Glosar osnovnih pojmova veštačke inteligencije za trgovce (90+ pojmova)

Veštačka inteligencija (AI) je transformisala poslovni pejzaž i dok svako može imati koristi od nje, nije svako upućen u tehničke pojedinosti koje bi mu omogućile potpuno razumevanje načina njenog funkcionisanja i svih njenih mogućnosti.

Zašto veštačka inteligencija (AI) ima značaj za marketare

Veštačka inteligencija je važna za marketare jer može podržati ključne delove marketinškog procesa, kao što su istraživanje SEO-a, personalizacija kampanja, analiza podataka i kreiranje sadržaja. Na primer, alat kao što je Campaign Assistant koristi tekstualne unose (pozive) da pomogne marketarima da brzo i jednostavno kreiraju kopiju za stranice za sletanje, e-mailove i oglašivačke kampanje.

Pojmovi veštačke inteligencije koje marketari trebaju da znaju:

A

• Algoritam – Algoritam je formula koja predstavlja odnos između promenljivih. U mašinskom učenju, modeli koriste algoritme kako bi predviđali rezultate na osnovu analize podataka. Društvene mreže koriste algoritme koji se oslanjaju na prethodno ponašanje korisnika na platformi kako bi im prikazali sadržaj za koji predviđaju da će im se najviše dopasti.
• Veštačka inteligencija – Veštačka inteligencija je oblast računarske nauke u kojoj mašine obavljaju zadatke koji bi zahtevali inteligenciju kada bi ih obavljao čovek, kao što su učenje, vid, govor, zaključivanje ili rešavanje problema.
• Veštačka opšta inteligencija (AGI) – AGI je drugi od tri nivoa veštačke inteligencije, gde sistemi imaju inteligenciju koja im omogućava da uče i prilagođavaju se novim situacijama, apstraktno razmišljaju i rešavaju probleme na nivou ljudske inteligencije. Trenutno se nalazimo u prvom nivou veštačke inteligencije, a AGI je uglavnom još uvek teoretski. Takođe poznat kao opšta inteligencija.
• AI analitika – AI analitika je vrsta analize koja koristi mašinsko učenje za obradu velike količine podataka i prepoznavanje obrazaca, trendova i veza. Ne zahteva ljudski unos, a rezultate mogu koristiti preduzeća za donošenje odluka zasnovanih na podacima i ostati konkurentna.
• AI asistent – AI asistent, obično u obliku chatbota ili virtuelnog asistenta, koristi veštačku inteligenciju za razumevanje i odgovaranje na zahteve korisnika. Može zakazivati sastanke, odgovarati na pitanja i automatizovati ponavljajuće zadatke kako bi uštedeo vreme i poboljšao efikasnost.
• AI pristrasnost – AI pristrasnost se odnosi na ideju da sistemi mašinskog učenja mogu biti pristrasni zbog pristrasnih trening podataka, što dovodi do generisanja rezultata koji održavaju i pojačavaju stereotipe koji mogu štetiti određenim zajednicama.
• AI chatbot – AI chatbot je program koji koristi mašinsko učenje (ML) i obradu prirodnog jezika (NLP) kako bi imao razgovore slične ljudskim. AI chatboti su popularni na veb sajtovima, aplikacijama ili društvenim mrežama kako bi se rukovodili korisničkim razgovorima.
• AI etika – AI etika se odnosi na potrebu da ljudi razmotre implikacije korišćenja veštačke inteligencije i osiguraju njeno korišćenje na način koji ne šteti korisnicima i svima koji s njom interaguju. Kako je veštačka inteligencija u stalnom razvoju, AI etika se konstantno razvija i istražuje.
• Antropomorfizacija – Antropomorfizacija je kada ljudi dodeljuju svojstva AI sistemima zbog načina na koji oponašaju ljudske sposobnosti. To je jedan od razloga zašto ljudi misle da je AI svesna, ali stručnjaci i naučnici kažu da svako pretpostavljanje ljudskih osobina proizilazi iz toga što modeli rade ono za šta su programirani da rade. Enzo Pasquale Scilingo, bioinženjer na Research Center E. Piaggio na Univerzitetu u Pisi u Italiji, kaže: „Pripisujemo karakteristike mašinama koje one nemaju i ne mogu imati… Koliko god bile inteligentne, one ne mogu osećati emocije. Programirane su da budu uverljive.“
• Proširena stvarnost (AR) – Proširena stvarnost je postavljanje virtuelnih elemenata preko stvarnih scena, omogućavajući korisnicima da postoje u svojem trenutnom prostoru, ali koriste interaktivne, proširene elemente. Snapchat filteri su primer AR-a.
• Autonomna mašina – Autonomna mašina može da uči, zaključuje i donosi odluke na osnovu podataka koje ima, a bez intervencije čoveka. Samoupravljajući automobili su autonomne mašine.
• Auto-kompletiranje – Auto-kompletiranje analizira unose, tekst ili glas i predlaže moguće naredne reči ili fraze na osnovu obrazaca koje je naučio analizirajući istorijske podatke i jezički obrazac i kontekst svakog pojedinca.
• Auto klasifikacija – Auto klasifikacija je kategorizacija i označavanje podataka na osnovu jedinstvenih kategorija, što olakšava organizaciju, upravljanje i dohvaćanje informacija.

