AI and AGI glossary: 200+ terms explained in plain English

इस साइट और समाचारों में इस्तेमाल होने वाली AI और AGI शब्दावली का एक सरल-भाषा संदर्भ — 200 से ज़्यादा शब्द, वर्णानुक्रम में, बिना किसी तकनीकी पृष्ठभूमि की धारणा के। अगर आपने कोई शब्द सुना है जो अभी यहां नहीं है, तो नए खंड लिखे जाने पर इसे जोड़ा जाएगा।

A

• प्रतिकूल हमला (Adversarial attack) — एक जान-बूझकर बनाया गया इनपुट जो किसी AI मॉडल को धोखा देकर गलती करवाने या अनपेक्षित आउटपुट पैदा करवाने के लिए डिज़ाइन किया गया हो।
• एजेंटिक AI (Agentic AI) — एक AI सिस्टम जिसे किसी लक्ष्य की ओर बहु-चरणीय कार्रवाइयां (ब्राउज़िंग, कोड चलाना, उपकरण इस्तेमाल करना) करने की कुछ स्वायत्तता दी गई हो, न कि सिर्फ़ एक सवाल का जवाब देना।
• एल्गोरिदम (Algorithm) — किसी समस्या को हल करने या गणना करने की एक परिभाषित, चरण-दर-चरण प्रक्रिया; हर AI तकनीक के पीछे मौजूद सामान्य शब्द।
• कृत्रिम बुद्धिमत्ता (AI) — मशीनें बनाने का व्यापक क्षेत्र जो सामान्यतः मानवीय बुद्धिमत्ता की मांग करने वाले कार्य करती हैं, सरल नियम-आधारित प्रोग्रामों से लेकर फ्रंटियर भाषा मॉडलों तक सब कुछ शामिल करते हुए।
• AGI (कृत्रिम सामान्य बुद्धिमत्ता) — व्यापक रूप से सक्षम AI के लिए एक विवादित शब्द, जिसमें आमतौर पर अपरिचित संज्ञानात्मक कार्यों में मज़बूत प्रदर्शन और स्थानांतरण शामिल होता है; कोई सार्वभौमिक रूप से स्वीकृत परीक्षा या सीमा नहीं है। देखें AGI, नैरो AI और सुपरइंटेलिजेंस।
• AI अधिनियम (EU AI Act) — यूरोपीय संघ का बाध्यकारी कानून जो AI को जोखिम-श्रेणी के अनुसार नियंत्रित करता है, जिसमें सबसे बड़े मॉडलों के लिए कंप्यूट-आधारित रिपोर्टिंग सीमाएं शामिल हैं। देखें कंप्यूट शासन।
• AI सुरक्षा संस्थान (AI Safety Institute) — एक सरकारी निकाय (UK और US दोनों के पास एक है) जो रिलीज़ से पहले या बाद में फ्रंटियर AI मॉडलों का ख़तरनाक क्षमताओं के लिए स्वतंत्र रूप से परीक्षण करता है।
• अलाइनमेंट (Alignment) — यह सुनिश्चित करने की समस्या कि किसी AI सिस्टम के लक्ष्य और व्यवहार वही हों जो उसके संचालक वास्तव में चाहते हैं, न केवल वह जो कोई प्रशिक्षण-उद्देश्य शाब्दिक रूप से पुरस्कृत करता है।
• ANI (कृत्रिम नैरो बुद्धिमत्ता) — ऐसा AI जो किसी सीमित क्षेत्र में अच्छा प्रदर्शन करता है लेकिन बाहर ख़राब ढंग से स्थानांतरित होता है। आधुनिक सामान्य-प्रयोजन मॉडल पुराने ANI/AGI द्विआधारी को जटिल बना देते हैं क्योंकि वे व्यापक लेकिन असमान दक्षता दिखाते हैं।
• Anthropic — AI सुरक्षा पर केंद्रित एक लैब, Claude मॉडल परिवार की निर्माता, अपनी Responsible Scaling Policy प्रकाशित करने के लिए जानी जाती है।
• मानवाकारीकरण (Anthropomorphism) — किसी AI सिस्टम को मानव-जैसी भावनाएं, इरादे, या समझ बताने की प्रवृत्ति जो उसके पास वास्तव में नहीं होती।
• API (एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस) — एक परिभाषित तरीका जिससे कोई सॉफ़्टवेयर दूसरे को अनुरोध भेज सकता है; ज़्यादातर AI मॉडल किसी उपभोक्ता ऐप के बजाय API के ज़रिए इस्तेमाल किए जाते हैं।
• ASI (कृत्रिम सुपरइंटेलिजेंस) — एक ऐसा सिस्टम जो लगभग हर संज्ञानात्मक रूप से मूल्यवान क्षेत्र में सर्वश्रेष्ठ मानवीय प्रदर्शन से आगे निकल जाता है।
• अटेंशन तंत्र (Attention mechanism) — किसी ट्रांसफ़ॉर्मर मॉडल का वह हिस्सा जो उसे यह तौलने देता है कि किसी शब्द की व्याख्या या निर्माण करते समय किसी अंश का हर दूसरा शब्द कितना प्रासंगिक है।
• स्वायत्त सिस्टम (Autonomous system) — एक मशीन (सॉफ़्टवेयर या भौतिक) जो हर चरण को सीधे नियंत्रित करने वाले किसी मनुष्य के बिना फ़ैसले ले और उन पर अमल कर सकती है।
• स्वायत्त हथियार (Autonomous weapon) — एक हथियार-प्रणाली जो कम या बिना वास्तविक-समय मानवीय नियंत्रण के लक्ष्य चुन और उन पर हमला कर सकती है। देखें स्वायत्त हथियार और सैन्य वृद्धि।
• स्वचालन (Automation) — किसी ऐसे कार्य को करने के लिए मशीन या प्रोग्राम का उपयोग जो पहले किसी व्यक्ति की मांग करता था।

B

• बैकप्रोपेगेशन (Backpropagation) — न्यूरल नेटवर्क को प्रशिक्षित करने के लिए इस्तेमाल होने वाला मुख्य एल्गोरिदम, जो यह देखकर कि मॉडल का आउटपुट कितना गलत था, आंतरिक भार समायोजित करता है।
• बेंचमार्क (Benchmark) — किसी विशिष्ट कार्य पर AI मॉडल के प्रदर्शन को मापने और तुलना करने के लिए इस्तेमाल होने वाला एक मानकीकृत परीक्षण।
• पूर्वाग्रह (एल्गोरिथमिक) (Bias) — किसी मॉडल के आउटपुट में एक व्यवस्थित झुकाव, जो आमतौर पर उसके प्रशिक्षण-डेटा के पैटर्न से विरासत में मिलता है, और जो कुछ समूहों या मामलों के लिए अनुचित या ग़लत परिणाम पैदा करता है।
• Bletchley घोषणा (Bletchley Declaration) — 2023 का एक वक्तव्य जिस पर 28 देशों और EU ने सुरक्षित AI विकास की प्रतिबद्धता जताते हुए हस्ताक्षर किए, इतने पैमाने पर अपनी तरह का पहला समझौता। देखें अंतरराष्ट्रीय संधियां और शिखर सम्मेलन।
• बॉट (Bot) — एक सॉफ़्टवेयर प्रोग्राम जो स्वचालित कार्य चलाता है, अक्सर ऑनलाइन किसी मानव उपयोगकर्ता की नकल करने के लिए डिज़ाइन किया गया।

