Glossary

All terminology used in this documentation.

Agent (Agent)

- Süsteem või programm, mis suudab tegutseda iseseisvalt, tehes otsuseid ja toimides keskkonnas, kus ta on paigutatud, eesmärgiga saavutada teatud eesmärke või täita ülesandeid.

Algoritm (Algorithm)

- Samm-sammuline juhiste kogum mingi ülesande lahendamiseks või eesmärgi saavutamiseks

Andmete rikastamine (Data Augmentation)

- Tehnika, kus luuakse treeningpiltidest variatsioonid (pööramine, skaleerimine, peegeldamine) mudeli üldistusvõime parandamiseks

COCO (Common Objects in Context)

- Andmekogum, mis sisaldab pilte koos objektide asukoha ja konteksti märgistustega, kasutatakse objektide tuvastuse ja segmenteerimise mudelite treenimiseks

Eeltöötlus (Image Preprocessing)

- Protsess, mille käigus pilti kohandatakse mudeli jaoks sobivaks, hõlmates suuruse normaliseerimist, värviväärtuste skaleerimist ja müra eemaldamist, et parandada analüüsi täpsust

Eetika (Ethics)

- Moraalsete põhimõtete kogum, mis tehisintellekti kontekstis käsitleb tehnoloogia arendamise ja kasutamisega seotud küsimusi, nagu privaatsus, eelarvamused ja vastutus

FCL (Fully Connected Layer)

- Täielikult ühendatud kiht - CNN-i lõppkiht, kus kõik tuvastatud omadused koondatakse ja tehakse lõplik klassifikatsiooniotsus, näiteks määrates, kas pildil on konkreetne objekt

Filter (Kernel)

- Väike maatriks (nt 3x3 või 5x5), mis sisaldab õpitavaid kaalusid ja mida kasutatakse spetsiifiliste mustrite tuvastamiseks pildis

Foneem (Phoneme)

- Keele väikseim tähendust eristav häälikuühik, mis on kõnetuvastuse ja -sünteesi mudelite jaoks oluline aluskomponent

Generatiivne tehisintellekt (Generative AI)

- Tehisintellekti haru, mis on spetsialiseerunud uue ja originaalse sisu, näiteks teksti, piltide või muusika, loomisele õpitud andmete põhjal

Gradientlaskumine (Gradient Descent)

- Optimeerimisalgoritm, mida kasutatakse mudeli parameetrite kohandamiseks, minimeerides kaofunktsiooni ja parandades mudeli täpsust treenimise käigus

ImageNet (ImageNet)

- Suur andmekogum, mis sisaldab miljoneid märgistatud pilte ja mida kasutatakse laialdaselt pildituvastuse mudelite treenimiseks ja testimiseks

Iteratsioon (Iteration)

- Protsessi kordamine parema tulemuse saavutamiseks; mudeli treenimisel on see üks õppetsükkel

Kallutatus (Bias)

- Süstemaatiline viga või eelarvamus, mis tekib andmetes, algoritmis või mudelis, põhjustades moonutatud või ebaõiglasi tulemusi.

Kaofunktsioon (Loss Function / Cost Function)

- Matemaatiline funktsioon, mis mõõdab erinevust mudeli ennustuse ja tegeliku tulemuse vahel, näidates, kui suur on mudeli viga, mida treenimisel püütakse minimeerida

Kasutajaliides (User Interface, UI)

- Graafiline, tekstiline või häälpõhine keskkond, mille kaudu inimene saab arvutisüsteemi või rakendusega suhelda ja seda juhtida

Klassifitseerimine (Classification)

- Masinõppe ülesanne, mille eesmärk on andmepunkti liigitamine eelnevalt kindlaks määratud kategooriasse või klassi, kasutades treeningandmeid, kus õiged klassid on teada

Klasterdamine (Clustering)

- Masinõppe meetod, mis grupeerib sarnased andmepunktid klastritesse e. rühmadesse ilma eelneva teadmiseta õigetest gruppidest (juhendamata õpe)

Konvolutsioonikiht (Convolution Layer)

- CNN-i kiht, mis kasutab filtreid pildi üle liikumiseks ja madala taseme omaduste (nt servad, nurgad) tuvastamiseks

