Глоссарий ИИ по ГОСТ Р 71476-2024

[ Другие определения ИИ ]

• Агент ИИ (AI agent). Автоматически действующий объект, который воспринимает своё окружение, реагирует на него, а также предпринимает действия для достижения своих целей.
• Автоматический; автоматизированный; автоматизация (automatic, automated, automation). Характеристика процесса или системы, которые при определённых условиях функционируют без вмешательства человека.
• Валидационные данные; проверочные данные (validation data, development data). Данные, используемые для сравнения показателей работы различных моделей‑кандидатов. Примечания: валидационные данные не пересекаются с тестовыми данными и, как правило, также и с обучающими данными.
• Валидация (validation). Подтверждение посредством предоставления объективных доказательств того, что требования для конкретного предполагаемого использования или применения выполнены.
• Верификация (verification). Подтверждение посредством представления объективных доказательств того, что установленные требования были выполнены. Примечание: верификация обеспечивает уверенность лишь в том, что продукт соответствует своим спецификациям.
• Взрывающийся градиент (exploding gradient). Явление, встречающееся при обучении нейронных сетей с использованием алгоритма обратного распространения ошибок, когда начинают накапливаться большие значения градиента ошибок, приводящие к очень большим приращениям весовых коэффициентов, что делает модель нестабильной.
• Генерация естественного языка (natural language generation, NLG). Задача преобразования несущих семантику данных в естественный язык.
• Генетические алгоритмы (genetic algorithm, GA). Алгоритм решения оптимизационных задач, имитирующий процесс естественного отбора посредством создания популяции особей (решений) и её последующей эволюции.
• Гетерономный (heteronomy, heteronomous). Характеристика системы, функционирующей в условиях ограничений, связанных с внешним вмешательством, управлением или надзором.
• Глубокое обучение (deep learning, deep neural network learning). Подход к созданию обширных иерархических представлений посредством обучения нейронных сетей с большим количеством скрытых слоёв. Примечание: глубокое обучение является частным случаем машинного обучения.
• Декларативные знания (declarative knowledge). Знания, представленные фактами, правилами и теоремами. Примечание: обычно декларативные знания не обрабатываются без первоначального перевода их в процедурные знания.
• Естественный язык (natural language). Язык, который активно используется или ранее активно использовался сообществом людей, правила которого обусловлены практикой его применения. Примечание: естественным языком является любой человеческий язык (русский, английский и др.), который может быть выражен в виде текста, речи, языка жестов; его следует отличать от языков программирования и формальных языков.
• Жизненный цикл (life cycle). Последовательность стадий существования системы ИИ от замысла до вывода из эксплуатации.
• Задача (task). Действия, необходимые для достижения конкретной цели. Примечание: действия могут быть физическими или когнитивными.
• Знания (knowledge). Абстрагированная информация об объектах, событиях, понятиях и правилах, их взаимосвязях и свойствах, организованная и упорядоченная для целенаправленного систематического использования. Примечание: в области ИИ «знания» не подразумевают наличия когнитивных способностей; это чисто технические, некогнитивные процессы.
• Интеллектуальный анализ данных, извлечение знаний из данных (data mining). Вычислительный процесс, который выявляет закономерности и тенденции посредством анализа количественных данных в разных разрезах и с различных точек зрения; проводит их категоризацию и сводит воедино потенциальные взаимосвязи и воздействия.
• Интернет вещей; ИВ (Internet of Things, IoT). Инфраструктура взаимосвязанных сущностей, систем и информационных ресурсов, а также служб, позволяющих обрабатывать информацию о физическом и виртуальном мире и реагировать на неё.
• Искусственный интеллект; ИИ (artificial intelligence, AI). Дисциплина: исследование и разработка механизмов и приложений систем ИИ.
• Компонент ИИ (AI component). Термин служит для структурирования описания архитектуры и состава систем ИИ.
• Коннекционизм; парадигма коннекционизма, коннекционистская модель; коннекционистский подход (connectionism, connectionist paradigm, connectionist model, connectionist approach). Форма когнитивного моделирования, при которой используется сеть взаимосвязанных простых вычислительных элементов.
• Когнитивные вычисления (cognitive computing). Категория систем ИИ, обеспечивающих более естественное взаимодействие людей с машинами. Примечание: решаемые при помощи когнитивных вычислений задачи связаны с машинным обучением, обработкой речи, обработкой естественного языка, компьютерным зрением и человеко‑машинными интерфейсами.
• Логический вывод (inference). Рассуждение, с помощью которого делаются выводы по известным предпосылкам. Примечания: термин относится как к процессу, так и к его результату; в области ИИ предпосылкой может быть факт, правило, модель, признак либо необработанные данные.
• Машинное обучение; МО (machine learning, ML). Процесс оптимизации параметров модели с помощью вычислительных методов таким образом, чтобы поведение модели отражало данные и/или опыт.
• Модель машинного обучения (machine learning model). Математическая конструкция, генерирующая логический вывод или прогноз на основе входных данных и/или информации.
• Мягкие вычисления (soft computing). Область вычислений, которые являются толерантными к неточностям, неопределённости и частичной истинности и используют их, чтобы сделать процесс решения задач более гибким и робастным.
• Нейрон (neuron). Базовый элемент, получающий одно или несколько входных значений и вырабатывающий выходное значение посредством комбинирования входных значений и применения функции активации к результату комбинирования.
