AI Glossary
Μίλα τη γλώσσα της τεχνητής νοημοσύνης.
Η τεχνητή νοημοσύνη συνοδεύεται από μια νέα γλώσσα. Το AI FOX Glossary συγκεντρώνει τους πιο σημαντικούς όρους, από το “Prompt Engineering” μέχρι το “Model Deployment”, εξηγημένους απλά και με σαφήνεια.
Είτε είσαι αρχάριος είτε επαγγελματίας, εδώ θα βρεις τα βασικά για να “μιλάς” AI — χωρίς να χάνεσαι στη μετάφραση.
- All Tags
- AI Ethics & Policy
- AI Tools & Platforms
- AI in Practice
- Computer Vision
- Data Science / Analytics
- General AI Terms
- Large Language Models (LLMs)
- Machine Learning (ML)
- Natural Language Processing (NLP)
- Prompt Engineering
Activation Function
Η συνάρτηση ενεργοποίησης καθορίζει πώς οι νευρώνες σε ένα δίκτυο επεξεργάζονται δεδομένα.
AI in Cybersecurity
Η AI ενισχύει την ασφάλεια εντοπίζοντας απειλές και ανωμαλίες σε πραγματικό χρόνο.
AI in Education
Η AI μετασχηματίζει το marketing με ανάλυση δεδομένων, αυτοματισμούς και personalization.
AI in Healthcare
Η AI μεταμορφώνει τη φροντίδα υγείας με διαγνώσεις, πρόγνωση και εξατομικευμένη ιατρική.
AI in Marketing
Η AI μετασχηματίζει το marketing με ανάλυση δεδομένων, αυτοματισμούς και personalization.
Artificial Intelligence (AI)
Η τεχνητή νοημοσύνη είναι η επιστήμη που επιτρέπει σε μηχανές να μιμούνται ανθρώπινη σκέψη και λήψη αποφάσεων.
Attention Mechanism
Ο μηχανισμός attention επιτρέπει στα μοντέλα να εστιάζουν σε σημαντικές λέξεις του input.
Chain-of-Thought Prompting
Η τεχνική αυτή οδηγεί τα LLMs να “σκέφτονται φωναχτά” για καλύτερες απαντήσεις.
Computer Vision
Το Computer Vision διδάσκει σε υπολογιστές να “βλέπουν” και να κατανοούν εικόνες και βίντεο.
Confabulation (in LLMs)
Όταν ένα LLM “εφευρίσκει” απαντήσεις που φαίνονται αληθοφανείς αλλά είναι ψευδείς.
Confusion Matrix
Η confusion matrix εμφανίζει σωστές και λάθος προβλέψεις ενός μοντέλου ταξινόμησης.
Convolutional Neural Network (CNN)
Τα CNN είναι είδος νευρωνικού δικτύου, ειδικά σχεδιασμένο για επεξεργασία εικόνας και video.
Data Labeling
Το data labeling είναι η διαδικασία προσθήκης ετικετών σε δεδομένα για εκπαίδευση AI.
Deep Learning
Το Deep Learning χρησιμοποιεί τεχνητά νευρωνικά δίκτυα για την επεξεργασία πολύπλοκων δεδομένων.
Embeddings Visualization
Η οπτική απεικόνιση πλούσιων αναπαραστάσεων (embeddings) σε χώρο δύο ή τριών διαστάσεων.
Explainable AI (XAI)
Η Explainable AI προσπαθεί να κάνει τις αποφάσεις των μοντέλων κατανοητές από τους ανθρώπους.
Feature Engineering
Το feature engineering είναι η διαδικασία δημιουργίας χρήσιμων χαρακτηριστικών από δεδομένα.
Few-shot Learning
Το Few-shot Learning επιτρέπει σε μοντέλα να μαθαίνουν από λίγα παραδείγματα.
Fine-tuning
Το Fine-tuning είναι η προσαρμογή ενός προεκπαιδευμένου μοντέλου σε ειδικό περιεχόμενο.
Foundation Model
Foundation Models είναι γενικά εκπαιδευμένα μοντέλα που προσαρμόζονται σε πολλές εργασίες.
GAN (Generative Adversarial Network)
Τα GANs δημιουργούν νέα δεδομένα, όπως εικόνες ή ήχο, μέσω ανταγωνιστικών νευρωνικών δικτύων.
Human-in-the-Loop (HITL)
Συνδυασμός ανθρώπινης επίβλεψης και αυτοματοποιημένης λήψης αποφάσεων.
