TopAIToolsTopAITools

Glossary

0-9
1-shot learning5G + AI6DoF pose estimation7D representation8-bit quantization2-stage detector4D data0-shot learning9-layer network3D convolution
A
AGI / Artificial General IntelligenceAutoencoderAttentionAlgorithmArtificial Intelligence (AI)
B
BackpropagationBERTBoostingBatch NormalizationBias
C
ChatbotClusteringCNN / Convolutional Neural NetworkCross-ValidationClassifier / Classification
D
Deep LearningDeepfakeDiscriminative ModelDeterministic ModelData Augmentation
E
EmbeddingEncoderEpochEnsemble LearningExplainable AI (XAI)
F
Fine-tuningFusion / Multimodal FusionForward PropagationFoundation ModelFeature Extraction
G
GAN / Generative Adversarial NetworkGradient DescentGroundingGraph Neural Network (GNN)Generative AI
H
HyperparameterHeuristicHidden LayerHierarchical ModelHallucination
I
Imbalanced DataInterpretabilityInstruction tuningInstance / SampleIntelligence Amplification / Augmentation
J
JAXJitteringJoint EmbeddingJSONL / JSON-linesJuxtaposition
K
KL Divergence (Kullback–Leibler Divergence)K-means ClusteringK-Shot LearningKernel TrickKnowledge Distillation
L
Latent VariableLoss FunctionLSTM / Long Short-Term MemoryLarge Language Model (LLM)Learning Rate
M
Multimodal / MultimodalityMachine Learning (ML)Meta-learningModelMulti-head Attention
N
NormalizationNeural NetworkNLP / Natural Language ProcessingNLU / Natural Language UnderstandingNovelty Detection / Anomaly Detection
O
Objective FunctionOnline LearningOne-hot EncodingOverfittingOptimizer
P
Policy / Reinforcement Learning PolicyPoolingPretrainingPromptParameter
Q
Queue / BufferQuantizationQ-learningQueryQuality Estimation
R
Retrieval Augmented Generation (RAG)Representation LearningReinforcement Learning (RL)RegularizationRNN / Recurrent Neural Network
S
Supervised LearningSelf-Supervised LearningSequence ModelingSamplingSoftmax
T
Training DataTokenizerTransfer LearningTransformerTuning / Hyperparameter Tuning
U
Universal Approximation TheoremUnsupervised LearningU-NetUnderfittingUncertainty Estimation
V
Variational Autoencoder (VAE)Vector EmbeddingVanishing / Exploding GradientValidation SetVision Transformer (ViT)
W
Weak SupervisionWeight DecayWhitening / Whitening TransformationWord EmbeddingWorkflow
X
XOR problemX-axis / feature axisXAI / Explainable AIXLMXLNet
Y
Y-axis / feature axisY-transform / YUVYAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI
Z
Z-score NormalizationZero-gradient phenomenonZero-shot Learning / Zero-shot inferenceZero-centric / Zero-bias initializationZygosity in augmentation

AGI / Trí tuệ nhân tạo tổng quát là gì?

AGI, hay Trí tuệ nhân tạo tổng quát, là một loại AI có thể hiểu, học hỏi và áp dụng kiến thức theo cách tương tự như trí tuệ con người. Khác với AI hẹp, AGI có dải khả năng rộng lớn cho phép nó xử lý nhiều nhiệm vụ, thích ứng với môi trường mới và tham gia vào việc suy luận cũng như ra quyết định.


Khái niệm AGI có nguồn gốc từ nghiên cứu trí tuệ nhân tạo vào giữa thế kỷ 20. Nhiều nhà khoa học và nhà nghiên cứu tin rằng việc đạt được AGI phụ thuộc vào việc hiểu bản chất của trí tuệ con người và tái tạo những đặc điểm này trong máy tính. Việc hiện thực hóa AGI có thể có những tác động sâu rộng đến xã hội, bao gồm những thay đổi cách mạng trong các lĩnh vực như kinh tế, giáo dục và y tế.


Các cơ chế hoạt động của AGI vẫn chưa được hiểu rõ hoàn toàn; tuy nhiên, lý thuyết cho rằng nó sẽ phụ thuộc vào sự kết hợp của học sâu, học tăng cường và các thuật toán phức tạp khác để mô phỏng các quá trình tư duy của con người. Các kịch bản điển hình bao gồm xe tự hành, trợ lý thông minh và hệ thống giải quyết vấn đề phức tạp.


Tuy nhiên, sự phát triển của AGI đi kèm với nhiều thách thức và rủi ro. Các vấn đề về an toàn và đạo đức là những mối quan tâm chính. AGI có thể dẫn đến thất nghiệp, vi phạm quyền riêng tư và gia tăng bất bình đẳng xã hội. Do đó, khi thúc đẩy nghiên cứu AGI, việc thiết lập các khung đạo đức và chính sách thích hợp là rất quan trọng.


Trong tương lai, nghiên cứu AGI dự kiến sẽ tiếp tục tăng trưởng, đặc biệt là nhờ vào sự tiến bộ trong sức mạnh tính toán và phân tích dữ liệu lớn. Khi công nghệ tiến bộ, AGI có thể dần dần tiến gần đến trình độ trí tuệ con người, điều này sẽ kích thích các cuộc thảo luận và nghiên cứu sâu hơn.


Các lợi ích của AGI bao gồm khả năng tăng năng suất, giải quyết các vấn đề phức tạp và thúc đẩy tiến bộ trong khoa học và công nghệ. Tuy nhiên, các nhược điểm bao gồm rủi ro tiềm tàng mất kiểm soát và tác động sâu sắc đến xã hội nhân loại.