Glossari
| Terme | Definició | |
|---|---|---|
 |
LLM ( model del llenguatge gran ) o models del llenguatge | Es tracta d’un model de llenguatge que consisteix en una xarxa neuronal amb molts paràmetres (normalment milers de milions de pesos o més), entrenats en grans quantitats de text sense etiqueta i mitjançant aprenentatge no supervisat. Aquests models de llenguatge es troben darrera dels Chabots com ChatGPT. |
|
|
Model Generatiu | Els models generatius són aquells que inclouen la distribució del conjunt de dades, retornant una probabilitat per a un exemple determinat. Aquest tipus de model sovint s’utilitzen per predir què passa a continuació en una seqüència. |
|
|
Aprenentatge automàtic explicable (XML) o IA explicable (XAI) | Els investigadors han desenvolupat un conjunt de processos i mètodes que permeten als humans comprendre millor els resultats i els resultats dels algorismes d’aprenentatge automàtic. Això ajuda els desenvolupadors d’eines mediades per IA a entendre com funcionen els sistemes que dissenyen i els pot ajudar a assegurar-se que funcionen correctament i compleixen els requisits i les normes reguladores. |
|
|
Disseny d’experiència d’usuari/disseny d’interfície d’usuari (UX/UI) | El disseny d’experiència d’usuari/interfície d’usuari es refereix a l’experiència global que tenen els usuaris amb un producte. Aquests enfocaments no es limiten al treball d’IA. Els dissenyadors de productes implementen enfocaments UX/UI per dissenyar i entendre les experiències que tenen els seus usuaris amb les seves tecnologies. |
|
|
Robots | Els robots són màquines mecàniques encarnades que són capaços de fer una tasca física per als humans. Els “bots” solen ser agents de programari que realitzen tasques en una aplicació de programari (p. ex., en un sistema de tutoria intel·ligent poden oferir ajuda). Els bots de vegades s’anomenen agents conversacionals. Tant els robots com els robots poden contenir IA, inclòs l’aprenentatge automàtic, però no cal que la tinguin. La IA […] |
|
|
Processament del llenguatge natural (PNL) | El processament del llenguatge natural és un camp de la lingüística i la informàtica que també s’encavalca amb la IA. La PNL utilitza la comprensió de l’estructura, la gramàtica i el significat de les paraules per ajudar els ordinadors a “entendre i comprendre” el llenguatge. La PNL requereix un gran corpus de text (normalment mig milió de paraules). |
|
|
Aprenentatge profund | Els models d’aprenentatge profund són un subconjunt de xarxes neuronals. Amb múltiples capes ocultes, els algorismes d’aprenentatge profund poden reconèixer patrons més subtils i complexos. Igual que les xarxes neuronals, els algorismes d’aprenentatge profund impliquen nodes interconnectats on s’ajusten els pesos, però com s’ha esmentat anteriorment, hi ha més capes i més càlculs que poden fer ajustos a la sortida per determinar cada decisió. Les decisions dels models d’aprenentatge profund […] |
|
|
Xarxes neuronals (NN) | Les xarxes neuronals també s’anomenen xarxes neuronals artificials (ANN) i són un subconjunt d’algorismes ML. Es van inspirar en les interconnexions de neurones i sinapsis en un cervell humà. En una xarxa neuronal, després que les dades entren a la primera capa, les dades passen per una capa oculta de nodes on es realitzen càlculs que ajusten la força de les connexions als nodes i després passen a una capa […] |
|
|
Aprenentatge automàtic (ML) | L’aprenentatge automàtic és un camp d’estudi amb una varietat d’enfocaments per desenvolupar algorismes que es poden utilitzar en sistemes d’IA. La IA és un terme més general. En ML, un algorisme identificarà regles i patrons a les dades sense que un humà especifiqui aquestes regles i patrons. Aquests algorismes construeixen un model per a la presa de decisions a mesura que passen per les dades. (De vegades escoltareu el terme […] |
|
|
Caixes negres | Anomenem “caixes negres” les coses que no entenem per què no es veu el que passa dins de la caixa. Molts algorismes d’aprenentatge automàtic són “caixes negres”, el que significa que no entenem com un sistema utilitza les característiques de les dades quan pren les seves decisions (en general, sabem quines característiques s’utilitzen, però no com s’utilitzen). Actualment, hi ha dues maneres principals de tirar el teló de les caixes […] |
|
|
Aprenentatge automàtic interpretable (IML) | L’aprenentatge automàtic interpretable, de vegades també anomenat IA interpretable, descriu la creació de models que són inherentment interpretables, ja que proporcionen les seves pròpies explicacions per a les seves decisions. Aquest enfocament és preferible al de l’aprenentatge automàtic explicable (vegeu la definició a continuació) per moltes raons, inclòs el fet que hauríem d’entendre què està passant des del principi als nostres sistemes, en lloc d’intentar “explicar” les caixes negres després […] |
|
|
Aprenentatge adaptatiu | L’assignatura o el material del curs s’ajusta en funció del rendiment de l’alumne. La dificultat del material, el ritme, la seqüència, el tipus d’ajuda donada o altres característiques es poden adaptar en funció de les respostes prèvies de l’alumne. |
|
|
