מילון מונחי AI1,000 מונחים בבינה מלאכותית, בעברית פשוטה

אבוד באמצע היא תופעה שבה מודלי שפה מנצלים היטב מידע שמופיע בתחילת ההקשר ובסופו, אך מתקשים לאתר מידע שמופיע באמצע טקסט ארוך. לכן מומלץ למקם הוראות ומידע קריטי בתחילת הפרומפט או בסופו.

אגם נתונים הוא מאגר מרכזי ששומר כמויות גדולות של נתונים בצורתם הגולמית, כולל טקסטים, קבצים, הקלטות ורשומות, בלי לחייב מבנה מוגדר מראש. הוא שימושי לארגונים שרוצים לשמור מידע רב לצורכי ניתוח ואימון מודלים בעתיד.

אדם בלולאה הוא עיקרון שבו אדם מעורב בנקודות מפתח בתהליך אוטומטי או בפעולת סוכן AI, כדי לאשר, לתקן או לעצור החלטות. לדוגמה, סוכן מכין טיוטת הצעת מחיר או החזר כספי, ועובד מאשר אותה לפני שהיא נשלחת ללקוח.

אווטאר AI הוא דמות דיגיטלית, לעיתים מבוססת על אדם אמיתי, שמדברת ומניעה פנים בווידאו על בסיס טקסט או הקלטה. עסקים משתמשים באווטארים להפקת סרטוני הדרכה, הסברי מוצר ותוכן שיווקי בכמה שפות בלי צילומים חוזרים.

אוטואנקודר היא רשת נוירונים שלומדת לדחוס את הקלט לייצוג קטן ואז לשחזר ממנו את הקלט המקורי. המודל לומד כך את המאפיינים החשובים של הנתונים, ומשמש לדחיסה, להסרת רעש ולזיהוי חריגות, למשל עסקאות חשודות שקשה לשחזר.

אוטואנקודר וריאציוני הוא גרסה הסתברותית של אוטואנקודר שלומדת התפלגות רציפה במרחב הלטנטי, כך שאפשר לדגום ממנה ולייצר דוגמאות חדשות. הוא משמש כמודל יוצר וכרכיב במודלי דיפוזיה לטנטיים, שבהם הוא דוחס את התמונה לפני תהליך היצירה ומשחזר אותה בסופו.

אוטומציה מונחית אירועים היא גישה שבה תהליכים מופעלים מיידית בתגובה לאירועים במערכות, כמו רכישה, ביטול או פנייה חדשה, ולא לפי בדיקה תקופתית. היא מאפשרת תגובה בזמן אמת, למשל שליחת הודעה ללקוח שנטש עגלת קניות דקות אחרי שעזב.

אוטומציה קריאייטיבית היא הפקה אוטומטית של חומרים שיווקיים, כמו מודעות, באנרים וגרסאות טקסט, בגדלים ובווריאציות רבות, בעזרת תבניות ו-AI. היא מאפשרת לצוות שיווק קטן להריץ קמפיינים עם עשרות גרסאות מותאמות לקהלים שונים.

אוטומציה שיווקית היא שימוש בתוכנה כדי להפעיל קמפיינים, לשלוח הודעות ולפלח קהלים באופן אוטומטי לפי כללים או התנהגות לקוחות. בשילוב AI ניתן גם לכתוב את התוכן, לבחור את זמן השליחה המיטבי ולהתאים את המסר לכל נמען.

אוטומציה של משפך מכירות היא הפעלה אוטומטית של השלבים שמובילים ליד מפנייה ראשונה ועד סגירת עסקה, כמו מענה ראשוני, שליחת מידע, תזכורות ותיאום פגישות. למשל, ליד שמשאיר פרטים בפרסומת מקבל מיד הודעת וואטסאפ, שאלות סינון והצעה לקבוע שיחה.

אוטומציה של קביעת פגישות היא מערכת שמאפשרת ללקוחות לקבוע, לשנות ולבטל תורים או פגישות בעצמם, לרוב דרך שיחה או קישור, תוך סנכרון ליומן העסק. במרפאות ובקליניקות היא מצמצמת עומס טלפוני וכוללת תזכורות שמורידות את שיעור אי ההגעה.