B

• Bard – Bard je konverzacioni AI kompanije Google koji se bazira na LaMDA (model za jezičke aplikacije u dijalogu). Sličan je ChatGPT-u, ali ima dodatne funkcionalnosti za pretraživanje informacija sa interneta.
• Bajesianov model – Bayesianov model je model verovatnoće koji procenjuje verovatnoću da se događaj desi. Veštačka inteligencija može pomoći u kreiranju Bayesianovih modela jer može brzo proceniti podatke.
• BERT – Bidirekciono Enkoder Reprezentacija iz Transformera (BERT) je duboki model za učenje kompanije Google dizajniran posebno za obradu prirodnog jezika, kao što su odgovaranje na pitanja, analiza sentimenta i prevođenje.
• Bing pretraga – Bing pretraga je Microsoft-ov alat za pretragu zasnovan na mašinskom učenju koji koristi neuronske mreže da razume unose upita, prikaže najrelevantnije rezultate i pruži odgovore. Takođe može generisati novi sadržaj u tekstualnom obliku i slike.
• Botovi – Botovi, često nazvani i chatbotovi, su programi zasnovani na tekstu koje ljudi koriste da automatizuju zadatke ili pronađu informacije. Botovi mogu biti zasnovani na pravilima i mogu samo obavljati predefinisane zadatke ili imati složeniju funkcionalnost.

C

• Chatbot – Chatbot simulira ljudske razgovore na mreži odgovaranjem na uobičajena pitanja ili upućivanjem korisnika na odgovarajuće resurse kako bi zadovoljili svoje potrebe.
• ChatGPT – ChatGPT je konverzacioni AI koji se bazira na GPT modelu, jezičkom modelu koji koristi obradu prirodnog jezika za razumevanje tekstualnih upita, odgovaranje na pitanja ili generisanje sadržaja.
• Kognitivna nauka – Kognitivna nauka proučava um i njegove procese. Veštačka inteligencija je primena kognitivne nauke koja primenjuje sisteme uma (kao što su neuronske mreže) na modele mašina.
• Kompozitna AI – Kompozitna AI kombinuje različite AI tehnologije i tehnike i čini ih da rade zajedno kako bi rešavali probleme i rukovali složenim zadacima.
• Računarski vid – Računarski vid su duboki modeli za analizu, tumačenje i razumevanje vizuelnih informacija, odnosno slika i video snimaka. Pretraga slika unazad je primer računarskog vida.
• Konverzacioni AI – Konverzacioni AI je tehnologija koja imitira ljudski stil konverzacije i može voditi logičke i tačne razgovore. Koristi obradu prirodnog jezika (NLP) i generisanje prirodnog jezika (NLG) kako bi prikupila kontekst i dala relevantne odgovore.

