Glossary

0-9

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

A

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

B

Backpropagation BERT Bias Boosting Batch Normalization

C

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

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Ensemble Learning Embedding Encoder Epoch Explainable AI (XAI)

F

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

G

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

H

Hidden Layer Hallucination Heuristic Hyperparameter Hierarchical Model

I

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

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

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

L

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

M

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

N

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

O

Online Learning Objective Function One-hot Encoding Optimizer Overfitting

P

Parameter Policy / Reinforcement Learning Policy Pooling Pretraining Prompt

Q

Quality Estimation Queue / Buffer Q-learning Quantization Query

R

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

S

Sampling Self-Supervised Learning Supervised Learning Sequence Modeling Softmax

T

Training Data Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning

U

Unsupervised Learning Uncertainty Estimation Universal Approximation Theorem U-Net Underfitting

V

Vector Embedding Vanishing / Exploding Gradient Validation Set Variational Autoencoder (VAE)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 Y-transform / YUV YAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI

Z

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

O que é Alucinação

Alucinação refere-se a uma percepção que ocorre sem um estímulo externo, onde um indivíduo experimenta sensações que não estão presentes na realidade. Essas podem se manifestar de várias formas, incluindo alucinações visuais, auditivas, olfativas ou táteis. As causas das alucinações podem variar amplamente, desde transtornos mentais como esquizofrenia até abuso de substâncias, fadiga extrema ou privação de sono. Compreender os mecanismos por trás das alucinações é crucial para os profissionais de saúde na formulação de planos de tratamento eficazes para os pacientes.

O impacto e a importância das alucinações são profundos. No campo médico, reconhecer as razões por trás das alucinações ajuda a moldar intervenções apropriadas. Além disso, as alucinações desempenham um papel significativo na pesquisa psicológica e neurocientífica, fornecendo insights sobre a percepção humana e a consciência. Por exemplo, estudos mostraram que as alucinações podem resultar de estresse psicológico e condições neurológicas, ligando-as a questões mais amplas de saúde mental.

Quanto às tendências futuras, os avanços em neurociência e psicologia estão impulsionando a pesquisa sobre os mecanismos e métodos de tratamento relacionados às alucinações. Pesquisadores estão explorando como uma melhor compreensão das alucinações pode melhorar o tratamento de saúde mental e até mesmo aplicações terapêuticas, como o uso de psicodélicos em condições controladas. No entanto, a experiência de alucinações também pode levar a resultados negativos, incluindo isolamento social, ansiedade e outros problemas de saúde mental.

Em conclusão, enquanto entender as alucinações pode ajudar a identificar e tratar distúrbios relacionados, as experiências em si podem representar desafios significativos para os indivíduos. É essencial abordar aqueles que experimentam alucinações com empatia e apoio, garantindo que recebam o cuidado adequado em vez de estigmatização.