Текст книги "Глоссариум по искусственному интеллекту и информационным технологиям"

«Н»

Набор данных (Data set) – это совокупность данных, прошедших предварительную подготовку (обработку) в соответствии с требованиями законодательства Российской Федерации об информации, информационных технологиях и о защите информации и необходимых для разработки программного обеспечения на основе искусственного интеллекта (Национальная стратегия развития искусственного интеллекта на период до 2030 года).

Наивный байесовский классификатор (Naive Bayes classifier) – это простой вероятностный классификатор, основанный на применении теоремы Байеса со строгими (наивными) предположениями о независимости.

Наука о данных (Data science) – это область исследования, которая сочетает в себе опыт предметной области, навыки программирования и знания математики и статистики для извлечения осмысленной информации из данных. Специалисты по обработке и анализу данных применяют алгоритмы машинного обучения к числам, тексту, изображениям, видео, аудио и многому другому для создания систем искусственного интеллекта (ИИ) для выполнения задач, которые обычно требуют человеческого интеллекта. В свою очередь, эти системы генерируют информацию, которую аналитики и бизнес-пользователи могут преобразовать в ощутимую ценность для бизнеса. А также, Наука о данных определяется как междисциплинарная область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и идей из структурированных и неструктурированных данных, а также для применения знаний и практических идей из данных в широком диапазоне областей применения. Наука о данных – это профессиональная деятельность, связанная с эффективным и максимально достоверным поиском закономерностей в данных, извлечение знаний из данных в обобщённой форме, а также их оформление в виде, пригодном для обработки заинтересованными сторонами (людьми, программными системами, управляющими устройствами) в целях принятия обоснованных решений. Также, – это процесс исследования, фильтрация, преобразование и моделирования данных с целью извлечения полезной информации и принятия решений8383
  Data science [Электронный ресурс] www.datarobot.com (дата обращения: 07.07.2022) URL: https://www.datarobot.com/wiki/data-science/


[Закрыть],8484
  Data science [Электронный ресурс] www.igi-global.com (дата обращения: 07.07.2022) URL: https://www.igi-global.com/dictionary/integrating-big-data-technology-into-organizational-decision-support-systems/40290


[Закрыть],8585
  B.Sc Data Science and Analytics. [Электронный ресурс] arts.smvec.ac.in. URL: https://arts.smvec.ac.in/courses-offered-arts-and-science/b-sc-data-science-and-analytics/ (дата обращения: 11.03.2023)


[Закрыть].

Небольшие данные (Small data) – это данные, представляемые в таких объеме и формате для понимания человеком, в каких они становятся доступными, информативными и действенными.

Нейрокомпьютер (Neural computer) – это цифровая и/или аналоговая компьютерная система, базирующаяся на нейронной сети и исполняющая нейросетевые алгоритмы.

Нейрология (нейронаука, Neuroscience) – это изучение того, как развивается нервная система, ее структура и функции. Нейробиологи сосредотачиваются на мозге и его влиянии на поведение и когнитивные функции. Неврология занимается не только нормальным функционированием нервной системы, но и тем, что происходит с нервной системой, когда у людей возникают неврологические, психические расстройства и нарушения развития нервной системы. Неврологию часто называют во множественном числе нейробиологией. Неврологию традиционно относят к разделу биологии. В наши дни это междисциплинарная наука, которая тесно связана с другими дисциплинами, такими как математика, лингвистика, инженерия, информатика, химия, философия, психология и медицина. Многие исследователи говорят, что нейробиология означает то же самое, что и нейробиология. Тем не менее, нейробиология рассматривает биологию нервной системы, в то время как неврология относится ко всему, что связано с нервной системой8686
  .Neuroscience [Электронный ресурс] //neuro.georgetown.edu URL: https://neuro.georgetown.edu/about-neuroscience/ (дата обращения: 07.07.2022)


[Закрыть].

Нейроморфная инженерия (Neuromorphic engineering) – это использование принципов построения биологических нервных систем при конструировании микросхем; концепция, предложенная Карвером Мидом (Carver Mead) в конце 1980-х гг. с целью создания искусственных нейронов, СБИС и систем, копирующих архитектуры нервных систем биологических объектов.

Нейроморфная сеть (Neuromorphic network) – это сеть, узлами которой являются нейроморфные устройства.

Нейроморфная теория (Neuromorphics) – это методология, технология, которая первоначально ставила своей целью реализовать биологические принципы в аналоговых управляющих системах и датчиках, а в настоящее время этот термин употребляется также и для описания аналоговых, цифровых и гибридных аппаратных и программных систем, реализующих модели ИНС.

Нейроморфное аппаратное обеспечение (Neuromorphic hardware) – это аппаратное обеспечение для систем ИИ, построенное на нейроморфной элементной базе.

