AI Ord med M, N, O eller P
Velkommen til sektionen, hvor vi udforsker AI-ord og begreber, der starter med M, N, O og P. Her vil du finde en omfattende guide, der spænder fra 'Maskinlæring' til 'Predictive Analytics'. Vi har gjort en indsats for at gøre disse koncepter tilgængelige og forståelige for et bredt publikum.
M
Machine Learning
A field of Artificial Intelligence that allows algorithms and statistical models to perform tasks without being explicitly programmed.
Machine Learning: Læringsmetode med algoritmer og statistiske modeller.
Forestil dig at lære en robot at genkende og sortere forskellige frugter bare ved at vise den mange billeder af frugter. Med tiden lærer robotten at identificere hver frugt alene, uden at du fortæller den de specifikke trin. Machine Learning er sådan - det er at lære computere at lære af data. LLM, den chatbot du taler med, lærte at tale med folk ved at studere masser af tekst.
Masking
A process in which certain parts of the input are hidden during the training of a model to prevent the model from becoming dependent on these parts.
Maskering: Skjuler data under træning af modellen.
Forestil dig, at du prøver at færdiggøre et puslespil, men for at gøre det mere udfordrende, skjuler nogen et par brikker for dig. Nu skal du stole på din viden om det større billede for at gætte, hvor de manglende brikker kan passe. I maskinlæring er "maskering" som at skjule disse puslespilsbrikker. Ved at gøre det træner vi modellen til at tænke dybere og ikke kun stole på det, den ser direkte.
Maskinlæring
Computere får evnen til at lære fra data, uden at de er specifikt programmeret til det.
Maskinlæring: Når computere lærer at tænke selv
Forestil dig, at du ejer en webshop. En maskinlæringsmodel kan gennemgå alle dine kundedata for at finde ud af, hvilke produkter kunderne foretrækker, og hvornår de sandsynligvis vil købe. Denne indsigt kan hjælpe dig med at tilpasse dit lager, optimere dine marketingkampagner og endda forudsige fremtidige salgstrends. Maskinlæring gør det muligt for computere at håndtere og analysere store datamængder, hvilket giver værdifulde indsigter og beslutninger, der kan være transformerende for din virksomhed.
Metadata
Data that contains information about other data. When working with AI, metadata could contain information about the type of input or the context of the conversation.
Metadata: Sammenhænge mellem data i modellen.
Forestil dig, at du har et fotoalbum. Billederne fortæller en historie, men du har også etiketter eller billedtekster under hvert billede - som "Sommerferie 2020" eller "Tante Janes fødselsdag". Disse etiketter giver ekstra information om billederne. I den digitale verden er metadata ligesom disse etiketter. Metadata fortælle os mere om de beskeder, du sender, f.eks. emnet eller stemningen i samtalen, uden faktisk at være en del af hovedindholdet.
Microarchitecture
Refers to the specific design elements of a computer processor. When working with AI and machine learning the microarchitecture requirements are particularly high, as these models often require significant computing power.
Mikroarkitektur: Elementer i designet af en computerprocessor.
Forestil dig at bygge et hus. Planen kan fortælle dig, hvor værelserne er og deres størrelser, men den beskriver ikke farven på væggene, typen af vinduer eller mærket af apparater. Mikroarkitektur ligner computerprocessorer; det handler om de små detaljer om, hvordan det er designet. Til store opgaver som at køre AI-modeller har du brug for et virkelig veldesignet hus (eller processor) til at håndtere alting effektivt.
Model
A model is a simplified representation or abstraction of something more complex. The model is a large set of weighted connections that use the model to generate an output based on a given input.
Model: Begreb for forbindelser mellem data og output til brugerne.
Forestil dig en legetøjsmodel af en bil. Det ligner en rigtig bil, men er meget enklere. I en verden af AI er en "model" ligesom det legetøj, men til at forstå og generere tekst. I stedet for hjul og døre har denne model en masse små indstillinger (som urskiver), der er blevet justeret for at hjælpe den med at "tænke" og tale som et menneske.
Multi-Head Attention
A mechanism in Transformer models that allows the model to consider different aspects of an input simultaneously.
Multi-Head Attention: Arbejder med flere løsninger samtidig.
Forestil dig, at du er til en fest, og du prøver at lytte til flere samtaler på én gang. Det ene øre kan fokusere på en historie, der bliver fortalt af en ven, mens det andet øre opfanger en sang, der spiller i baggrunden. I AIs hjerne er der en lignende færdighed kaldet "Multi-Head Attention". Det lader modellen være opmærksom på flere dele af en samtale på samme tid, hvilket sikrer, at den ikke går glip af vigtige detaljer!