אוטומציה של קליטת עובדים היא ביצוע אוטומטי של שלבי הקליטה של עובד חדש, כמו מילוי טפסים, פתיחת הרשאות, שליחת חומרי הדרכה ותזכורות. עוזר AI יכול גם לענות לשאלות הנפוצות של העובד בשבועות הראשונים ולקצר את זמן ההגעה לתפוקה.

אוטומציה של שירות לקוחות היא שימוש בטכנולוגיה, ובמיוחד בבינה מלאכותית, כדי לענות על פניות, לנתב אותן ולפתור בעיות נפוצות ללא התערבות נציג אנושי. היא מאפשרת זמינות מסביב לשעון ומפנה את הנציגים למקרים מורכבים, למשל מענה אוטומטי לשאלות על סטטוס משלוח.

אוטומציה של תהליכי עבודה היא הגדרה של רצף פעולות שמתבצעות אוטומטית בין מערכות, בתגובה לאירוע או לפי לוח זמנים, ללא התערבות ידנית. לדוגמה, כשליד ממלא טופס באתר הוא נרשם ב-CRM, מקבל הודעת וואטסאפ ונציג מקבל משימת התקשרות.

אוטומציה של תהליכים עסקיים היא שימוש בטכנולוגיה לביצוע תהליכים שלמים בארגון באופן אוטומטי, כמו קליטת לקוח, אישור הזמנות או גבייה, תוך חיבור בין מערכות שונות. היא מצמצמת עבודה ידנית וטעויות ומקצרת זמני טיפול.

אוטומציית מכירות היא ביצוע אוטומטי של משימות שגרתיות בתהליך המכירה, כמו עדכון CRM, שליחת הצעות מחיר, תזכורות מעקב ותיאום פגישות. היא מאפשרת לאנשי מכירות להקדיש יותר זמן לשיחות עם לקוחות ופחות לעבודה אדמיניסטרטיבית.

אומניצ׳אנל היא גישה שבה כל ערוצי הקשר עם הלקוח, כמו אתר, וואטסאפ, טלפון, מייל וסניף, מחוברים ומספקים חוויה רציפה ואחידה. לקוח שהתחיל שיחה בצ׳אט באתר יכול להמשיך אותה בוואטסאפ בלי לחזור על הפרטים, כי המידע מרוכז במערכת אחת.

אופט־אאוט מאימון הוא אפשרות שמציעים ספקי AI למשתמשים או לארגונים לבקש שהנתונים שלהם לא ישמשו לאימון מודלים עתידיים. חשוב לבדוק את ברירת המחדל בכל כלי, משום שהיא שונה בין תוכניות פרטיות לתוכניות עסקיות ובין ספקים.

אופטימיזציית המרות היא תהליך שיטתי של שיפור אתר, דף נחיתה או תהליך מכירה כדי שיותר מבקרים יבצעו פעולה רצויה, כמו השארת פרטים או רכישה. כלי AI מנתחים התנהגות גולשים, מציעים שינויים ומתאימים תוכן לכל מבקר.

אופטימיזציית העדפות ישירה היא שיטת אימון שמלמדת מודל שפה להעדיף תשובות טובות על פני גרועות ישירות מזוגות של דוגמאות, בלי צורך במודל תגמול נפרד. היא פשוטה וזולה יותר מ-RLHF ולכן נפוצה בכוונון מודלים פתוחים.

אופטימיזציית מלאי היא קביעת רמות המלאי המיטביות לכל מוצר ומיקום, כך שיהיה מספיק כדי לענות על הביקוש בלי לרתק כסף במלאי עודף. מודלים של AI משלבים חיזוי ביקוש, זמני אספקה ועונתיות כדי להמליץ מתי ומה להזמין.

אופטימייזר הוא האלגוריתם שקובע כיצד לעדכן את משקלי רשת הנוירונים על סמך הגרדיאנטים שחושבו, כדי להקטין את פונקציית ההפסד. דוגמאות נפוצות הן SGD ו־Adam, והבחירה ביניהם משפיעה על מהירות האימון ועל איכות המודל הסופי.