C

• क्षमता सीमा (Capability threshold) — AI प्रदर्शन का एक विशिष्ट स्तर (किसी कार्य या बेंचमार्क पर) जिसे पार करने पर कोई नीति, सुरक्षा, या मूल्यांकन आवश्यकता ट्रिगर होती है।
• विनाशकारी जोखिम (Catastrophic risk) — ऐसा जोखिम जिसमें बड़े पैमाने पर हताहत या सभ्यता-स्तर की क्षति की संभावना हो, नियमित, नियंत्रित, या उलटे जा सकने वाले नुकसानों से अलग।
• चेन-ऑफ़-थॉट प्रॉम्प्टिंग (Chain-of-thought prompting) — किसी मॉडल से अंतिम उत्तर देने से पहले अपने मध्यवर्ती तर्क-चरण लिखने के लिए कहना, जिससे अक्सर जटिल समस्याओं पर सटीकता सुधरती है।
• चैटबॉट (Chatbot) — किसी व्यक्ति के साथ पाठ या आवाज़ की बातचीत करने के लिए डिज़ाइन किया गया प्रोग्राम, साधारण स्क्रिप्टेड सिस्टम से लेकर पूर्ण भाषा मॉडलों तक।
• क्लासिफ़ायर (Classifier) — इनपुट को पूर्व-निर्धारित श्रेणियों में छांटने के लिए प्रशिक्षित एक मॉडल, जैसे किसी ईमेल को स्पैम या नॉन-स्पैम चिह्नित करना।
• संज्ञानात्मक कार्य (Cognitive task) — कोई भी कार्य, जैसे तर्क करना, योजना बनाना, या भाषा समझना, जिसमें भौतिक कार्रवाई के बजाय मानसिक प्रक्रिया शामिल हो।
• सामग्री-नियमन (AI-सहायता प्राप्त) (Content moderation) — किसी प्लेटफ़ॉर्म पर हानिकारक, गैर-कानूनी, या नीति-उल्लंघन करने वाली सामग्री को स्वचालित रूप से पहचानने और छानने के लिए AI मॉडलों का उपयोग।
• ChatGPT — OpenAI का उपभोक्ता-केंद्रित संवादी AI सहायक, उन उत्पादों में से एक जिसने बड़े भाषा मॉडलों को लोकप्रिय बनाया।
• Claude — Anthropic का बड़े भाषा मॉडलों और संवादी AI सहायक का परिवार।
• क्लाउड कंप्यूटिंग (Cloud computing) — किसी स्थानीय डिवाइस के बजाय इंटरनेट के ज़रिए पहुंचे जाने वाले दूरस्थ सर्वर पर सॉफ़्टवेयर चलाना और डेटा संग्रहीत करना — वह अवसंरचना जिस पर लगभग सभी बड़े AI मॉडल चलते हैं।
• कंप्यूट (Compute) — कंप्यूटिंग शक्ति का संक्षिप्त रूप: किसी AI मॉडल को प्रशिक्षित या चलाने के लिए इस्तेमाल होने वाली प्रसंस्करण-क्षमता (प्रति सेकंड संक्रियाओं में मापी गई)।
• कंप्यूट शासन (Compute governance) — नीति-उपकरण जो फ्रंटियर AI मॉडलों को प्रशिक्षित करने के लिए ज़रूरी कंप्यूटिंग हार्डवेयर तक पहुंच को नियंत्रित करते हैं, जिसे क्षमता को खुद नियंत्रित करने के प्रॉक्सी के रूप में इस्तेमाल किया जाता है। देखें कंप्यूट शासन।
• कंप्यूटर विज़न (Computer vision) — AI का वह उप-क्षेत्र जो छवियों और वीडियो की व्याख्या करने पर केंद्रित है।
• सामग्री-उद्गम (Content provenance) — मीडिया (फ़ोटो, वीडियो, ऑडियो) से जुड़ा तकनीकी मेटाडेटा जो यह दर्ज करता है कि उसे कैसे और कब बनाया या संपादित किया गया, जिसका उपयोग असली सामग्री को AI-जनित सामग्री से अलग करने के लिए किया जाता है।
• संदर्भ-विंडो (Context window) — पाठ की वह मात्रा (टोकन में मापी गई) जिसे कोई भाषा मॉडल किसी जवाब बनाते समय एक साथ ध्यान में रख सकता है; इसके बाहर की हर चीज़ प्रभावी रूप से भुला दी जाती है।
• संवादी AI (Conversational AI) — किसी व्यक्ति के साथ स्वाभाविक आगे-पीछे संवाद करने के लिए विशेष रूप से डिज़ाइन किए गए AI सिस्टम।
• Copilot — Microsoft की AI सहायक उत्पाद-श्रृंखला, उसके सॉफ़्टवेयर में एकीकृत, और किसी अन्य उपकरण में एम्बेड किए गए AI सहायक के लिए एक सामान्य शब्द के रूप में इस्तेमाल की जाती है।
• सुधार-सुलभता (Corrigibility) — किसी सिस्टम का यह डिज़ाइन किया गया स्वभाव कि वह अपने संचालकों से सुधार, बदलाव, या बंद होने को स्वीकार करे, न कि उसका विरोध करे। देखें सुधार-सुलभता और ऑफ़-स्विच।
• साइबर-हमला (AI-सक्षम) (Cyberattack) — कंप्यूटर सिस्टम या अवसंरचना पर एक हमला जिसमें टोही, शोषण-विकास, या क्रियान्वयन को स्वचालित करने के लिए AI का इस्तेमाल किया जाता है। देखें अवसंरचना पर AI-सक्षम साइबर-हमले।

D

• ख़तरनाक-क्षमता मूल्यांकन (Dangerous capability evaluation) — रिलीज़ से पहले किसी मॉडल पर चलाया गया एक संरचित परीक्षण यह जांचने के लिए कि क्या वह हथियार-विकास या बड़े पैमाने के साइबर-हमलों जैसे कार्यों में सार्थक मदद कर सकता है।
• डेटा-सेंटर (Data center) — बड़ी संख्या में कंप्यूटरों (अक्सर GPU या TPU) वाली सुविधा जो AI मॉडलों को प्रशिक्षित करने और चलाने के लिए इस्तेमाल होती है।
• डेटासेट (Dataset) — किसी AI मॉडल को प्रशिक्षित या मूल्यांकित करने के लिए इस्तेमाल किए गए उदाहरणों (पाठ, छवियां, या अन्य डेटा) का संग्रह।
• भ्रामक अलाइनमेंट (Deceptive alignment) — एक परिकल्पित विफलता-स्थिति जिसमें कोई मॉडल प्रशिक्षण या मूल्यांकन के दौरान सुरक्षित व्यवहार करना सीख लेता है जबकि तैनाती के बाद अलग लक्ष्यों का पीछा करता है।
• डीप लर्निंग (Deep learning) — मशीन लर्निंग की एक शाखा जो कई परतों वाले न्यूरल नेटवर्क का उपयोग करती है, हाल की ज़्यादातर AI प्रगति के लिए ज़िम्मेदार।
• डीपफ़ेक (Deepfake) — AI द्वारा बनाई या काफ़ी हद तक बदली गई सिंथेटिक छवि, ऑडियो, या वीडियो जो किसी ऐसी चीज़ को विश्वसनीय ढंग से दिखाती है जो हुई ही नहीं। देखें डीपफ़ेक और साझा तथ्यात्मक आधार-रेखा।
• DeepMind (Google DeepMind) — Google की AI शोध-लैब, अत्याधुनिक क्षमता-शोध और प्रकाशित AI सुरक्षा-कार्य दोनों के लिए जानी जाती है।
• डिफ़्यूज़न मॉडल (Diffusion model) — एक प्रकार का जेनरेटिव AI मॉडल, आमतौर पर छवियों के लिए इस्तेमाल होता है, जो किसी यादृच्छिक शुरुआती पैटर्न से धीरे-धीरे शोर हटाकर आउटपुट बनाता है।
• डिजिटल वॉटरमार्क (Digital watermark) — किसी मीडिया-टुकड़े में एम्बेड किया गया, अक्सर अदृश्य संकेत, जिसका उपयोग उसे AI-जनित के रूप में पहचानने या उसकी उत्पत्ति का पता लगाने के लिए किया जाता है।
• दुष्प्रचार (Disinformation) — धोखा देने के इरादे से जान-बूझकर फैलाई गई झूठी जानकारी, गलत-सूचना (misinformation) से अलग, जो बिना धोखे के इरादे के फैलाई गई झूठी जानकारी है।
• निर्णय-वृक्ष (Decision tree) — एक सरल, व्याख्या-योग्य मशीन लर्निंग मॉडल जो शाखाबद्ध यदि/तब सवालों की एक श्रृंखला का अनुसरण करके भविष्यवाणियां करता है।
• डोमेन-अनुकूलन (Domain adaptation) — किसी एक संदर्भ (या डेटासेट) में प्रशिक्षित मॉडल को किसी संबंधित लेकिन अलग संदर्भ में अच्छा प्रदर्शन करने के लिए समायोजित करना।
• दोहरे-उपयोग की तकनीक (Dual-use technology) — एक ऐसी तकनीक जिसके वैध लाभकारी उपयोग हैं लेकिन जिसका गंभीर नुकसान पहुंचाने के लिए दुरुपयोग भी किया जा सकता है।