Multi-Task Learning
An approach in machine learning where a model is trained on multiple tasks simultaneously in the hope that it will learn more general representations. It can be used for a variety of tasks, including text generation, text comprehension, and even text translation.
Multi-Task Learning: Udfører flere samtidige handlinger.
Tænk på det som at være i skole. I stedet for bare at studere matematik lærer du også historie, naturvidenskab og kunst. Ved at studere forskellige fag udvikler du en velafrundet viden. I maskinlæring er "Multi-Task Learning" som at studere flere fag på én gang. Modellen lærer af forskellige opgaver, som kan hjælpe den til at blive bedre til hver enkelt.
N
Natural Language Processing (NLP)
A field of Artificial Intelligence that deals with the interaction between computers and human language.
NLP: Forbindelsen mellem computeren og menneskets sprog i skrift og tale.
Tænk, hvis computere kunne forstå og chatte som mennesker. Det er her, Natural Language Processing, eller NLP, kommer ind i billedet. Det er ligesom at lære computere at forstå vores sprog, uanset om vi skriver, taler eller endda skriver i hånden.
Neural Network
A model inspired by the structure of the human brain, consisting of layers of nodes or "neurons" that are interconnected.
Neuralt netværk: Tilsvarende forbindelser, der skabes i vores hjerner.
Forestil dig et fabrikssamlebånd, hvor hver arbejder har et lille job. De videregiver deres arbejde til den næste person, som tilføjer lidt mere, og så videre, indtil du får et færdigt produkt. I AI-verdenen er et neuralt netværk som dette samlebånd. Hver "arbejder" er en lille enhed kaldet en neuron, og de arbejder alle sammen om at behandle information.
N-gram
Ability to explain complex concepts and ideas in simple, easy-to-understand language.
Abstraktion: Simplificerer svaret.
Forestil dig, at du prøver at forklare en smartphones indre funktion til et barn. I stedet for at tale om mikroprocessorer og RAM, kan man sige, at det er som en lillebitte computer, hvor magiske elvere arbejder sammen om at vise videoer og spille spil. "Abstraktion" er som at gøre komplicerede emner til enklere historier eller ideer. ChatGPT bruger abstraktion til at omdanne svære begreber til forklaringer, som alle kan forstå.
Noise
A connected set of N words in a text. While n-grams are often used in more traditional statistical language models.
N-gram: Måde at se ord i en tekst på.
Forestil dig at skære en sætning op i små grupper af ord. Hvis du skærer dem i grupper af 2, som "jeg elsker", "elsker pizza", kaldes det en 2-gram eller bigram. Hvis du skærer dem i grupper af 3, f.eks. "Jeg elsker pizza", er det en 3-grams eller trigram. Disse grupper hjælper computere med at forstå, hvordan ord relaterer til hinanden i en sætning. Mens ældre sprogsystemer brugte disse grupper meget.
Non-linearity
A function used in neural networks to increase model complexity and capture non-linear relationships in the data.
Ikke-linearitet: Metode til at øge modelkompleksiteten.
Tænk på neurale netværk som en super kompliceret opskrift. Hvis vi bare blandede ingredienserne på en enkel, ligetil måde, ville vi få en grundret. Men nogle gange, for at gøre en ret fancy, skal vi tilføje et twist. Det er, hvad ikke-linearitet gør i neurale netværk. Det tilføjer et twist, hvilket gør netværket smartere og i stand til at forstå komplekse ting.
Normalization
A procedure for adjusting values in a data set to a common scale. In the context of neural networks normalization can be applied to the input data or the outputs of neurons.
Normalisering: Organiserer datasæt i en fast struktur.
Forestil dig, at du og dine venner sammenligner højden på dine legetøjstårne. En ven måler i LEGO-klodser, en anden i legetøjsbiler og dig i actionfigurer. Det er svært at se, hvis tårn er det højeste, fordi alle bruger en anden enhed. Hvis I alle beslutter jer for kun at måle med LEGO klodser, er det meget nemmere at sammenligne. Det er, hvad normalisering gør i computerverdenen; det sørger for, at alt måles med den samme "enhed", så det er nemmere for systemet at forstå og sammenligne.
NVIDIA
A company that makes many of the GPUs used to train and run models like ChatGPT. NVIDIA has also developed software libraries like CUDA and cuDNN that speed up computations on their GPUs.
NVIDIA: Firma, der producerer grafikkort (GPU) til træning af AI.