D

• Data mining – Data mining je otkrivanje uzoraka, veza i trendova kako bi se izvukli uvidi iz velikih skupova podataka. Ovo se ubrzava sa algoritmima mašinskog učenja koji mogu obraditi proces mnogo brže. Preporučujući algoritam je data mining, koji analizira značajan broj korisničkih podataka kako bi dao preporuke.
• Duboko učenje – Duboko učenje je proces veštačke inteligencije u kojem računari uče iz podataka i koriste razumevanje za kreiranje neuronskih mreža koje oponašaju ljudski mozak.
• DALL-E – DALL-E je generativni sistem kompanije OpenAI koji koristi detaljne prirodne jezičke upite za kreiranje slika i umetnosti.

E

• Emergentno ponašanje – Emergentno ponašanje je kada veštačka inteligencija završava zadatke ili razvija veštine za koje nije izgrađena ili programirana.
• Anotacija entiteta – Anotacija entiteta je tehnika obrade prirodnog jezika koja klasifikuje podatke u unapred definisane kategorije (kao što je ime pojedinca) kako bi ih lakše analizirali, razumeli i organizovali. Takođe se naziva ekstrakcija entiteta.
• Ekspertni sistemi – Ekspertni sistem oponaša sposobnosti donošenja odluka ljudskih stručnjaka u određenom području.
• Objašnjiva veštačka inteligencija (XAI) – Obašnjiva veštačka inteligencija može pomoći ljudima da razumeju kako funkcioniše i zašto donosi odluke ili predviđa rezultate. Razumevanje mašina koje koristimo povećava poverenje, odgovornost i etiku korišćenja izlaza veštačke inteligencije u svakodnevnom životu.

F

• Inženjering karakteristika – Inženjering karakteristika je izbor specifičnih karakteristika iz sirovih podataka kako bi sistem znao šta da uči tokom obuke.
• Ekstrakcija karakteristika – Ekstrakcija karakteristika je kada mašina dekomponuje ulaz u određene karakteristike i koristi te karakteristike da ga klasifikuje i razume. U prepoznavanju slika, određeni element slike može se definisati kao karakteristika, a karakteristika se koristi za predviđanje verovatnoće šta cela slika može biti.

G

• Generativna veštačka inteligencija – Generativna veštačka inteligencija obrađuje upite identifikovanjem obrazaca i koristi te obrasce da bi proizvela izlaz koji se poklapa sa početnim učenjem, kao što su odgovor na pitanje, tekst, slike, zvuk, video, kod i čak sintetički podaci.
• Opšta inteligencija – Opšta inteligencija je drugi od tri nivoa veštačke inteligencije. Vidi Veštačka opšta inteligencija (AGI).
• GPT – Generativni Pre-trenirani Transformer (GPT) je jezički model kompanije OpenAI koji je treniran na velikim količinama podataka i, na osnovu svog treninga, može razumeti prirodne jezičke unose kako bi odgovorio na pitanja, vodio razgovore slične ljudskim i kreirao sadržaj. GPT-4 je najnovija i najnaprednija iteracija GPT-a.

H

• Halucinacija – Halucinacija je kada veštačka inteligencija proizvodi faktički netačne izlaze i informacije.

I

• Prepoznavanje slika – Prepoznavanje slika je proces mašinskog učenja koji koristi algoritme za prepoznavanje objekata, ljudi ili mesta na slikama i video zapisima. Google Lens je primer prepoznavanja slika. Takođe se naziva i klasifikacija slika.
• Veliki jezički model (LLM) – LLM je obučen na velikom istorijskom skupu podataka i koristi svoje znanje za izvođenje određenih zadataka. GPT i LamDA su jezički modeli.
• Model za dijaloške aplikacije jezika (LamDA) – LamDA je veliki jezički model kompanije Google koji može imati realistične razgovore s ljudima, davati tačne odgovore i kreirati novi sadržaj.
• Veštačka inteligencija s ograničenom memorijom – Veštačka inteligencija s ograničenom memorijom je drugi od četiri tipa veštačke inteligencije, a ovi sistemi mogu izvršiti zadatke samo na osnovu male količine sačuvanih podataka i ne mogu proširiti svoje sposobnosti izvan toga. Takođe ne zadržava prethodne memorije za učenje izvršenja budućih zadataka.