Sistemes de tutoria intel·ligents (ITS) | Un sistema informàtic o un entorn d’aprenentatge digital que ofereix feedback instantani i personalitzat als estudiants. Un sistema de tutoria intel·ligent pot utilitzar IA basada en regles (regles proporcionades per un humà) o utilitzar aprenentatge automàtic sota el capó. Per sota del capó ens referim als algorismes i el codi subjacents amb els quals es construeix un ITS. Els ITS poden donar suport a l’aprenentatge adaptatiu. |
|
|
Augment de la intel·ligència (IA) | Augmentar significa fer quelcom més gran; en alguns casos, potser vol dir fer possible la mateixa tasca amb menys esforç. Potser vol dir deixar que un humà (potser un professor) opti per no fer totes les tasques redundants d’una aula, sinó automatitzar-ne algunes perquè pugui fer més coses que només un humà pot fer. Pot significar altres coses. Hi ha una línia fina entre augmentar i substituir i les tecnologies […] |
|
|
Perspectiva centrada en l’ésser humà | Una perspectiva centrada en l’ésser humà veu que els sistemes d’IA treballen amb humans i ajuden a augmentar les habilitats humanes. Les persones sempre haurien de tenir un paper protagonista en l’educació i els sistemes d’IA no haurien de substituir els professors. |
|
|
Dades d’entrenament | Són les dades que s’utilitzen per entrenar l’algorisme o el model d’aprenentatge automàtic. Ha estat generat per humans en el seu treball o en altres contextos en el seu passat. Tot i que sembli senzill, les dades d’entrenament són tan importants perquè les dades incorrectes poden perpetuar biaixos sistèmics. Si esteu entrenant un sistema que us ajudi a contractar persones i utilitzeu dades d’empreses existents, entrenareu aquest sistema per contractar […] |
|
|
Dades | Les dades són unitats d’informació sobre persones o objectes que les tecnologies d’IA poden utilitzar. |
|
|
IA crítica | La IA crítica és un enfocament per examinar la IA des d’una perspectiva que se centra en l’avaluació reflexiva i la crítica com a forma d’entendre i desafiar les estructures històriques i existents dins de la IA. |
|
|
Visió per ordinador | La visió per ordinador és un conjunt de reptes computacionals relacionats amb ensenyar als ordinadors a comprendre la informació visual, inclosos els objectes, les imatges, les escenes i el moviment (inclòs el vídeo). La visió per ordinador (sovint pensada com un problema d’IA) utilitza tècniques com l’aprenentatge automàtic per aconseguir aquest objectiu. |
|
|
Mecanisme d’autoatenció | Aquests mecanismes, també coneguts com a sistemes d’atenció, ajuden a determinar els aspectes importants de l’entrada de diferents maneres. N’hi ha de diversos tipus i es van inspirar en com els humans poden dirigir la seva atenció a característiques importants del món, comprendre l’ambigüitat i codificar la informació. |
|
|
Models de transformador | Utilitzats a ChatGPT (la T significa Transformer), els models de transformador són un tipus de model de llenguatge. Són xarxes neuronals i també es classifiquen com a models d’aprenentatge profund. Donen als sistemes d’IA la capacitat de determinar i centrar-se en parts importants de l’entrada i la sortida utilitzant el que s’anomena mecanisme d’autoatenció per ajudar. |
|
|
Transformador generatiu pre-entrenat basat en xat (ChatGPT) | Un sistema construït amb un model d’IA del tipus de transformador de xarxa neuronal que funciona bé en tasques de processament del llenguatge natural (vegeu les definicions de xarxes neuronals i processament del llenguatge natural a continuació). En aquest cas, el model: (1) pot generar respostes a preguntes (G enerativa); (2) va rebre formació prèviament sobre una gran quantitat del material escrit disponible a la xarxa (P re-format); (3) i […] |
|
|
Intel·ligència estreta artificial (ANI) | La IA pot resoldre problemes estrets i això s’anomena intel·ligència estreta artificial. Per exemple, un telèfon intel·ligent pot utilitzar el reconeixement facial per identificar fotos d’una persona a l’aplicació Fotos, però el mateix sistema no pot identificar els sons. |
|
|
Intel·ligència general artificial (AGI) | La intel·ligència general artificial encara no s’ha realitzat i seria quan un sistema d’IA pot aprendre, entendre i resoldre qualsevol problema que pugui fer un humà. |
|
|
Algorisme | Els algorismes són els “cervells” d’un sistema d’IA i el que determina les decisions, en altres paraules, els algorismes són les regles per a quines accions fa el sistema d’IA. Els algorismes d’aprenentatge automàtic poden descobrir les seves pròpies regles (vegeu Aprenentatge automàtic per obtenir més informació) o basar-se en regles on els programadors humans les donen. |
|
|
Intel·ligència artificial (IA) | La IA és una branca de la informàtica. Els sistemes d’IA utilitzen maquinari, algorismes i dades per crear “intel·ligència” per fer coses com prendre decisions, descobrir patrons i realitzar algun tipus d’acció. La IA és un terme general i hi ha termes més específics utilitzats en el camp de la IA. Els sistemes d’IA es poden construir de diferents maneres, dues de les principals maneres són: mitjançant l’ús de regles […] |
Font: Pati Ruiz i Judi Fusco.Glossari de termes d’intel·ligència artificial per a educadors. Blog CIRCLS de l’educador.
Recuperat de https://circls.org/educatorcircls/ai-glossary. Utilitzat sota una llicència internacional de Creative Commons Attribution 4.0 (http://creativecommons.org/licenses/by/4.0/)