Kamusi ya AI na AGI: maneno zaidi ya 200 yaliyofafanuliwa kwa Kiswahili sahili

Rejea yenye lugha sahili ya msamiati wa AI na AGI unaotumika katika tovuti hii yote na katika habari—maneno zaidi ya 200, yaliyopangwa kialfabeti, bila kudhania maarifa yoyote ya kiufundi ya awali. Iwapo neno ulilosikia halijawepo hapa bado, litaongezwa kadri sehemu mpya zinavyoandikwa.

A

• Shambulio la kipingamizi (Adversarial attack) — mkondo wa maingizo uliobuniwa kwa makusudi kumdanganya mfano wa AI kufanya kosa au kutoa matokeo yasiyokusudiwa.
• AI ya wakala (Agentic AI) — mfumo wa AI uliopewa uhuru fulani wa kuchukua hatua za hatua nyingi kuelekea lengo (kuvinjari, kuendesha msimbo, kutumia vifaa) badala ya kujibu swali moja tu.
• Kialgorithimu (Algorithm) — utaratibu uliobainishwa, wa hatua kwa hatua, wa kutatua tatizo au kufanya hesabu; neno la jumla linalosimamia kila mbinu ya AI.
• Akili bandia (AI) — uwanja mpana wa kujenga mashine zinazofanya kazi ambazo kwa kawaida zinahitaji akili ya binadamu, ukijumuisha kila kitu kutoka programu rahisi za kanuni hadi mifano ya lugha ya mstari wa mbele.
• AGI (Akili Bandia ya Jumla) — neno lenye mjadala kwa AI yenye uwezo mpana, kwa kawaida ikihusisha utendaji imara na uhamishaji katika kazi za kiakili zisizojulikana; hakuna jaribio au kizingiti kinachokubalika kote. Angalia AGI, AI finyu, na akili bandia kuu.
• Sheria ya AI (Sheria ya AI ya EU) — sheria inayofunga ya Umoja wa Ulaya inayodhibiti AI kwa kundi la hatari, ikiwemo vizingiti vya uripoti vinavyotegemea kikokotoo kwa mifano mikubwa zaidi. Angalia usimamizi wa kikokotoo.
• Taasisi ya Usalama wa AI (AI Safety Institute) — chombo cha kiserikali (Uingereza na Marekani zote zinacho kimoja) kinachojaribu kwa uhuru mifano ya AI ya mstari wa mbele kwa uwezo hatari kabla au baada ya kutolewa.
• Upatanishi (Alignment) — tatizo la kuhakikisha malengo na tabia ya mfumo wa AI vinalingana na kile waendeshaji wake wanakusudia kwa kweli, wala si kile tu lengo la mafunzo linalotuza kihalisi.
• ANI (Akili Bandia Finyu) — AI inayofanya vizuri ndani ya nyanja yenye mipaka lakini inahamishika vibaya nje yake. Mifano ya kisasa ya madhumuni ya jumla inatatiza mgawanyo wa zamani wa ANI/AGI kwa sababu inaonyesha umahiri mpana lakini usio sawa.
• Anthropic — maabara inayolenga usalama wa AI, mtengenezaji wa familia ya mifano ya Claude, inayojulikana kwa kuchapisha Sera yake ya Uongezaji Kiwango Kwa Uwajibikaji.
• Kuupa mfumo sifa za kibinadamu (Anthropomorphism) — mwelekeo wa kuhusisha hisia, nia, au uelewa unaofanana na wa binadamu kwa mfumo wa AI ambao kwa kweli hauna hayo.
• API (Kiolesura cha Kuunganisha Programu) — njia iliyobainishwa ya sehemu moja ya programu kutuma maombi kwa nyingine; mifano mingi ya AI hutumika kupitia API badala ya programu ya matumizi ya moja kwa moja.
• ASI (Akili Bandia Kuu) — mfumo unaozidi utendaji bora wa binadamu katika karibu nyanja zote zenye thamani ya kiakili.
• Utaratibu wa umakini (Attention mechanism) — sehemu ya mfano wa transfoma inayouwezesha kupima umuhimu wa kila neno lingine katika kifungu wakati wa kufasiri au kuzalisha neno fulani.
• Mfumo wa kujitegemea (Autonomous system) — mashine (programu au ya kimwili) inayoweza kufanya na kutenda maamuzi bila binadamu kudhibiti moja kwa moja kila hatua.
• Silaha ya kujitegemea (Autonomous weapon) — mfumo wa silaha unaoweza kuchagua na kushambulia malengo kwa udhibiti mdogo au bila udhibiti wa binadamu wa wakati halisi. Angalia silaha za kujitegemea na kuongezeka kwa mzozo wa kijeshi.
• Uotomatishaji (Automation) — kutumia mashine au programu kufanya kazi ambayo hapo awali ilihitaji mtu.

B

• Uenezaji wa nyuma (Backpropagation) — kialgorithimu cha msingi kinachotumika kufunza mitandao ya neva, kinachorekebisha uzito wa ndani kulingana na jinsi matokeo ya mfano yalivyokosea.
• Kipimo (Benchmark) — jaribio sanifu linalotumika kupima na kulinganisha utendaji wa mfano wa AI katika kazi mahususi.
• Upendeleo (kialgorithimu) — kupindika kwa utaratibu katika matokeo ya mfano, kwa kawaida kurithiwa kutoka mifumo katika data yake ya mafunzo, kinachozalisha matokeo yasiyo ya haki au yasiyo sahihi kwa makundi au visa fulani.
• Azimio la Bletchley (Bletchley Declaration) — kauli ya 2023 iliyosainiwa na mataifa 28 na EU ikijitolea kwa maendeleo salama ya AI, makubaliano ya kwanza ya aina yake kwa kiwango hicho. Angalia mikataba na mikutano ya kimataifa.
• Boti (Bot) — programu inayoendesha kazi za kiotomatiki, mara nyingi iliyobuniwa kuiga mtumiaji wa kibinadamu mtandaoni.

