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 Generative KI

Generative KI bezieht sich auf eine Klasse von KI-Technologien, die in der Lage sind, neue Inhalte basierend auf aus bestehenden Daten gelernten Mustern zu erstellen. Dazu gehören Texte, Bilder und sogar Musik, was sie zu einem leistungsstarken Werkzeug in verschiedenen Branchen macht, einschließlich kreativer Künste, Bildung und Gesundheitswesen.

Die Technologie basiert hauptsächlich auf fortschrittlichen Algorithmen wie Generative Adversarial Networks (GANs) und Variational Autoencoders (VAEs). GANs bestehen aus zwei neuronalen Netzwerken: einem Generator, der neue Daten erstellt, und einem Diskriminator, der deren Echtheit bewertet. Dieser gegnerische Prozess verbessert im Laufe der Zeit die Qualität des generierten Inhalts.

In der Praxis hat Generative KI breite Anwendung in der Inhaltserstellung, virtueller Realität, Spieleentwicklung und medizinischer Bildanalyse gefunden. Beispielsweise kann das GPT-Modell von OpenAI kohärente Texte generieren, während DALL-E Bilder basierend auf Textbeschreibungen erstellt. Die Technologie wirft jedoch auch ethische Bedenken auf, wie Urheberrechtsfragen und die Verbreitung von Fehlinformationen.

In Zukunft wird erwartet, dass Generative KI komplexere Aufgaben wie personalisierte Bildung und intelligenten Kundenservice bewältigt. Ihre Vorteile sind Effizienz und Kreativität, jedoch müssen auch potenzielle Missbräuche und Vorurteile sorgfältig gemanagt werden.