Accountability

Zajištění, že lidské subjekty nesou odpovědnost za rozhodnutí učiněná AI.

Adversarial Examples

Vstupy vytvořené s cílem zmást AI model a získat chybný výstup.

AI agent

autonomie

Autonomní systém schopný samostatně plánovat a vykonávat úkoly.

AI Alignment

Zajištění, že chování AI odpovídá lidským hodnotám a záměrům.

AI Ethics

Zásady a pravidla, které usměrňují vývoj a nasazení AI tak, aby bylo spravedlivé a bezpečné.

AI Red Lines

Praktiky a aplikace AI, které by měly být zakázané (např. autonomní zbraně).

AI Safety

Oblast zabývající se minimalizací rizik spojených s AI systémy.

ASR

zvuk

Automatic Speech Recognition – převod řeči na text.

Attention

architektura

Mechanismus umožňující modelu zaměřit se na důležité části vstupu.

Backpropagation

Proces, kterým se chyby šíří zpět sítí k úpravě vah.

Batch Size

Počet vzorků z trénovacího datasetu použitých při jedné aktualizaci vah modelu.

Bias

Zkreslení ve výsledcích AI způsobené nevyváženými nebo nereprezentativními trénovacími daty.

Chain-of-Thought

strategie

Technika, kdy model při generování ukazuje jednotlivé kroky uvažování.

Content Moderation

Filtrování a řízení obsahu generovaného AI pro zamezení škodlivých výstupů.

Decoding

generování

Proces generování výstupu z modelu na základě vstupních tokenů.

Deepfake

Falešná multimediální data generovaná AI, často s potenciálem k manipulaci.

Differential Privacy

Metoda zajištění ochrany identity jednotlivců při analýze souborů dat.

Embedding

text

Numerická reprezentace slov nebo vět pro výpočty podobnosti a vyhledávání.

Epoch

Jedno kompletní projití trénovacím datasetem při učení modelu.

Explainability

Schopnost vysvětlit, jak AI dospěla ke konkrétním výstupům nebo rozhodnutím.

Fairness

Koncept spravedlivého zacházení napříč skupinami bez diskriminace v AI systémech.

Few-shot

učení

Model obdrží několik příkladů před samotným úkolem pro lepší výkon.

Fine-tuning

trénování

Doladění předtrénovaného modelu na konkrétních datech.

Gradient Descent

Optimalizační algoritmus používaný ke snižování chyby modelu.

Hallucinace

výzvy

Situace, kdy model vygeneruje nepravdivou nebo vymyšlenou informaci.

LangChain

framework

Framework pro budování AI aplikací s řetězením nástrojů a pamětí.

Learning Rate

Parametr určující, jak velké kroky dělá model při učení.

LlamaIndex

framework

Framework pro práci s dokumenty a RAG aplikace nad vektorovými databázemi.

LLM

modely

Large Language Model – rozsáhlý jazykový model schopný generovat a chápat text.

Loss Function

Funkce měřící chybu mezi předpovědí modelu a skutečným výstupem.

Model Evaluation

Proces testování výstupů AI modelu z hlediska bezpečnosti a kvality.

Model Hallucination

Vygenerování nepravdivé nebo smyšlené informace AI modelem.

Model Stealing

Krádež AI modelu nebo jeho schopností skrze API dotazování.

MoE

architektura

Mixture of Experts – architektura, kde jsou aktivní jen některé části modelu.

Multimodální AI

modely

Model schopný pracovat s více typy vstupů – např. textem, obrazem i zvukem.

NER

text

Named Entity Recognition – identifikace pojmenovaných entit v textu.

NLP

text

Natural Language Processing – zpracování přirozeného jazyka.

Overfitting

Situace, kdy se model naučí detaily trénovacích dat, ale selhává na nových datech.

Privacy by Design

Princip navrhování systémů s ohledem na ochranu soukromí již od počátku.

Prompt

text

Vstupní text, kterým uživatel zadává instrukce AI modelu.

Prompt engineering

text

Navrhování efektivních vstupů pro AI modely.

Prompt Injection

Zneužití vstupu k manipulaci s výstupem jazykového modelu.

RAG

kombinované

Retrieval-Augmented Generation – metoda kombinující generování a vyhledávání.

Red Teaming

Testování AI modelů s cílem odhalit zranitelnosti nebo neetické chování.

Regulatory Compliance

Dodržování právních předpisů týkajících se AI, jako GDPR nebo AI Act.

Test Data

Data určená pro konečné vyhodnocení výkonu modelu.

Tokenizace

text

Rozdělení textu na menší části (tokeny), které může model zpracovat.

Training Data

Soubor dat, na kterých se model učí rozpoznávat vzory a provádět úkoly.

Transformers

architektura

Architektura neuronových sítí tvořící základ dnešních LLM.

Transparency

Schopnost porozumět, jak a proč AI učinila určitá rozhodnutí.

TTS

zvuk

Text-to-Speech – převod textu na řeč.

Underfitting

Model je příliš jednoduchý a nedokáže zachytit vzory ve datech.

Validation Data

Data používaná pro ladění hyperparametrů modelu a monitorování přeučení.

Vektorová databáze

vektory

Databáze optimalizovaná pro ukládání a vyhledávání vektorových reprezentací.

Zero-shot

učení

Model řeší úkol, aniž by byl trénovaný na konkrétní příklady tohoto úkolu.