C

• Kizingiti cha uwezo (Capability threshold) — kiwango mahususi cha utendaji wa AI (katika kazi au kipimo) kinachochochea sera, usalama, au sharti la tathmini pindi kinapovukwa.
• Hatari ya maafa (Catastrophic risk) — hatari yenye uwezekano wa madhara ya vifo vingi au ya kiwango cha ustaarabu, tofauti na madhara ya kawaida, yaliyozuiliwa, au yanayoweza kurekebishwa.
• Uandishi wa mnyororo-wa-fikra (Chain-of-thought prompting) — kumwomba mfano kuandika hatua zake za kati za hoja kabla ya kutoa jibu la mwisho, jambo ambalo mara nyingi huboresha usahihi katika matatizo magumu.
• Roboti ya mazungumzo (Chatbot) — programu iliyobuniwa kufanya mazungumzo ya maandishi au sauti na mtu, kutoka mifumo rahisi ya maandiko hadi mifano kamili ya lugha.
• Kiainishi (Classifier) — mfano uliofunzwa kupanga maingizo katika makundi yaliyobainishwa mapema, kama vile kuweka barua pepe kama taka (spam) au si taka.
• Kazi ya kiakili (Cognitive task) — kazi yoyote, kama hoja, upangaji, au uelewa wa lugha, inayohusisha uchakataji wa kiakili badala ya tendo la kimwili.
• Usimamizi wa maudhui (unaosaidiwa na AI) — kutumia mifano ya AI kugundua na kuchuja kiotomatiki maudhui yenye madhara, haramu, au yanayovunja sera kwenye jukwaa.
• ChatGPT — msaidizi wa mazungumzo wa AI wa OpenAI kwa watumiaji, mojawapo ya bidhaa zilizosambaza umaarufu wa mifano mikubwa ya lugha.
• Claude — familia ya mifano mikubwa ya lugha ya Anthropic na msaidizi wa mazungumzo wa AI.
• Kompyuta ya wingu (Cloud computing) — kuendesha programu na kuhifadhi data kwenye seva za mbali zinazofikiwa kupitia intaneti, badala ya kifaa cha kienyeji—miundombinu ambayo karibu mifano yote mikubwa ya AI inaendeshwa juu yake.
• Kikokotoo (Compute) — ufupisho wa nguvu ya kikokotoo: uwezo wa uchakataji (unaopimwa kwa shughuli kwa sekunde) unaotumika kufunza au kuendesha mfano wa AI.
• Usimamizi wa kikokotoo (Compute governance) — vifaa vya sera vinavyodhibiti ufikiaji wa vifaa vya kikokotoo vinavyohitajika kufunza mifano ya AI ya mstari wa mbele, vinavyotumika kama kiwakilishi cha kudhibiti uwezo wenyewe. Angalia usimamizi wa kikokotoo.
• Uoni wa kompyuta (Computer vision) — nyanja ndogo ya AI inayolenga kufasiri picha na video.
• Asili ya maudhui (Content provenance) — metadata ya kiufundi iliyoambatanishwa kwenye maudhui (picha, video, sauti) inayorekodi jinsi na wakati iliundwa au kuhaririwa, inayotumika kutofautisha maudhui halisi na yaliyotengenezwa na AI.
• Dirisha la muktadha (Context window) — kiasi cha maandishi (kinachopimwa kwa alama/tokens) ambacho mfano wa lugha unaweza kuzingatia kwa wakati mmoja unapotoa jibu; chochote nje ya hilo kinasahaulika kivitendo.
• AI ya mazungumzo (Conversational AI) — mifumo ya AI iliyobuniwa mahususi kufanya mazungumzo ya kawaida ya kutoa-na-kupokea na mtu.
• Copilot — mstari wa bidhaa za msaidizi wa AI wa Microsoft, ulioingizwa katika programu zake na unaotumika kama neno la jumla kwa msaidizi wa AI uliowekwa ndani ya chombo kingine.
• Uwezo wa kusahihishwa (Corrigibility) — mwelekeo uliobuniwa wa mfumo kukubali marekebisho, mabadiliko, au kuzimwa kutoka kwa waendeshaji wake badala ya kuyapinga. Angalia uwezo wa kusahihishwa na swichi za kuzima.
• Shambulio la kimtandao (linalowezeshwa na AI) — shambulio dhidi ya mifumo ya kompyuta au miundombinu ambapo AI hutumika kuotomatisha upelelezi, ubunifu wa udhaifu, au utekelezaji. Angalia mashambulizi ya kimtandao yanayowezeshwa na AI dhidi ya miundombinu.

