AI Ord med E, F, G eller H

På denne side udfolder vi AI-ord og begreber, der starter med bogstaverne E, F, G og H. Denne sektion tjener som din guide til at navigere gennem vigtige AI-temaer, fra 'Ekspertsystemer' til 'Heuristik'. Vi har tilrettelagt materialet, så det er letfordøjeligt og meningsfuldt for enhver, der ønsker at udvide sin forståelse af AI.

E

Embeddings

Vector space representations of data used in machine learning models. Words or tokens are converted into vectors called embeddings.

Indlejringer: Dannelsen af mønstre i datasættet.

Forestil dig, at du har et magisk skab. Når du lægger en genstand, som et legetøj eller en bog, ind i dette skab, bliver det til en unik farvet perle. Hvert objekt får sin egen distinkte farve. I verden er "indlejringer" som disse farvede perler. Ord eller informationer omdannes til specielle mønstre (vektorer), som modellen nemt kan forstå og arbejde med, ligesom hvordan skabet forvandler genstande til perler.

Ekspertsystemer

Efterligner menneskelig ekspertise og beslutningstagning, hvilket bringer dybdegående viden.

Ekspertsystemer: Din personlige ekspert?

Forestil dig, at du driver en lille virksomhed og står over for en kompleks udfordring. Et ekspertsystem kan give dig råd baseret på viden og erfaringer, som en topkonsulent eller industriekspert ville have. Det er som at have en ekspert i dit team, der altid er tilgængelig, forstås let, og som kan hjælpe dig med at træffe informerede beslutninger, øge effektiviteten eller endda udforske nye forretningsmuligheder.

Encoder

A part of machine learning models that converts input into an internal representation. Decoder-only model, meaning it uses only one decoder, but the concept of an encoder is widely used in AI and machine learning.

Encoder: Metode til skabelse af logisk struktur i svarene.

Forestil dig, at du pakker til en rejse, og du skal have alt dit tøj ind i en kuffert. For at få alt til at passe, organiserer og folder du dem på en bestemt måde. En "encoder" er ligesom den pakkeproces. I maskinlæring tager den den rå information og organiserer den i en kompakt, forståelig form for modellen.

Ensemble

A method in machine learning where multiple models are combined to achieve better predictions.

Ensemble: Samler viden på tværs af AI-modeller.

Forestil dig, at du prøver at løse et svært puslespil, og du har en gruppe venner, hver med deres egne unikke færdigheder. En ven er god til at finde kantstykker, en anden er god med farver, og en anden er god til at mønstre. I stedet for at stole på kun én ven, beder du dem alle om at hjælpe og kombinere deres færdigheder for at løse gåden hurtigere. I maskinlæring er et "ensemble" som denne teamindsats. Flere modeller, hver med deres styrker, arbejder sammen for at lave endnu bedre forudsigelser.

Entropy

A concept from information theory often used to quantify the unpredictability or information content of data. When generating text, entropy can be used to control the variability of the output.

Entropi: Metode til validering af svarene.

Forestil dig, at du har en krukke fyldt med en blanding af forskellige farvede kugler. Hvis krukken har lige mange af hver farve, er det virkelig svært at forudsige, hvilken farve du vil vælge næste gang. Men hvis krukken for det meste har blå kugler, bliver det lettere at gætte. I teknologiverdenen er "entropi" som at måle, hvor blandede eller uforudsigelige kuglerne (eller dataene) er. Entropi med at bestemme, hvor varierede eller "farverige" svar kan være.

Epoch

A complete run through the entire training data set during the training of a machine learning model. For large models each epoch can take a long time.

Epoke: Spring i vidensniveau.

Forestil dig, at du træner til et maraton. Hver gang du løber den fulde distance som forberedelse, lærer du lidt mere om pacing, udholdenhed og strategi. I en verden af maskinlæring er en "epoke" som en af de øvelsesløb på fuld distance. Modellen "kører" gennem alle de data, den lærer af, og for hver "omgang" eller epoke bliver den bedre og mere raffineret. Ligesom maratontræning kan være udmattende, er hver epoke en stor indsats for store modeller!

