מושגי יסוד

אוטומציה (Automation)

ביצוע משימות באופן אוטומטי בעזרת AI.

אימון מודל (Training)

התהליך שבו המודל לומד מתוך הנתונים.

אלגוריתם (Algorithm)

רצף הוראות או חוקים לפתרון בעיה.

אתיקה בבינה מלאכותית

שיקולים מוסריים בשימוש ב-AI (פרטיות, הוגנות, אחריות).

בינה מלאכותית (AI)

תחום במדעי המחשב שמטרתו לפתח מערכות שמדמות יכולות חשיבה אנושיות כמו למידה, הבנה וקבלת החלטות.

הזיות (Hallucinations)

מצבים שבהם המודל מייצר מידע שגוי אך נשמע אמין.

הטיה (Bias)

עיוות בתוצאות המודל הנובע מנתונים לא מאוזנים.

הנדסת פרומפטים (Prompt Engineering)

היכולת לנסח בקשות בצורה מדויקת כדי לקבל תוצאות טובות יותר.

למידה לא מונחית (Unsupervised Learning)

למידה שבה המודל מגלה דפוסים ללא תשובות מוכנות.

למידה מונחית (Supervised Learning)

למידה עם נתונים שיש להם תשובות ידועות מראש.

למידה עמוקה (Deep Learning)

תת-תחום של למידת מכונה המשתמש ברשתות נוירונים מורכבות, המדמות את מבנה המוח.

למידת חיזוק (Reinforcement Learning)

למידה דרך ניסוי וטעייה, עם תגמול על הצלחות.

למידת מכונה (Machine Learning)

עיבוד נתונים טקסטואליים או ויזואליים תוך אימון הכלי ולמידה מתמדת על מנת לבצע משימות בצורה מדויקת ויעילה יותר. 

מודל (Model)

מערכת חישובית שלומדת דפוסים מתוך נתונים ומבצעת חיזויים או החלטות.

מודל שפה גדול  (Large Language Model – LLM) 

סוג של בינה מלאכותית, שיכול לעבד כמויות עצומות של נתונים ולהפיק טקסט בשפה טבעית. 

נתונים (Data)

המידע שעליו מתבססת הלמידה של המודל. איכות הנתונים משפיעה ישירות על התוצאות.

עיבוד שפה טבעית (Natural Language Processing – NLP)

יכולת הכלי להבין ולנתח טקסטים הנכתבים או נאמרים בשפות טבעיות ולבצע משימות כמו תרגום, סיכום, עריכה וכו'.  

פלט (Output)

התוצאה שהמודל מחזיר לאחר עיבוד הנתונים.

פרומפט (Prompt)

הוראה בשפה טבעית המוזנת לכלי AI על מנת להנחות אותו מהי המשימה שעליו לבצע. חשוב לנסח את הפרומפט בצורה מדויקת על מנת לקבל את התשובה המתאימה.

צ'אטבוט (Chatbot)

מערכת שמנהלת שיחה עם משתמשים.

קלט (Input)

המידע שמכניסים למודל.

שקיפות (Transparency)

היכולת להבין איך המודל קיבל החלטה.