- Algorithm: Skup pravila koje sustav koristi za učenje kako obaviti određeni zadatak.
- Artificial intelligence: Koncept u kojem strojevi oponašaju ili simuliraju ljudsku inteligenciju, uključujući komunikaciju i donošenje odluka.
- Autonomous: Sustav koji može obavljati zadatke bez ljudske intervencije.
- Backward chaining: Metoda u kojoj sustav započinje s očekivanim rezultatom i radi unatrag kako bi pronašao podatke koji ga podržavaju.
- Bias: Pretpostavke koje sustav koristi kako bi pojednostavio proces učenja, ali koje mogu utjecati na točnost rezultata.
- Big data: Skupovi podataka koji su preveliki ili previše složeni za standardne metode obrade.
- Bounding box: Okvir koji se koristi u analizi slika i videa kako bi se označili specifični objekti.
- Chatbot: Program dizajniran za komunikaciju s ljudima putem teksta ili govora na način sličan ljudskoj interakciji.
- Cognitive computing: Alternativni naziv za sustave koji koriste metode za obradu podataka na način koji oponaša ljudsku inteligenciju.
- Computational learning theory: Područje koje se bavi razvojem i analizom algoritama koji omogućuju sustavima da uče iz podataka.
- Corpus: Velika zbirka pisanog ili izgovorenog sadržaja koja se koristi za treniranje modela u obradi jezika.
- Data mining: Proces analize podataka radi otkrivanja uzoraka koji mogu poboljšati rad sustava.
- Data science: Interdisciplinarno područje koje kombinira metode iz statistike, računalnih znanosti i analize podataka kako bi se rješavali složeni problemi.
- Dataset: Skup podataka strukturiran na način koji omogućuje analizu ili treniranje modela.
- Deep learning: Tehnika u kojoj sustav uči prepoznati složene obrasce iz podataka na način sličan ljudskom mozgu.
- Entity annotation: Proces označavanja podataka kako bi sustav mogao prepoznati ključne informacije poput imena, mjesta ili organizacija.
- Entity extraction: Proces dodavanja strukture podacima kako bi ih sustav mogao analizirati i razumjeti.
- Forward chaining: Metoda u kojoj sustav kreće od problema i analizira različite mogućnosti kako bi pronašao rješenje.
- General AI: Koncept sustava koji može izvršavati bilo koji intelektualni zadatak na razini čovjeka.
- Hyperparameter: Vrijednost koja određuje način na koji model uči i obično se postavlja ručno prije treniranja.
- Intent: Oznaka koja definira svrhu određene poruke ili upita u sustavima koji obrađuju prirodni jezik.
- Label: Dio podataka koji pokazuje kakav bi trebao biti ispravan rezultat za određeni primjer.
- Linguistic annotation: Proces označavanja rečenica kako bi se olakšala njihova analiza, primjerice u analizi sentimenta ili obradi jezika.
- Machine intelligence: Opći pojam koji obuhvaća različite metode učenja koje koriste računalni sustavi.
- Machine learning: Metoda u kojoj sustavi uče iz podataka i prilagođavaju se novim informacijama bez potrebe za ručnim programiranjem.
- Machine translation: Automatsko prevođenje teksta bez ljudske intervencije.
- Model: Rezultat treniranja sustava koji se koristi za izvođenje zadataka temeljenih na naučenim podacima.
- Neural network: Računalni sustav koji oponaša način na koji ljudski mozak obrađuje informacije.
- Natural language generation (NLG): Proces kojim sustav generira tekst ili govor razumljiv ljudima.
- Natural language processing (NLP): Područje koje se bavi razumijevanjem, analizom i generiranjem ljudskog jezika.
- Natural language understanding (NLU): Proces u kojem sustav interpretira značenje jezika, uključujući kontekst i nijanse.
- Overfitting: Problem kod učenja kada sustav previše ovisi o specifičnim podacima i ne može generalizirati nova saznanja.
- Parameter: Varijabla unutar modela koja utječe na njegove predikcije.
- Pattern recognition: Proces identifikacije ponavljajućih obrazaca u podacima.
- Predictive analytics: Metoda koja koristi povijesne podatke kako bi predvidjela buduće događaje ili trendove.
- Python: Računalni programski jezik široko korišten u analizi podataka i razvoju sustava umjetne inteligencije.
- Reinforcement learning: Proces u kojem sustav eksperimentira s različitim scenarijima i poboljšava rezultate na temelju povratnih informacija.
- Semantic annotation: Dodavanje oznaka podacima kako bi se poboljšala njihova pretraga i analiza.
- Sentiment analysis: Analiza teksta kako bi se utvrdilo mišljenje ili emocija izražena u sadržaju.
- Strong AI: Koncept sustava koji bi mogao razumjeti i obavljati zadatke na razini ljudske inteligencije.
- Supervised learning: Metoda učenja u kojoj se sustav trenira na podacima koji uključuju primjere s točnim rješenjima.
- Test data: Podaci koji se koriste za provjeru točnosti modela nakon treniranja.
- Training data: Podaci koji se koriste za treniranje modela i prilagodbu njegovih parametara.
- Transfer learning: Proces u kojem sustav prvo uči jedan zadatak, a zatim koristi to znanje za poboljšanje u drugom sličnom zadatku.
- Turing test: Test osmišljen za procjenu može li sustav proizvesti odgovore koji su neodvojivi od onih koje bi dao čovjek.
- Unsupervised learning: Metoda učenja u kojoj sustav analizira podatke bez unaprijed definiranih oznaka i samostalno otkriva strukturu podataka.
- Validation data: Skup podataka koji se koristi za testiranje modela tijekom procesa treniranja kako bi se provjerila njegova preciznost.
- Variance: Mjera koliko se funkcija sustava mijenja tijekom učenja; visoka vrijednost može dovesti do problema prekomjerne prilagodbe podacima.
- Variation: Različiti načini izražavanja iste namjere u sustavima koji obrađuju prirodni jezik.
- Weak AI: Sustav koji je ograničen na obavljanje određenog skupa zadataka bez sposobnosti prilagodbe na nove domene.
- Large language model (LLM): Sustav umjetne inteligencije treniran na velikim količinama teksta kako bi mogao razumjeti jezik i generirati tekst sličan onome koji bi napisao čovjek.
