Глоссарий по ИИ и МО
Ресурс для изучения стандартных глоссарийных определений концепций Искусственного Интеллекта, Инженерии Данных, Науки о Данных и Машинного Обучения.
A
ANNS
Приближенный поиск ближайшего соседа (ANNS) - это мощная техника машинного обучения и обработки данных, которая позволяет эффективно искать ближайших соседей в больших наборах данных. ANNS - это метод поиска ближайшего соседа заданной точки запроса в большом наборе данных точек. Целью ANNS является поиск приблизительного ближайшего соседа с высокой вероятностью при минимизации вычислительных затрат.
AI Agents
ИИ-агенты созданы для того, чтобы думать и действовать самостоятельно, полагаясь на обратную связь с окружающей средой и свой внутренний монолог. Они генерируют список задач и постоянно развиваются и адаптируются, чтобы достичь своей цели наилучшим образом.
AI Hallucination
Узнайте определение понятия "галлюцинации ИИ", посмотрите примеры галлюцинаций ИИ и многое другое.
A.C.I.D. Transactions
ACID (атомарность, согласованность, изоляция и долговечность) — это аббревиатура, обозначающая основные принципы, которые регулируют транзакционные операции в базах данных и системах хранения данных. Каждая буква в ACID соответствует фундаментальному свойству, которые в совокупности обеспечивают целостность, надежность и устойчивость транзакций.
API
API, или интерфейс прикладного программирования, — это своего рода посредник, который позволяет различным программным приложениям взаимодействовать друг с другом.
AI Database
Узнайте, что такое база данных ИИ, для чего она используется, какие бывают типы баз данных ИИ и многое другое.
AutoRegressive Integrated Moving Average (ARIMA)
Авторегрессионная интегрированная скользящая средняя (ARIMA) — популярная статистическая модель для прогнозирования временных рядов. Она использует исторические данные, чтобы понять закономерности набора данных и спрогнозировать будущие значения. Модель использует три компонента для предсказания будущих значений: авторегрессию (AR), дифференцирование (I) и скользящую среднюю (MA).
ANN Benchmarks
ANN Benchmark — это комплексный инструмент оценки, предназначенный для измерения и сравнения производительности различных алгоритмов ANNS.
Agent2Agent
Agent2Agent — это протокол, который позволяет автономным ИИ-агентам, разработанным разными организациями с использованием различных технологий, находить друг друга, общаться и совместно работать над сложными задачами на разных платформах, тем самым превращая изолированных ассистентов в скоординированную многоагентную рабочую силу.
Approximate Dynamic Programming
Приближённое динамическое программирование (ADP) решает задачи принятия решений, которые слишком сложны для традиционного динамического программирования. Оно находит близкие к оптимальным решения, используя методы аппроксимации вместо точных вычислений. Эти аппроксимации позволяют справляться с «проклятием размерности», которое возникает в задачах с большими или непрерывными пространствами состояний. ADP широко используется в таких областях, как робототехника, финансы и логистика, предоставляя практические решения, когда точные методы слишком медленны или непрактичны.
AI Hardware
Рассматривает ключевые компоненты и концепции, подчеркивая, как аппаратные решения для ИИ влияют на производительность ИИ в различных приложениях.
Application Performance Monitoring (APM)
Мониторинг производительности приложений (APM) — это практика использования инструментов, разработанных для того, чтобы помогать ИТ-специалистам отслеживать производительность и доступность программных приложений. Это похоже на регулярную проверку приложения, чтобы убедиться, что оно «здорово» и работает как ожидается.
Agentic RAG
Агентный RAG — это продвинутая версия RAG, которая использует ИИ-агентов для управления и оптимизации поиска и генерации информации, обеспечивая более адаптивные и точные ответы за счёт использования внешних инструментов и источников знаний.
Activation Functions
Функции активации — это математические функции, используемые в нейронных сетях для определения выхода нейрона, вносящие нелинейность в модель. Они применяются к входным данным узлов (нейронов), фундаментальных единиц нейронной сети, чтобы получить выход узла. Нейронная сеть вычисляет взвешенную сумму входных данных, добавляет смещение, а затем пропускает эту сумму через функцию активации, которая выдает измененное значение. Это значение передается на следующий слой сети или становится конечным выходом.