Prehľad kategórií
- Základné pojmy AI/ML
- Typy Machine Learningu
- Jazykové modely (LLM) a generatívna AI
- Parametre, roly a kontext LLM
- Architektúry modelov
- Dátová kvalita a integrita
- Monitorovanie a údržba modelov
- Etické princípy a regulácie AI
- Praktická práca s AI a agentmi
- Automatizácia a infraštruktúra
- Nástroje a frameworky
Základné pojmy AI/ML
Artificial Intelligence (AI)
Umelá inteligencia – schopnosť systému učiť sa, rozhodovať a adaptovať sa na základe dát bez explicitného programovania.
Machine Learning (ML)
Strojové učenie – podmnožina AI, ktorá využíva algoritmy na odhaľovanie vzorov a predikciu na základe historických dát.
Deep Learning
Typ strojového učenia využívajúci viacvrstvové neurónové siete, ktoré dokážu spracovávať zložité nelineárne vzťahy.
Neural Network (neurónová sieť)
Model inšpirovaný štruktúrou mozgu, pozostávajúci z uzlov (neurónov) a váh medzi nimi, ktoré upravujú význam signálu.
Typy Machine Learningu
Supervised Learning (učenie s učiteľom)
Algoritmy trénované na dátach s vopred známymi výstupmi (labelmi), využívané napr. pri klasifikácii alebo regresii.
Unsupervised Learning (učenie bez učiteľa)
Algoritmy, ktoré objavujú skryté štruktúry a vzory v dátach bez vopred daných výstupov.
Semi-Supervised Learning
Prístup kombinujúci označené a neoznačené dáta na zvýšenie presnosti modelu.
Reinforcement Learning (posilňované učenie)
Model sa učí rozhodovať prostredníctvom spätnej väzby vo forme odmien a trestov.
Transfer Learning
Znovupoužitie modelu trénovaného na inom probléme, čím sa urýchli učenie a zníži potreba dát.
Online Learning
Priebežné učenie modelu z nových dát v reálnom čase.
Jazykové modely (LLM) a generatívna AI
Large Language Model (LLM)
Veľký jazykový model trénovaný na obrovských množstvách textov, schopný generovať, sumarizovať a analyzovať text.
Tokenizer
Mechanizmus, ktorý rozdeľuje text na menšie jednotky (tokeny), s ktorými model pracuje.
Embedding
Vektorová reprezentácia slov, viet alebo dokumentov, ktorá zachytáva ich význam a vzájomnú podobnosť.
Context Window
Maximálny počet tokenov, ktoré môže model naraz spracovať a udržať v pamäti.
Prompt
Vstupné zadanie pre jazykový model, ktoré určuje, čo má model vykonať alebo odpovedať.
Fine-tuning
Doplňujúce trénovanie modelu na špecifických dátach pre konkrétnu doménu alebo úlohu.
RAG (Retrieval-Augmented Generation)
Technika kombinujúca generovanie textu s vyhľadávaním relevantných informácií z externých zdrojov.
Knowledge Graph Integration
Prepojenie jazykového modelu so znalostnou databázou (knowledge graph) pre presnejšie odpovede.
Hallucination (halucinácia)
Stav, keď model vymýšľa nepravdivé alebo neexistujúce informácie s vysokou sebadôverou.
System Prompt
Vnútorné inštrukcie, ktoré definujú správanie modelu alebo rolu agenta.
Chain of Thought (Reťaz úvah)
Schopnosť modelu generovať medzikroky logického uvažovania pred konečnou odpoveďou.
Multimodal Model
Model schopný spracovať viac druhov vstupov (text, obraz, zvuk, video) a prepájať ich informácie.
RLHF (Reinforcement Learning from Human Feedback)
Metóda dolaďovania modelu pomocou spätnej väzby od ľudí, ktorá zlepšuje kvalitu odpovedí.
Model Alignment
Zladenie modelu s ľudskými hodnotami a očakávaniami, aby bol bezpečný a spoľahlivý.
Parametre, roly a kontext LLM
Seed
Náhodné počiatočné číslo, ktoré určuje deterministické správanie modelu – pri rovnakom seed model generuje identické výstupy.
Temperature
Parameter určujúci mieru náhodnosti pri generovaní odpovedí – nižšia hodnota znamená konzervatívne, vyššia kreatívne odpovede.
Top-k Sampling
Metóda, ktorá obmedzuje výber tokenov len na k najpravdepodobnejších kandidátov.
Top-p Sampling (nucleus sampling)
Metóda, ktorá zvažuje len tokeny, ktorých kumulatívna pravdepodobnosť dosiahne prah p (napr. 0,9), čím udržuje rovnováhu medzi tvorivosťou a presnosťou.
Max Tokens
Parameter definujúci maximálnu dĺžku výstupu modelu v tokenoch.
Stop Sequence
Reťazec alebo skupina reťazcov, pri ktorých model automaticky ukončí generovanie textu.
Style (štýl)
Určuje formu výstupu modelu – napr. formálny, neformálny, technický, konverzačný alebo kreatívny.
Tone (tón)
Vyjadruje emocionálne zafarbenie alebo postoj výstupu, napr. neutrálny, empatický, odborný alebo motivačný.
Role (rola)
Definuje, v akej úlohe model vystupuje (napr. učiteľ, tester, analytik, editor) a podľa toho prispôsobuje odpovede.
Context (kontext)
Súbor informácií, ktoré model používa na pochopenie situácie a udržanie súvislostí v rámci dialógu alebo úlohy.
System Message (systémová správa)
Vnútorné inštrukcie, ktoré určujú základné správanie modelu – napr. jeho štýl, osobnosť či limity odpovedí.
User Message (správa používateľa)
Vstupné zadanie od človeka, ktoré definuje, čo model má spracovať alebo vytvoriť.
Assistant Message (správa asistenta)
Odpoveď generovaná modelom ako reakcia na používateľský vstup.
Persona
Simulovaná identita alebo profil modelu, ktorý ovplyvňuje jeho štýl, spôsob vyjadrovania a prioritu informácií.
Chain of Thoughts (reťazec myšlienok)
Skrytý alebo explicitný proces vnútorného uvažovania modelu, ktorý vedie k záveru alebo odpovedi.