Image Classification
Η ταξινόμηση εικόνας αποδίδει ετικέτες σε εικόνες με βάση το περιεχόμενό τους.
Image Segmentation
Η Image Segmentation χωρίζει την εικόνα σε περιοχές που αντιστοιχούν σε συγκεκριμένα αντικείμενα ή δομές.
Instruction Tuning
Το Instruction Tuning είναι η προσαρμογή LLMs ώστε να ακολουθούν καλύτερα οδηγίες.
Large Language Model (LLM)
Τα LLM είναι ισχυρά μοντέλα τεχνητής νοημοσύνης που παράγουν ανθρώπινο κείμενο βάσει προτροπών.
Machine Learning (ML)
Το Machine Learning επιτρέπει στα συστήματα να μαθαίνουν και να βελτιώνονται από δεδομένα χωρίς ρητό προγραμματισμό.
Model Training
Το model training είναι η διαδικασία εκπαίδευσης ενός μοντέλου σε δεδομένα για την εκμάθηση συσχετίσεων.
Named Entity Recognition (NER)
Το NER αναγνωρίζει ονόματα, τοποθεσίες και οντότητες μέσα σε κείμενα.
Natural Language Processing (NLP)
Το NLP επιτρέπει στις μηχανές να κατανοούν, να αναλύουν και να παράγουν ανθρώπινη γλώσσα.
Neural Network
Τα τεχνητά νευρωνικά δίκτυα είναι η βάση των περισσότερων σύγχρονων αλγορίθμων deep learning.
Object Detection
Η ανίχνευση αντικειμένων εντοπίζει και προσδιορίζει πολλά αντικείμενα μέσα σε εικόνα.
Open Source Model
Τα open source AI μοντέλα είναι διαθέσιμα στο κοινό για τροποποίηση και επαναχρησιμοποίηση.
Optical Character Recognition (OCR)
Το OCR μετατρέπει εικόνες ή έγγραφα σε επεξεργάσιμο κείμενο.
Overfitting
Το Overfitting συμβαίνει όταν ένα μοντέλο αποστηθίζει τα δεδομένα εκπαίδευσης και αποτυγχάνει σε νέα δεδομένα.
Pretraining
Το Pretraining είναι το πρώτο στάδιο εκπαίδευσης ενός LLM πάνω σε τεράστιο όγκο δεδομένων.
Prompt Engineering
Το Prompt Engineering είναι η τέχνη της δημιουργίας έξυπνων εισόδων για μοντέλα όπως το GPT.
Prompt Injection
Το Prompt Injection είναι τεχνική "παραπλάνησης" LLMs μέσω κακόβουλων prompts.
Recurrent Neural Network (RNN)
Τα RNN είναι νευρωνικά δίκτυα κατάλληλα για επεξεργασία ακολουθιακών δεδομένων όπως κείμενα και σειρές χρόνου.
Regularization
Το Regularization είναι τεχνική που βοηθά στην αποφυγή του overfitting περιορίζοντας την πολυπλοκότητα του μοντέλου.
Reinforcement Learning
Το Reinforcement Learning είναι μέθοδος κατά την οποία ένα μοντέλο μαθαίνει μέσω επιβράβευσης ή τιμωρίας.
Retrieval-Augmented Generation (RAG)
Το RAG ενισχύει τα LLMs με δυναμικά δεδομένα από εξωτερικές πηγές.
Supervised Learning
Το Supervised Learning βασίζεται σε εκπαιδευτικά δεδομένα με ετικέτες για να μάθει ένα μοντέλο να προβλέπει.
Temperature (AI Parameter)
Το temperature ρυθμίζει πόσο “δημιουργικές” ή “σταθερές” είναι οι απαντήσεις ενός LLM.
Tokenization
Το Tokenization είναι η διαδικασία μετατροπής κειμένου σε μικρότερες μονάδες (tokens) για μηχανική κατανόηση.
Underfitting
Το underfitting συμβαίνει όταν ένα μοντέλο δεν μπορεί να μάθει επαρκώς από τα δεδομένα εκπαίδευσης.
Unsupervised Learning
Το Unsupervised Learning εκπαιδεύει μοντέλα χωρίς ετικέτες, εντοπίζοντας μοτίβα στα δεδομένα.
Vector Database
Οι vector databases αποθηκεύουν embeddings για αναζητήσεις με νοηματική συσχέτιση.
Zero-shot Learning
Το Zero-shot Learning επιτρέπει στα μοντέλα να εκτελούν νέες εργασίες χωρίς προηγούμενα παραδείγματα.