אוריינות AI היא היכולת של אנשים להבין מה מערכות בינה מלאכותית יכולות ואינן יכולות לעשות, להשתמש בהן נכון ולזהות את הסיכונים שבהן. חוק ה-AI האירופי מחייב ארגונים שמפתחים או מפעילים מערכות AI לדאוג לרמת אוריינות מספקת בקרב העובדים הרלוונטיים.

אחריותיות ב-AI היא העיקרון שלפיו גורם אנושי או ארגוני מוגדר נושא באחריות להחלטות ולתוצאות של מערכת בינה מלאכותית. גם כאשר בוט שירות נותן ללקוח מידע שגוי, האחריות המשפטית והעסקית נשארת בדרך כלל אצל החברה שהפעילה אותו.

אידמפוטנטיות היא תכונה של פעולה שהפעלתה כמה פעמים עם אותו קלט מניבה את אותה תוצאה כמו הפעלה אחת. באוטומציות היא מונעת כפילויות, למשל חיוב כפול או פתיחת אותו ליד פעמיים כשוובהוק נשלח שוב בגלל תקלה.

איוולים הם סטים של בדיקות מובנות שמודדים באופן שיטתי את איכות התשובות של מודל או של מערכת AI במשימות מוגדרות. עסק שמפעיל בוט שירות יכול לבנות איוולים משאלות לקוחות אמיתיות ולהריץ אותם לפני כל שינוי בפרומפט או בהחלפת מודל.

איטרטור הוא רכיב באוטומציה שמפרק רשימה של פריטים ומעבד כל פריט בנפרד באותו רצף פעולות. הוא משמש למשל כדי לעבור על כל שורות ההזמנה, כל הקבצים המצורפים למייל או כל הלידים שהתקבלו היום.

איטרציית פרומפטים היא תהליך של שיפור פרומפט בסבבים, באמצעות בדיקת התוצאות, זיהוי טעויות ועדכון הניסוח. זו הדרך המקובלת להגיע לפרומפט אמין לשימוש עסקי, למשל בוט שעונה נכון גם על שאלות חריגות של לקוחות.

איכות נתונים היא המידה שבה הנתונים מדויקים, שלמים, עקביים, עדכניים ורלוונטיים למטרה שלשמה הם משמשים. נתונים באיכות נמוכה מובילים להחלטות שגויות ולמודלים לא אמינים, ולכן כדאי לבדוק אותה לפני כל פרויקט AI.

אימון בדיוק מעורב הוא טכניקה שבה חלק מהחישובים ברשת מתבצעים במספרים בדיוק נמוך, כמו 16 ביט, וחלק בדיוק מלא של 32 ביט. כך האימון מהיר יותר וצורך פחות זיכרון במעבד הגרפי, כמעט ללא פגיעה באיכות המודל.

אימון מבוזר הוא אימון של מודל על פני מעבדים או שרתים רבים במקביל, כדי לקצר את זמן האימון או לאמן מודל שאינו נכנס למעבד אחד. כל מודלי השפה הגדולים מאומנים כך, באמצעות שילוב של כמה שיטות חלוקה של הנתונים והמודל.

אימון מודל הוא התהליך שבו אלגוריתם עובר על נתונים ומתאים את הפרמטרים הפנימיים שלו כדי למזער את הטעויות בתחזיות. איכות האימון תלויה מאוד בכמות הנתונים, באיכותם ובמידה שבה הם מייצגים את המציאות העסקית.

אימון מקדים הוא השלב הראשון והיקר ביותר בבניית מודל שפה, שבו המודל לומד מכמויות עצומות של טקסט לחזות את הטוקן הבא. בשלב זה המודל רוכש ידע כללי ויכולות שפה, ורק לאחר מכן מכווננים אותו לשיחה ולמשימות.

אימוץ AI הוא התהליך שבו ארגון מטמיע כלים ופתרונות של בינה מלאכותית בעבודה היומיומית, מהניסוי הראשון ועד שימוש שגרתי בקרב העובדים. הצלחת האימוץ נמדדת בשימוש בפועל ולא ברכישת רישיונות, ולכן היא דורשת הדרכה, התאמת תהליכים ומדידה של תועלת עסקית.