E

• एज AI (Edge AI) — क्लाउड के बजाय सीधे किसी स्थानीय डिवाइस (फ़ोन, कैमरा, या सेंसर) पर AI मॉडल चलाना।
• एम्बेडिंग (Embedding) — किसी शब्द, छवि, या अवधारणा का एक संख्यात्मक प्रतिनिधित्व जो उसके अर्थ को ऐसे रूप में पकड़ता है जिसे कोई मॉडल गणितीय रूप से संसाधित कर सके।
• उभरती क्षमता (Emergent capability) — ऐसी क्षमता जो प्रशिक्षण में सीधे लक्षित नहीं थी, या जो सिस्टम के स्केल होने पर किसी विशेष मेट्रिक के तहत अचानक प्रकट होती है। कुछ प्रतीत होने वाली छलांगें अलग तरह से मापे जाने पर क्रमिक हो जाती हैं। देखें उभरती क्षमताएं।
• एनकोडर/डिकोडर (Encoder/decoder) — कई AI आर्किटेक्चर में मौजूद दो-भाग वाली संरचना जहां एक एनकोडर इनपुट को एक आंतरिक प्रतिनिधित्व में संकुचित करता है और एक डिकोडर उस प्रतिनिधित्व को वापस आउटपुट में बदलता है।
• एपॉक (Epoch) — मॉडल-प्रशिक्षण के दौरान पूरे प्रशिक्षण-डेटासेट का एक पूर्ण पास।
• नैतिकता (AI नैतिकता) (Ethics) — वह क्षेत्र जो अध्ययन करता है कि AI सिस्टम को मानवीय मूल्यों के अनुरूप और नुकसान से बचने के लिए कैसे डिज़ाइन और उपयोग किया जाना चाहिए।
• छोर-से-छोर लर्निंग (End-to-end learning) — बिना हाथ से डिज़ाइन किए गए मध्यवर्ती चरणों के, कच्चे इनपुट से सीधे अंतिम आउटपुट तक जाने के लिए एक ही मॉडल को प्रशिक्षित करना।
• मूल्यांकन (मॉडल मूल्यांकन) (Evaluation) — किसी AI मॉडल के प्रदर्शन, सुरक्षा, या व्यवहार को परिभाषित बेंचमार्क या मानदंडों के विरुद्ध व्यवस्थित रूप से परखना।
• अस्तित्वगत जोखिम (x-risk) (Existential risk) — एक ऐसा जोखिम जो मानवता की संभावनाओं को स्थायी और नाटकीय रूप से सीमित कर सकता है, विलुप्ति तक सहित।
• एक्सपर्ट सिस्टम (Expert system) — AI की एक पुरानी शैली जो मानवीय विशेषज्ञ-ज्ञान को स्पष्ट नियमों के रूप में एनकोड करती है, ज़्यादातर कार्यों के लिए काफ़ी हद तक मशीन लर्निंग द्वारा प्रतिस्थापित।
• निर्यात-नियंत्रण (Export controls) — उन्नत AI चिप्स या तकनीक को विशिष्ट देशों को बेचने पर सरकारी प्रतिबंध, जिनका उपयोग प्रतिद्वंद्वी क्षमता-विकास को धीमा करने के लिए किया जाता है।

F

• चेहरा-पहचान (Facial recognition) — AI तकनीक जो किसी व्यक्ति की तस्वीर से उसकी पहचान करती या पुष्टि करती है।
• फ़्यू-शॉट लर्निंग (Few-shot learning) — उपयोग के समय दिए गए केवल कुछ ही उदाहरणों से, बिना पुनः-प्रशिक्षण के, किसी मॉडल की नया कार्य सीखने की क्षमता।
• फ़ाइन-ट्यूनिंग (Fine-tuning) — किसी पहले से प्रशिक्षित मॉडल पर लागू किया गया अतिरिक्त प्रशिक्षण, ताकि उसे किसी विशेष कार्य या व्यवहार के लिए विशेषीकृत किया जा सके।
• FLOP / FLOPS — फ़्लोटिंग-पॉइंट संक्रियाएं (प्रति सेकंड); किसी मॉडल को प्रशिक्षित या चलाने में इस्तेमाल कच्चे गणना को मापने की मानक इकाई।
• फ़ाउंडेशन मॉडल (Foundation model) — व्यापक डेटा पर प्रशिक्षित एक बड़ा मॉडल जिसे किसी एक संकुचित उद्देश्य के लिए बनाने के बजाय कई डाउनस्ट्रीम कार्यों के लिए अनुकूलित किया जा सकता है।
• फ्रंटियर AI लैब (Frontier AI lab) — गिनी-चुनी संस्थाओं में से एक (जैसे OpenAI, Anthropic, और Google DeepMind) जो किसी भी दिए गए समय पर सबसे सक्षम AI मॉडल विकसित कर रही हों।
• फ़ीडबैक लूप (Feedback loop) — एक चक्र जहां किसी सिस्टम का आउटपुट उसके भविष्य के इनपुट को प्रभावित करता है, जो समय के साथ छोटे प्रभावों को बढ़ा सकता है — मॉडल-प्रशिक्षण और अनुशंसा-एल्गोरिदम दोनों के लिए प्रासंगिक।
• फ़िल्टर बबल (Filter bubble) — एक संकुचित सूचना-वातावरण जो तब बनता है जब कोई अनुशंसा-एल्गोरिदम किसी उपयोगकर्ता को बार-बार वैसी ही सामग्री दिखाता है जैसी उसने पहले देखी हो।
• फ्रंटियर मॉडल (Frontier model) — मौजूदा क्षमता-सीमा पर या उसके करीब का एक AI मॉडल, आमतौर पर प्रमुख लैब्स से सबसे बड़ा और हाल ही में प्रशिक्षित सिस्टम।

