Glossary

0-9

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

A

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

B

Backpropagation BERT Boosting Batch Normalization Bias

C

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

D

Deep Learning Deepfake Discriminative Model Deterministic Model Data Augmentation

E

Embedding Encoder Epoch Ensemble Learning Explainable AI (XAI)

F

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

G

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

H

Hyperparameter Heuristic Hidden Layer Hierarchical Model Hallucination

I

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

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

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

L

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

M

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

N

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

O

Objective Function Online Learning One-hot Encoding Overfitting Optimizer

P

Policy / Reinforcement Learning Policy Pooling Pretraining Prompt Parameter

Q

Queue / Buffer Quantization Q-learning Query Quality Estimation

R

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

S

Supervised Learning Self-Supervised Learning Sequence Modeling Sampling Softmax

T

Training Data Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning

U

Universal Approximation Theorem Unsupervised Learning U-Net Underfitting Uncertainty Estimation

V

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

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

Thiên vị là gì

Thuật ngữ thiên vị chỉ một xu hướng hoặc khuynh hướng dẫn đến sự lệch lạc khỏi tiêu chuẩn công bằng. Nó xuất hiện trong nhiều lĩnh vực, bao gồm tâm lý học, xã hội học và khoa học dữ liệu.

Trong tâm lý học, thiên vị có thể ảnh hưởng đến quy trình ra quyết định, khiến cá nhân đưa ra những phán đoán phi lý dựa trên cảm xúc thay vì sự thật. Ví dụ, thiên vị xác nhận có thể khiến mọi người ưu tiên thông tin ủng hộ niềm tin hiện có của họ, trong khi bỏ qua bằng chứng trái ngược. Hiện tượng này có thể ảnh hưởng đáng kể đến các quyết định cá nhân và nghề nghiệp.

Trong xã hội học, thiên vị thường thể hiện dưới dạng định kiến hoặc thành kiến đối với các nhóm cụ thể, ảnh hưởng đến các tương tác xã hội và tác động đến chính sách công. Nhận thức về những thiên vị này là rất quan trọng để thúc đẩy cộng đồng bao trùm và thúc đẩy bình đẳng.

Trong khoa học dữ liệu và trí tuệ nhân tạo, thiên vị đã nổi lên như một vấn đề quan trọng, vì các thuật toán được đào tạo trên dữ liệu có thiên vị có thể duy trì hoặc thậm chí làm trầm trọng thêm bất bình đẳng hiện có. Nghiên cứu vẫn tiếp tục tìm cách xác định và giảm thiểu thiên vị trong các hệ thống AI để đảm bảo kết quả công bằng.

Khi xã hội ngày càng coi trọng sự đa dạng và công bằng, việc hiểu và đối phó với thiên vị sẽ tiếp tục là một lĩnh vực nghiên cứu quan trọng. Các xu hướng trong tương lai cho thấy sự tập trung vào trí tuệ nhân tạo có đạo đức và các thực hành dữ liệu công bằng để giảm thiểu tác động của thiên vị đối với việc ra quyết định.