אימות קולי הוא טכנולוגיה ביומטרית שמוודאת את זהותו של אדם לפי מאפייני הקול הייחודיים שלו. בנקים וחברות תקשורת משתמשים בה כדי לזהות לקוחות בשיחה טלפונית בלי שאלות אבטחה, אם כי שיבוט קול מחייב שכבות הגנה נוספות.

אינטליגנציית שיחות היא ניתוח אוטומטי של שיחות מכירה ושירות, בטלפון, בזום או בצ׳אט, כדי להפיק תובנות על התנגדויות, נושאים חוזרים וביצועי נציגים. מנהל מכירות יכול לראות אילו משפטים מופיעים בשיחות שהסתיימו בסגירה ולהשתמש בהם להדרכת הצוות.

אינטליגנציית־על היא מושג תיאורטי המתאר מערכת שהיכולות הקוגניטיביות שלה עולות באופן משמעותי על אלה של בני האדם כמעט בכל תחום. מערכת כזו אינה קיימת כיום, אך הדיון בה מניע מחקר בתחומי יישור ובטיחות AI.

אירוח מודל פרטי הוא הרצת מודל AI בסביבה ייעודית לארגון, בענן פרטי או בשרתים מקומיים, כך שהנתונים אינם משותפים עם לקוחות אחרים של הספק. הוא מתאים לעסקים עם מידע רפואי, פיננסי או משפטי שרוצים ליהנות מ־AI בלי לחשוף נתונים.

אלגוריתם הוא סדרה מוגדרת של צעדים לפתרון בעיה או לביצוע משימה. בלמידת מכונה, האלגוריתם הוא השיטה שבאמצעותה המחשב לומד מהנתונים, כמו עץ החלטה או רגרסיה, והתוצאה של הפעלתו על הנתונים היא המודל.

אמת קרקע היא התשובה הנכונה והמאומתת עבור כל דוגמה, שאליה משווים את תחזיות המודל כדי למדוד את דיוקו. בלי אמת קרקע אמינה, למשל רשימת פניות שסווגו ידנית על ידי נציגים מנוסים, אי אפשר לדעת באמת אם המודל טוב.

אנבידיה היא חברת שבבים אמריקאית ויצרנית מעבדי ה־GPU המובילה בעולם לאימון והרצה של מודלי בינה מלאכותית. פלטפורמת התוכנה CUDA שלה הפכה לסטנדרט בתחום, ולחברה יש פעילות פיתוח גדולה בישראל, בין היתר בעקבות רכישת מלאנוקס.

אנטרופיה צולבת היא פונקציית הפסד שמודדת את הפער בין ההסתברויות שהמודל חוזה לבין התשובה הנכונה, ומענישה בחומרה תחזיות בטוחות ושגויות. היא פונקציית ההפסד המקובלת במשימות סיווג ובאימון מודלי שפה לחיזוי המילה הבאה.

אנליטיקה חזויה היא שימוש בנתוני עבר ובמודלים סטטיסטיים ולמידת מכונה כדי לחזות מה צפוי לקרות בעתיד, כמו ביקוש, נטישה או הכנסות. עסקים משתמשים בה כדי לקבל החלטות מראש, למשל להגדיל מלאי לפני עונה עמוסה או לפנות ללקוחות שעלולים לעזוב.

אנליטיקה מוגברת היא שימוש ב-AI ובלמידת מכונה כדי להפוך ניתוח נתונים לאוטומטי ונגיש, כולל הכנת נתונים, גילוי תובנות והסבר שלהן בשפה פשוטה. היא מאפשרת למנהלים ללא רקע בניתוח נתונים לקבל תשובות בלי לחכות לאנליסט.

אנליטיקת נתונים היא בחינה ועיבוד של נתונים כדי לענות על שאלות עסקיות, לזהות מגמות ולתמוך בקבלת החלטות. לדוגמה, ניתוח זמני תגובה לפניות בוואטסאפ יכול להראות באילו שעות חסרים נציגים ומתי כדאי להפעיל בוט.

אסטרטגיית AI היא תוכנית עסקית שמגדירה היכן ואיך הארגון ישתמש בבינה מלאכותית כדי להשיג יעדים מדידים, אילו משאבים יידרשו ובאיזה סדר עדיפויות. היא מונעת השקעה בכלים מפוזרים ללא תוצאה, למשל כשרשת מרפאות מחליטה להתחיל דווקא באוטומציה של זימון תורים לפני פרויקטים מורכבים יותר.

