Glossary

0-9

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

A

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

B

BERT Batch Normalization Backpropagation Bias Boosting

C

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

D

Deterministic Model Discriminative Model Deepfake Data Augmentation Deep Learning

E

Epoch Encoder Ensemble Learning Embedding Explainable AI (XAI)

F

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

G

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

H

Hyperparameter Hidden Layer Hallucination Heuristic Hierarchical Model

I

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

J

JAX Joint Embedding JSONL / JSON-lines Juxtaposition Jittering

K

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

L

Large Language Model (LLM)Latent Variable Loss Function Learning Rate 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

Optimizer Online Learning Objective Function Overfitting One-hot Encoding

P

Parameter Prompt Policy / Reinforcement Learning Policy Pooling Pretraining

Q

Query Quality Estimation Quantization Q-learning Queue / Buffer

R

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

S

Self-Supervised Learning Supervised Learning Sampling Sequence Modeling Softmax

T

Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning Training Data

U

Unsupervised Learning Uncertainty Estimation Underfitting Universal Approximation Theorem U-Net

V

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

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

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

Y

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

Z

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

Qu'est-ce que Deepfake

Deepfake est une technologie qui utilise l'intelligence artificielle pour créer des vidéos ou des audios faux. Elle utilise généralement des techniques d'apprentissage profond, en particulier des réseaux antagonistes génératifs (GAN), pour remplacer le visage ou la voix d'une personne par celle d'une autre.

Le contexte de Deepfake remonte au développement rapide de l'intelligence artificielle et des technologies d'apprentissage profond ces dernières années. À mesure que ces technologies progressent, les applications de Deepfake s'étendent de l'industrie du divertissement aux réseaux sociaux, à la politique, à l'éducation et à la psychothérapie.

Malgré certaines utilisations créatives et ludiques, les impacts négatifs potentiels de Deepfake ont suscité de vives inquiétudes. Des problèmes tels que les fausses nouvelles, le vol d'identité et les violations de la vie privée ont fait surface, entraînant une diminution de la confiance sociale dans cette technologie. En conséquence, de nombreux pays et régions envisagent des lois pour faire face à ces défis.

À l'avenir, à mesure que la technologie continuera d'évoluer, la génération de Deepfake deviendra plus facile et plus répandue, ce qui entraînera des discussions de plus en plus importantes sur ses cadres éthiques et juridiques. Bien que ses avantages incluent la créativité et l'expression artistique, les risques et impacts négatifs qui en découlent ne doivent pas être négligés.