M

• Mašinsko učenje – Mašinsko učenje je tip veštačke inteligencije u kojoj mašine koriste podatke i algoritme da donose odluke i predviđaju i izvršavaju zadatke. Sistemi za mašinsko učenje postaju bolji i precizniji vremenom, kako stiču nova iskustva i podatke za učenje.
• Midjourney – Midjourney je generativni model veštačke inteligencije koji može kreirati nove slike na osnovu prirodnih jezičkih upita.

N

• Narrow AI – Uža veštačka inteligencija je sistem dizajniran da obavlja određeni zadatak ili set zadataka, ali ne može se prilagoditi da radi ništa više od toga. To je prvi od tri stadijuma veštačke inteligencije, i većina sistema danas su uža AI. Takođe se naziva i slabom AI i uskom inteligencijom.
• Obrada prirodnog jezika (NLP) – Obrada prirodnog jezika je sposobnost mašine da razume i tumači jezik (i govor i pisani jezik) i koristi to razumevanje da vodi konverzacije. Provera pravopisa je osnovni primer, a jezički modeli su naprednija forma. Takođe se naziva razumevanje prirodnog jezika (NLU).
• Generisanje prirodnog jezika (NLG) – Generisanje prirodnog jezika je kada model obradi jezik i koristi svoje razumevanje da tačno završi zadatak, bilo da se radi o odgovaranju na pitanje ili kreiranju sadržaja za esej.
• Prirodni jezički upit (NLQ) – Prirodni jezički upit je pisani unos koji izgleda onako kako bi izgledao kad bi se izgovorio naglas, što znači da nema posebnih znakova ni sintakse.
• Neutralne mreže – U vezi sa veštačkom inteligencijom, neuronska mreža je kompjuterizovana replika neuralne mreže ljudskog mozga koja omogućava sistemu da razvija znanje i pravi predviđanja na sličan način kao ljudski mozak.

O

• OpenAI – OpenAI je laboratorija za istraživanje veštačke inteligencije koja je stvorila GPT, DALL-E i druge AI alate.

P

• Prepoznavanje obrazaca – Prepoznavanje obrazaca je sposobnost mašine da prepoznaje obrasce u podacima na osnovu algoritama koje je razvila tokom obuke.
• Prediktivna analitika – U veštačkoj inteligenciji, prediktivna analitika koristi algoritme za predviđanje verovatnoće budućeg događaja na osnovu obrazaca u istorijskim podacima.
• Upiti – Upit je prirodni jezički unos koji se daje modelu. Upiti mogu biti pitanja, zadaci za izvršenje ili opis vrste sadržaja koji korisnik želi da veštačka inteligencija kreira. Jednostavno rečeno, to je instrukcija koja tera model na neku radnju.
• Inženjering upita – Inženjering upita podrazumeva pronalaženje pravih reči i fraza koje pomažu generativnim sistemima da se usklade sa tačnim ciljem ulaza. Na primer, određivanje najboljih reči koje će omogućiti AI da napiše tačno ono što tražite.

R

• Reaktivne mašine – Reaktivne mašine su drugi od četiri tipa veštačke inteligencije, a ovi sistemi nemaju memoriju niti razumevanje konteksta i mogu izvršiti samo određeni zadatak. Reaktivni chatbotovi su primer reaktivnih mašina. Takođe se naziva reaktivna AI.
• Obučavanje pojačavanjem – Obučavanje pojačavanjem je proces mašinskog učenja gde sistemi uče i ispravljaju sebe kroz probu i grešku.
• Odgovorna veštačka inteligencija – Odgovorna veštačka inteligencija je primena veštačke inteligencije na etičan način i s dobrim namerama, kako ne bi održavala pristrasnosti i štetne stereotipe.
• Robotika – Robotika je dizajn robota koji mogu obavljati zadatke i preduzimati akcije zahvaljujući programiranoj veštačkoj inteligenciji, bez ljudskog vođstva.

