Γλωσσάρι Τεχνητής Νοημοσύνης (A–Z)

Μάθε απλά και γρήγορα όλους τους βασικούς όρους του κόσμου της τεχνητής νοημοσύνης. Από τα LLMs και τα νευρωνικά δίκτυα μέχρι το Generative AI και το Prompt Engineering, το Neura AI σου εξηγεί με σαφήνεια κάθε έννοια και πώς αυτή αλλάζει τον τρόπο που σκεφτόμαστε την τεχνολογία.

A

Accuracy

Η ακρίβεια μετράει το ποσοστό των σωστών προβλέψεων ενός συστήματος σε σχέση με το σύνολο των περιπτώσεων. Όσο πιο ψηλή η ακρίβεια, τόσο καλύτερη η απόδοση του μοντέλου.

Activation Function

Η συνάρτηση ενεργοποίησης καθορίζει αν και πώς ένας “νευρώνας” σε ένα νευρωνικό δίκτυο θα ενεργοποιηθεί. Κοινές επιλογές είναι οι ReLU, sigmoid και tanh. Επηρεάζει σημαντικά τη συμπεριφορά του δικτύου...

Algorithm

Αλγόριθμος είναι μία συγκεκριμένη ακολουθία εντολών ή κανόνων που επιλύει ένα πρόβλημα ή εκτελεί μια εργασία. Οι αλγόριθμοι είναι η “καρδιά” κάθε συστήματος τεχνητής νοημοσύνης, καθώς καθορίζουν πώς λ...

Anomaly Detection

Η ανίχνευση ανωμαλιών είναι τεχνική εντοπισμού σπάνιων ή ύποπτων γεγονότων μέσα σε δεδομένα, όπως απόπειρες απάτης σε τράπεζες ή ασυνήθιστες βλάβες σε μηχανήματα.

Artificial Intelligence

Η τεχνητή νοημοσύνη είναι το πεδίο της πληροφορικής που στοχεύει στη δημιουργία συστημάτων και λογισμικού που μπορούν να εκτελούν εργασίες που παραδοσιακά απαιτούσαν ανθρώπινη εξυπνάδα, όπως η κατανόη...

Attention Mechanism

Ο μηχανισμός προσοχής επιτρέπει σε ένα μοντέλο να “εστιάζει” σε σημαντικές πληροφορίες κατά την επεξεργασία ακολουθιακών δεδομένων (π.χ. μεγάλα κείμενα). Είναι κλειδί στα σύγχρονα μεγάλα γλωσσικά μοντ...

B

Backpropagation

Η οπισθοδιάδοση είναι αλγόριθμος που χρησιμοποιείται για τη βελτίωση των νευρωνικών δικτύων. Υπολογίζει το σφάλμα εξόδου και το “μοιράζει” προς τα πίσω ώστε να αναπροσαρμόσει τα βάρη του δικτύου.

Batch

Ένα batch είναι ένα μικρότερο σύνολο δεδομένων που χρησιμοποιείται σε κάθε βήμα εκπαίδευσης του μοντέλου, ώστε να διευκολύνεται η επεξεργασία μεγάλων συνόλων.

Bias

Η μεροληψία στα δεδομένα ή στα μοντέλα μπορεί να οδηγήσει σε άδικα ή λανθασμένα αποτελέσματα. Για παράδειγμα, ένα μοντέλο προσλήψεων που εκπαιδεύτηκε μόνο με βιογραφικά αντρών, μπορεί να αποκλείει άθε...

C

Classification

Η ταξινόμηση είναι η διαδικασία με την οποία ένα σύστημα τοποθετεί ένα νέο δεδομένο σε μία από τις προ-καθορισμένες κατηγορίες. Παράδειγμα: Η αυτόματη ταξινόμηση των emails σε “ανεπιθύμητα” ή “εισερχό...

Clustering

Η ομαδοποίηση (clustering) επιτρέπει στον υπολογιστή να διαχωρίζει τα δεδομένα σε ομάδες με κοινά χαρακτηριστικά χωρίς προ-καθορισμένες ετικέτες. Χρησιμοποιείται στην ανάλυση πελατών ή στην ανίχνευση...

Computer Vision

Η υπολογιστική όραση επιτρέπει στα συστήματα να “βλέπουν” και να αναγνωρίζουν αντικείμενα, πρόσωπα ή συνθήκες μέσα από εικόνες και βίντεο. Είναι βασικό συστατικό στα αυτόνομα οχήματα και σε εφαρμογές...

