Explora
la inteligencia artificial

Una transformación aplicada a la suma de entradas de una neurona. Las activaciones no lineales permiten que las redes modelen relaciones no lineales.

Un sistema que selecciona acciones hacia un objetivo utilizando observaciones y herramientas disponibles; el término tiene varias definiciones.

Un mecanismo que calcula combinaciones ponderadas de representaciones, a menudo a través de posiciones de secuencia.

Una aplicación eficiente de la regla de la cadena para calcular gradientes a través de un grafo computacional.

Un desplazamiento ajustable en un modelo. Esto es distinto de la injusticia o el sesgo estadístico.

Concordancia entre las probabilidades predichas y las frecuencias observadas en predicciones comparables.

Predecir una categoría o probabilidades de categorías a partir de datos de entrada.

Agrupar ejemplos utilizando una representación elegida y una regla de similitud, sin etiquetas de clúster proporcionadas.

Una limitación que debe cumplir una solución; las restricciones suaves expresan preferencias en su lugar.

La cantidad limitada de contenido de entrada y generado que un modelo puede considerar en una interacción.

Una operación local que aplica pesos de filtro compartidos a través de posiciones, comúnmente utilizada en modelos de imágenes.

Uso de información durante el entrenamiento o la evaluación que no estaría legítimamente disponible en el momento de la predicción.

Aprendizaje automático utilizando redes neuronales con múltiples capas de procesamiento.

Una diferencia entre la distribución de datos utilizada para el desarrollo y la que se encuentra posteriormente.

Una representación numérica en forma de vector cuyas relaciones aprendidas pueden facilitar tareas como la búsqueda por similitud.

Un pase a través del conjunto de datos de entrenamiento; no es una unidad universal de calidad del modelo.

Una medición o representación de entrada utilizada por un modelo.

Entrenamiento que actualiza algunos o todos los parámetros de un modelo ya entrenado para una tarea o dominio.

Sistemas que generan contenido como texto, imágenes o audio utilizando patrones aprendidos.

Un vector de derivadas parciales que describe el cambio local en una función escalar.

Conectar una respuesta con pruebas o entradas relevantes; no garantiza que la respuesta sea correcta.

Contenido generado que no está respaldado o es incorrecto, aunque parezca plausible.

Una regla o estimación utilizada para guiar un proceso de resolución de problemas, como el costo estimado del camino restante.

Aplicar un modelo o procedimiento de razonamiento a entradas; en ML, esto generalmente utiliza parámetros ya ajustados.

El resultado objetivo asociado a un ejemplo de entrenamiento supervisado.

Un ajuste que controla el tamaño de las actualizaciones del optimizador durante el entrenamiento.

Un objetivo numérico de entrenamiento que mide el error de predicción u otro comportamiento deseado.

Una representación matemática o computacional utilizada para generar predicciones, contenido o decisiones.

Una red parametrizada de transformaciones, generalmente entrenada con ejemplos.

Aprendizaje de detalles específicos del entrenamiento que no se generalizan bien a datos no vistos.

Un valor ajustado dentro de un modelo, como un peso o un sesgo.

En sistemas de toma de decisiones, una regla o mapeo aprendido que selecciona acciones a partir de observaciones o estados.

Los verdaderos positivos divididos por todos los positivos predichos, cuando el denominador es distinto de cero.

Un intento de hacer que un sistema trate contenido no confiable como instrucciones que modifican su comportamiento autorizado.

Generación aumentada con recuperación: recuperar material externo y utilizarlo como contexto para la generación.

Los verdaderos positivos divididos por todos los positivos reales, cuando el denominador es distinto de cero.

Predecir un resultado numérico, como la demanda o el tiempo de viaje.

Técnicas que limitan el aprendizaje para mejorar la generalización en lugar de simplemente ajustar los datos de entrenamiento.

Aprender una política a partir de señales de recompensa asociadas con acciones y transiciones resultantes.

Una función que mapea un vector de puntuaciones a valores no negativos que suman uno.

Aprender a partir de ejemplos emparejados con resultados objetivo.

Datos reservados para la evaluación final una vez que se han fijado las decisiones de desarrollo.

Una unidad utilizada para representar contenido en un modelo; puede ser un fragmento de palabra, símbolo u otro elemento codificado.

Una arquitectura neuronal basada en atención y otros componentes, con variantes para diferentes tareas.

Aprendizaje de la estructura sin etiquetas objetivo proporcionadas para la tarea principal de aprendizaje.

Datos utilizados durante el desarrollo para comparar modelos y seleccionar configuraciones.

Una secuencia o un grafo definido de pasos de procesamiento; puede usar IA sin permitir que esta elija acciones sin límites predefinidos.