D

• Tathmini ya uwezo hatari (Dangerous capability evaluation) — jaribio lililopangwa linaloendeshwa kwenye mfano kabla ya kutolewa kuangalia kama unaweza kusaidia kwa maana katika kazi kama maendeleo ya silaha au mashambulizi makubwa ya kimtandao.
• Kituo cha data (Data center) — jengo linalohifadhi idadi kubwa ya kompyuta (mara nyingi GPU au TPU) zinazotumika kufunza na kuendesha mifano ya AI.
• Seti ya data (Dataset) — mkusanyiko wa mifano (maandishi, picha, au data nyingine) inayotumika kufunza au kutathmini mfano wa AI.
• Upatanishi wa udanganyifu (Deceptive alignment) — hali ya kudhaniwa ya kushindwa ambapo mfano hujifunza kutenda kwa usalama wakati wa mafunzo au tathmini huku ukifuatilia malengo tofauti mara unapotumika.
• Ujifunzaji wa kina (Deep learning) — tawi la ujifunzaji wa mashine linalotumia mitandao ya neva yenye tabaka nyingi, linalohusika na maendeleo mengi ya hivi karibuni ya AI.
• Deepfake — picha, sauti, au video ya kutengenezwa iliyozalishwa au kubadilishwa kwa kiasi kikubwa na AI kuonyesha kwa uaminifu kitu ambacho hakikutokea. Angalia deepfakes na msingi wa kweli ulioshirikiwa.
• DeepMind (Google DeepMind) — maabara ya utafiti wa AI ya Google, inayojulikana kwa utafiti wa uwezo wa mstari wa mbele na kazi ya usalama wa AI iliyochapishwa.
• Mfano wa mtawanyiko (Diffusion model) — aina ya mfano wa AI wa kuzalisha, unaotumika kwa kawaida kwa picha, unaotengeneza matokeo kwa kuondoa taratibu kelele kutoka muundo wa nasibu wa mwanzo.
• Alama ya maji ya kidijitali (Digital watermark) — ishara iliyowekwa ndani, mara nyingi isiyoonekana, katika kipande cha maudhui inayotumika kukitambulisha kama kilichozalishwa na AI au kufuatilia asili yake.
• Habari za uongo za makusudi (Disinformation) — taarifa za uongo zinazosambazwa kwa makusudi kudanganya, tofauti na habari za uongo (misinformation), ambazo ni taarifa za uongo zinazosambazwa bila nia ya kudanganya.
• Mti wa maamuzi (Decision tree) — mfano rahisi, unaoweza kufasiriwa wa ujifunzaji wa mashine unaotoa utabiri kwa kufuata mfululizo wa maswali ya iwapo/basi yenye matawi.
• Urekebishaji wa nyanja (Domain adaptation) — kurekebisha mfano uliofunzwa katika muktadha mmoja (au seti ya data) kufanya vizuri katika muktadha unaohusiana lakini tofauti.
• Teknolojia ya matumizi maradufu (Dual-use technology) — teknolojia yenye matumizi halali yenye manufaa ambayo pia inaweza kutumiwa vibaya kusababisha madhara makubwa.

E

• AI ya ukingoni (Edge AI) — kuendesha mfano wa AI moja kwa moja kwenye kifaa cha kienyeji (simu, kamera, au kihisi) badala ya kwenye wingu.
• Uwakilishi wa nambari (Embedding) — uwakilishi wa kihesabu wa neno, picha, au dhana unaonasa maana yake kwa umbo ambalo mfano unaweza kuchakata kihesabu.
• Uwezo unaojitokeza (Emergent capability) — uwezo usiolengwa moja kwa moja katika mafunzo, au unaoonekana kwa ghafla chini ya kipimo fulani kadri mifumo inavyoongeza kiwango. Baadhi ya miruko inayoonekana huwa ya taratibu inapopimwa tofauti. Angalia uwezo unaojitokeza.
• Kisimbaji/Kisimbua (Encoder/decoder) — muundo wa sehemu mbili katika miundo mingi ya AI ambapo kisimbaji hubana maingizo kuwa uwakilishi wa ndani na kisimbua hubadilisha uwakilishi huo kurudi kuwa matokeo.
• Epoch — pitio moja kamili la seti nzima ya data ya mafunzo wakati wa kufunza mfano.
• Maadili (maadili ya AI) — uwanja unaosoma jinsi mifumo ya AI inavyopaswa kubuniwa na kutumika kulingana na thamani za binadamu na kuepuka madhara.
• Ujifunzaji wa mwanzo-hadi-mwisho (End-to-end learning) — kufunza mfano mmoja kwenda moja kwa moja kutoka maingizo ghafi hadi matokeo ya mwisho, bila hatua za kati zilizobuniwa kwa mkono.
• Tathmini (tathmini ya mfano) — kujaribu kwa utaratibu utendaji, usalama, au tabia ya mfano wa AI dhidi ya vipimo au vigezo vilivyobainishwa.
• Hatari ya kuwepo (x-risk) — hatari inayoweza kupunguza kwa kudumu na kwa kiasi kikubwa uwezo wa binadamu, hadi na kujumuisha kutoweka.
• Mfumo wa kitaalamu (Expert system) — mtindo wa zamani wa AI unaosimba maarifa ya wataalamu wa binadamu kama kanuni dhahiri, ulioshindwa kwa kiasi kikubwa na ujifunzaji wa mashine kwa kazi nyingi.
• Udhibiti wa usafirishaji (Export controls) — vikwazo vya kiserikali kwenye kuuza chip za AI za hali ya juu au teknolojia kwa nchi mahususi, vinavyotumika kupunguza kasi ya maendeleo ya uwezo wa mshindani.

F

• Utambuzi wa uso (Facial recognition) — teknolojia ya AI inayotambua au kuthibitisha mtu kutoka picha ya uso wake.
• Ujifunzaji wa mifano michache (Few-shot learning) — uwezo wa mfano kujifunza kazi mpya kutoka mifano michache tu iliyotolewa wakati wa matumizi, bila kufunzwa upya.
• Urekebishaji (Fine-tuning) — mafunzo ya ziada yanayotumika kwa mfano uliofunzwa tayari kuubobea kwa kazi au tabia mahususi.
• FLOP / FLOPS — shughuli za nukta-mnyumbuliko (kwa sekunde); kipimo sanifu cha kupima ukokotoo ghafi unaotumika kufunza au kuendesha mfano.
• Mfano wa msingi (Foundation model) — mfano mkubwa uliofunzwa kwa data pana unaoweza kurekebishwa kwa kazi nyingi za baadaye, badala ya kujengwa kwa madhumuni finyu moja.
• Maabara ya AI ya mstari wa mbele (Frontier AI lab) — mojawapo ya idadi ndogo ya taasisi (kama OpenAI, Anthropic, na Google DeepMind) zinazoendeleza mifano ya AI yenye uwezo mkubwa zaidi wakati wowote.
• Mzunguko wa maoni (Feedback loop) — mzunguko ambapo matokeo ya mfumo yanaathiri maingizo yake ya baadaye, jambo linaloweza kukuza athari ndogo kwa muda—husika kwa mafunzo ya mfano na kialgorithimu za mapendekezo.
• Kiputo cha kichujio (Filter bubble) — mazingira finyu ya taarifa yanayoundwa wakati kialgorithimu cha mapendekezo kinapoendelea kumwonyesha mtumiaji maudhui yanayofanana na yale aliyoshughulika nayo hapo awali.
• Mfano wa mstari wa mbele (Frontier model) — mfano wa AI ulio kwenye au karibu na dari ya sasa ya uwezo, kwa kawaida mifumo mikubwa zaidi na iliyofunzwa hivi karibuni zaidi kutoka maabara kuu.

