TopAIToolsTopAITools

Glossary

0-9
1-shot learning5G + AI7D representation0-shot learning3D convolution4D data2-stage detector6DoF pose estimation8-bit quantization9-layer network
A
AGI / Artificial General IntelligenceAlgorithmAttentionAutoencoderArtificial Intelligence (AI)
B
BackpropagationBERTBiasBoostingBatch Normalization
C
ChatbotClassifier / ClassificationClusteringCNN / Convolutional Neural NetworkCross-Validation
D
Data AugmentationDeep LearningDeepfakeDeterministic ModelDiscriminative Model
E
Ensemble LearningEmbeddingEncoderEpochExplainable AI (XAI)
F
Feature ExtractionFine-tuningFusion / Multimodal FusionFoundation ModelForward Propagation
G
Gradient DescentGAN / Generative Adversarial NetworkGroundingGenerative AIGraph Neural Network (GNN)
H
Hidden LayerHallucinationHeuristicHyperparameterHierarchical Model
I
Intelligence Amplification / AugmentationImbalanced DataInstance / SampleInstruction tuningInterpretability
J
JAXJitteringJoint EmbeddingJSONL / JSON-linesJuxtaposition
K
Knowledge DistillationKL Divergence (Kullback–Leibler Divergence)K-means ClusteringK-Shot LearningKernel Trick
L
Loss FunctionLSTM / Long Short-Term MemoryLearning RateLarge Language Model (LLM)Latent Variable
M
Machine Learning (ML)Meta-learningModelMulti-head AttentionMultimodal / Multimodality
N
Novelty Detection / Anomaly DetectionNLP / Natural Language ProcessingNLU / Natural Language UnderstandingNormalizationNeural Network
O
Online LearningObjective FunctionOne-hot EncodingOptimizerOverfitting
P
ParameterPolicy / Reinforcement Learning PolicyPoolingPretrainingPrompt
Q
Quality EstimationQueue / BufferQ-learningQuantizationQuery
R
Representation LearningReinforcement Learning (RL)Retrieval Augmented Generation (RAG)RegularizationRNN / Recurrent Neural Network
S
SamplingSelf-Supervised LearningSupervised LearningSequence ModelingSoftmax
T
Training DataTokenizerTransfer LearningTransformerTuning / Hyperparameter Tuning
U
Unsupervised LearningUncertainty EstimationUniversal Approximation TheoremU-NetUnderfitting
V
Vector EmbeddingVanishing / Exploding GradientValidation SetVariational Autoencoder (VAE)Vision Transformer (ViT)
W
Weak SupervisionWeight DecayWhitening / Whitening TransformationWord EmbeddingWorkflow
X
X-axis / feature axisXOR problemXAI / Explainable AIXLMXLNet
Y
Y-axis / feature axisY-transform / YUVYAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI
Z
Zero-shot Learning / Zero-shot inferenceZero-centric / Zero-bias initializationZ-score NormalizationZero-gradient phenomenonZygosity in augmentation

O que é AGI / Inteligência Geral Artificial

AGI, ou Inteligência Geral Artificial, refere-se a um tipo de IA que pode entender, aprender e aplicar conhecimento de maneira semelhante à inteligência humana. Ao contrário da IA estreita, a AGI possui uma ampla gama de capacidades que lhe permitem lidar com várias tarefas, adaptar-se a novos ambientes e engajar-se em raciocínio e tomada de decisão.


O conceito de AGI remonta à pesquisa em inteligência artificial da metade do século XX. Muitos cientistas e pesquisadores acreditam que alcançar a AGI depende de compreender a essência da inteligência humana e replicar essas características em computadores. A realização da AGI pode ter impactos profundos na sociedade, incluindo mudanças revolucionárias em setores como economia, educação e saúde.


Os mecanismos operacionais da AGI ainda não são totalmente compreendidos; no entanto, teoricamente, ela dependerá de uma combinação de aprendizado profundo, aprendizado por reforço e outros algoritmos complexos para simular os processos de pensamento humano. Cenários típicos incluem veículos autônomos, assistentes inteligentes e sistemas de resolução de problemas complexos.


No entanto, o desenvolvimento da AGI é repleto de desafios e riscos. Questões de segurança e ética são preocupações primárias. A AGI pode levar ao desemprego, violações de privacidade e aumento da desigualdade social. Portanto, ao avançar na pesquisa em AGI, é crucial estabelecer estruturas éticas e políticas adequadas.


Olhando para o futuro, espera-se que a pesquisa em AGI continue a crescer, especialmente impulsionada por avanços em poder computacional e análise de grandes dados. À medida que a tecnologia avança, a AGI pode gradualmente se aproximar dos níveis de inteligência humana, o que provocará discussões e investigações mais profundas.


As vantagens da AGI incluem o potencial para aumentar a produtividade, resolver problemas complexos e impulsionar avanços em ciência e tecnologia. No entanto, as desvantagens incluem riscos potenciais de perda de controle e impactos profundos na sociedade humana.