Evaluation

The process of measuring the performance of a machine learning model. This may include evaluating the accuracy, coherence, and relevance of its generated texts.

Evaluering: Vurdering af relevans i svarene.

Forestil dig, at du har øvet dig til en sangkonkurrence. Inden selve arrangementet optræder du foran venner og familie for at få feedback. De fortæller dig, hvor godt du rammer tonerne, klarheden af din stemme, og om sangvalget passer dig. I maskinlæring er "evaluering" ligesom den feedbacksession. Efter at modellen har lært og øvet sig, bliver det testet for at se, hvor godt det klarer sig. Feedbacken hjælper ligesom nøjagtighed og relevans til at forstå, hvor den skinner, og hvor den måske har brug for mere øvelse.

F

F1 Score

A measure of the accuracy of a model in information retrieval and classification tasks that takes into account both precision and recall. It could be used to evaluate the performance in specific tasks.

F1 Score: Metode til evaluering af svarene.

Forestil dig, at du spiller en basketballkamp. Det er vigtigt at score kurve (præcision), men det samme er forsøg på skud uden at misse for mange (genkaldelse). Hvis du kun tager lette skud, laver du måske de fleste af dem, men går glip af mange scoringsmuligheder. Omvendt, hvis du forsøger hvert skud, du ser, kan du gå glip af meget. "F1-resultatet" er som en spilanmelder, der vurderer din overordnede præstation og balancerer både dine succesfulde scoringer og dine skudvalg. I AI verden er det en måde at se, hvor godt det er i balance i sine svar.

Feature

In AI and machine learning, a feature refers to an individual measurable property or characteristic of a phenomenon that is being observed. The "features" could be the individual words or phrases in the text.

Funktion: Opdeling af den tekst, modeller læser.

Forestil dig, at du ser på et maleri og prøver at beskrive det. Du kan nævne farverne, formerne og måske specifikke genstande som træer eller bjerge. Hver af disse beskrivelser er som at påpege et "træk" af maleriet. I AI-verdenen er "features" de specifikke detaljer eller egenskaber, som modellen ser på. For AI kan disse funktioner være ord eller sætninger, der hjælper det med at forstå og svare på dine spørgsmål.

Feedforward Neural Network

A type of artificial neural network in which the connections between nodes are not cyclic.

Feedforward Neural Network: Svarer ord for ord uden ændringer af tidligere ord.

Forestil dig et transportbånd på en fabrik. Emnerne flyttes fra en station til den næste, hver station tilføjer eller ændrer noget, men emnerne går aldrig tilbage. I AI-verdenen fungerer et "feedforward neuralt netværk" som dette transportbånd. Information går ind, bliver behandlet i én retning gennem forskellige stationer (eller noder), og så kommer det endelige produkt (eller svar) ud.

Fine-grained

A description for models or tasks that require a high level of detail or specificity.

Finkornet: Graden af præcision i spørgsmål og svar.

Forestil dig, at du laver et puslespil. Nogle har store, tykke brikker, hvilket gør dem nemmere og hurtigere at løse. Andre har mange små stykker, der hver viser en lille del af billedet, hvilket kræver mere tid og opmærksomhed på detaljer. I AI-verdenen er "finkornet" ligesom de der puslespil med små brikker. Det refererer til opgaver eller modeller, der skal se på de mindste detaljer for at få tingene rigtigt.

Fine-Tuning

The process of adapting a pre-trained model to a specific task by further training on a smaller, more specific data set.

Finjustering: Løbende justering af viden.