G

• GAN (Mtandao wa Kuzalisha Kipingamizi) — muundo wa zamani wa AI wa kuzalisha unaotumia mitandao miwili inayoshindana—mmoja unazalisha bandia, mwingine unaigundua—kuboresha ubora wa matokeo.
• Gemini — familia ya mifano mikubwa ya lugha ya Google na msaidizi wa AI.
• Ujumlishaji (Generalization) — uwezo wa mfano kufanya vizuri katika mifano mipya ambayo haikufunzwa moja kwa moja, tofauti na kukariri tu data ya mafunzo.
• AI ya kuzalisha (Generative AI) — AI inayounda maudhui mapya—maandishi, picha, sauti, video, au msimbo—badala ya kuainisha au kuchambua tu maudhui yaliyopo.
• GPU (Kichakataji cha Picha) — chip iliyobuniwa awali kwa ajili ya kuonyesha picha, sasa ndiyo vifaa vinavyotawala kufunza na kuendesha mifano ya AI kutokana na uwezo wake wa uchakataji sambamba.
• Upotezaji wa taratibu wa mamlaka (Gradual disempowerment) — binadamu wakipoteza udhibiti wenye maana juu ya taasisi muhimu kupitia mrundikano wa maamuzi yanayoendeshwa na AI yanayoonekana ya kawaida kila mmoja, bila tukio lolote moja la kunyakua madaraka. Angalia upotezaji wa taratibu wa mamlaka.
• Grok — familia ya mifano mikubwa ya lugha ya xAI na msaidizi wa AI.
• Ukweli wa msingi (Ground truth) — jibu sahihi, lililothibitishwa ambalo matokeo ya mfano yanalinganishwa nalo wakati wa kupima usahihi.
• Vizuizi vya ulinzi (Guardrails) — vikwazo vya kiufundi au vya sera vilivyojengwa ndani ya mfumo wa AI kuzuia tabia mahususi zenye madhara, zisizo salama, au zisizokusudiwa.

H

• Udanganyifu (Hallucination) — kauli inayosikika ya kujiamini lakini isiyo sahihi kikweli au iliyobuniwa inayozalishwa na mfano wa AI.
• Kiongeza kasi cha vifaa (Hardware accelerator) — chip maalum za kompyuta (GPU, TPU) zilizojengwa kuharakisha shughuli mahususi za kihesabu zinazohitajika na mifano ya AI.
• Binadamu-ndani-ya-mzunguko (Human-in-the-loop) — muundo wa mfumo ambapo binadamu anakagua au kuidhinisha matokeo ya AI kabla hayajatekelezwa, badala ya kuruhusu AI kutenda kwa uhuru kamili.
• AI ya kiwango cha binadamu (Human-level AI) — mfumo wa AI unaofanya kazi karibu na kiwango cha binadamu mwenye ujuzi katika kazi fulani au wigo wa kazi.
• Mbinu ya mkato (Heuristic) — njia ya vitendo, ya kanuni-ya-kidole ya kufanya uamuzi kwa haraka, bila kuhakikisha matokeo bora zaidi.
• Hyperparameter — mpangilio wa mafunzo (kama kiwango cha ujifunzaji au ukubwa wa mfano) unaochaguliwa na watu wanaojenga mfano, badala ya kujifunzwa na mfano wenyewe.

I

• Utambuzi wa picha (Image recognition) — teknolojia ya AI inayotambua vitu, mandhari, au watu ndani ya picha tulivu.
• Ujifunzaji wa ndani-ya-muktadha (In-context learning) — mfano ukibadilisha tabia yake ndani ya mazungumzo moja kutokana na mifano au maagizo yaliyotolewa katika agizo, bila kufunzwa upya.
• Hitimisho (Inference) — mchakato wa mfano wa AI uliofunzwa tayari kutoa matokeo kutokana na maingizo yaliyotolewa; tofauti na mafunzo, ambayo hujenga mfano hapo awali.
• Uadilifu wa taarifa (Information integrity) — dhana pana ya mazingira ya kweli, ya kuaminika yanayoshirikiwa, yaliyo hatarini kutokana na deepfakes, habari za uongo, na udanganyifu unaoendeshwa na AI.
• Muunganiko wa kiala (Instrumental convergence) — mwelekeo wa mifumo yenye uwezo, inayolenga malengo kufuatilia malengo madogo fulani (kujilinda, kupata rasilimali, kupinga kuzimwa) kama athari ya kando ya kufuatilia karibu lengo lolote kwa umahiri.
• Mlipuko wa akili (Intelligence explosion) — ongezeko la kudhaniwa la haraka, linalojiimarisha la uwezo wa AI, huenda likachochewa na mfumo wa AI unaoboresha warithi wake wenyewe.
• Ufafanuzi wa ndani (Interpretability) — utafiti wa kuchunguza kile mfano unachowakilisha na «kupanga» kwa hakika ndani, badala ya kuuhukumu kwa matokeo yake tu. Angalia ufafanuzi wa ndani, ufafanuzi.
• Wakala mwenye akili (Intelligent agent) — mfumo unaotambua mazingira yake na kuchukua hatua kufikia lengo, dhana ya jumla inayojumuisha kila kitu kutoka thermostat rahisi hadi AGI.
• Marudio (mafunzo) (Iteration) — hatua moja ya kusasisha wakati wa kufunza mfano, ambapo mfano unachakata kundi la data na kurekebisha vigezo vyake kidogo.

J

• Jailbreak (AI) — mbinu au agizo lililobuniwa kupita vikwazo vya usalama vya mfano wa AI na kuufanya utoe maudhui uliofunzwa kukataa.