Convolutional Neural Network

Τα συνελικτικά νευρωνικά δίκτυα έχουν σχεδιαστεί για να επεξεργάζονται εικόνες και οπτικά δεδομένα. Χρησιμοποιούνται σε εφαρμογές όπως η αναγνώριση προσώπου, η ανάλυση ακτινογραφιών και τα αυτόνομα αυ...

D

Data Augmentation

Η ενίσχυση δεδομένων αφορά τη δημιουργία νέων τεχνητών δεδομένων με παραλλαγές (π.χ. περιστροφή εικόνων, αλλαγή φωτεινότητας) για καλύτερη εκπαίδευση και γενίκευση των μοντέλων.

Data Mining

Η εξόρυξη δεδομένων αφορά την ανάλυση μεγάλων όγκων δεδομένων για την ανακάλυψη κρυμμένων μοτίβων ή συσχετίσεων. Χρησιμοποιείται από τράπεζες για ανίχνευση απάτης, στο marketing για στοχευμένες καμπάν...

Deep Learning

Η βαθιά μάθηση είναι υποπεδίο της μηχανικής μάθησης, που χρησιμοποιεί νευρωνικά δίκτυα με πολλά επίπεδα (layers) για την ανάλυση μεγάλων και πολύπλοκων δεδομένων. Χρησιμοποιείται ευρέως στην αναγνώρισ...

Dimensionality Reduction

Η μείωση διαστάσεων είναι η διαδικασία μείωσης του πλήθους των χαρακτηριστικών (features) ενός dataset, διατηρώντας όσες πληροφορίες είναι πιο σημαντικές. Χρησιμοποιείται για γρήγορη ανάλυση ή απεικόν...

Dropout

Το dropout είναι τεχνική για την αποφυγή υπερεκπαίδευσης, όπου τυχαία “απενεργοποιούνται” νευρώνες κατά την εκπαίδευση, αναγκάζοντας το δίκτυο να μη βασίζεται υπερβολικά σε συγκεκριμένες μονάδες.

E

Epoch

Μία εποχή είναι ένας πλήρης κύκλος κατά τον οποίο το μοντέλο “βλέπει” όλα τα δεδομένα εκπαίδευσης μία φορά. Όσο περισσότερες εποχές, τόσο πιο καλά εκπαιδεύεται το μοντέλο (με προσοχή στην υπερεκπαίδευ...

F

F1 Score

Το F1 score συνδυάζει ακρίβεια και ανάκληση σε ένα ενιαίο μέτρο για τη συνολική απόδοση ενός μοντέλου, ειδικά όταν υπάρχει ανισορροπία στις κατηγορίες.

Feature Engineering

Η μηχανική χαρακτηριστικών αφορά τη διαδικασία επιλογής, δημιουργίας ή τροποποίησης χαρακτηριστικών (features) από τα αρχικά δεδομένα, ώστε να βελτιωθεί η απόδοση του μοντέλου.

Feature Extraction

Η εξαγωγή χαρακτηριστικών είναι η διαδικασία επιλογής των πιο σημαντικών πληροφοριών από ένα σύνολο δεδομένων. Βοηθά στη μείωση της πολυπλοκότητας και στη βελτίωση της απόδοσης ενός μοντέλου, π.χ. στη...

Few Shot Learning

Η few shot learning επιτρέπει σε ένα μοντέλο να μάθει νέα καθήκοντα ή κατηγορίες με ελάχιστα παραδείγματα, μειώνοντας την ανάγκη για μεγάλα σύνολα εκπαίδευσης.

G

Generative Adversarial Network

Τα ανταγωνιστικά γενετικά δίκτυα αποτελούνται από δύο δίκτυα που “ανταγωνίζονται” μεταξύ τους: το ένα παράγει ψεύτικα δεδομένα και το άλλο προσπαθεί να ξεχωρίσει τα ψεύτικα από τα αληθινά. Χρησιμοποιο...

Gradient Descent

Η καθοδική κλίση είναι αλγόριθμος που βοηθά το μοντέλο να “μάθει” προσαρμόζοντας τα βάρη του βήμα-βήμα ώστε να ελαχιστοποιεί το σφάλμα των προβλέψεων.

H

Hyperparameter

Οι υπερπαράμετροι είναι ρυθμίσεις που ορίζει ο χρήστης πριν ξεκινήσει η εκπαίδευση ενός μοντέλου, όπως ο ρυθμός μάθησης ή το πλήθος των επιπέδων σε ένα νευρωνικό δίκτυο.

Hyperparameter Tuning

Η ρύθμιση υπερπαραμέτρων είναι η διαδικασία εύρεσης των βέλτιστων ρυθμίσεων για το μοντέλο ώστε να αποδίδει καλύτερα (π.χ. learning rate, αριθμός επιπέδων, κλπ).