Tænk på NVIDIA som en virksomhed, der laver superdrevne motorer til computere. Disse motorer, kendt som GPU'er, er især gode til at hjælpe ting som AI modeller med at tænke og lære hurtigere. Ligesom en racerbil har brug for en kraftfuld motor for at køre hurtigt, har AI brug for NVIDIAs GPU'er til at fungere hurtigt og effektivt.
O
Objective Function
A function that a machine learning model seeks to maximize or minimize. In the case of LLM, this is the probability of the generated text sequences, measured against the training data.
Objective Function: Scoringsmetode for, hvor gode svarene har været.
Tænk på det som et scoringssystem. I et spil sigter du efter den højeste score. I AI-verdenen er den objektive funktion "scorekortet", der fortæller modellen, hvor godt den klarer sig. Jo bedre den efterligner træningsdataene i sine svar, jo højere er dens "score".
One-hot encoding
A method for representing categorical variables as binary vectors. It is a common concept in text data processing.
One-hot encoding: Metode til strukturering af data i grupper.
Forestil dig, at du har farvede kugler: rød, blå og grøn. I stedet for at sige deres navne, bruger du en tjekliste. For rødt skal du sætte kryds i det første felt og lade de andre stå tomme. For blåt skal du kun sætte kryds i det andet felt. Det er en måde at vise farver på uden at bruge deres navne. I computerverdenen kaldes denne tjeklistemetode one-hot encoding.
OpenAI
The organization that developed ChatGPT. OpenAI is an artificial intelligence research organization dedicated to developing safe and useful AI technologies and bringing their benefits to all people.
OpenAI: Organisationen bag ChatGPT.
Tænk på OpenAI som en gruppe af videnskabsmænd og ingeniører, der er som mesterkokkene i AI-verdenen. Ligesom kokke kommer med nye og lækre opskrifter, skaber OpenAI banebrydende AI-teknologier. En af deres mest berømte "opskrifter" er ChatGPT, som kan chatte med mennesker, som et menneske gør. OpenAIs hovedmål er at sikre, at AI hjælper alle og bruges sikkert.
Optimization
The process of adjusting the parameters of a model to improve its performance. This is done by training the model, adjusting the weights to maximize prediction accuracy.
Optimering: Vedvarende træning af modellen.
Forestil dig, at du stemmer en guitar. Du justerer strengene, så de lyder helt rigtigt. På samme måde er optimering i AI-verdenen som at justere en models "strenge" (kaldet parametre) for at sikre, at den yder sit bedste. For LLM betyder optimering at justere disse "strenge", så den kan chatte bedre og mere præcist.
Out-of-vocabulary (OOV)
A term that refers to words that are not included in the vocabulary of a language model. LLM uses a special tokenization method to mitigate this problem by breaking words into smaller units (called "tokens").
Uden for ordforråd (OOV): Ord, som modellen ikke kender, udelukkes.
Forestil dig, at du har en legetøjskasse med forskelligt legetøj: en bold, en dukke og en lastbil. En dag giver nogen dig et legetøjsfly, men du har ikke en bestemt plads til det i din legetøjskasse. I AI-verdenen er ord, den ikke har set før, ligesom det fly. Disse kaldes "uden for ordforråd"-ord. I stedet for at blive forvirret, opdeles den på en smart måde disse ord i mindre velkendte dele (som at adskille en LEGO-struktur), så den kan forstå og bruge dem.
Output Layer
The final layer of a neural network that provides the final predictions or outputs of the model. This would be the layer that generates the predictions for the next word in the text sequence.
Output Layer: Næste ord i sætningen.
Forestil dig et bageri samlebånd, hvor ingredienser går i den ene ende, bevæger sig gennem forskellige stadier af blanding og formning og til sidst kommer ud som færdige kager i den anden ende. I et neuralt netværk er "outputlaget" som enden af dette samlebånd. Det er her, vi får det endelige produkt, som er det forudsagte næste ord i en sætning.
Overfitting
A phenomenon in machine learning where a model learns the training data too accurately and therefore generalizes poorly to new, previously unseen data. Techniques such as regularization and dropout were used to avoid overfitting.
Overfitting: Sikring af, at AI også kan lære fra andre typer datasæt.
Forestil dig at træne en hund til at hente en bold ved at kaste den på samme måde hver gang. Hvis en anden kaster bolden anderledes, kan hunden blive forvirret, fordi den kun er vant til det ene specifikke kast. I maskinlæring er "overfitting" som denne hundetræning. Hvis en model lærer sine træningsdata for perfekt uden at forstå de bredere mønstre, kan den blive forvirret af ny information. Det er derfor, eksperter bruger visse teknikker til at sikre, at modeller kan håndtere en række forskellige situationer.