Forestil dig, at du er en talentfuld pianist, der kan spille mange sange. En dag bliver du inviteret til at spille til en jazzbegivenhed. Selvom du er dygtig, øver du nogle jazzmelodier for at blive endnu bedre til den specifikke begivenhed. Denne ekstra praksis er som "finjustering" i maskinlæringsverdenen. Modellen er allerede en kyndig model, får noget ekstra træning i specifikke samtaletyper for at blive endnu bedre til at chatte med brugere.

Framework

A software framework is an abstract platform that provides software that offers common code with generic functionalities. Some models can be implemented in various frameworks such as TensorFlow or PyTorch.

Framework: Bruge modellen i andre værktøjer.

Forestil dig, at du bager en kage. I stedet for at starte fra bunden, køber du en kagemixboks. Denne boks indeholder de grundlæggende ingredienser og instruktioner, men du kan stadig tilpasse ved at tilføje dine egne smage, frugter eller toppings. I tech-verdenen er en "ramme" som den der kageblandingsboks. Det giver programmører et udgangspunkt med de grundlæggende værktøjer og opsætninger, men de kan stadig skræddersy og bygge videre på det for at skabe deres egen software. Modellen kan for eksempel "bages" ved hjælp af forskellige "kageblandingskasser" som TensorFlow eller PyTorch.

Fully Connected Layer

A layer in a neural network in which every neuron is connected to every neuron in the previous layer. These layers are often used in AI and ML models.

Fuldt forbundet lag: Bagudrettet tråd i besvarelsen.

Forestil dig en fest, hvor alle er venner med alle andre. Hvis du ville videregive en besked, kunne du give den til enhver person, og de ville vide præcis, hvem de skulle sende den til, fordi de er forbundet med alle. I AI-verdenen er et "fuldt forbundet lag" som denne venlige fest. Hvert punkt (eller neuron) i dette lag har et direkte link til hvert punkt i laget før det, hvilket sikrer, at al information bliver delt og behandlet.

G

Generalization

The ability of a machine learning model to perform well on new data not seen before. A well-generalizing model can apply concepts from its training data to new data.

Generalisering: Evnen til at bruge ny viden på basis af tidligere viden.

Forestil dig, at du har lært at cykle i dit nabolag. Senere besøger du en vens by og finder ud af, at du stadig kan cykle der, selvom gaderne og omgivelserne er anderledes. Denne evne til at bruge det, du har lært ét sted og anvende det i en ny indstilling, er som "generalisering" i AI. En god AI-model lærer af specifikke eksempler, men kan stadig besvare spørgsmål eller løse problemer, den ikke har set før, ligesom du kan cykle nye steder.

Generativ AI

Machine learning model that can generate new data that resembles the training data. An example of a generative AI, as it is able to generate human-like texts.

Generative modeller: Gengiver kunstig verden med udgangspunkt i det den har lært.

Forestil dig en kunststuderende, der har studeret og øvet sig i at male havscener. Efter nogen tid, selv uden at se på et rigtigt hav, kan de skabe et smukt maleri af havet fra deres fantasi. I AI-verdenen er "generative modeller" ligesom den kunstner. De har "studeret" masser af data, og efter deres træning kan de skabe eller "male" nye stykker data, der ligner den ægte vare. Disse modeller er en sådan kunstner, der laver menneskelignende tekster baseret på dens træning.

Generative models

Machine learning model that can generate new data that resembles the training data. An example of a generative model, as it is able to generate human-like texts.

Generative modeller: Gengiver kunstig verden med udgangspunkt i det den har lært.

GPT (Generative Pretrained Transformer)

The specific architecture on which the model is based. A transformer-based model that is pre-trained on a large amount of text data and then used to generate text.

GPT (Generative Pretrained Transformer): Trænet på datasæt/datamateriale.

Forestil dig en talentfuld musiker, der først lærer at spille ved at lytte til utallige sange fra forskellige genrer. Efter at have mestret denne enorme samling, kan de ubesværet komponere nye sange efter behov. I AI-verdenen er modellerne som denne musiker. Først "lytter" (eller lærer) fra en stor mængde tekst. Efter denne massive træning bliver den dygtig til at "komponere" (eller generere) nye stykker tekst, som de svar, du får.