Konvolutsiooniline närvivõrk (Convolutional Neural Network)

- Sügavõppe mudel, mis on spetsiaalselt loodud piltide töötlemiseks, tuvastades piltidelt madala taseme omadusi (nt servad) ja kõrge taseme omadusi (nt objektid) läbi mitmete kihtide

Korduv närvivõrk (Recurrent Neural Network, RNN)

- Sügavõppe mudel, mis on loodud järjestikulise andmevoo töötlemiseks, säilitades ja kasutades konteksti varasemate sisendite põhjal, mis muudab selle hästi sobivaks andmetele nagu tekst, kõne või ajas varieeruvad signaalid.

Latentsus (Latency)

- Ajaline viivitus, mis kulub andmete edastamiseks või päringule vastuse saamiseks süsteemis, näiteks aeg prompti sisestamisest kuni vastuse genereerimiseni

Loomuliku keele töötlus (Natural Language Processing, NLP)

- Tehisintellekti haru, mis tegeleb arvutite ja inimkeele vahelise suhtluse ning mõistmisega

Masinõpe (Machine Learning, ML)

- Tehisintellekti valdkond, kus arvutisüsteemid õpivad andmetest mustreid leidma ja ennustusi tegema, ilma et neile oleks iga reeglit eraldi sisse programmeeritud

Mittegeneratiivne tehisintellekt (Non-generative AI / Discriminative AI)

- Tehisintellekti tüüp, mis keskendub olemasolevate andmete analüüsimisele ja klassifitseerimisele (nt spämmifilter), mitte uue sisu loomisele

Mudel (Model)

- Algoritmide ja matemaatiliste funktsioonide kogum, mis on treenitud suure hulga andmete põhjal, et leida mustreid ja teha nende abil ennustusi või otsuseid uute, varem nägemata andmete kohta.

Otsingupuu (Search Tree)

- Graafiline struktuur, mis kujutab probleemi lahendamisel kõiki võimalikke valikuid ja nende tulemusi, aidates algoritmil leida optimaalse teekonna

Otsustuspuu (Decision Tree)

- Puu-struktuuriline mudel, mis kujutab otsuste tegemist tunnuste põhjal ja nende tulemusi, aidates algoritmil klassifitseerida või ennustada väärtusi.

Parameeter (Parameter)

- Mudeli sisemine, õpitav väärtus, mida kohandatakse treenimisprotsessi käigus, et minimeerida vigu ja parandada ennustuste täpsust

Piksel (Pixel)

- Digitaalse pildi väikseim ühik, mis sisaldab värviinformatsiooni numbriliste väärtustena (0-255 iga värvi kanali kohta)

Pildituvastus (Image Recognition)

- Tehisintellekti tehnoloogia, mis võimaldab arvutitel pilte analüüsida ja tuvastada nendel olevaid objekte, inimesi, stseene või mustreid, sarnaselt inimliku nägemisvõimega

Pooling kiht (Pooling Layer)

- CNN-i kiht, mis vähendab pildi mõõtmeid, säilitades olulise info (nt max-pooling võtab piirkonna suurima väärtuse), et vähendada arvutuskoormust ja rõhutada peamisi tunnuseid

Prompt (Prompt)

- Kasutaja poolt tehisintellekti mudelile antud sisendkäsklus, küsimus või juhis, mis määrab soovitud väljundi iseloomu

Regressioon (Regression)

- Statistiline meetod, mis uurib seoseid sõltuva muutuja (väljund) ja ühe või mitme sõltumatu muutuja (sisendid) vahel, esmärgiga ennustada pidevat numbrilist väärtust (nt. hind, temperatuur)

Rekursiivne (Recursive)

- Meetod probleemi lahendamiseks, kus funktsioon kutsub iseennast korduvalt välja, et lahendada probleemi järjest väiksemaid osi

ReLU (Rectified Linear Unit)

- Populaarseim aktiveerimisfunktsioon CNN-ides, tagastab sisendi väärtuse, kui see on positiivne, vastasel juhul tagastab 0. Matemaatiliselt: f(x) = max(0, x)

RGB (Red, Green, Blue)

- Värvimudel, kus iga piksel esitatakse kolme värvikomponendi kombinatsioonina: punane, roheline ja sinine