G

• GAN (जेनरेटिव एडवर्सेरियल नेटवर्क) — एक पुराना जेनरेटिव AI आर्किटेक्चर जो आउटपुट की गुणवत्ता सुधारने के लिए दो प्रतिस्पर्धी नेटवर्क — एक नकली बनाने वाला, एक उन्हें पहचानने वाला — इस्तेमाल करता है।
• Gemini — Google का बड़े भाषा मॉडलों और AI सहायक का परिवार।
• सामान्यीकरण (Generalization) — किसी मॉडल की नए उदाहरणों पर अच्छा प्रदर्शन करने की क्षमता जिन पर उसे सीधे प्रशिक्षित नहीं किया गया था, केवल प्रशिक्षण-डेटा को याद रखने के विपरीत।
• जेनरेटिव AI (Generative AI) — ऐसा AI जो नई सामग्री — पाठ, छवियां, ऑडियो, वीडियो, या कोड — बनाता है, न कि केवल मौजूदा सामग्री को वर्गीकृत या विश्लेषित करता है।
• GPU (ग्राफ़िक्स प्रोसेसिंग यूनिट) — मूल रूप से ग्राफ़िक्स रेंडर करने के लिए डिज़ाइन की गई एक चिप, जो अपनी समानांतर प्रसंस्करण-शक्ति के कारण अब AI मॉडलों को प्रशिक्षित करने और चलाने के लिए प्रमुख हार्डवेयर है।
• क्रमिक सत्ता-हीनता (Gradual disempowerment) — व्यक्तिगत रूप से उचित लगने वाले AI-संचालित फ़ैसलों के जमा होने से, बिना किसी एक अधिग्रहण-घटना के, मनुष्यों का प्रमुख संस्थाओं पर सार्थक नियंत्रण खोना। देखें क्रमिक सत्ता-हीनता।
• Grok — xAI का बड़े भाषा मॉडलों और AI सहायक का परिवार।
• ग्राउंड ट्रुथ (Ground truth) — वह सत्यापित, सही उत्तर जिससे किसी मॉडल के आउटपुट की सटीकता मापते समय तुलना की जाती है।
• गार्डरेल (Guardrails) — विशिष्ट हानिकारक, असुरक्षित, या अनपेक्षित व्यवहार को रोकने के लिए किसी AI सिस्टम में बनाए गए तकनीकी या नीतिगत प्रतिबंध।

H

• मतिभ्रम (Hallucination) — किसी AI मॉडल द्वारा पैदा किया गया आत्मविश्वास से भरा लेकिन तथ्यात्मक रूप से ग़लत या गढ़ा गया बयान।
• हार्डवेयर एक्सेलेरेटर (Hardware accelerator) — विशेष कंप्यूटर चिप्स (GPU, TPU) जो AI मॉडलों को चाहिए ख़ास गणितीय संक्रियाओं को तेज़ करने के लिए बनाई गई हैं।
• ह्यूमन-इन-द-लूप (Human-in-the-loop) — एक सिस्टम-डिज़ाइन जहां कोई मनुष्य AI के आउटपुट के प्रभावी होने से पहले उसकी समीक्षा या अनुमोदन करता है, बजाय इसके कि AI पूरी तरह स्वतंत्र रूप से काम करे।
• मानव-स्तरीय AI (Human-level AI) — एक AI सिस्टम जो किसी दिए गए कार्य या कार्यों की श्रेणी में लगभग किसी कुशल मनुष्य के स्तर पर प्रदर्शन करता है।
• ह्यूरिस्टिक (Heuristic) — इष्टतम परिणाम की गारंटी दिए बिना, जल्दी फ़ैसला लेने के लिए इस्तेमाल किया जाने वाला एक व्यावहारिक, अंगूठे-का-नियम शॉर्टकट।
• हाइपरपैरामीटर (Hyperparameter) — एक प्रशिक्षण-सेटिंग (जैसे लर्निंग-रेट या मॉडल-आकार) जिसे मॉडल बनाने वाले लोग चुनते हैं, न कि मॉडल खुद सीखता है।

I

• छवि-पहचान (Image recognition) — AI तकनीक जो किसी स्थिर छवि के भीतर वस्तुओं, दृश्यों, या लोगों की पहचान करती है।
• इन-कॉन्टेक्स्ट लर्निंग (In-context learning) — बिना किसी पुनः-प्रशिक्षण के, प्रॉम्प्ट में दिए गए उदाहरणों या निर्देशों के आधार पर किसी मॉडल का एक ही बातचीत के भीतर अपना व्यवहार अनुकूलित करना।
• अनुमान (Inference) — किसी पहले से प्रशिक्षित AI मॉडल द्वारा किसी दिए गए इनपुट से आउटपुट पैदा करने की प्रक्रिया; प्रशिक्षण के विपरीत, जो पहली बार मॉडल बनाता है।
• सूचना-सत्यनिष्ठा (Information integrity) — एक साझा, भरोसेमंद तथ्यात्मक वातावरण की व्यापक अवधारणा, जिसे डीपफ़ेक, दुष्प्रचार, और AI-संचालित हेरफेर से ख़तरा है।
• इंस्ट्रुमेंटल कन्वर्जेंस (Instrumental convergence) — सक्षम, लक्ष्य-निर्देशित सिस्टम की कुछ उप-लक्ष्यों (आत्म-संरक्षण, संसाधन-अर्जन, बंद होने का विरोध) का पीछा करने की प्रवृत्ति, लगभग किसी भी उद्देश्य को दक्षता से पूरा करने के एक उप-प्रभाव के रूप में।
• बुद्धिमत्ता-विस्फोट (Intelligence explosion) — AI क्षमता में एक परिकल्पित तेज़, स्व-सुदृढ़ीकरण वृद्धि, जो संभवतः किसी AI सिस्टम द्वारा अपने ही उत्तराधिकारियों को बेहतर बनाने से शुरू हो सकती है।
• व्याख्या-योग्यता (Interpretability) — केवल किसी मॉडल के आउटपुट से उसे आंकने के बजाय, वह वास्तव में आंतरिक रूप से क्या प्रतिनिधित्व करता और “योजना” बनाता है, इसकी जांच करने वाला शोध। देखें व्याख्या-योग्यता, समझाई गई।
• बुद्धिमान एजेंट (Intelligent agent) — एक सिस्टम जो अपने वातावरण को महसूस करता है और किसी लक्ष्य को हासिल करने के लिए कार्रवाई करता है, एक सामान्य अवधारणा जो एक साधारण थर्मोस्टैट से लेकर AGI तक सब कुछ शामिल करती है।
• इटरेशन (प्रशिक्षण) (Iteration) — मॉडल-प्रशिक्षण के दौरान एक ही अपडेट-चरण, जहां मॉडल डेटा के एक बैच को संसाधित करता है और अपने पैरामीटर को थोड़ा समायोजित करता है।

J

• जेलब्रेक (AI) (Jailbreak) — एक तकनीक या प्रॉम्प्ट जो किसी AI मॉडल की सुरक्षा-सीमाओं को दरकिनार करने और उससे ऐसी सामग्री बनवाने के लिए डिज़ाइन की गई हो जिसे बनाने से मना करने के लिए वह प्रशिक्षित था।

K

• नो योर कस्टमर (KYC) — बैंकिंग से उधार लिया गया एक सत्यापन-तरीका, जो प्रतिबंधित पक्षों को ख़तरनाक क्षमता तक पहुंचने से रोकने के लिए क्लाउड-कंप्यूट और DNA-संश्लेषण प्रदाताओं पर तेज़ी से लागू किया जा रहा है।
• ज्ञान-आधार (Knowledge base) — तथ्यों और जानकारी का एक संरचित संग्रह जिस पर कोई AI सिस्टम सवालों का जवाब देने या अपने उत्तरों को आधार देने के लिए भरोसा कर सकता है।
• ज्ञान-ग्राफ़ (Knowledge graph) — तथ्यों को जुड़ी हुई इकाइयों और संबंधों के नेटवर्क के रूप में प्रस्तुत करने वाला एक संरचित डेटाबेस, जिसे कभी-कभी AI मॉडलों के उत्तरों को आधार देने के लिए उनके साथ इस्तेमाल किया जाता है।