GPU (Graphics Processing Unit)

A special type of computer hardware that is particularly well suited for parallel processing, making it ideal for training large neural networks.

GPU (Graphics Processing Unit): Chip, som kan behandle flere ting på samme tid.

Forestil dig, at du har et stort team af ekspertmalere, der kan male flere dele af et stort vægmaleri på samme tid. I stedet for at én kunstner langsomt maler hele scenen, arbejder de alle sammen, hvilket gør processen meget hurtigere. I computerverdenen er en GPU som dette team af malere. Det er en speciel del af computeren, der kan håndtere mange opgaver på én gang, hvilket gør den supereffektiv til store opgaver som træner AI-modeller.

Gradient Descent

An optimization technique commonly used to train machine learning models. It iteratively minimizes a loss function by moving in the direction of the steepest descent.

Gradvis nedstigning: Optimeringsmetode til træning af modellen.

Forestil dig, at du er i et kuperet terræn, og du har bind for øjnene. Dit mål er at finde det laveste punkt i området. Du mærker jorden med fødderne og tager altid et skridt, hvor jorden skråner ned af det stejleste. Ved at gøre dette gentagne gange håber du at nå bunden af bakken. I AI-verdenen er "gradient descent" som denne metode. Det er en måde for modeller at "føle" efter den bedste vej til at forbedre sig, og altid tage skridt til at blive bedre og minimere fejl.

Greedy Decoding

A method of generating text from a model that always selects the most likely next word or token.

Logik: Næste ord vælges på basis af sidste ord.

Forestil dig, at du spiller et ordspil, hvor du skal danne en sætning ved hjælp af kort med ord på. I stedet for at tænke flere skridt fremad, vælger du altid det kort, der virker bedst lige nu, det der passer perfekt næste gang. I AI-verdenen er "greedy decoding" ligesom denne spilstrategi. Når modellen opretter et svar, vælger det det ord, der ser bedst ud i det øjeblik, uden nødvendigvis at overveje fremtidige ord.

Ground Truth

The "true" information or correct result against which the predictions of a machine learning model can be compared. Ground truth is less clearly defined because there is no unambiguously correct answer to many inputs.

Rigtighedsmåling: Vurdering af rigtigheden af svarende

Forestil dig, at du er i et spilprogram, hvor du skal gætte vægten af en mysterieboks. Når alle har gættet, vejer værten kassen på en vægt for at afsløre dens faktiske vægt. Denne faktiske vægt er det definitive, utvivlsomme svar. I AI-verdenen er "ground truth" ligesom den skala's aflæsning. Det er det rigtige og bekræftede svar, vi bruger til at kontrollere, hvor tæt vores gæt (eller modellens forudsigelser) er.

H

Hardware

The physical components of a computer system. Training and running models requires special hardware, especially GPUs (Graphics Processing Units).

Hardware: Enhed for den fysiske afvikling af modellen.

Tænk på at lave en smoothie. Du skal bruge en blender – jo stærkere den er, jo glattere bliver din drink. Nu, i den digitale verden, er "blenderen" en computers "hardware", som CPU'er og GPU'er. Ligesom der er brug for en kraftig blender til de hårdeste ingredienser, kræver avancerede modeller har kraftigt hardware, især GPU'er, for at behandle enorme mængder data jævnt og hurtigt.

Heuristics

A practical problem solving method that is not always optimal, but in many cases can lead to a fast and good solution. When generating text with a model, heuristic methods can be used to guide the generation process.

Heuristik: Genveje og sandsynligheder til skabelse af svar.