• Нейронная сеть; искусственная нейронная сеть (neural network, NN, neural net, artificial neural network). Сеть из двух или более слоёв, состоящих из нейронов, соединённых взвешенными связями с регулируемыми весовыми коэффициентами; при этом каждый нейрон получает входные данные и вырабатывает результат. Примечание: нейронные сети являются ярким примером коннекционистского подхода.
• Нейронная сеть прямого распространения; нейронная сеть с прямой связью (feed forward neural network, FFNN). Нейронная сеть, в которой информация передаётся только в одном направлении — от входного слоя к выходному.
• Непрерывное обучение; продолжающееся обучение; инкрементальное обучение на стадии эксплуатации (continuous learning, continual learning, lifelong learning). Инкрементальное (пошаговое, последовательное) обучение системы ИИ, которое продолжается на постоянной основе в течение всей стадии эксплуатации в жизненном цикле ИИ‑системы.
• Обучающие данные (training data). Данные, используемые для обучения модели машинного обучения с целью настройки её параметров.
• Обработка естественного языка (natural language processing, NLP). Обработка информации на основе понимания естественного языка и/или генерация естественного языка.
• Планирование (planning). Вычислительные процессы, которые из набора действий формируют рабочий процесс, стремясь при этом к достижению определённой цели. Примечание: в стандартах жизненного цикла ИИ или менеджмента ИИ под планированием также могут пониматься действия, предпринимаемые людьми.
• Прогноз (prediction). Основной результат работы системы ИИ, получаемый при подаче на вход системы входных данных и/или информации. Примечание: вслед за прогнозами могут быть получены дополнительные выходные результаты (рекомендации, решения, действия); под прогнозом не обязательно понимается предсказание будущего — это может быть анализ исторических данных, перевод текста, создание синтетических изображений и т. п.
• Процедурные знания (procedural knowledge). Знания, явным образом указывающие шаги, которые следует предпринять для решения задачи или достижения цели.
• Робот (robot). Автоматизированное устройство, способное выполнять физические действия в ответ на восприятие среды и/или команды; может быть частью системы ИИ.
• Робототехника (robotics). Область техники, связанная с проектированием, конструированием, эксплуатацией и применением роботов.
• Свёрстка; свёртка; конволюция (convolution). Математическая операция вычисления взаимной корреляции (скользящего скалярного произведения) входных данных.
• Семантические вычисления (semantic computing). Вычисления, ориентированные на работу с семантикой (смыслом) данных, включая извлечение, представление и использование смысловых связей.
• Сервис с использованием искусственного интеллекта (artificial intelligence service). Способ предоставления ценности потребителю с использованием искусственного интеллекта в получении конечных результатов, которых хочет достичь потребитель.
• Система искусственного интеллекта; система ИИ (artificial intelligence system, AI system). Техническая система, использующая одну или несколько моделей ИИ, которая порождает конечные результаты (контент, прогнозы, рекомендации, решения) для заданного набора целей, определённых человеком.
• Система интернета вещей (IoT system). Система, обеспечивающая функционирование интернета вещей; в состав могут входить устройства IoT, шлюзы, сенсоры, исполнительные устройства.
• Специализированная интегральная схема; интегральная схема специального назначения (application specific integrated circuit, ASIC). Интегральная схема, специализированная под конкретное применение.
• Символьный искусственный интеллект; символьный ИИ, символический искусственный интеллект; символический ИИ (symbolic AI). Искусственный интеллект, основанный на методах и моделях, в которых для получения выводов используется манипулирование символами и структурами в соответствии с явно заданными правилами. Примечание: в сравнении с субсимвольным ИИ символьный выдаёт логически выведенные декларативные результаты, тогда как субсимвольный основан на статистических подходах и выдаёт результаты с заданной вероятностью ошибки.
• Субсимвольный искусственный интеллект; субсимвольный ИИ (subsymbolic AI). Искусственный интеллект, основанный на методах и моделях, использующих неявное кодирование информации, которое может быть выработано на основе опыта и/или необработанных (первоначальных) данных.
• Тестовые данные (test data, evaluation data). Данные, используемые для оценки показателей работы окончательной модели. Примечание: тестовые данные не пересекаются с обучающими и валидационными данными.
• Универсальный ИИ (general AI, AGI). Тип систем ИИ, решающих широкий круг задач с приемлемым уровнем качества и производительности. Примечания: часто термин «универсальный искусственный интеллект» используют для обозначения систем, которые могут выполнять все задачи, которые способен выполнять человек.
• Узконаправленный искусственный интеллект, узконаправленный ИИ (narrow AI). Тип систем ИИ, ориентированных на выполнение определённых задач с целью решения конкретной проблемы. Примечание: для сравнения см. определение универсального ИИ.
• Устройство интернета вещей (IoT device). Сущность системы интернета вещей, которая обеспечивает связь с материальным миром через измерение или приведение в действие; может быть датчиком или исполнительным устройством.
• Элемент данных (sample). Неделимый (в конкретном контексте) элемент данных; такие элементы в больших количествах обрабатываются алгоритмом машинного обучения или системой ИИ.
• Эксплуатационные данные; производственные данные (production data). Данные, приобретённые на стадии эксплуатации системы ИИ, для которых развёрнутая система ИИ вычисляет в качестве результата прогноз или логический вывод.
• Экспертная система (expert system). Система ИИ, которая накапливает, комбинирует и объединяет знания, предоставленные людьми‑экспертами в предметной области, с целью логического вывода решений для поставленных задач.