Avsnittsöversikt

  • Nedanstående begrepp är några av de nyckelbegrepp som finns gällande artificiell intelligens. Listan är sammanställd inom samarbetet för WASP-ED.

    ·      Adaptivitet – Kapaciteten att förbättra sin prestationsförmåga genom att lära sig av erfarenheter.

    ·      AI – Artificiell intelligens. Saknar entydig definition men syftar på mjukvara som i olika hög grad är autonom och adaptiv.

    ·      Algoritm – En följd av instruktioner, som ett slags recept.

    ·      Autonomi – Förmåga att uträtta uppgifter i komplexa miljöer utan ständig styrning av användaren.

    ·      Bias - När en AI-modell ger partiska eller felaktiga resultat på grund av att den har tränats på data som innehåller fördomar och stereotyper.

    ·      Data – Information, till exempel texter, bilder eller siffror

    ·      Djupinlärning – Ett viktigt område inom maskininlärning. Med djupinlärning finns det ett neuralt nätverk som innehåller flera lager av neuroner. (Icke djupinlärning innebär neurala nätverk med endast ett neuronlager.)

    ·      Förstärkt inlärning – Innebär att en eller flera algoritmer lär sig den rätta lösningen genom att prova sig fram och förstärka beteenden som leder till positivt resultat, samtidigt som mjukvaran försvagar beteenden som leder till negativt resultat.

    ·      Generativ AI - AI som kan generera data: text, bild, film och musik.

    ·      Hallucinationer - När generativ AI producerar trovärdiga men felaktiga påståenden eller påhittade referenser. Modellerna ”gissar” utan att veta.

    ·      LLM – Förkortning för Large Language Models (Stora språkmodeller). Mycket stora neuronnät som tränats på stora mängder text. En färdig språkmodell tar en text som är inmatad som input och försöker upprepade gånger förutsäga nästa ord vilket ger en text som output. Chat-GPT är ett exempel på en tjänst som använder språkmodeller.

    ·      Maskininlärning – Ett viktigt område inom AI. System som blir bättre på en given uppgift när mängden erfarenhet och data ökar. Delas in i följande tre huvudsakliga områden: övervakad inlärning, oövervakad inlärning och förstärkt inlärning.

    ·      Modell - Den del av mjukvaran som används för att lösa problemet, till exempel förutsäga något.

    ·      Oövervakad inlärning – Innebär att modellen får arbeta helt utan förkunskaper, det vill säga att maskin och algoritm får inhämta såväl indata som utfall på egen hand.

    ·      Prompt - Den text eller instruktion som matas in till en generativ modell. Tydlig kontext, syfte och målgrupp ger bättre svar. Promptteknik handlar om att bygga bra instruktioner: börja enkelt, ge bakgrundsinformation och för dialog med AI för att förfina resultatet.

    ·      Token - Minsta enhet som språkmodeller hanterar – kan vara ett ord, tecken eller del av ett ord. Texter delas upp i token för att kunna bearbetas av modellen.

    ·      Träningsdata – Den data som tillhandahålls för träning av modellen vid maskininlärning.

    ·      Övervakad inlärning – Sker genom att man förser modellen med både data och facit.