Forestil dig, at du forsøger at finde en vens hus i en storby uden et kort. I stedet for at udforske hver eneste gade bruger du spor som velkendte vartegn eller generelle anvisninger til at guide dig. Du finder måske ikke den hurtigste rute, men du kommer dertil til sidst. I AI-verdenen er "heuristik" som disse spor. De er genveje eller tommelfingerregler, der hjælper modellen med at træffe beslutninger uden at søge gennem alle muligheder, hvilket fører til hurtigere (men ikke altid perfekte) resultater.

Hidden Layer

Layers within a neural network that lie between the input and output layers. They perform the internal processing of the network.

Skjult lag: Processen i model-motoren er skjult.

Forestil dig, at du er til et trylleshow, og tryllekunstneren udfører et trick: at forvandle en mønt til en kanin. Du ser mønten gå ind, og en kanin komme ud, men hvad der sker ind imellem er et mysterium, gemt bag tryllekunstnerens gardin. I AI-verdenen er et "skjult lag" ligesom den mystiske del af tricket. Det er her "magien" sker inde i en model. Du giver det et input (som et spørgsmål) og får et output (et svar), men trinene derimellem, der sker i de skjulte lag, forvandler dit spørgsmål til det svar.

Hidden State

The internal state of a neural network based on the current input and previous states. The hidden state determines which word is generated next.

Skjult tilstand: Erfaringsopbygning; tidligere svar bruges som indhold til nye svar.

Forestil dig, at du læser en mysterieroman. Når du læser hvert kapitel, holder du styr på spor og begivenheder i dit sind, selvom du ikke skriver dem ned. Disse indsamlede spor påvirker dine forudsigelser om historiens slutning. I AI er den "skjulte tilstand" som samlingen af spor i dit sind. For modellerne er det en oversigt over al den information, den har set indtil nu, og hjælper den med at beslutte, hvad den skal sige næste gang. Ligesom dine indsamlede spor styrer dine forudsigelser om romanens plot.

Hugging Face

A company that has developed a number of machine learning and natural language processing libraries. Their Transformers library includes implementations of many models.

Hugging Face: Modeller til anden udvikling, men som man tilpasser til egne behov.

Forestil dig en stor legetøjsbutik, der tilbyder en række populære legetøjssæt. Nogle børn elsker at besøge, fordi de kan vælge et sæt, samle det og endda tilpasse det efter deres smag. I AI-verdenen er "Hugging Face" som denne legetøjsbutik. De leverer "kit" (eller softwarebiblioteker), der er klar til brug, som lader AI-entusiaster og eksperter bygge og tilpasse deres eget AI-"legetøj".

Human-in-the-loop

A model of interaction in which a human operator is involved in the process of using an AI or machine learning system. A human could act as a supervisor, checking the model's responses and correcting them if necessary.

Menneske i løkken: Den menneskelige vejledning, styring og træning af modellen.

Forestil dig, at du lærer en robot at male. Robotten gør sit bedste, men nu og da træder du ind for at guide dens hånd, rette en fejl eller give et tip. På denne måde lærer robotten hurtigere og bedre. I AI er udtrykket "menneske-i-løkken" som denne undervisningsmetode. Det betyder, at et menneske arbejder sammen med modellen i relation til vejleder og overvåger dets handlinger for at sikre bedre resultater.

Hyperparameters

Parameters in a machine learning model that are set before training and affect its behavior and performance. Examples of hyperparameters could be the learning rate, batch size, or dropout value.

Hyperparametre: Parametre, som styrer hastigheden på motoren.

Forestil dig, at du bager småkager. Før du starter, beslutter du dig for visse ting: hvor længe du skal bage dem, ved hvilken temperatur, og hvor mange småkager der skal bages på én gang. Disse valg kan gøre dine cookies bløde, sprøde eller et sted midt imellem. I AI er "hyperparametre" som disse bagevalg. Det er indstillinger, vi beslutter os for, inden vi træner en model. Ved at justere dem kan vi ændre, hvordan modellen lærer, og hvor godt den yder. Ligesom ved bagning kan nogle valg give bedre resultater end andre!