Нейроморфное оборудование (Neuromorphic equipment) – это любое электрическое устройство, которое имитирует природные биологические структуры нервной системы человека.

Нейроморфные системы (Neuromorphic systems) – это реализация в кремнии систем, архитектура которых базируется на нейробиологии (дисциплина, изучающая физиологию, строение, развитие мозга и нервной системы); используют вычисления с массовым параллелизмом. Нейроморфные системы могут быть как цифровыми, так и аналоговыми, при этом роль синапсов играет либо программное обеспечение, либо мемристоры, которые могут хранить значение из некоторого диапазона величин, а не только традиционные единицу и ноль, что позволяет имитировать изменение силы связи (весов) между двумя синапсами. Изменение этих весов в моделируемых синапсах – это один из способов позволить нейроморфным системам учиться.

Нейроморфный ИИ (Neuromorphic AI, Neuromorphic artificial intelligence) – это системы ИИ, строящиеся по образу и подобию мозга человека, характеризующиеся громадным быстродействием на определённых видах задач (обработки и распознавания изображений, машинного обучения и др.) и на несколько порядков меньшим энергопотреблением, чем у сравнимых по производительности суперкомпьютеров.

Нейроморфный исследователь (Neuromorphic researcher) – это учёный-исследователь в области искусственных нейронных сетей.

Нейроморфный процессор (Neural processing unit, NPU) – это процессор, выполняющий нейрокомпьютерные (нейросетевые) вычисления.

Нейронная сеть (Artificial Neural Network) – это математическая модель, а также ее программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма.

Нейронная сеть AlexNet (AlexNet) – это название нейронной сети, победившей в конкурсе ImageNet Large Scale Visual Recognition Challenge в 2012 году. Она названа в честь Алекса Крижевского, в то время аспиранта компьютерных наук в Стэнфордском университете.

Нейронные сети прямого распространения (FeedForward Networks) – это нейронная сеть с многими слоями, где данные распространяются только вперёд.

Нейронный процессор (Neural processor) – это специализированный класс микропроцессоров и сопроцессоров (часто являющихся специализированной интегральной схемой), используемый для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, компьютерного зрения, распознавания по голосу, машинного обучения и других методов искусственного интеллекта.

Нейронный сетевой процессор (Neural Network Processor, NNP) – это специализированный класс микропроцессоров и сопроцессоров (часто являющихся специализированной интегральной схемой), используемый для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, компьютерного зрения, распознавания по голосу, машинного обучения и других методов искусственного интеллекта.

Нейротехнологии (Neurotechnologies) – это киберфизические системы, частично или полностью замещающие/дополняющие функционирование нервной системы биологического объекта, в том числе на основе искусственного интеллекта.

Неоконнекционизм (Neoconnectionism) – это подход в области когнитивистики и нейронауки, который заключается в компьютерном моделировании процессов обучения искусственными нейронными сетями, организованными и функционирующими по аналогии с биологической нервной системой.

Новые производственные технологии (New production technologies) – это технологии цифровизации производственных процессов, обеспечивающие повышение эффективности использования ресурсов, проектирования и изготовления индивидуализированных объектов, стоимость которых сопоставима со стоимостью товаров массового производства.

«О»

Обезличивание персональных данных (Depersonalization of personal data) – это действия, в результате которых становится невозможным без использования дополнительной информации определить принадлежность персональных данных конкретному субъекту персональных данных.

Обладатель информации (Information owner) – это лицо, самостоятельно создавшее информацию либо получившее на основании закона или договора право разрешать или ограничивать доступ к информации, определяемой по каким-либо признакам.

Облачная робототехника (Сloud robotics) – это область робототехники, которая пытается использовать облачные технологии, такие как облачные вычисления, облачное хранилище и другие интернет-технологии, основанные на преимуществах конвергентной инфраструктуры и общих сервисов для робототехники. При подключении к облаку роботы могут воспользоваться мощными вычислительными, накопительными и коммуникационными ресурсами современного центра обработки данных в облаке, который может обрабатывать и обмениваться информацией от различных роботов или агентов (других машин, интеллектуальных объектов, людей и т.д.). Люди также могут делегировать задачи роботам удаленно через сети. Технологии облачных вычислений позволяют наделять роботизированные системы мощными возможностями при одновременном снижении затрат за счет облачных технологий. Таким образом, можно создавать легкие, недорогие, умные роботы с интеллектуальным «мозгом» в облаке. «Мозг» состоит из центра обработки данных, базы знаний, планировщиков задач, глубокого обучения, обработки информации, моделей среды, поддержки связи и т.д.8787
  Сloud robotics [Электронный ресурс] // digitrode.ru URL: http://digitrode.ru/articles/2683-chto-takoe-oblachnaya-robototehnika.html (дата обращения: 09.02.2022)


[Закрыть].

