

Microsoft Bing: Pretraživač od Microsofta koji sada može koristiti tehnologiju koja pokreće ChatGPT za davanje AI-pokretanih rezultata pretrage. Slično je Google Gemini u tome što je povezan s internetom.

multimodalni AI: Tip AI-a koji može obrađivati više vrsta ulaza, uključujući tekst, slike, video i govor.

obrada prirodnog jezika: Grana AI-a koja koristi mašinsko učenje i duboko učenje kako bi računarima dala sposobnost razumijevanja ljudskog jezika, često koristeći algoritme učenja, statističke modele i lingvistička pravila.

neuronska mreža: Računarski model koji podsjeća na strukturu ljudskog mozga i namijenjen je prepoznavanju obrazaca u podacima. Sastoji se od međusobno povezanih čvorova, ili neurona, koji mogu prepoznavati obrasce i učiti tokom vremena.

pretreniranje: Greška u mašinskom učenju gdje funkcioniše previše blisko s podacima za obuku i može biti u stanju prepoznati samo specifične primjere u tim podacima, ali ne i nove podatke.

spajalice: Teorija Maksimizatora spajalica, koju je skovao filozof Nick Boström sa Univerziteta u Oxfordu, je hipotetički scenario u kojem će AI sistem stvoriti što više doslovnih spajalica koliko je moguće. U svom cilju da proizvede maksimalan broj spajalica, AI sistem bi hipotetički mogao potrošiti ili pretvoriti sve materijale kako bi postigao svoj cilj. Ovo bi moglo uključivati rastavljanje drugih mašina kako bi proizveo više spajalica, mašina koje bi mogle biti korisne ljudima. Nenamjerna posljedica ovog AI sistema je da bi mogao uništiti čovječanstvo u svom cilju da napravi spajalice.

parametri: Numeričke vrijednosti koje daju LLM-ovima strukturu i ponašanje, omogućavajući im da prave predviđanja.

Perplexity: Naziv AI-pokretanog chatbota i pretraživača u vlasništvu Perplexity AI. Koristi veliki jezički model, kao oni koji se nalaze u drugim AI chatbotovima, za odgovaranje na pitanja s novim odgovorima. Njegova povezanost s otvorenim internetom također mu omogućava da daje ažurirane informacije i povlači rezultate s cijelog weba. Perplexity Pro, plaćeni nivo usluge, također je dostupan i koristi druge modele, uključujući GPT-4o, Claude 3 Opus, Mistral Large, open-source LlaMa 3 i vlastiti Sonar 32k. Pro korisnici mogu dodatno učitavati dokumente za analizu, generirati slike i interpretirati kod.

upit: Prijedlog ili pitanje koje unosite u AI chatbot kako biste dobili odgovor.

lančanje upita: Sposobnost AI-a da koristi informacije iz prethodnih interakcija kako bi obojio buduće odgovore.

stohastička papiga: Analogija LLM-ova koja ilustrira da softver nema šire razumijevanje značenja iza jezika ili svijeta oko njega, bez obzira na to koliko uvjerljivo zvuči izlaz. Fraza se odnosi na to kako papagaj može oponašati ljudske riječi bez razumijevanja značenja iza njih.

prijenos stila: Sposobnost prilagođavanja stila jedne slike sadržaju druge, omogućavajući AI-u da interpretira vizualne atribute jedne slike i koristi ih na drugoj. Na primjer, uzimanje autoportreta Rembrandta i ponovno stvaranje u stilu Picassa.

temperatura: Parametri postavljeni za kontrolu koliko je nasumičan izlaz jezičkog modela. Viša temperatura znači da model preuzima više rizika.

generiranje slike iz teksta: Stvaranje slika na osnovu tekstualnih opisa.

tokeni: Mali dijelovi pisanog teksta koje AI jezički modeli obrađuju kako bi formulisali svoje odgovore na vaše upite. Token je ekvivalentan četiri znaka na engleskom jeziku, ili otprilike tri četvrtine riječi.

podaci za obuku: Skupovi podataka korišteni za pomoć AI modelima da uče, uključujući tekst, slike, kod ili podatke.

transformerski model: Arhitektura neuronske mreže i model dubokog učenja koji uči kontekst praćenjem odnosa u podacima, kao u rečenicama ili dijelovima slika. Dakle, umjesto da analizira rečenicu riječ po riječ, može pogledati cijelu rečenicu i razumjeti kontekst.

turingov test: Nazvan po poznatom matematičaru i računalnom znanstveniku Alanu Turingu, testira sposobnost mašine da se ponaša kao čovjek. Mašina prolazi ako čovjek ne može razlikovati odgovor mašine od drugog čovjeka.

nesupervizirano učenje: Oblik mašinskog učenja gdje označeni podaci za obuku nisu pruženi modelu, već model mora samostalno identificirati obrasce u podacima.

slabi AI, također poznat kao uski AI: AI koji je fokusiran na određeni zadatak i ne može učiti izvan svog seta vještina. Većina današnjeg AI-a je slabi AI.

učenje bez primjera: Test u kojem model mora obaviti zadatak bez da mu se daju potrebni podaci za obuku. Primjer bi bio prepoznavanje lava dok je obučen samo na tigrovima.