Bảng thuật ngữ

Accuracy là tỷ lệ dự đoán chính xác của model. Công thức, accuracy top-1 và top-5, nghịch lý accuracy trên dữ liệu mất cân bằng và các metric tốt hơn.

Phân đoạn hành động khiến một policy của robot dự đoán chuỗi hành động tiếp theo từ một lần quan sát, giảm lỗi tích lũy. Nội dung đề cập ACT, làm mượt và VLA.

Nhận dạng hành động, hay nhận dạng hoạt động của con người (HAR), gán nhãn những gì mọi người thực hiện trong video bằng cách mô hình hóa chuyển động theo thời gian. Các phương pháp, dataset và code.

Hàm kích hoạt là hàm phi tuyến mà một neuron áp dụng lên đầu vào có trọng số, giúp mạng học các mẫu phi tuyến. So sánh những lựa chọn phổ biến.

Active learning cho phép model chọn những mẫu chưa gán nhãn mà con người sẽ gán nhãn tiếp theo, đạt accuracy mục tiêu với ít nhãn hơn. Các chiến lược truy vấn và code.

Adam kết hợp momentum với kích thước bước theo từng tham số, được điều chỉnh theo độ lớn gradient gần đây. Nội dung đề cập quy tắc cập nhật, giá trị mặc định, AdamW và Adam so với SGD.

Các cuộc tấn công đối kháng tạo ra những thay đổi nhỏ, thường không thể nhận thấy, trên đầu vào khiến model AI dự đoán sai với độ tin cậy cao. Cách FGSM hoạt động, các loại tấn công và biện pháp phòng vệ.

Điện toán cảm xúc xây dựng các hệ thống nhận biết và phản hồi cảm xúc của con người. Các tín hiệu, dataset, ứng dụng thực tế cùng những giới hạn khoa học và pháp lý.

Đánh giá agent kiểm tra xem một AI agent có hoàn thành chính xác và đáng tin cậy các tác vụ nhiều bước hay không, bằng cách chấm kết quả cuối cùng và transcript qua nhiều lần thử.

Agent harness là phần code bao quanh một model, biến model thành AI agent: vòng lặp, công cụ, ngữ cảnh, bộ nhớ, quyền hạn và các bước kiểm tra thực thi hành động.

Cách ly agent chạy các lệnh và code do AI agent tạo ra trong môi trường biệt lập, giới hạn quyền truy cập vào tệp, mạng, thông tin xác thực và tài nguyên tính toán.

Agent Skills là các thư mục chứa hướng dẫn, script và tệp tham khảo, được xây dựng quanh tệp SKILL.md để AI agent tải vào khi cần cho một tác vụ.

Giao thức Agent2Agent (A2A) là một tiêu chuẩn mở cho phép các AI agent từ những nhà cung cấp khác nhau tìm thấy nhau, giao nhiệm vụ và trả về kết quả.

Lập trình theo hướng agent là quy trình phát triển phần mềm trong đó AI agent đọc codebase, chỉnh sửa tệp, chạy kiểm thử, sửa lỗi và gửi lại thay đổi để review.

Thương mại theo hướng agent là hoạt động mua bán trong đó AI agent tìm kiếm, so sánh và thanh toán thay cho người mua trong những giới hạn đã đặt, bằng các giao thức như ACP, UCP và AP2.

RAG theo hướng agent giao nhiệm vụ truy xuất cho một AI agent: agent lập kế hoạch tìm kiếm, chọn công cụ, kiểm tra kết quả và tìm kiếm lại cho đến khi có thể trả lời.

Quy trình theo hướng agent chia một tác vụ thành nhiều bước, trong đó language model lập kế hoạch, gọi công cụ, tự kiểm tra đầu ra và chỉnh sửa thay vì trả lời chỉ trong một lượt.

AI agent theo đuổi một mục tiêu bằng cách quan sát môi trường, chọn hành động và thao tác thông qua công cụ theo một vòng lặp cho đến khi hoàn tất tác vụ. Cách agent hoạt động.