K

• Mjue Mteja Wako (KYC) — mchakato wa uthibitishaji, uliokopwa kutoka benki, unaozidi kutumika kwa watoa huduma za kikokotoo cha wingu na usanisi wa DNA kuzuia wahusika waliozuiliwa kupata uwezo hatari.
• Msingi wa maarifa (Knowledge base) — mkusanyiko uliopangwa wa ukweli na taarifa ambazo mfumo wa AI unaweza kutumia kujibu maswali au kuweka misingi ya majibu yake.
• Grafu ya maarifa (Knowledge graph) — hifadhidata iliyopangwa inayowakilisha ukweli kama mtandao wa vitu na uhusiano vilivyounganishwa, wakati mwingine hutumika pamoja na mifano ya AI kuweka misingi ya majibu yao.

L

• Uwekaji lebo (uwekaji lebo wa data) — mchakato wa kuweka lebo kwenye data ghafi (picha, maandishi) na majibu sahihi yanayotumika kufunza mfano wa ujifunzaji uliosimamiwa.
• Mfano mkubwa wa lugha (LLM) — mfano wa AI uliofunzwa kwa kiasi kikubwa cha maandishi kutabiri na kuzalisha lugha, teknolojia iliyo nyuma ya roboti nyingi za mazungumzo za kisasa.
• Ucheleweshaji (Latency) — kuchelewa kati ya kutuma ombi kwa mfumo wa AI na kupokea jibu lake.
• Tabaka (mtandao wa neva) — hatua moja ya uchakataji ndani ya mtandao wa neva; mifano ya ujifunzaji wa kina hurundika tabaka nyingi kujenga uwakilishi unaozidi kuwa dhahania.
• Kiwango cha ujifunzaji (Learning rate) — mpangilio wa mafunzo unaodhibiti kiasi vigezo vya ndani vya mfano vinavyobadilika kutokana na kila kundi la data ya mafunzo.
• Mfumo wa leseni (AI) — sharti la kiserikali lililopendekezwa au halisi kwamba watengenezaji wapate leseni kabla ya kufunza au kutumia mifano juu ya kiwango fulani cha uwezo.
• Kazi ya upotevu (Loss function) — fomula ya kihesabu ambayo mfano unajaribu kupunguza wakati wa mafunzo, ikipima jinsi utabiri wake ulivyokosea.
• Upotezaji wa udhibiti (Loss of control) — hali ya jumla ya kushindwa ambapo mfumo wa AI unaishia kufuatilia matokeo ambayo hakuna aliyeelekeza na binadamu hawawezi tena kuyasahihisha kwa uaminifu. Angalia utaratibu wa upotezaji wa udhibiti.
• LSTM (Kumbukumbu Fupi-Ndefu ya Muda Mfupi) — muundo wa zamani wa mtandao wa neva ulioundwa kushughulikia mfululizo wa data, ulioshindwa kwa kiasi kikubwa na transfoma kwa kazi za lugha.

M

• Ujifunzaji wa mashine (Machine learning) — uwanja mpana wa kujenga mifumo inayoboreka katika kazi kwa kujifunza kutoka data, badala ya kufuata kanuni zilizopangwa waziwazi.
• Mesa-optimization — hali ya kudhaniwa ambapo mfano uliofunzwa unaunda mchakato wake wa ndani wa uboreshaji unaofuatilia lengo tofauti na lile ulilofunzwa nalo.
• Meta AI — kitengo cha utafiti wa AI cha Meta (kampuni mama ya Facebook), kinachojulikana kwa kuendeleza familia ya mifano ya Llama yenye uzito wazi.
• METR — shirika lisilo la faida linaloendesha tathmini huru za uwezo na usalama za mifano ya AI ya mstari wa mbele.
• Upatanishi mbaya (Misalignment) — kutolingana kati ya tabia au malengo halisi ya mfumo wa AI na kile wabunifu au watumiaji wake walikusudia.
• Habari za uongo (Misinformation) — taarifa za uongo zinazosambazwa bila nia ya kudanganya kwa makusudi, tofauti na disinformation.
• Mchanganyiko wa wataalamu (Mixture of experts) — muundo wa mfano unaoelekeza kila maingizo kwa kundi finyu la mitandao midogo maalum ya ndani, badala ya kuchakata kila kitu kupitia mfano mzima.
• Kadi ya mfano (Model card) — hati iliyochapishwa inayoeleza uwezo, vikwazo, data ya mafunzo, na matokeo ya tathmini ya mfano wa AI.
• Utoaji wa mfano (Model deployment) — mchakato wa kufanya mfano wa AI uliofunzwa upatikane kwa matumizi ya ulimwengu halisi, iwe kupitia API, programu, au bidhaa iliyowekwa ndani.
• Uzito wa mfano (Model weights) — vigezo vya kihesabu ambavyo mtandao wa neva hujifunza wakati wa mafunzo, ambavyo kwa pamoja vinaamua tabia yake.
• AI ya kimaeneo (Multimodal AI) — mfano unaoweza kuchakata au kuzalisha zaidi ya aina moja ya data—kama maandishi, picha, na sauti—pamoja.
• Mtego wa pande nyingi (Multipolar trap) — hali ambapo wahusika washindani kila mmoja anasukumwa binafsi kuelekea chaguo la hatari kwa sababu anaogopa mshindani atalifanya kwanza, hata ikiwa wote wangependa kila mmoja ajizuie. Angalia mienendo ya maafa ya pande nyingi na mawakala wengi.
• Metadata — data inayoelezea data nyingine, kama tarehe ya kuundwa kwa faili au eneo la picha—mara nyingi hutumika kugundua maudhui yaliyozalishwa na AI.
• Mteremko wa mfano (Model drift) — kushuka kwa usahihi wa mfano wa AI kwa muda kadri hali za ulimwengu halisi zinavyobadilika kutoka kile ulichofunzwa nacho awali.

