Terminy Techniczne

Optymalizacja semantyczna obejmuje strukturyzowanie treści z jasnymi relacjami, podmiotami i kontekstem, które modele AI mogą zrozumieć i prawidłowo interpretować.

Wykres Wiedzy to sposób, w jaki modele AI organizują i łączą informacje o podmiotach (markach, produktach, pojęciach) i ich relacjach.

RAG (Retrieval-Augmented Generation) to technika, w której modele AI pobierają istotne dokumenty lub dane przed generowaniem odpowiedzi.

Również: Retrieval-Augmented Generation

Skrobanie AI to metodologia, w której narzędzia automatycznie pytają modele AI i zbierają odpowiedzi w celu śledzenia wzmianek marki, nastrojów i pozycjonowania.

Również: Skrobanie odpowiedzi, Monitoring AI

Stronniczość płci w AI odnosi się do udokumentowanego zjawiska, w którym modele AI rekomendują różne marki w zależności od tego, jak zapytanie jest sformułowane ze względu na płeć.

Również: Marki zablokowane płcią, Kategoryzacja płci AI

Klaster ontologii to zbiór semantycznie powiązanych tematów, słów kluczowych i pojęć, które modele AI grupują razem przy zrozumieniu Twojej marki.

Wzory Preferencji Platformy opisują, jak różne platformy AI mają wyraźne uprzedzenia w sposobie rekomendacji marek.

Również: Zachowanie platformy AI, Wzory stronniczości modelu

Strzeganie kategorii występuje, gdy AI nauczyło się kojarzyć marki tylko z określonymi kategoriami, wykluczając je z sąsiadujących lub szerszych kategorii.

Również: Stronniczość kategorii AI, Systematyczne wykluczenie

Embeddingi to numeryczne reprezentacje tekstu, obrazów lub innych danych, które oddają znaczenie semantyczne w formacie, który systemy AI mogą przetwarzać matematycznie.

Wyszukiwanie wektorowe to technologia, której systemy AI używają do znajdowania semantycznie podobnych treści, nawet jeśli nie ma dokładnych dopasowań słów kluczowych między zapytaniem a dokumentem.

Wyszukiwanie semantyczne to podejście do wyszukiwania informacji, które rozumie znaczenie i intencję zapytania, zamiast po prostu dopasowywać słowa kluczowe.

Okno kontekstowe to maksymalna ilość tekstu, jaką duży model językowy może przetworzyć w jednej interakcji.

Token to najmniejsza jednostka tekstu, którą przetwarza model AI. Średnio jeden token odpowiada około trzem czwartym słowa w języku angielskim, co oznacza, że artykuł o długości 1000 słów zawiera około 1333 tokenów.

Temperatura to ustawienie modelu AI, które kontroluje losowość i kreatywność generowanych odpowiedzi.

Dostrajanie to proces szkolenia istniejącego large language model na specjalistycznym zbiorze danych w celu poprawy jego wydajności w określonej dziedzinie lub dla konkretnego zadania.

RLHF (Reinforcement Learning from Human Feedback) to technika szkolenia używana do nauczania modeli AI, które odpowiedzi są preferowane przez ludzi.

Również: Reinforcement Learning from Human Feedback

Znaczniki Schema dla AI odnoszą się do użycia kodu danych strukturalnych (zazwyczaj JSON-LD) na Twojej stronie internetowej, aby pomóc systemom AI identyfikować i rozumieć Twoją markę, produkty, ekspertyzę i relacje.

Również: Dane strukturalne dla AI, Schema zoptymalizowana pod kątem AI

Rozpoznawanie encji (znane również jako Named Entity Recognition lub NER) to zdolność AI do identyfikowania i rozróżniania konkretnych marek, produktów, osób, organizacji i koncepcji w tekście.

Również: Named Entity Recognition, NER