พื้นฐาน AI | คำศัพท์ AI, DX & Security
คำศัพท์ในหมวด "พื้นฐาน AI" — คำอธิบายเชิงปฏิบัติด้าน AI, DX และความปลอดภัย พร้อมไดอะแกรม สำหรับผู้บริหารและทีม IT
โมเดลแบบกระจาย (Sparse Model)
Sparse Model (สปาร์สโมเดล) คือชื่อเรียกรวมของสถาปัตยกรรมเครือข่ายประสาทเทียมที่ในระหว่างการ Inferenc
TurboQuant
เทคโนโลยีการบีบอัดหน่วยความจำสำหรับ LLM ที่พัฒนาโดย Google ใช้การ Quantization เพื่อลดการใช้หน่วยควา
การกลั่นกรองความรู้ (Knowledge Distillation)
เทคนิคการถ่ายโอนความรู้จากโมเดลครู (teacher model) ขนาดใหญ่ไปยังโมเดลนักเรียน (student model) ขนาดเล
Dense Model (โมเดลแบบหนาแน่น)
Dense Model (โมเดลแบบเชื่อมต่อหนาแน่น) คือสถาปัตยกรรมเครือข่ายประสาทเทียมที่ใช้พารามิเตอร์ทั้งหมดของ
การถอดรหัสเชิงคาดเดา (Speculative Decoding)
เทคนิคการเร่งความเร็วในการอนุมานที่โมเดลร่างขนาดเล็กเสนอโทเค็นหลายตัวล่วงหน้า และโมเดลขนาดใหญ่ทำการต
โทเค็น (Token)
Token คือหน่วยที่เล็กที่สุดที่ LLM ใช้ในการประมวลผลข้อความ โดยไม่ได้หมายถึงคำทั้งคำเสมอไป แต่ยังรวมถ
ตัวแบ่งโทเค็น BPE (Byte-Pair Encoding Tokenizer)
อัลกอริทึมที่รวมข้อความโดยใช้รูปแบบที่พบบ่อยและแบ่งออกเป็นหน่วย subword ส่งผลโดยตรงต่อต้นทุนอินพุต/เ
โมเดลพื้นฐาน (Foundation Model)
Base Model (Foundation Model) คือโมเดล AI อเนกประสงค์ที่ผ่านการ Pre-training ด้วยชุดข้อมูลขนาดใหญ่ โ
การควอนไทซ์ (Quantization)
เทคนิคการปรับแต่งที่ลดความแม่นยำของพารามิเตอร์โมเดลจาก 16 บิต ลงเหลือ 4 บิต เป็นต้น เพื่อบีบอัดขนาดแ
LLM ในเครื่อง
Local LLM คือรูปแบบการใช้งานที่รันโมเดลภาษาขนาดใหญ่ (Large Language Model) โดยตรงบนเซิร์ฟเวอร์หรือพี
การปรับแต่งละเอียด
ไฟน์-ทูนนิ่ง (Fine-Tuning) หมายถึงกระบวนการนำข้อมูลการเรียนรู้เพิ่มเติมมาใช้กับโมเดลแมชชีนเลิร์นนิงท
หน้าต่างบริบท (Context Window)
Context Window คือขีดจำกัดจำนวนโทเค็นสูงสุดที่ LLM สามารถประมวลผลได้ในคราวเดียว โดยครอบคลุมทั้งความย
25รายการ จาก 2จาก3