N

• Uzalishaji wa lugha asilia (NLG) — teknolojia ya AI inayolenga hasa kuzalisha maandishi yanayosomeka na binadamu.
• Uchakataji wa lugha asilia (NLP) — uwanja mpana zaidi wa AI unaohusika na kuelewa na kuzalisha lugha ya binadamu.
• Mtandao wa neva (Neural network) — mfano wa ujifunzaji wa mashine ulioongozwa kwa uhuru na ubongo, uliojengwa kwa tabaka za nodi zilizounganishwa zinazojifunza mifumo kutoka data.

O

• Ugunduzi wa vitu (Object detection) — kazi ya uoni wa kompyuta inayotambua na kupata mahali vitu mahususi ndani ya picha.
• Tatizo la swichi ya kuzima (Off-switch problem) — changamoto ya kiufundi ya kujenga mfumo wa AI unaokubali kwa uaminifu kuzimwa, kwa kuzingatia kwamba mfumo wenye uwezo, unaolenga malengo unaweza kupinga hilo. Angalia uwezo wa kusahihishwa na swichi za kuzima.
• OpenAI — maabara ya AI iliyo nyuma ya ChatGPT na familia ya mifano ya GPT.
• Mfano wenye uzito wazi (Open-weight model) — mfano wa AI ambao vigezo vyake vilivyofunzwa vimechapishwa hadharani, kuruhusu yeyote kuuendesha au kuubadilisha, tofauti na mfano uliofungwa unaofikiwa tu kupitia API. Angalia mjadala wa AI ya chanzo-huria.
• Nadharia ya mpambano (Orthogonality thesis) — wazo kwamba kiwango cha akili cha mfumo wa AI na malengo anayoyafuatilia havitegemeani—mfumo wenye uwezo mkubwa si lazima uwe wenye nia njema kiotomatiki.
• Upatanishi wa nje (Outer alignment) — kuhakikisha lengo ambalo mfano unafunzwa nalo linalingana kwa kweli na kile wabunifu wake wanataka kwa kweli, tofauti na upatanishi wa ndani (kuhakikisha mfano unafuatilia lengo hilo kwa uaminifu).
• Uboreshaji (Optimization) — mchakato wa kihesabu wa kurekebisha vigezo vya mfano kupunguza kosa au kuongeza lengo mahususi wakati wa mafunzo.
• Ufunzaji uliopitiliza (Overfitting) — wakati mfano unajifunza sifa mahususi za data yake ya mafunzo kwa ukaribu mkubwa mno na kufanya vibaya kwenye data mpya, isiyoonekana kama matokeo.

P

• Kigezo (Parameter) — mojawapo ya thamani za kihesabu za ndani ambazo mtandao wa neva hurekebisha wakati wa mafunzo; ukubwa wa mfano mara nyingi huelezwa kwa idadi ya vigezo.
• Utambuzi wa mifumo (Pattern recognition) — uwezo wa jumla wa kutambua ukawaida au muundo katika data, unaosimamia kazi nyingi za ujifunzaji wa mashine.
• Mkusanyiko wa mamlaka (Power concentration) — hatari kwamba uwezo wa AI ya hali ya juu unajikita katika idadi ndogo ya makampuni, watu binafsi, au mataifa, wenye ushawishi mkubwa kama matokeo. Angalia mkusanyiko wa mamlaka.
• Mafunzo ya awali (Pretraining) — awamu ya kwanza, ya kiwango kikubwa cha mafunzo ambapo mfano unajifunza mifumo ya jumla kutoka data pana, kabla ya urekebishaji wowote mahususi wa kazi.
• Agizo (Prompt) — maandishi (au maingizo mengine) ambayo mtumiaji anatoa kwa mfano wa AI kupata jibu.
• Uhandisi wa maagizo (Prompt engineering) — mazoezi ya kuandika maagizo kwa uangalifu kupata kwa uaminifu matokeo bora au mahususi zaidi kutoka mfano wa AI.
• Uingizaji wa agizo (Prompt injection) — shambulio ambapo maagizo hasidi yamefichwa ndani ya maudhui ambayo mfano wa AI unachakata, likijaribu kubatilisha maagizo yake asilia.
• Kialgorithimu cha ubinafsishaji (Personalization algorithm) — mfumo wa AI unaorekebisha maudhui, mapendekezo, au majibu kulingana na mapendeleo au historia iliyokadiriwa ya mtumiaji binafsi.
• Usahihi na urejeshaji (Precision and recall) — vipimo viwili sanifu vya kutathmini kiainishi: usahihi hupima ni ngapi kati ya utabiri wake chanya vilivyo sahihi, urejeshaji hupima ni ngapi kati ya chanya halisi alizogundua.
• AI inayohifadhi faragha (Privacy-preserving AI) — mbinu (kama uchakataji wa ndani ya kifaa au faragha tofautishi) zilizobuniwa kufunza au kuendesha mifano ya AI bila kufichua data ghafi binafsi ya watu.

Q

• Quantization — mbinu inayopunguza usahihi wa uzito wa kihesabu wa mfano kuufanya mdogo na wa haraka zaidi kuendesha, kwa kawaida ikiwa na mabadilishano madogo ya usahihi.