אסטרטגיית פענוח היא השיטה שבה בוחרים את הטוקן הבא מתוך התפלגות ההסתברויות שהמודל מחשב, למשל בחירה חמדנית, דגימה אקראית או חיפוש קרן. בחירת האסטרטגיה משפיעה על האיזון בין עקביות, גיוון ואיכות הטקסט.

אפוק הוא מעבר מלא אחד של המודל על כל מאגר נתוני האימון. מודלים מאומנים בדרך כלל לאורך כמה אפוקים, ומעקב אחר הביצועים בסוף כל אחד מהם עוזר לזהות מתי המודל מפסיק להשתפר ומתחיל לשנן את הנתונים.

אפליה אלגוריתמית היא יחס לא שוויוני כלפי אנשים שנגרם בעקבות החלטות של מערכת אוטומטית, גם כאשר אף אחד לא התכוון להפלות. לדוגמה, מערכת לאישור הלוואות עלולה לדחות באופן לא פרופורציונלי תושבי אזורים מסוימים, ולחשוף את הגוף המפעיל לתביעות.

אפס שמירת נתונים היא התחייבות של ספק AI לא לשמור את הקלטים והפלטים של הלקוח לאחר עיבוד הבקשה, או לשמור אותם לזמן מינימלי בלבד. ארגונים בתחומי בריאות, משפט ופיננסים מחפשים התחייבות כזו לפני שהם מעבירים מידע רגיש לשירות מודלים בענן.

אפסייל הוא שכנוע לקוח לרכוש גרסה יקרה או משודרגת יותר של המוצר או השירות שהוא כבר שוקל. מערכות AI מזהות את הרגע והלקוח המתאימים להצעה כזו, למשל הצעה לחבילת טיפולים מורחבת למטופל שהזמין טיפול בודד.

אצווה רציפה היא טכניקה בשרתי מודלים שמכניסה בקשות חדשות לעיבוד ברגע שמתפנה מקום, במקום להמתין שכל האצווה הקודמת תסתיים. היא מגדילה מאוד את ניצול ה־GPU ואת מספר המשתמשים שאפשר לשרת במקביל באותה חומרה.

ארכיטקטורת מפענח בלבד היא סוג של טרנספורמר שכולל רק את חלק המפענח עם מסכה סיבתית, ומאומן לחזות את הטוקן הבא בטקסט. זהו המבנה של רוב מודלי השפה הגדולים לצ׳אט וליצירת תוכן, כמו משפחות GPT ו־Llama.

ארכיטקטורת מקודד בלבד היא סוג של טרנספורמר שבו כל טוקן רואה את כל הרצף בשני הכיוונים, והמודל מפיק ייצוג של הטקסט במקום לייצר טקסט חדש. מודלים כמו BERT בנויים כך ומשמשים לסיווג הודעות, לזיהוי ישויות ולחיפוש סמנטי.

אשכול הוא משימה בלמידה בלתי מונחית שבה האלגוריתם מקבץ דוגמאות דומות לקבוצות, ללא הגדרה מוקדמת של הקבוצות. עסקים משתמשים בו לפילוח לקוחות, למשל כדי לגלות קבוצת לקוחות שקונה בתדירות גבוהה אך בסכומים נמוכים ולהתאים לה מבצעים.

אשכול אימון הוא קבוצה של שרתים רבים עם מאיצי GPU או TPU, המחוברים ברשת מהירה ופועלים יחד לאימון מודל אחד גדול. אשכולות כאלה עולים מאות מיליוני דולרים ולכן רק חברות גדולות מאמנות מודלי שפה מאפס, בעוד שרוב העסקים משתמשים במודלים קיימים.

אשכול היררכי הוא שיטת אשכול שבונה עץ של קבוצות, שבו קבוצות קטנות מתמזגות בהדרגה לקבוצות גדולות יותר או להפך. היתרון שלו הוא שאין צורך לקבוע מראש את מספר הקבוצות, וניתן לבחור את רמת הפירוט המתאימה לאחר הצגת העץ.