Ruutkeskmine viga (Mean Squared Error, MSE)

- Keskmine erinevus mudeli ennustatud ja tegelike väärtuste vahel, kus erinevused võetakse ruuduna ja sellest arvutatakse keskmine

Segadusmaatriks (Confusion Matrix)

- Tabel, mis näitab, kuidas mudel on erinevad klassid õigesti või valesti ennustanud, aidates hinnata mudeli täpsust

Semantika (Semantics)

- Keeleteaduse haru, mis uurib sõnade, fraaside ja lausete tähendust; tehisintellekti kontekstis mudeli võime mõista keele tähenduslikku sisu

Sisend (Input)

- Andmed, mis antakse mudelile või algoritmile töötlemiseks

Sügavõpe (Deep Learning, DL)

- Masinõppe alaliik, mis kasutab mitmekihilisi tehisnärvivõrke, et õppida väga keerulisi mustreid suurtest andmemahtudest

Suur keelemudel (Large Language Model, LLM)

- Väga suur mudel, mis on treenitud tohutul hulgal tekstilistel andmetel, et mõista, kokku võtta, tõlkida ja luua inimkeele sarnast teksti

Süvavõltsing (Deepfake)

- Tehisintellekti (eriti sügavõppe) abil loodud realistlik, kuid võltsitud meediasisu, kus isiku nägu või hääl on asendatud teise omaga

Tagasilevi algoritm (Backpropagation)

- Tehisnärvivõrkude treenimise põhi-algoritm, mis arvutab mudeli ennustusvea ja levitab seda tagurpidi läbi võrgu, et parameetreid õiges suunas kohandada

Tagasipöörduv otsing (Backtracking)

- Algoritmiline tehnika, mis lahendab probleeme proovides süstemaatiliselt kõiki võimalikke teid ja naastes eelmise sammu juurde, kui praegune tee osutub valeks

Tehisaru raamistik (AI Framework)

- Tarkvaraarendajatele mõeldud tööriistade ja teekide kogum (nt TensorFlow, PyTorch), mis lihtsustab ja kiirendab tehisintellekti mudelite loomist ning treenimist

Tehisintellekt, TI (Artificial Intelligence, AI)

- Arvutiteaduse haru, mis tegeleb tarkvarasüsteemide ja masinate loomisega, mis suudavad täita ülesandeid, mida tavaliselt peetakse inimintellekti nõudvaks – näiteks loogiline arutlemine, õppimine, kõne või pildi mõistmine ja otsuste langetamine. TI eesmärk on muuta masinad võimeliseks iseseisvalt olukordi analüüsima ja neile sobivalt reageerima.

Tehisnärvivõrk (Artificial Neural Network)

- Inimajust inspireeritud arvutusmudel, mis koosneb omavahel ühendatud tehisneuronitest ja on võimeline andmetest õppima

Tehisneuron (Artificial Neuron)

- Tehisnärvivõrgu põhiüksus, mis võtab vastu signaale, töötleb neid ja edastab tulemuse edasi, jäljendades bioloogilise neuroni tööd

Transformerid (Transformers)

- Sügavõppe mudel, mis on revolutsiooniline loomuliku keele töötlemises, kasutades tähelepanu mehhanismi, et mõista sõnade vahelisi seoseid tekstis paralleelselt ja tõhusalt.

Üleõppimine (Overfitting)

- Olukord, kus mudel õpib treeningandmeid liigselt pähe, kaasa arvatud müra ja ebaolulised detailid, mistõttu see ei tööta hästi uute, nägemata andmetega

Väljajätumeetod (Dropout)

- Tehisintellekti sügavõppe tehnika, mis seisneb selles, et treenimise ajal jäetakse teatud osa neuroneid ja nende ühendused võrgus välja, mistõttu võrk ei saa tugineda ainult kõige aktiivsematele neuronitele ja peab õppima andmeid esindama mitmekesisemalt.

Väljund (Output)

- Tulemus, mille mudel või algoritm pärast sisendi töötlemist tagastab

Võistlev generatiivne võrk (Generative Adversarial Network, GAN)

- Närvivõrkude süsteem, kus kaks mudelit võistlevad teineteisega, et luua realistlikke uusi andmeid, näiteks pilte