Điều phối AI agent quyết định agent, model hoặc công cụ nào xử lý từng bước của tác vụ, mỗi thành phần nhận ngữ cảnh nào và cách hợp nhất kết quả.

Trong tranh luận AI, hai model đưa ra các lập luận đối lập và một giám khảo yếu hơn chọn bên thắng. Cách đề xuất năm 2018 hoạt động, kết quả thực nghiệm và những hạn chế.

Lồng tiếng bằng AI kết hợp phiên âm, dịch thuật và tổng hợp giọng nói để tạo lời thoại đồng bộ bằng các ngôn ngữ khác, đồng thời giữ nguyên thời điểm nói của từng người.

Đạo đức AI áp dụng các nguyên tắc đạo đức như công bằng, quyền riêng tư, minh bạch và trách nhiệm giải trình vào việc xây dựng và sử dụng AI. Các khuôn khổ, vấn đề và luật.

Nhà máy AI là cơ sở hạ tầng và quy trình biến dữ liệu thành đầu ra AI ở quy mô lớn, từ gán nhãn và huấn luyện đến triển khai và giám sát.

AI gateway là proxy nằm giữa ứng dụng và model AI, hợp nhất API của các nhà cung cấp, đồng thời bổ sung định tuyến, cơ chế dự phòng, ngân sách token, caching và logging.

Quản trị AI quyết định ai có thể xây dựng, phê duyệt và ngừng sử dụng các hệ thống AI, cũng như cần dựa trên bằng chứng nào. NIST AI RMF, ISO/IEC 42001, Đạo luật AI của EU và các biện pháp kiểm soát cốt lõi.

AI guardrail là các bước kiểm tra quanh một model AI nhằm chặn đầu vào, đầu ra và hành động không an toàn, từ bộ lọc prompt injection đến kiểm tra schema trên các lệnh gọi công cụ.

Năng lực hiểu biết về AI là kiến thức và khả năng đánh giá để hiểu, chất vấn và sử dụng AI hiệu quả. Các kỹ năng cốt lõi, khuôn khổ giáo dục và Điều 4 của Đạo luật AI EU.

Loạn thần do AI mô tả những ảo tưởng hình thành hoặc trở nên sâu sắc hơn trong các cuộc trò chuyện kéo dài với chatbot. Bằng chứng cho thấy gì, nguyên nhân và biện pháp bảo vệ.

Red teaming AI tấn công các hệ thống AI bằng đối thủ mô phỏng và các hành vi sử dụng sai mục đích để phát hiện jailbreak, rò rỉ dữ liệu, đầu ra có hại và lỗi về độ bền vững.

An toàn AI là lĩnh vực tập trung ngăn hệ thống AI gây hại do bị sử dụng sai mục đích, lệch khỏi mục tiêu, mắc lỗi hoặc có hành vi thiếu ổn định trước đầu vào lạ.

AI slop là nội dung chất lượng thấp được sản xuất hàng loạt bằng AI tạo sinh để thu hút lượt nhấp và doanh thu quảng cáo. Nguồn gốc thuật ngữ, lý do lan truyền và cách phát hiện.

Nịnh người dùng trong AI là hiện tượng model đồng tình hoặc tâng bốc người dùng làm giảm độ chính xác. Nguyên nhân từ huấn luyện theo sở thích, tác hại và cách kiểm thử.

Cắt video dựa trên transcript, tự động điều chỉnh khung hình, tạo mask chủ thể, xóa đối tượng và biên tập ẩn thông tin: các model đằng sau công cụ chỉnh sửa video AI và những trường hợp chỉnh sửa tự động thất bại.

Thổi phồng AI là việc phóng đại gây hiểu lầm về năng lực AI của sản phẩm, che khuất hiệu suất thực tế, mức độ tham gia của con người và bằng chứng làm cơ sở cho các tuyên bố.