Облачные вычисления (Cloud computing) – это информационно-технологическая модель обеспечения повсеместного и удобного доступа с использованием сети «Интернет» к общему набору конфигурируемых вычислительных ресурсов («облаку»), устройствам хранения данных, приложениям и сервисам, которые могут быть оперативно предоставлены и освобождены от нагрузки с минимальными эксплуатационными затратами или практически без участия провайдера.

Облачные сервисы искусственного интеллекта (AI cloud services) – это инструменты для построения моделей искусственного интеллекта, API-интерфейсы и связанное ПО промежуточного слоя, которые позволяют создавать/обучать, развертывать и использовать модели машинного обучения, работающие в предварительно созданной инфраструктуре в качестве облачных сервисов. Эти услуги включают автоматизированное машинное обучение, услуги машинного зрения и услуги по анализу языка.

Облачный процессор (Cloud TPU) – это специализированный аппаратный ускоритель, предназначенный для ускорения рабочих нагрузок машинного обучения на Google Cloud Platform8888
  Cloud TPU [Электронный ресурс] github.com URL: https://github.com/tensorflow/tpu (дата обращения: 25.02.2022)


[Закрыть].

Обработка больших объемов данных (Processing of large volumes of data) – это совокупность подходов, инструментов и методов автоматической обработки структурированной и неструктурированной информации, поступающей из большого количества различных, в том числе разрозненных или слабосвязанных, источников информации, в объемах, которые невозможно обработать вручную за разумное время.

Обработка естественного языка (Natural language processing) – это класс решений, направленных на понимание языка и генерацию текста, несущего смысл, а также общение на естественном языке при взаимодействии компьютера и человека.

Обработка изображений (Image processing) – это область прикладных научных исследований, связанных с анализом и обработкой цифровых изображений. Чётких границ между обработкой изображений, анализом изображений (image analysis) и техническим зрением (computer vision), а также, любые комплексные программные и/или аппаратные операции по компьютерной обработке (преобразованию) изображений, например повышение чёткости, коррекция цветов, сглаживание, уменьшение шумов и т. д.

Обработка компьютерного зрения (Computer vision processing) – это обработка изображений (сигналов) в системах компьютерного зрения, использующих алгоритмы (computer vision processing algorithms), процессоры (computer vision processing unit, CVPU), свёрточные нейронные сети (convolutional neural network) для обработки изображений и реализации зрительных функций в робототехнике, в системах реального времени (real-time system), системах интеллектуального видеонаблюдения (smart video surveillance) и др.

Обработка персональных данных (Processing of personal data) – это любое действие (операция) или совокупность действий (операций), совершаемых с использованием средств автоматизации или без использования таких средств с персональными данными, включая сбор, запись, систематизацию, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передачу (распространение, предоставление, доступ), обезличивание, блокирование, удаление, уничтожение персональных данных.

Обработка речи (Speech processing) – это изучение речевых сигналов и методов обработки сигналов. Сигналы обычно обрабатываются в цифровом представлении, поэтому обработку речи можно рассматривать как частный случай цифровой обработки сигналов, применяемый к речевым сигналам. Аспекты обработки речи включают получение, обработку, хранение, передачу и вывод речевых сигналов. Ввод называется распознаванием речи, а вывод называется синтезом речи8989
  .Speech processing [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Speech_processing#:~:text=Speech%20processing%20is%20the%20study,processing%2C%20applied%20to%20speech%20signals. (дата обращения: 07.07.2022)


[Закрыть].

Обучение без учителя (Unsupervised learning) – это направление машинного обучения, работает с неразмеченными данными и работает без обратной связи.

Обучение модели (Model training) – это настройка параметров модели нейронной сети для правильной работы с заданными данными.

Обучение с временной разницей (Temporal difference learning) – это класс методов обучения с подкреплением без использования моделей, которые обучаются путем самонастройки на основе текущей оценки функции ценности. Эти методы производят выборку из среды, например методы Монте-Карло, и выполняют обновления на основе текущих оценок, например методы динамического программирования9090
  .Temporal difference learning [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Temporal_difference_learning (дата обращения: 07.07.2022)


[Закрыть].

Обучение с подкреплением (Reinforcement learning) – это направление машинного обучения, фокусируется на процессах принятия решений и системах вознаграждения. Может выучить серию действий.

Обучение с самоконтролем (Self-Supervised Learning) – это одна из разновидностей машинного обучения, применение которой может быть полезным в переходе от контролируемого обучения с целью снижения издержек на обработку больших массивов информации и человеческие ресурсы. Использование этой технологии должно помочь в работе с неструктурированными данными, а наибольшая польза от ее применения заключается в повышении качества распознавания голоса при работе с интеллектуальным голосовым помощником при регистрации обращений.