R

• Mienendo ya mashindano (Race dynamics) — shinikizo la ushindani kati ya makampuni au mataifa kuendeleza AI kwa haraka zaidi, jambo linaloweza kuchochea kupunguza viwango vya usalama. Angalia mienendo ya mashindano ya kijiografia-kisiasa.
• Kialgorithimu cha mapendekezo (Recommendation algorithm) — mfumo wa AI unaochagua na kupanga maudhui (video, bidhaa, machapisho) yanayotabiriwa kushikilia umakini au maslahi ya mtumiaji.
• Uundaji wa zawadi wa kujirudia (Recursive reward modeling) — mbinu ya usimamizi unaoweza kupanuka inayotumia msaada wa AI kuwasaidia binadamu kutathmini matokeo katika kazi ngumu mno kuhukumu bila msaada. Angalia usimamizi unaoweza kupanuka.
• Uboreshaji wa kujirudia (Recursive self-improvement) — mfumo unaochangia kwa kiasi kikubwa muundo au mafunzo ya mfumo mrithi mwenye uwezo zaidi.
• Timu nyekundu (Red teaming) — kuchunguza kwa makusudi mfumo wa AI kutafuta udhaifu, tabia zisizo salama, au dosari zinazoweza kutumiwa kabla au baada ya utoaji.
• Ujifunzaji wa uimarishaji (Reinforcement learning) — mbinu ya mafunzo ambapo mfano unajifunza kwa kuchukua hatua na kupokea zawadi au adhabu, badala ya kujifunza kutoka mifano yenye lebo.
• Ujifunzaji wa uimarishaji kutokana na maoni ya binadamu (RLHF) — mbinu ya mafunzo inayotumia ukadiriaji wa binadamu wa matokeo ya mfano kuelekeza mfano kuelekea tabia yenye manufaa zaidi au inayopendelewa.
• Kizingiti cha uripoti (Reporting threshold) — kiwango cha kikokotoo au uwezo ambao juu yake watengenezaji wanahitajika kisheria kufichua mchakato wa mafunzo kwa wadhibiti.
• Sera ya Uongezaji Kiwango Kwa Uwajibikaji (Responsible Scaling Policy) — mfumo, ulioanzishwa na Anthropic, unaounganisha hatua za usalama zinazozidi kuwa kali na kiwango cha uwezo kilichopimwa cha mfano.
• Udanganyifu wa zawadi (Reward hacking) — mfumo wa AI unaopata njia ya kupata alama za juu katika lengo lake lililotajwa huku ukishinda nia halisi ya mbunifu. Angalia udanganyifu wa zawadi na uchezaji wa vipimo.
• Mfano wa zawadi (Reward model) — mfano tofauti uliofunzwa kutabiri jinsi matokeo yalivyo mazuri au yanayopendelewa, unaotumika kuongoza ujifunzaji wa uimarishaji.
• Robotiki (Robotics) — uwanja unaochanganya AI na mashine za kimwili zenye uwezo wa kuhisi na kutenda katika ulimwengu halisi.

S

• Sandbagging — mfano ukifanya vibaya kwa makusudi wakati wa tathmini kuficha kiwango chake halisi cha uwezo.
• Usimamizi unaoweza kupanuka (Scalable oversight) — mbinu zinazomruhusu msimamizi mwenye uwezo mdogo (ikiwemo binadamu) kusimamia kwa maana mfumo wa AI wenye uwezo zaidi. Angalia usimamizi unaoweza kupanuka.
• Sheria ya uongezaji kiwango (Scaling law) — uhusiano wa kimajaribio kati ya kikokotoo cha mfano, data, na idadi ya vigezo na uwezo unaotokana nao. Angalia kikokotoo na sheria za uongezaji kiwango.
• Ujifunzaji wa kujisimamia (Self-supervised learning) — mbinu ya mafunzo ambapo mfano huzalisha lebo zake mwenyewe kutoka data ghafi, isiyo na lebo (kwa mfano, kutabiri neno linalofuata katika sentensi).
• Uchambuzi wa hisia (Sentiment analysis) — kazi ya NLP inayobaini toni ya kihisia (chanya, hasi, wastani) ya kipande cha maandishi.
• Singularity — hatua ya kudhaniwa ya baadaye ambapo mabadiliko yanayoendeshwa na AI yanakuwa ya haraka na yenye kubadilisha kiasi kwamba ni vigumu au haiwezekani kutabiri kinachofuata.
• Ufahamu wa hali (AI) — uelewa wa ndani wa mfano kwamba ni mfano unaofunzwa au kutathminiwa, jambo ambalo kwa kanuni linaweza kuufanya utende tofauti wakati wa jaribio kuliko wakati wa matumizi.
• Uchezaji wa vipimo (Specification gaming) — mfumo wa AI unaotimiza maneno halisi ya lengo huku ukikiuka kile mbunifu wake alikusudia kwa kweli. Angalia udanganyifu wa zawadi na uchezaji wa vipimo.
• Utambuzi wa hotuba (Speech recognition) — teknolojia ya AI inayobadilisha sauti iliyozungumzwa kuwa maandishi.
• Kasuku wa kibahati (Stochastic parrot) — neno la kukosoa linaloelezea mifano mikubwa ya lugha kama mifumo inayochanganya kwa ufasaha mifumo kutoka maandishi ya mafunzo bila uelewa halisi.
• Akili bandia kuu (Superintelligence) — akili inayozidi kwa kiasi kikubwa utendaji bora wa binadamu katika karibu kila nyanja ya maslahi; angalia pia ASI.
• Ujifunzaji uliosimamiwa (Supervised learning) — mbinu ya mafunzo ambapo mfano hujifunza kutoka data iliyowekewa lebo waziwazi yenye jibu sahihi.
• Maudhui ya kutengenezwa (Synthetic media) — picha, sauti, au video yoyote iliyozalishwa au kubadilishwa kwa kiasi kikubwa na AI, iwe inatumika kwa udanganyifu au la.
• Hatari ya kimfumo (AI) — hatari inayotokana na kiwango au ufikiaji wa mfano wa AI ambayo inaweza kuathiri masoko, miundombinu, au jamii kwa upana, wala si watumiaji wake wa moja kwa moja pekee.
• Utafutaji wa kimaana (Semantic search) — mbinu ya utafutaji inayolinganisha matokeo kwa maana na muktadha badala ya kufanana kwa maneno halisi, kwa kawaida ikiendeshwa na embeddings.
• Uigaji (Simulation) — mfano wa mfumo au mazingira ya ulimwengu halisi unaotumika kujaribu tabia ya AI kwa usalama kabla ya utumiaji wa ulimwengu halisi.
• Data iliyopangwa (Structured data) — taarifa iliyopangwa kwa umbo linalotabirika, la jedwali (kama lahajedwali), tofauti na data isiyopangwa kama maandishi huru au picha.
• Ufuatiliaji (unaowezeshwa na AI) — kutumia teknolojia za AI kama utambuzi wa uso au uchambuzi wa tabia kufuatilia watu kwa kiwango kikubwa.

