Pojmovnik
Pojmovnik
AI terminologija — sažeto definirano.
38 pojmova
A
- AI Act članak 50 (transparentnost) Članak 50 EU AI Acta uvodi obveze transparentnosti — chatbotovi, deepfake-ovi i AI-generirani sadržaj moraju se jasno označiti; primjena od kolovoza 2026.
- AI agent Sustav pokretan velikim jezičnim modelom koji autonomno slijedi cilj kroz planiranje, pozivanje alata i iteraciju na vlastitom outputu.
- AI akcelerator (NPU/TPU) Specijalizirani čip za AI radne opterećenja — NPU u mobitelima, TPU kod Googlea, AWS Trainium — često brži i učinkovitiji od GPU-a po dolaru.
C
- Chatbot Softverski agent koji vodi razgovor s korisnikom putem teksta ili glasa; moderni chatbotovi pogonjeni su velikim jezičnim modelima i alatima.
- Claude Obitelj velikih jezičnih modela tvrtke Anthropic s naglaskom na sigurnost, dugi kontekst i korištenje alata; pogoni Claude.ai i Claude Code agenta.
- Crveni tim (red team) Strukturirano testiranje AI sustava napadačkim metodama — prompt injection, jailbreak, zlouporaba — radi otkrivanja ranjivosti prije produkcije.
D
- Difuzijski model Klasa generativnih modela koji uče poništiti postupno dodavanje šuma; dominantan pristup za AI-generirane slike, video i audio danas u industriji.
- Distilacija znanja Tehnika kompresije gdje manji student model uči oponašati izlaze većeg učitelj modela, čime se smanjuje veličina uz zadržavanje točnosti.
- Duboko učenje Grana strojnog učenja koja koristi višeslojne neuronske mreže za učenje složenih obrazaca; pogoni suvremeni vid, govor i jezične AI sustave.
E
- Embedding (vektorska reprezentacija) Vektorska reprezentacija riječi, rečenice ili dokumenta u višedimenzionalnom prostoru gdje semantički slična značenja imaju bliske vektore.
- EU AI Act (Akt EU-a o umjetnoj inteligenciji) Uredba EU-a koja regulira AI sustave po razinama rizika (neprihvatljiv, visok, ograničen, minimalan); prvi sveobuhvatni AI zakon u svijetu, primjena postupna 2024.-2027.
F
G
- Generativni predtrenirani transformator (GPT) Obitelj transformer jezičnih modela samo-dekoderskog tipa, predtrenirani na ogromnim tekstovima i fino podešeni za upute; arhitektura iza ChatGPT-a i sličnih.
- Google Gemini Obitelj multimodalnih temeljnih modela Google DeepMinda koja obrađuje tekst, slike, audio i video; pogoni Gemini aplikaciju, Workspace i Vertex AI.
- Grafički procesor (GPU) Grafički procesor s tisućama paralelnih jezgri; danas je glavni hardver za treniranje i inferenciju AI modela, dominantno NVIDIA H100/B200.
H
I
- Inferencija (izvođenje modela) Faza u kojoj već istreniran model generira izlaze za nove ulaze; troši GPU/TPU resurse i određuje cijenu, latenciju i propusnost AI usluga.
- Inženjering uputa (prompt engineering) Praksa oblikovanja upita jezičnim modelima kako bi pouzdano davali željeni rezultat; obuhvaća izričaj, strukturu, primjere i sistemske upute u prompts.
K
L
M
- Mehanizam pažnje (attention) Tehnika neuronskih mreža koja modelu omogućuje vaganje važnosti svakog ulaznog tokena u odnosu na druge, srž suvremenih transformera.
- Mixture of Experts (MoE) Arhitektura neuronske mreže koja za svaki ulaz aktivira samo dio svojih parametara, čime nudi sposobnosti puno većeg modela uz znatno manji trošak inference-a.
- Model Context Protocol (MCP) Otvoreni protokol koji je Anthropic predstavio 2024. godine i koji standardizira način spajanja AI asistenata na vanjske alate i izvore podataka, slično kao što USB-C standardizira fizičke veze.
N
P
- Pojačano učenje iz ljudske povratne informacije (RLHF) Tehnika treniranja u kojoj ljudski ocjenjivači rangiraju odgovore modela, a ti rangovi koriste se za fino podešavanje LLM-a da bude koristan i siguran.
- Prompt Injection Napad u kojem nepouzdan tekst u ulazu LLM-a uzrokuje da model slijedi napadačeve instrukcije umjesto developerovih; rangiran #1 u OWASP Top 10 za LLM aplikacije.
R
- Reasoning model (model rezoniranja) LLM treniran da proizvodi dugi, promišljeni lanac razmišljanja prije konačnog odgovora, mijenjajući vrijeme inference-a za točnost na složenim problemima.
- Retrieval-Augmented Generation (RAG) Obrazac koji kombinira sustav pretraživanja s jezičnim modelom: model dohvaća relevantne dokumente iz baze znanja prije odgovora, čime se odgovor temelji na stvarnim podacima.
S
- Samonadzirano učenje Pristup treniranju gdje model uči iz neoznačenih podataka stvarajući vlastite ciljeve, npr. predviđanjem skrivenih tokena u rečenici.
- Sigurnost umjetne inteligencije (AI safety) Šire područje koje pokriva tehničke, organizacijske i politike rizike AI sustava — od pogrešaka i zlouporabe do dugoročnih egzistencijalnih briga.
- Stable Diffusion Latentni difuzijski model otvorenih težina koji je Stability AI objavio 2022.; prvi široko dostupan tekst-u-sliku generator za potrošačke GPU-ove.
T
- Temeljni model Veliki model treniran na širokim podacima koji se prilagođava za mnoge zadatke; pojam Stanford CRFM-a obuhvaća LLM-ove, vizualne i multimodalne modele.
- Tokenizacija Postupak razlaganja teksta na manje jedinice (tokene) — riječi, podriječi ili znakove — koje jezični model može obraditi i pretvoriti u brojeve.
- Transformer Arhitektura neuronske mreže predstavljena 2017. koja danas pokreće gotovo svaki suvremeni veliki jezični model. Temelji se na mehanizmu self-attention-a.
U
V
- Vektorska baza podataka Specijalizirana baza podataka koja pohranjuje i pretražuje vektorske ugradnje pomoću semantičke sličnosti; temelj suvremenih RAG sustava.
- Veliki jezični model Neuronska mreža trenirana na ogromnim količinama teksta koja predviđa i generira ljudski jezik; temelj suvremenih AI asistenata poput ChatGPT-a, Claudea i Geminija.
- Višeagentski sustav AI arhitektura u kojoj više specijaliziranih agenata surađuje, delegira ili se natječe kako bi zadatak riješili pouzdanije od jednog monolitnog modela.