Glossary

0-9

1-shot learning 3D convolution 5G + AI 6DoF pose estimation 7D representation 8-bit quantization 2-stage detector 9-layer network 0-shot learning 4D data

A

AGI / Artificial General Intelligence Attention Autoencoder Algorithm Artificial Intelligence (AI)

B

Backpropagation Batch Normalization BERT Bias Boosting

C

Clustering CNN / Convolutional Neural Network Chatbot Classifier / Classification Cross-Validation

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Encoder Embedding Ensemble Learning Epoch Explainable AI (XAI)

F

Foundation Model Fine-tuning Fusion / Multimodal Fusion Feature Extraction Forward Propagation

G

Graph Neural Network (GNN)GAN / Generative Adversarial Network Generative AI Gradient Descent Grounding

H

Hierarchical Model Hyperparameter Hidden Layer Hallucination Heuristic

I

Instance / Sample Instruction tuning Intelligence Amplification / Augmentation Interpretability Imbalanced Data

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

Kernel Trick KL Divergence (Kullback–Leibler Divergence)K-means Clustering K-Shot Learning Knowledge Distillation

L

Learning Rate Large Language Model (LLM)Latent Variable Loss Function LSTM / Long Short-Term Memory

M

Model Machine Learning (ML)Meta-learning Multi-head Attention Multimodal / Multimodality

N

Neural Network Novelty Detection / Anomaly Detection NLP / Natural Language Processing NLU / Natural Language Understanding Normalization

O

Objective Function Optimizer One-hot Encoding Online Learning Overfitting

P

Parameter Prompt Policy / Reinforcement Learning Policy Pooling Pretraining

Q

Query Q-learning Quality Estimation Quantization Queue / Buffer

R

Representation Learning Regularization Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)RNN / Recurrent Neural Network

S

Sampling Self-Supervised Learning Sequence Modeling Softmax Supervised Learning

T

Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning Training Data

U

Universal Approximation Theorem U-Net Underfitting Uncertainty Estimation Unsupervised Learning

V

Validation Set Vanishing / Exploding Gradient Variational Autoencoder (VAE)Vector Embedding Vision Transformer (ViT)

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

XOR problem X-axis / feature axis XAI / Explainable AI XLM XLNet

Y

Y-axis / feature axis Y-transform / YUV YAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI

Z

Zero-gradient phenomenon Zero-centric / Zero-bias initialization Z-score Normalization Zero-shot Learning / Zero-shot inference Zygosity in augmentation

Was ist Deepfake

Deepfake ist eine Technologie, die künstliche Intelligenz nutzt, um gefälschte Videos oder Audios zu erstellen. Normalerweise verwendet sie Techniken des tiefen Lernens, insbesondere generative gegnerische Netzwerke (GAN), um das Gesicht oder die Stimme einer Person durch die einer anderen zu ersetzen.

Der Hintergrund von Deepfake kann auf die rasante Entwicklung der künstlichen Intelligenz und der tiefen Lerntechnologien in den letzten Jahren zurückgeführt werden. Mit dem Fortschritt dieser Technologien erweitern sich die Anwendungen von Deepfake von der Unterhaltungsindustrie über soziale Medien bis hin zu Politik, Bildung und Psychotherapie.

Trotz einiger kreativer und unterhaltsamer Anwendungen haben die potenziellen negativen Auswirkungen von Deepfake erhebliche Bedenken hervorgerufen. Probleme wie Fake News, Identitätsdiebstahl und Datenschutzverletzungen sind aufgetreten, was zu einem Rückgang des gesellschaftlichen Vertrauens in diese Technologie geführt hat. Infolgedessen ziehen es viele Länder und Regionen in Betracht, Gesetze zur Bewältigung dieser Herausforderungen zu erlassen.

In Zukunft wird die Erzeugung von Deepfake einfacher und verbreiteter werden, während die Diskussionen über die ethischen und rechtlichen Rahmenbedingungen zunehmend an Bedeutung gewinnen. Obwohl die Vorteile Kreativität und künstlerischen Ausdruck umfassen, dürfen die damit verbundenen Risiken und negativen Auswirkungen nicht übersehen werden.