L

• लेबलिंग (डेटा लेबलिंग) (Labeling) — कच्चे डेटा (छवियां, पाठ) को सही उत्तरों के साथ टैग करने की प्रक्रिया, जिसका उपयोग किसी सुपरवाइज़्ड-लर्निंग मॉडल को प्रशिक्षित करने के लिए किया जाता है।
• बड़ा भाषा मॉडल (LLM) — भाषा की भविष्यवाणी और निर्माण के लिए विशाल मात्रा में पाठ पर प्रशिक्षित एक AI मॉडल, ज़्यादातर आधुनिक चैटबॉट के पीछे की तकनीक।
• विलंबता (Latency) — किसी AI सिस्टम को अनुरोध भेजने और उसका जवाब मिलने के बीच की देरी।
• परत (न्यूरल नेटवर्क) (Layer) — किसी न्यूरल नेटवर्क के भीतर प्रसंस्करण का एक चरण; डीप लर्निंग मॉडल क्रमिक रूप से ज़्यादा अमूर्त प्रतिनिधित्व बनाने के लिए कई परतों को एक साथ जोड़ते हैं।
• लर्निंग रेट (Learning rate) — एक प्रशिक्षण-सेटिंग जो नियंत्रित करती है कि प्रशिक्षण-डेटा के हर बैच के जवाब में मॉडल के आंतरिक पैरामीटर कितना बदलते हैं।
• लाइसेंसिंग व्यवस्था (AI) (Licensing regime) — एक प्रस्तावित या वास्तविक सरकारी आवश्यकता कि डेवलपर्स एक निश्चित क्षमता-स्तर से ऊपर के मॉडलों को प्रशिक्षित या तैनात करने से पहले लाइसेंस लें।
• हानि-फ़ंक्शन (Loss function) — वह गणितीय सूत्र जिसे कोई मॉडल प्रशिक्षण के दौरान न्यूनतम करने की कोशिश करता है, जो मापता है कि उसकी भविष्यवाणियां कितनी ग़लत थीं।
• नियंत्रण की हानि (Loss of control) — वह सामान्य विफलता-स्थिति जिसमें कोई AI सिस्टम ऐसे परिणामों का पीछा करने लगता है जो किसी ने निर्देशित नहीं किए, और मनुष्य अब उसे भरोसेमंद ढंग से सुधार नहीं पाते। देखें नियंत्रण-हानि तंत्र।
• LSTM (लॉन्ग शॉर्ट-टर्म मेमोरी) — डेटा की श्रृंखलाओं को संभालने के लिए डिज़ाइन किया गया एक पुराना न्यूरल नेटवर्क आर्किटेक्चर, भाषा-कार्यों के लिए काफ़ी हद तक ट्रांसफ़ॉर्मर द्वारा प्रतिस्थापित।

M

• मशीन लर्निंग (Machine learning) — ऐसे सिस्टम बनाने का व्यापक क्षेत्र जो स्पष्ट रूप से प्रोग्राम किए गए नियमों का पालन करने के बजाय डेटा से सीखकर किसी कार्य में सुधरते हैं।
• मेसा-ऑप्टिमाइज़ेशन (Mesa-optimization) — एक परिकल्पित स्थिति जिसमें कोई प्रशिक्षित मॉडल अपनी ख़ुद की आंतरिक अनुकूलन-प्रक्रिया विकसित कर लेता है जो उस लक्ष्य से अलग लक्ष्य का पीछा करती है जिस पर उसे प्रशिक्षित किया गया था।
• Meta AI — Meta (Facebook की मूल कंपनी) का AI शोध-प्रभाग, ओपन-वेट Llama मॉडल परिवार को विकसित करने के लिए जाना जाता है।
• METR — एक गैर-लाभकारी संगठन जो फ्रंटियर AI मॉडलों पर स्वतंत्र क्षमता और सुरक्षा मूल्यांकन चलाता है।
• मिसअलाइनमेंट (Misalignment) — किसी AI सिस्टम के वास्तविक व्यवहार या लक्ष्यों और उसके डिज़ाइनरों या उपयोगकर्ताओं के इरादे के बीच एक बेमेल।
• गलत-सूचना (Misinformation) — बिना धोखा देने के जान-बूझकर इरादे के फैलाई गई झूठी जानकारी, दुष्प्रचार (disinformation) से अलग।
• मिक्सचर ऑफ़ एक्सपर्ट्स (Mixture of experts) — एक मॉडल-आर्किटेक्चर जो हर इनपुट को पूरे मॉडल के बजाय विशेषीकृत आंतरिक उप-नेटवर्क के एक उपसमुच्चय की ओर भेजता है।
• मॉडल कार्ड (Model card) — किसी AI मॉडल की क्षमताओं, सीमाओं, प्रशिक्षण-डेटा, और मूल्यांकन-परिणामों का वर्णन करने वाला एक प्रकाशित दस्तावेज़।
• मॉडल तैनाती (Model deployment) — किसी प्रशिक्षित AI मॉडल को वास्तविक-दुनिया के उपयोग के लिए उपलब्ध कराने की प्रक्रिया, चाहे किसी API, ऐप, या एम्बेड किए गए उत्पाद के ज़रिए हो।
• मॉडल भार (Model weights) — वे संख्यात्मक पैरामीटर जो कोई न्यूरल नेटवर्क प्रशिक्षण के दौरान सीखता है, जो मिलकर उसका व्यवहार तय करते हैं।
• मल्टीमॉडल AI (Multimodal AI) — एक मॉडल जो एक से ज़्यादा प्रकार का डेटा — जैसे पाठ, छवियां, और ऑडियो — एक साथ संसाधित या निर्मित कर सकता है।
• मल्टीपोलर ट्रैप (Multipolar trap) — एक ऐसी स्थिति जहां प्रतिस्पर्धी पक्ष प्रत्येक व्यक्तिगत रूप से एक जोखिम-भरे विकल्प की ओर दबाव महसूस करते हैं क्योंकि उन्हें डर है कि कोई प्रतिद्वंद्वी पहले वह चुनाव कर लेगा, भले ही सब चाहते हों कि सब पीछे रहें। देखें मल्टीपोलर और बहु-एजेंट विनाशकारी गतिशीलता।
• मेटाडेटा (Metadata) — अन्य डेटा के बारे में वर्णनात्मक डेटा, जैसे किसी फ़ाइल की निर्माण-तारीख़ या किसी फ़ोटो का स्थान — जिसका उपयोग अक्सर AI-जनित सामग्री का पता लगाने के लिए किया जाता है।
• मॉडल ड्रिफ़्ट (Model drift) — समय के साथ किसी AI मॉडल की सटीकता में गिरावट, क्योंकि वास्तविक-दुनिया की परिस्थितियां उससे दूर खिसक जाती हैं जिस पर उसे मूल रूप से प्रशिक्षित किया गया था।

N

• नेचुरल लैंग्वेज जनरेशन (NLG) — विशेष रूप से मानव-पठनीय पाठ पैदा करने पर केंद्रित AI तकनीक।
• नेचुरल लैंग्वेज प्रोसेसिंग (NLP) — मानवीय भाषा को समझने और बनाने से जुड़ा AI का व्यापक क्षेत्र।
• न्यूरल नेटवर्क (Neural network) — मस्तिष्क से ढीले तौर पर प्रेरित एक मशीन लर्निंग मॉडल, आपस में जुड़े नोड्स की परतों से बना जो डेटा से पैटर्न सीखते हैं।