P
Padding
A procedure used to bring input sequences in a neural network to a uniform length. In practice, padding is often used in combination with batch processing, which is important when training LLM models.
Padding: Ensartethed i modellens datasæt.
Forestil dig, at du pakker en madpakke med sandwich, men sandwichene kommer i forskellige størrelser. For at få dem til at passe pænt, kan du tilføje lidt ekstra salat til de mindre sandwich, så de alle har samme størrelse. I en verden af neurale netværk er "polstring" som at tilføje den ekstra salat. Det er en måde at sikre, at alle stykker data har samme størrelse, så de passer fint sammen, når modellen lærer.
Parameters
Variables in a model that are adjusted during the training process. The parameters are the weights in the neural networks that make up the model.
Parametre: Elementer, der kan justeres i træningen af modellen.
Forestil dig en kok, der tilpasser en opskrift ved at justere mængden af salt, sukker eller krydderier, indtil den smager helt rigtigt. I LLMs verden er "parametre" som disse ingredienser. De bliver justeret lidt efter lidt under "tilberedning" (eller træning) processen for at sikre, at den endelige ret (eller tekst) kommer perfekt ud.
Perplexity
A measure of the uncertainty of a probability model over a set of outputs. In language modeling perplexity is often used to evaluate the quality of a model.
Forvirring: Evaluering af kvaliteten af modellen.
Forestil dig, at du spiller en gætteleg og forsøger at forudsige det næste ord i en sætning. Jo nemmere det er for dig at gætte, jo bedre spiller du. I en verden af sprogmodeller er forvirring som et scorekort for spillet. En lavere score betyder, at modellen er bedre til at forudsige ord, ligesom at være bedre til at gætte.
Predictive Analytics
Process of using data to forecast future outcomes. The process uses data analysis, machine learning, artificial intelligence, and statistical models to find patterns.
Predictive Analytics: At forudsige fremtiden med AI
Predictive analytics er som en vejrudsigt for din virksomhed. Det bruger data om fortiden og nutiden til at lave forudsigelser om fremtiden. For eksempel, hvis du driver en webshop, kan predictive analytics hjælpe dig med at forudsige, hvilke produkter der bliver populære, hvilke kunder der sandsynligvis vil købe igen, eller hvilke tider af året dine salg vil stige.
Predictive Modeling
The process of using statistical algorithms and machine learning to predict future outcomes. It makes predictions about which words should appear next in a text sequence.
Predictive Modeling: Model til at gætte næste ord i svaret.
Forestil dig at have en krystalkugle, der kan give dig et glimt af fremtiden. Prædiktiv modellering er ligesom den krystalkugle, men i stedet for magi bruger den matematik og computersmart til at gætte, hvad der kan ske næste gang.
Pretraining
The first step in training models, where the model is trained on a large corpus of text to learn the structure and pattern of human speech. This is the stage where the model learns to generate coherent text.
Fortræning: Første trin i træning af modellen på datasættet.
Forestil dig at lære en fugleunge at synge ved at lade den lytte til en masse sange fra andre fugle. Efter et stykke tid begynder fugleungen at kvidre i takt, fordi den har lært af al den sang. På samme måde er "fortræning" i LLM-verdenen som at lade modellen lytte til en stor mængde menneskeskreven tekst. Ved at gøre dette lærer den at sætte ord sammen på en måde, der giver mening, ligesom fugleungen lærer at synge.
Probability Distribution
A mathematical function that represents the probabilities of different possible outcomes in an experiment. The output of the model corresponds to a probability distribution over the next word in a sequence.
Sandsynlighedsfordeling: Sandsynlighedsberegning for næste ord i sætningen.
Forestil dig, at du har en pose med forskelligt farvede kugler. Hvis du skulle gætte farven på den næste marmor, du ville trække ud uden at kigge, ville en sandsynlighedsfordeling være som et diagram, der fortæller dig, hvor sandsynligt det er, at hver farve bliver valgt. Det handler om, at gætte det næste ord i en sætning baseret på, hvor ofte det har set det ord dukke op i lignende situationer.
PyTorch
An open source machine learning library commonly used to develop and train AI models.
PyTorch: Bibliotek til udvikling og træning af modeller.
Forestil dig at have en værktøjskasse, der hjælper dig med at bygge indviklede maskiner, endda robotter! PyTorch er ligesom den værktøjskasse, men til at bygge AI "hjerne". Det tilbyder værktøjer og stykker, der gør byggeprocessen nemmere og hurtigere.