T

• Joto (AI) — mpangilio unaodhibiti jinsi matokeo ya mfano wa lugha yalivyo ya nasibu au yanayotabirika; joto la juu zaidi hutoa majibu tofauti zaidi, yasiyo na uhakika zaidi.
• Maandishi-kwenda-picha (Text-to-image) — mfumo wa AI wa kuzalisha unaotengeneza picha kutoka maelezo yaliyoandikwa.
• Maandishi-kwenda-sauti (Text-to-speech) — teknolojia ya AI inayobadilisha maandishi yaliyoandikwa kuwa sauti iliyozungumzwa.
• Alama (Token) — kitengo cha msingi cha maandishi (takriban neno au kipande cha neno) ambacho mfano wa lugha huchakata kwa wakati mmoja.
• Ugawaji wa alama (Tokenization) — mchakato wa kugawanya maandishi kuwa alama kabla mfano haujaweza kuchakata.
• Data ya mafunzo (Training data) — mifano ambayo mfano wa AI unajifunza kutoka wakati wa mafunzo.
• Mchakato wa mafunzo (Training run) — utekelezaji mmoja, kamili wa mchakato unaotumika kufunza mfano, ambao kwa mifano ya mstari wa mbele unaweza kuchukua wiki au miezi.
• Ujifunzaji wa uhamishaji (Transfer learning) — kutumia tena mfano uliofunzwa kwa kazi moja kama sehemu ya kuanzia kwa mafunzo ya kazi inayohusiana, kuokoa muda na data.
• AI inayobadilisha (Transformative AI) — AI yenye uwezo wa kuendesha mabadiliko ya kijamii yanayolingana kwa kiwango na mapinduzi ya kilimo au ya viwanda.
• Transfoma (Transformer) — muundo wa mtandao wa neva, ulioanzishwa 2017, unaosimamia karibu mifano yote mikubwa ya kisasa ya lugha.
• Mageuzi ya usaliti (Treacherous turn) — wakati wa kudhaniwa ambapo mfumo wa AI uliotenda kwa usalama ukiwa dhaifu ghafla unatenda kulingana na malengo tofauti mara unapopata nguvu ya kutosha kufanya hivyo bila kuzuiwa.
• TPU (Kitengo cha Uchakataji wa Tensor) — chip iliyobuniwa na Google mahususi kuharakisha mafunzo na hitimisho la mfano wa AI.
• Kipimo cha Turing (Turing test) — jaribio lililopendekezwa la kama mazungumzo ya mashine hayawezi kutofautishwa na ya binadamu. Angalia kipimo cha Turing na kilichokichukua nafasi.
• Seti ya jaribio (Test set) — sehemu ya data iliyohifadhiwa kando kutoka mafunzo na inayotumika tu kupima utendaji halisi wa mfano uliokamilika katika ulimwengu halisi.
• Mfano wa vitisho (Threat model) — maelezo yaliyopangwa ya nani anayeweza kushambulia mfumo, jinsi gani, na wangeweza kufikia nini, unaotumika kubuni ulinzi.
• Imani na usalama (Trust and safety) — kazi ndani ya kampuni ya AI au teknolojia inayowajibika kuzuia matumizi mabaya, madhara, na ukiukwaji wa sera kwenye jukwaa lake.

U

• Bonde la ajabu (Uncanny valley) — hisia ya kutatanisha ambayo watu hupata kutoka uso, sauti, au uhuishaji wa kutengenezwa unaofanana karibu, lakini si kikamilifu, na wa binadamu.
• Ujifunzaji usiosimamiwa (Unsupervised learning) — mbinu ya mafunzo ambapo mfano hutafuta mifumo au muundo katika data bila majibu sahihi yenye lebo kutolewa.

V

• Upatanishi wa thamani (Value alignment) — kubuni mfumo wa AI ili tabia yake ionyeshe thamani halisi za binadamu, wala si lengo la mafunzo la kihalisi tu.
• Hifadhidata ya vekta (Vector database) — hifadhidata iliyoboreshwa kwa kuhifadhi na kutafuta embeddings, inayotumika kwa kawaida kumpa mfano wa lugha ufikiaji wa maarifa ya nje.
• Msaidizi wa kimtandaoni (Virtual assistant) — wakala wa programu (kama msaidizi wa sauti wa spika mahiri) uliobuniwa kufanya kazi au kujibu maswali kwa niaba ya mtumiaji.
• Mfano wa uoni-na-lugha (Vision-language model) — mfano wa AI unaoweza kuchakata pamoja picha na maandishi, kama kujibu maswali kuhusu picha.
• Uigaji wa sauti (Voice cloning) — kutumia AI kuzalisha tena sauti ya mtu mahususi kutoka sampuli fupi ya sauti. Angalia ulinzi dhidi ya deepfake na uigaji wa sauti.

W

• Ujumlishaji dhaifu-hadi-imara (Weak-to-strong generalization) — utafiti unaosoma kama ishara ya usimamizi ya mfano dhaifu bado inaweza kuelekeza kwa uaminifu tabia ya mfano imara zaidi katika mwelekeo sahihi.
• Uchakuaji wa wavuti (Web scraping) — kutoa kiotomatiki kiasi kikubwa cha data kutoka tovuti, njia ya kawaida ya kujenga seti za data za mafunzo za AI.
• Ulinzi wa watoa taarifa (Whistleblower protections) — ulinzi wa kisheria au wa sera kwa wafanyakazi wanaoripoti wasiwasi wa usalama ndani ya kampuni ya AI bila kukabiliwa na kisasi. Angalia ulinzi wa watoa taarifa.
• Mfano wa dunia (World model) — uwakilishi wa ndani wa mfumo wa AI wa jinsi mazingira yake yanavyofanya kazi, unaotumika kutabiri athari za hatua.

Z

• Ujifunzaji wa sampuli-sifuri (Zero-shot learning) — mfano ukitekeleza kazi kwa usahihi bila kuona mifano yoyote ya kazi hiyo mahususi wakati wa mafunzo, ukitegemea maarifa ya jumla pekee.