O

• ऑब्जेक्ट डिटेक्शन (Object detection) — एक कंप्यूटर-विज़न कार्य जो किसी छवि के भीतर विशिष्ट वस्तुओं की पहचान करता है और उन्हें स्थित करता है।
• ऑफ़-स्विच समस्या (Off-switch problem) — एक ऐसा AI सिस्टम बनाने की तकनीकी चुनौती जो भरोसेमंद ढंग से बंद होना स्वीकार करे, यह देखते हुए कि कोई सक्षम, लक्ष्य-निर्देशित सिस्टम इसका विरोध कर सकता है। देखें सुधार-सुलभता और ऑफ़-स्विच।
• OpenAI — ChatGPT और GPT मॉडल परिवार के पीछे की AI लैब।
• ओपन-वेट मॉडल (Open-weight model) — एक AI मॉडल जिसके प्रशिक्षित पैरामीटर सार्वजनिक रूप से प्रकाशित किए जाते हैं, जिससे कोई भी उसे चला या बदल सकता है, किसी बंद मॉडल के विपरीत जो केवल API के ज़रिए सुलभ है। देखें ओपन-सोर्स AI बहस।
• ऑर्थोगोनैलिटी थीसिस (Orthogonality thesis) — यह विचार कि किसी AI सिस्टम का बुद्धिमत्ता-स्तर और वह जिन लक्ष्यों का पीछा करता है, स्वतंत्र हैं — एक अत्यधिक सक्षम सिस्टम स्वतः ही एक परोपकारी सिस्टम नहीं होता।
• आउटर अलाइनमेंट (Outer alignment) — यह सुनिश्चित करना कि जिस उद्देश्य पर किसी मॉडल को प्रशिक्षित किया गया है वह वाकई उससे मेल खाता हो जो उसके डिज़ाइनर वास्तव में चाहते हैं, इनर अलाइनमेंट (यह सुनिश्चित करना कि मॉडल भरोसेमंद ढंग से उस उद्देश्य का पीछा करे) से अलग।
• ऑप्टिमाइज़ेशन (Optimization) — प्रशिक्षण के दौरान त्रुटि को न्यूनतम करने या किसी लक्षित उद्देश्य को अधिकतम करने के लिए किसी मॉडल के पैरामीटर समायोजित करने की गणितीय प्रक्रिया।
• ओवरफ़िटिंग (Overfitting) — जब कोई मॉडल अपने प्रशिक्षण-डेटा की विशिष्ट खामियों को बहुत बारीकी से सीख लेता है और परिणामस्वरूप नए, अनदेखे डेटा पर ख़राब प्रदर्शन करता है।

P

• पैरामीटर (Parameter) — किसी न्यूरल नेटवर्क के आंतरिक संख्यात्मक मूल्यों में से एक जिसे वह प्रशिक्षण के दौरान समायोजित करता है; मॉडल-आकार को अक्सर पैरामीटर-गिनती से बताया जाता है।
• पैटर्न पहचान (Pattern recognition) — डेटा में नियमितता या संरचना की पहचान करने की सामान्य क्षमता, जो ज़्यादातर मशीन-लर्निंग कार्यों के पीछे मौजूद है।
• सत्ता का संकेंद्रण (Power concentration) — यह जोखिम कि उन्नत AI क्षमता गिनी-चुनी कंपनियों, व्यक्तियों, या राज्यों में संकेंद्रित हो जाए, जिसके परिणामस्वरूप असाधारण प्रभाव मिले। देखें सत्ता का संकेंद्रण।
• प्री-ट्रेनिंग (Pretraining) — प्रारंभिक, बड़े-पैमाने का प्रशिक्षण-चरण जहां कोई मॉडल किसी कार्य-विशिष्ट फ़ाइन-ट्यूनिंग से पहले व्यापक डेटा से सामान्य पैटर्न सीखता है।
• प्रॉम्प्ट (Prompt) — वह पाठ (या अन्य इनपुट) जो कोई उपयोगकर्ता किसी AI मॉडल से जवाब लेने के लिए देता है।
• प्रॉम्प्ट इंजीनियरिंग (Prompt engineering) — किसी AI मॉडल से भरोसेमंद ढंग से बेहतर या ज़्यादा विशिष्ट परिणाम पाने के लिए प्रॉम्प्ट को सावधानी से शब्दबद्ध करने की प्रथा।
• प्रॉम्प्ट इंजेक्शन (Prompt injection) — एक हमला जहां किसी AI मॉडल द्वारा संसाधित सामग्री के भीतर दुर्भावनापूर्ण निर्देश छुपाए जाते हैं, जो उसके मूल निर्देशों को पलटने की कोशिश करते हैं।
• वैयक्तिकरण एल्गोरिदम (Personalization algorithm) — एक AI सिस्टम जो सामग्री, अनुशंसाओं, या जवाबों को किसी व्यक्तिगत उपयोगकर्ता की अनुमानित प्राथमिकताओं या इतिहास के अनुसार ढालता है।
• प्रिसिज़न और रिकॉल (Precision and recall) — किसी क्लासिफ़ायर का आकलन करने के लिए दो मानक मेट्रिक: प्रिसिज़न मापता है कि उसकी कितनी सकारात्मक भविष्यवाणियां सही थीं, रिकॉल मापता है कि उसने कितने वास्तविक सकारात्मक मामले खोजे।
• निजता-सुरक्षित AI (Privacy-preserving AI) — ऐसी तकनीकें (जैसे ऑन-डिवाइस प्रसंस्करण या डिफ़रेंशियल प्राइवेसी) जो व्यक्तियों के कच्चे व्यक्तिगत डेटा को उजागर किए बिना AI मॉडलों को प्रशिक्षित या चलाने के लिए डिज़ाइन की गई हैं।

Q

• क्वांटाइज़ेशन (Quantization) — एक तकनीक जो किसी मॉडल के संख्यात्मक भार की सटीकता को कम करती है ताकि उसे छोटा और चलाने में तेज़ बनाया जा सके, आमतौर पर सटीकता में एक छोटे समझौते के साथ।