S

• Svestna veštačka inteligencija – Svestna veštačka inteligencija je četvrti od četiri tipa veštačke inteligencije. To je dalji razvoj teorije uma AI, a mašine mogu razumeti ljudske emocije i imaju svoje emocije, potrebe i verovanja. Svesna AI je trenutno teorijski koncept.
• Semantička analiza – Semantička analiza je sposobnost mašina da izvuče značenje iz informacija. Slično je obradi prirodnog jezika, ali može uzeti u obzir složenije faktore, poput kulturnog konteksta.
• Analiza sentimenta – Analiza sentimenta je proces identifikacije emocionalnih signala i znakova iz teksta kako bi se predvideo ukupan sentiment izjave.
• Svestna AI – Svestna AI oseća i doživljava svet na istom nivou kao ljudi. Ova AI je emocionalno inteligentna i može doživljavati svet i pretvarati percepcije u osećanja.
• Strukturirani podaci – Strukturirani podaci su organizovani podaci koje algoritmi za mašinsko učenje lako mogu razumeti.
• Nadzirano učenje – Nadzirano učenje je kada ljudi nadgledaju proces mašinskog učenja i daju specifične instrukcije za učenje i očekivane rezultate.
• Veštačka superinteligencija (ASI) – ASI je treći i najnapredniji stadijum veštačke inteligencije, gde sistemi mogu rešavati kompleksne probleme i donositi odluke izvan mogućnosti ljudske inteligencije. To je predmet žive rasprave jer su potencijali i rizici čisto spekulativni. Takođe se naziva Super AI, Strong AI i superinteligencija.
• Stabilna difuzija – Stabilna difuzija je generativni model koji stvara slike na osnovu detaljnih opisa teksta (upita).
• Singularity – Singularnost je hipotetička budućnost veštačke inteligencije u kojoj sistemi doživljavaju nekontrolisani rast i preduzimaju akcije koje mogu značajno uticati na ljudski život. Tesno je povezana sa superinteligencijom i svesnom AI.

T

• AI sa teorijom uma – AI sa teorijom uma je treći evolutivni stadijum od četiri tipa veštačke inteligencije, a to je napredna klasa tehnologije koja može razumeti mentalna stanja ljudi i koristiti to znanje za stvarne interakcije. Na primer, sistem koji razume emocije nezadovoljnog kupca može koristiti to znanje da odgovori u skladu s tim.
• Token – Token je pojedinačni podatak koji jezik model koristi da razume unos i izvrši predviđanje. Token može biti jedna reč, karakteri u nizu reči, podrečice ili pojedinačne karakteristike u vizualnim informacijama.
• Podaci za obuku – Podaci za obuku su ono što mašina dobija kako bi učila i izvršila svoje buduće zadatke.
• Prenosno učenje – Prenosno učenje je tehnika mašinskog učenja u kojoj se prethodno obučeni model koristi kao polazna tačka za novi zadatak.
• Turing test – Alan Turing je izmislio Turing test 1950. godine kako bi izmerio da li nivo inteligencije mašine omogućava da se ponaša na način koji je neodvojiv od ljudske izvedbe. Originalno je nazvan igra imitacije.

U

• Nadgledano učenje – Nadgledano učenje je kada sistem nadgledaju ljudi i daju specifične instrukcije za učenje i očekivane rezultate.

V

• Virtualna realnost (VR) – VR je bilo koji softver koji korisnike uranja u trodimenzionalno, interaktivno virtuelno okruženje pomoću senzornog uređaja.

W

• Slaba veštačka inteligencija – vidi Užu veštačku inteligenciju.