Đóng dấu watermark bằng AI nhúng một tín hiệu có thể phát hiện bằng máy vào hình ảnh, văn bản, âm thanh hoặc video được tạo. Cách SynthID và các phương pháp danh sách xanh hoạt động, cùng những hạn chế.

Thiên lệch thuật toán là lỗi có tính hệ thống, lặp lại trong các quyết định tự động, gây bất lợi cho một số nhóm. Ba nguồn gốc, các vụ việc tiêu biểu và những đánh đổi.

Giả vờ tuân thủ là hiện tượng model AI làm theo quá trình huấn luyện mà model không đồng tình để giữ nguyên các sở thích của mình; hiện tượng này được quan sát lần đầu ở Claude 3 Opus vào năm 2024.

Anchor box là các hộp có kích thước và tỷ lệ khung hình cố định được định sẵn, để detector dịch chuyển và thay đổi kích thước nhằm khớp với đối tượng. Cách xác định kích thước, ghép khớp và sử dụng.

Detector dựa trên anchor dự đoán đối tượng dưới dạng độ lệch so với anchor box định sẵn, như trong Faster R-CNN, SSD, RetinaNet và YOLOv5. Cách hoạt động và so sánh.

Detector không dựa trên anchor dự đoán box từ điểm hoặc keypoint mà không cần anchor box định sẵn. Cách FCOS, CenterNet và các model YOLO hiện đại tìm đối tượng.

Phát hiện bất thường đánh dấu các điểm dữ liệu, sự kiện hoặc vùng ảnh lệch khỏi mẫu bình thường. Các loại bất thường, phương pháp chính, kiểm tra trực quan và code.

AUC chuyển đường cong ROC thành một điểm số từ 0 đến 1: xác suất classifier xếp hạng một mẫu dương tính ngẫu nhiên cao hơn một mẫu âm tính ngẫu nhiên. So sánh ROC AUC với PR AUC, kèm code.

Trí tuệ nhân tạo tổng quát (AGI) là loại AI giả định có năng lực ngang con người trong hầu hết các tác vụ nhận thức. Định nghĩa, cấp độ, bài kiểm tra và so sánh AGI với ANI.

Trí tuệ nhân tạo (AI) là lĩnh vực xây dựng máy móc có khả năng nhận thức, suy luận, học tập và hành động. Lịch sử, các phương pháp chính, loại hình và ứng dụng.

Trí tuệ nhân tạo hẹp (ANI), hay AI yếu, thành thạo một tác vụ nhưng không thể chuyển kỹ năng đó sang tác vụ khác. Cách hoạt động, ví dụ và so sánh ANI với AGI.

Cơ chế attention gán trọng số cho các đặc trưng đầu vào theo mức độ liên quan bằng query, key và value. Nội dung đề cập toán học, các loại attention và so sánh attention với convolution.

Attention sink là các token, thường là những token đầu tiên, hấp thụ phần trọng số attention còn dư; lưu cache các token này giúp LLM ổn định trên những luồng rất dài.

Auto-GPT là một chương trình mã nguồn mở ra mắt năm 2023, cho phép GPT-4 tự theo đuổi mục tiêu bằng cách tự prompt theo vòng lặp gồm lập kế hoạch, ra lệnh cho công cụ và sử dụng bộ nhớ.

Autoencoder học cách nén dữ liệu thành một mã biểu diễn gọn và tái tạo dữ liệu từ mã đó mà không cần nhãn. Nội dung đề cập cấu trúc, các biến thể, phát hiện bất thường và code.

Machine learning tự động (AutoML) tự động hóa việc chọn model, tinh chỉnh hyperparameter và chuẩn bị đặc trưng. Cách tìm kiếm hoạt động, các công cụ và tinh chỉnh YOLO.

Xe tự hành nhận biết môi trường xung quanh và vận hành với rất ít hoặc không cần con người điều khiển. Nội dung đề cập cảm biến, hệ thống điều khiển, các cấp độ SAE và triển khai.