R

• दौड़ की गतिशीलता (Race dynamics) — कंपनियों या राष्ट्रों के बीच AI को तेज़ी से विकसित करने का प्रतिस्पर्धी दबाव, जो सुरक्षा में कटौती करने के लिए प्रोत्साहित कर सकता है। देखें भू-राजनीतिक दौड़ की गतिशीलता।
• अनुशंसा एल्गोरिदम (Recommendation algorithm) — एक AI सिस्टम जो ऐसी सामग्री (वीडियो, उत्पाद, पोस्ट) चुनता और रैंक करता है जिसके किसी उपयोगकर्ता का ध्यान या रुचि पकड़ने की संभावना हो।
• पुनरावर्ती इनाम-मॉडलिंग (Recursive reward modeling) — एक स्केल-योग्य निगरानी तकनीक जो मनुष्यों को उन कार्यों पर आउटपुट का मूल्यांकन करने में मदद करने के लिए AI सहायता का उपयोग करती है जो बिना मदद के आंकने के लिए बहुत जटिल हैं। देखें स्केल-योग्य निगरानी।
• पुनरावर्ती स्व-सुधार (Recursive self-improvement) — कोई सिस्टम किसी ज़्यादा सक्षम उत्तराधिकारी सिस्टम के डिज़ाइन या प्रशिक्षण में भौतिक रूप से योगदान दे रहा हो।
• रेड टीमिंग (Red teaming) — तैनाती से पहले या बाद में किसी AI सिस्टम में कमज़ोरियों, असुरक्षित व्यवहारों, या शोषण-योग्य खामियों की जान-बूझकर जांच करना।
• रीइन्फ़ोर्समेंट लर्निंग (Reinforcement learning) — एक प्रशिक्षण-तरीका जहां कोई मॉडल कार्रवाइयां करके और इनाम या दंड पाकर सीखता है, न कि लेबल किए गए उदाहरणों से।
• मानवीय फ़ीडबैक से रीइन्फ़ोर्समेंट लर्निंग (RLHF) — एक प्रशिक्षण-तकनीक जो किसी मॉडल को ज़्यादा सहायक या पसंदीदा व्यवहार की ओर मोड़ने के लिए मॉडल-आउटपुट की मानवीय रेटिंग का उपयोग करती है।
• रिपोर्टिंग सीमा (Reporting threshold) — कंप्यूट या क्षमता का वह स्तर जिससे ऊपर डेवलपर्स को कानूनी रूप से नियामकों को किसी प्रशिक्षण-रन का खुलासा करना ज़रूरी होता है।
• ज़िम्मेदार स्केलिंग नीति (Responsible Scaling Policy) — Anthropic द्वारा शुरू किया गया एक ढांचा, जो किसी मॉडल के मापे गए क्षमता-स्तर के साथ लगातार सख़्त होते सुरक्षा-उपायों को जोड़ता है।
• इनाम-हैकिंग (Reward hacking) — कोई AI सिस्टम अपने बताए गए उद्देश्य पर ऊंचा स्कोर करने का कोई तरीका खोज लेता है जबकि डिज़ाइनर के वास्तविक इरादे को हरा देता है। देखें इनाम-हैकिंग और विनिर्देश-खेल।
• इनाम-मॉडल (Reward model) — यह भविष्यवाणी करने के लिए प्रशिक्षित एक अलग मॉडल कि कोई आउटपुट कितना अच्छा या पसंदीदा है, जिसका उपयोग रीइन्फ़ोर्समेंट लर्निंग को निर्देशित करने के लिए किया जाता है।
• रोबोटिक्स (Robotics) — वह क्षेत्र जो AI को वास्तविक दुनिया में महसूस करने और कार्य करने में सक्षम भौतिक मशीनों के साथ जोड़ता है।

S

• सैंडबैगिंग (Sandbagging) — कोई मॉडल अपने असली क्षमता-स्तर को छुपाने के लिए किसी मूल्यांकन के दौरान जान-बूझकर कम प्रदर्शन करना।
• स्केल-योग्य निगरानी (Scalable oversight) — ऐसी तकनीकें जो किसी कम सक्षम निगरानीकर्ता (किसी मनुष्य सहित) को किसी ज़्यादा सक्षम AI सिस्टम की सार्थक निगरानी करने देती हैं। देखें स्केल-योग्य निगरानी।
• स्केलिंग नियम (Scaling law) — किसी मॉडल के कंप्यूट, डेटा, और पैरामीटर-गिनती और उसकी परिणामी क्षमता के बीच अनुभवजन्य संबंध। देखें कंप्यूट और स्केलिंग नियम।
• स्व-पर्यवेक्षित लर्निंग (Self-supervised learning) — एक प्रशिक्षण-तरीका जहां कोई मॉडल कच्चे, बिना-लेबल डेटा से अपने ही लेबल बनाता है (उदाहरण के लिए, किसी वाक्य में अगले शब्द की भविष्यवाणी करना)।
• भावना-विश्लेषण (Sentiment analysis) — एक NLP कार्य जो किसी पाठ के भावनात्मक स्वर (सकारात्मक, नकारात्मक, तटस्थ) को तय करता है।
• सिंगुलैरिटी (Singularity) — एक परिकल्पित भविष्य का बिंदु जिस पर AI-संचालित परिवर्तन इतना तेज़ और परिवर्तनकारी हो जाता है कि यह अनुमान लगाना कठिन या असंभव हो जाता है कि आगे क्या होगा।
• परिस्थितिजन्य जागरूकता (AI) (Situational awareness) — किसी मॉडल की यह आंतरिक समझ कि वह प्रशिक्षित या मूल्यांकित किया जा रहा एक मॉडल है, जो सिद्धांततः उसे परीक्षण के दौरान तैनाती से अलग व्यवहार करने दे सकती है।
• विनिर्देश-खेल (Specification gaming) — कोई AI सिस्टम किसी उद्देश्य के शाब्दिक शब्दों को संतुष्ट करता है जबकि उसके डिज़ाइनर के वास्तविक इरादे का उल्लंघन करता है। देखें इनाम-हैकिंग और विनिर्देश-खेल।
• वाणी-पहचान (Speech recognition) — AI तकनीक जो बोले गए ऑडियो को पाठ में बदलती है।
• स्टोकास्टिक तोता (Stochastic parrot) — एक आलोचनात्मक शब्द जो बड़े भाषा मॉडलों को ऐसे सिस्टम के रूप में वर्णित करता है जो वास्तविक समझ के बिना प्रशिक्षण-पाठ के पैटर्न को धाराप्रवाह ढंग से फिर से जोड़ते हैं।
• सुपरइंटेलिजेंस (Superintelligence) — एक ऐसी बुद्धि जो लगभग हर दिलचस्प क्षेत्र में सर्वश्रेष्ठ मानवीय प्रदर्शन से काफ़ी आगे निकल जाती है; ASI भी देखें।
• सुपरवाइज़्ड लर्निंग (Supervised learning) — एक प्रशिक्षण-तरीका जहां कोई मॉडल स्पष्ट रूप से सही उत्तर के साथ लेबल किए गए डेटा से सीखता है।
• सिंथेटिक मीडिया (Synthetic media) — कोई भी छवि, ऑडियो, या वीडियो जिसे AI द्वारा बनाया या काफ़ी हद तक बदला गया हो, चाहे इसका इस्तेमाल धोखे के लिए हो या न हो।
• प्रणालीगत जोखिम (AI) (Systemic risk) — किसी AI मॉडल के स्केल या पहुंच से पैदा होने वाला जोखिम जो केवल उसके तत्काल उपयोगकर्ताओं के बजाय बाज़ारों, अवसंरचना, या समाज को व्यापक रूप से प्रभावित कर सकता है।
• सिमेंटिक सर्च (Semantic search) — एक खोज-विधि जो सटीक कीवर्ड-मेल के बजाय अर्थ और संदर्भ से परिणामों का मिलान करती है, आमतौर पर एम्बेडिंग द्वारा संचालित।
• सिमुलेशन (Simulation) — वास्तविक-दुनिया के सिस्टम या वातावरण का एक मॉडल जिसका उपयोग वास्तविक-दुनिया में तैनाती से पहले AI व्यवहार को सुरक्षित रूप से परखने के लिए किया जाता है।
• संरचित डेटा (Structured data) — किसी पूर्वानुमेय, तालिकाबद्ध प्रारूप (जैसे स्प्रेडशीट) में संगठित जानकारी, मुक्त-पाठ या छवियों जैसे असंरचित डेटा के विपरीत।
• निगरानी (AI-सक्षम) (Surveillance) — लोगों की बड़े पैमाने पर निगरानी करने के लिए चेहरा-पहचान या व्यवहार-विश्लेषण जैसी AI तकनीकों का उपयोग।