L

Label

Η ετικέτα είναι η “σωστή απάντηση” που αντιστοιχεί σε κάθε δεδομένο κατά την εκπαίδευση ενός μοντέλου. Για παράδειγμα, στη διάγνωση ιατρικών εικόνων, η ετικέτα μπορεί να είναι “υγιές” ή “πάσχει”.

Large Language Model

Τα μεγάλα γλωσσικά μοντέλα είναι αλγόριθμοι τεχνητής νοημοσύνης που εκπαιδεύονται σε τεράστιες ποσότητες κειμένου, ώστε να κατανοούν, να αναπαράγουν και να δημιουργούν ανθρώπινη γλώσσα με φυσικό τρόπο...

Lemmatization

Η λεμματοποίηση μετατρέπει τις λέξεις στη βασική γραμματική τους μορφή (“τρέχω”, “έτρεξα”, “τρέχοντας” → “τρέχω”). Έτσι το σύστημα κατανοεί σωστότερα το νόημα του κειμένου.

Loss Function

Η συνάρτηση απώλειας μετράει τη διαφορά ανάμεσα στις προβλέψεις του μοντέλου και στις πραγματικές τιμές. Καθοδηγεί τη διαδικασία μάθησης ώστε το μοντέλο να βελτιώνεται.

M

Machine Learning

Η μηχανική μάθηση αποτελεί έναν βασικό κλάδο της τεχνητής νοημοσύνης, όπου τα συστήματα μαθαίνουν να βελτιώνονται μέσα από την ανάλυση δεδομένων, χωρίς να προγραμματίζονται ρητά για κάθε περίπτωση. Πα...

Model

Το μοντέλο είναι το σύνολο των μαθηματικών σχέσεων και αλγορίθμων που χρησιμοποιεί η τεχνητή νοημοσύνη για να “καταλαβαίνει” και να προβλέπει τα δεδομένα.

N

Natural Language Processing

Η επεξεργασία φυσικής γλώσσας είναι το πεδίο που επιτρέπει στους υπολογιστές να κατανοούν, να αναλύουν και να παράγουν ανθρώπινη γλώσσα. Χάρη σε αυτή λειτουργούν τα chatbots, οι φωνητικές βοηθοί και τ...

Neural Network

Τα τεχνητά νευρωνικά δίκτυα αποτελούνται από διασυνδεδεμένες μονάδες (“νευρώνες”), εμπνευσμένες από τον ανθρώπινο εγκέφαλο. Αξιοποιούνται για την ανάλυση δεδομένων, τη διάγνωση ιατρικών εικόνων και τη...

O

One Hot Encoding

Το one hot encoding μετατρέπει κατηγορικές μεταβλητές (όπως “κόκκινο”, “μπλε”, “πράσινο”) σε δυαδικά διανύσματα ώστε να μπορούν να χρησιμοποιηθούν από μαθηματικά μοντέλα.

Overfitting

Η υπερεκπαίδευση συμβαίνει όταν ένα μοντέλο μαθαίνει τόσο καλά τα δεδομένα εκπαίδευσης, που “κολλάει” σε αυτά και δεν μπορεί να γενικεύσει σωστά σε νέα δεδομένα. Αυτό οδηγεί σε χαμηλή απόδοση σε πραγμ...

P

Precision

Η ακρίβεια (precision) δείχνει το ποσοστό των θετικών προβλέψεων που ήταν πραγματικά σωστές. Είναι σημαντική σε εφαρμογές όπου το “λάθος θετικό” έχει μεγάλο κόστος, π.χ. στην ιατρική διάγνωση.

Prediction

Η πρόβλεψη είναι το αποτέλεσμα που δίνει ένα μοντέλο για μια καινούρια είσοδο με βάση όσα έχει μάθει από τα δεδομένα εκπαίδευσης.

Prompt Engineering

Το prompt engineering είναι η τεχνική σύνταξης ερωτημάτων ή οδηγιών προς μεγάλα γλωσσικά μοντέλα (όπως το ChatGPT) ώστε να λαμβάνεις τα βέλτιστα αποτελέσματα, προσαρμόζοντας το ύφος, την ακρίβεια και...

R

Recall

Η ανάκληση (recall) είναι το ποσοστό των πραγματικών θετικών που εντοπίστηκαν σωστά από το σύστημα. Είναι ιδιαίτερα σημαντική όταν είναι κρίσιμο να εντοπιστούν όλα τα αληθινά θετικά.

Recurrent Neural Network

Τα επαναληπτικά νευρωνικά δίκτυα είναι κατάλληλα για την επεξεργασία δεδομένων που έχουν αλληλουχία, όπως κείμενο ή ήχος. Επιτρέπουν στο μοντέλο να “θυμάται” προηγούμενες τιμές για καλύτερες προβλέψει...