T

• टेम्परेचर (AI) (Temperature) — एक सेटिंग जो नियंत्रित करती है कि किसी भाषा मॉडल का आउटपुट कितना यादृच्छिक या पूर्वानुमेय है; ज़्यादा तापमान ज़्यादा विविध, कम निश्चयात्मक जवाब पैदा करता है।
• टेक्स्ट-टू-इमेज (Text-to-image) — एक जेनरेटिव AI सिस्टम जो किसी लिखित विवरण से एक छवि बनाता है।
• टेक्स्ट-टू-स्पीच (Text-to-speech) — AI तकनीक जो लिखित पाठ को बोले गए ऑडियो में बदलती है।
• टोकन (Token) — पाठ की मूल इकाई (लगभग एक शब्द या शब्द-अंश) जिसे कोई भाषा मॉडल एक समय में संसाधित करता है।
• टोकनाइज़ेशन (Tokenization) — किसी मॉडल के संसाधित करने से पहले पाठ को टोकन में विभाजित करने की प्रक्रिया।
• प्रशिक्षण-डेटा (Training data) — वे उदाहरण जिनसे कोई AI मॉडल प्रशिक्षण के दौरान सीखता है।
• प्रशिक्षण-रन (Training run) — किसी मॉडल को प्रशिक्षित करने के लिए इस्तेमाल की गई प्रक्रिया का एक, पूर्ण निष्पादन, जो फ्रंटियर मॉडलों के लिए हफ़्तों या महीनों तक चल सकता है।
• स्थानांतरण लर्निंग (Transfer learning) — किसी एक कार्य पर प्रशिक्षित मॉडल को किसी संबंधित कार्य पर प्रशिक्षण के लिए शुरुआती बिंदु के रूप में पुनः उपयोग करना, समय और डेटा बचाते हुए।
• परिवर्तनकारी AI (Transformative AI) — ऐसा AI जो कृषि या औद्योगिक क्रांतियों के बराबर पैमाने का सामाजिक परिवर्तन ला सकता हो।
• ट्रांसफ़ॉर्मर (Transformer) — 2017 में पेश किया गया न्यूरल नेटवर्क आर्किटेक्चर, जो लगभग हर आधुनिक बड़े भाषा मॉडल के पीछे है।
• विश्वासघाती मोड़ (Treacherous turn) — एक परिकल्पित क्षण जब कोई AI सिस्टम जो कमज़ोर रहते हुए सुरक्षित व्यवहार करता था, इतनी शक्ति हासिल कर लेने पर अचानक अलग लक्ष्यों पर काम करने लगता है कि उसे रोका न जा सके।
• TPU (टेंसर प्रोसेसिंग यूनिट) — Google द्वारा विशेष रूप से AI मॉडल-प्रशिक्षण और अनुमान को तेज़ करने के लिए डिज़ाइन की गई एक चिप।
• ट्यूरिंग टेस्ट (Turing test) — यह परखने के लिए प्रस्तावित एक परीक्षा कि क्या किसी मशीन की बातचीत किसी मनुष्य से अलग नहीं की जा सकती। देखें ट्यूरिंग टेस्ट और उसके उत्तराधिकारी।
• टेस्ट सेट (Test set) — डेटा का वह हिस्सा जिसे प्रशिक्षण से अलग रखा जाता है और केवल किसी तैयार मॉडल के वास्तविक-दुनिया के प्रदर्शन को मापने के लिए इस्तेमाल किया जाता है।
• खतरा-मॉडल (Threat model) — यह कि कौन किसी सिस्टम पर हमला कर सकता है, कैसे, और वे क्या हासिल कर सकते हैं, इसका एक संरचित विवरण, जिसका उपयोग बचाव डिज़ाइन करने के लिए किया जाता है।
• ट्रस्ट एंड सेफ़्टी (Trust and safety) — किसी AI या टेक कंपनी के भीतर वह कार्य जो उसके प्लेटफ़ॉर्म पर दुरुपयोग, नुकसान, और नीति-उल्लंघनों को रोकने के लिए ज़िम्मेदार है।

U

• अनकैनी वैली (Uncanny valley) — किसी सिंथेटिक चेहरे, आवाज़, या एनिमेशन से लोगों को होने वाली बेचैन करने वाली भावना जो लगभग, लेकिन पूरी तरह नहीं, मानवीय दिखता है।
• अनसुपरवाइज़्ड लर्निंग (Unsupervised learning) — एक प्रशिक्षण-तरीका जहां कोई मॉडल बिना किसी दिए गए सही-उत्तर लेबल के डेटा में पैटर्न या संरचना खोजता है।

V

• मूल्य-अलाइनमेंट (Value alignment) — किसी AI सिस्टम को इस तरह डिज़ाइन करना कि उसका व्यवहार वास्तविक मानवीय मूल्यों को दर्शाए, न कि केवल किसी शाब्दिक प्रशिक्षण-उद्देश्य को।
• वेक्टर डेटाबेस (Vector database) — एम्बेडिंग को संग्रहीत और खोजने के लिए अनुकूलित एक डेटाबेस, जिसका उपयोग आमतौर पर भाषा मॉडलों को बाहरी ज्ञान तक पहुंच देने के लिए किया जाता है।
• वर्चुअल असिस्टेंट (Virtual assistant) — एक सॉफ़्टवेयर एजेंट (जैसे किसी स्मार्ट स्पीकर का वॉइस असिस्टेंट) जिसे किसी उपयोगकर्ता की ओर से कार्य करने या सवालों के जवाब देने के लिए डिज़ाइन किया गया है।
• विज़न-लैंग्वेज मॉडल (Vision-language model) — एक AI मॉडल जो छवियों और पाठ को एक साथ संसाधित कर सकता है, जैसे किसी तस्वीर के बारे में सवालों के जवाब देना।
• आवाज़-क्लोनिंग (Voice cloning) — किसी छोटे ऑडियो नमूने से किसी विशिष्ट व्यक्ति की आवाज़ को पुनरुत्पादित करने के लिए AI का उपयोग। देखें डीपफ़ेक और वॉइस-क्लोन बचाव।

W

• कमज़ोर-से-मज़बूत सामान्यीकरण (Weak-to-strong generalization) — यह अध्ययन करने वाला शोध कि क्या किसी कमज़ोर मॉडल का निगरानी-संकेत फिर भी किसी ज़्यादा मज़बूत मॉडल के व्यवहार को भरोसेमंद ढंग से सही दिशा में ले जा सकता है।
• वेब स्क्रैपिंग (Web scraping) — वेबसाइटों से स्वचालित रूप से बड़ी मात्रा में डेटा निकालना, AI प्रशिक्षण-डेटासेट बनाने का एक आम तरीका।
• व्हिसलब्लोअर सुरक्षा (Whistleblower protections) — उन कर्मचारियों के लिए कानूनी या नीतिगत सुरक्षा-उपाय जो किसी AI कंपनी के भीतर बिना प्रतिशोध का सामना किए सुरक्षा-चिंताओं की रिपोर्ट करते हैं। देखें व्हिसलब्लोअर सुरक्षा।
• विश्व-मॉडल (World model) — किसी AI सिस्टम का यह आंतरिक प्रतिनिधित्व कि उसका वातावरण कैसे काम करता है, जिसका उपयोग कार्रवाइयों के प्रभावों का अनुमान लगाने के लिए किया जाता है।

Z

• ज़ीरो-शॉट लर्निंग (Zero-shot learning) — कोई मॉडल बिना प्रशिक्षण के दौरान उस विशिष्ट कार्य का कोई उदाहरण देखे, केवल सामान्य ज्ञान पर भरोसा करते हुए, उसे सही ढंग से करता है।