Regression

Η παλινδρόμηση είναι τεχνική που χρησιμοποιείται για την πρόβλεψη συνεχών τιμών, όπως η τιμή ενός ακινήτου ή οι μελλοντικές πωλήσεις ενός καταστήματος, με βάση ιστορικά δεδομένα.

Reinforcement Learning

Η ενισχυτική μάθηση βασίζεται στην αρχή της ανταμοιβής: το σύστημα δοκιμάζει διαφορετικές ενέργειες, μαθαίνει από τις ανταμοιβές ή τις “τιμωρίες” και τελικά βελτιώνει τη συμπεριφορά του. Χρησιμοποιείτ...

S

Self Supervised Learning

Η αυτο-επιβλεπόμενη μάθηση είναι προσέγγιση όπου το σύστημα δημιουργεί μόνο του ετικέτες από τα διαθέσιμα δεδομένα και μαθαίνει, χωρίς ανάγκη ανθρώπινης παρέμβασης για την επισήμανση.

Stemming

Το stemming μετατρέπει τις λέξεις στη ρίζα τους, π.χ. “τρέχω”, “έτρεξα”, “τρέχοντας” γίνονται “τρεχ”. Βοηθά στην κατανόηση του γενικού νοήματος σε εφαρμογές NLP.

Supervised Learning

Η επιβλεπόμενη μάθηση είναι μέθοδος όπου ένα σύστημα εκπαιδεύεται με δεδομένα που έχουν σωστές απαντήσεις (“ετικέτες”). Έτσι μπορεί να προβλέπει ή να ταξινομεί νέα δεδομένα, όπως π.χ. ο διαχωρισμός τω...

T

Test Data

Τα δεδομένα δοκιμής χρησιμοποιούνται μετά την εκπαίδευση για να αξιολογηθεί αν το μοντέλο μπορεί να γενικεύσει σωστά σε άγνωστα δεδομένα.

Training Data

Τα δεδομένα εκπαίδευσης είναι τα παραδείγματα που “βλέπει” ένα μοντέλο κατά την εκπαίδευση του, ώστε να μάθει να αναγνωρίζει μοτίβα και να προβλέπει σωστά σε νέες περιπτώσεις.

Transfer Learning

Η μεταφορά μάθησης επιτρέπει σε ένα μοντέλο που έχει εκπαιδευτεί σε ένα μεγάλο σύνολο δεδομένων να εφαρμοστεί ή να προσαρμοστεί γρήγορα σε νέο αλλά σχετικό πρόβλημα, με λιγότερα δεδομένα.

U

Underfitting

Η υποεκπαίδευση εμφανίζεται όταν ένα μοντέλο είναι υπερβολικά απλό και δεν μπορεί να μάθει αρκετά από τα δεδομένα, με αποτέλεσμα να αποτυγχάνει να αποδώσει τόσο σε εκπαίδευση όσο και σε νέα δεδομένα.

Unsupervised Learning

Η μη επιβλεπόμενη μάθηση χρησιμοποιείται όταν δεν υπάρχουν “σωστές απαντήσεις” στα δεδομένα. Το σύστημα προσπαθεί να βρει μοτίβα, ομάδες ή τάσεις μόνο του. Χρησιμοποιείται για ομαδοποίηση πελατών στο...

V

Validation Data

Τα δεδομένα επικύρωσης βοηθούν στην επιλογή των καλύτερων παραμέτρων και στη ρύθμιση του μοντέλου κατά τη διάρκεια της εκπαίδευσης, ώστε να αποφευχθεί η υπερεκπαίδευση.

Variance

Η διασπορά δείχνει πόσο πολύ διαφέρουν οι προβλέψεις ενός μοντέλου όταν αλλάζουν τα δεδομένα εκπαίδευσης. Πολύ μεγάλη διασπορά σημαίνει αστάθεια και αδυναμία γενίκευσης.

W

Word Embedding

Τα word embeddings μετατρέπουν τις λέξεις σε αριθμητικά διανύσματα που διατηρούν τις μεταξύ τους σχέσεις και νοήματα, διευκολύνοντας τα συστήματα τεχνητής νοημοσύνης στην επεξεργασία κειμένου.

Z

Zero Shot Learning

Η zero shot learning είναι η ικανότητα ενός συστήματος να χειρίζεται καταστάσεις ή να αναγνωρίζει κατηγορίες για τις οποίες δεν έχει εκπαιδευτεί ρητά, χρησιμοποιώντας γενικευμένη γνώση.