אתחול משקלים הוא הדרך שבה נקבעים הערכים ההתחלתיים של המשקלים ברשת נוירונים לפני תחילת האימון. אתחול לא נכון עלול לגרום לגרדיאנטים נעלמים או מתפוצצים, ולכן משתמשים בשיטות מוכרות כמו Xavier ו־He שמותאמות לפונקציית האקטיבציה.

אתיקה של בינה מלאכותית היא תחום העוסק בעקרונות המוסריים שצריכים להנחות פיתוח ושימוש במערכות AI, כמו הוגנות, שקיפות, פרטיות ואחריות. עבור עסקים המשמעות היא לוודא שבוט, מערכת סינון מועמדים או מנוע המלצות אינם פוגעים בלקוחות או בעובדים ואינם מפלים קבוצות מסוימות.

באגינג היא טכניקת אנסמבל שבה מאמנים מודלים רבים במקביל, כל אחד על מדגם אקראי עם החזרה מתוך נתוני האימון, ומשלבים את תחזיותיהם בממוצע או בהצבעה. היא מפחיתה את השונות של המודל, ויער אקראי הוא הדוגמה המוכרת לה.

בדיקת השערות היא שיטה סטטיסטית להחלטה האם הנתונים תומכים בטענה מסוימת, באמצעות השוואה בין השערת אפס להשערה חלופית. היא הבסיס לניסויים עסקיים, כמו בדיקה האם דף נחיתה חדש באמת מגדיל את מספר הפניות.

בוט אומניצ׳אנל הוא בוט שפועל באופן אחיד במספר ערוצים, כמו וואטסאפ, אתר, אינסטגרם, מסנג׳ר וטלפון, עם אותו מאגר ידע ואותה היסטוריית לקוח. כך לקוח שהתחיל שיחה באתר יכול להמשיך אותה בוואטסאפ בלי להתחיל מההתחלה.

בוסטינג היא טכניקת אנסמבל שבה מאמנים מודלים חלשים בזה אחר זה, וכל מודל חדש מתמקד בתיקון הטעויות של המודלים הקודמים. התוצאה היא מודל חזק ומדויק, ושיטות כמו XGBoost ו־AdaBoost מבוססות עליה.

בחירת תכונות היא תהליך של זיהוי והשארה של המשתנים המועילים ביותר למודל, והסרת משתנים מיותרים או רועשים. היא מקצרת את זמן האימון, מפחיתה את הסיכון להתאמת יתר ומקלה על הסבר התוצאות למנהלים.

בטיחות AI היא תחום העוסק במניעת נזקים ממערכות בינה מלאכותית, החל מטעויות ושימוש לרעה בטווח הקצר ועד סיכונים ממערכות מתקדמות מאוד בעתיד. הוא כולל מחקר, בדיקות, ניטור ומנגנוני בקרה, ומשפיע על האופן שבו חברות מפתחות ומשחררות מודלים.

ביג דאטה הוא כינוי לכמויות נתונים גדולות, מהירות ומגוונות כל כך שקשה לעבד אותן בכלים מסורתיים. ניתוח ביג דאטה מאפשר לזהות דפוסי התנהגות של לקוחות, מגמות ביקוש וחריגות, ומשמש בסיס לאימון מודלי AI גדולים.

בייס נאיבי הוא אלגוריתם סיווג הסתברותי המבוסס על משפט בייס, שמניח לשם פשטות שהתכונות אינן תלויות זו בזו. למרות ההנחה הפשטנית הוא מהיר ויעיל מאוד בסיווג טקסט, ושימש רבות לסינון דואר זבל ולסיווג פניות.

בינה מלאכותית היא תחום במדעי המחשב העוסק בפיתוח מערכות שמבצעות משימות שבדרך כלל דורשות אינטליגנציה אנושית, כמו הבנת שפה, זיהוי דפוסים, קבלת החלטות ולמידה מניסיון. בעסקים היא משמשת למשל למענה אוטומטי ללקוחות, לחיזוי מכירות ולמיון פניות נכנסות ב־CRM.

בינה מלאכותית אחראית היא גישה ארגונית לפיתוח והטמעה של מערכות AI באופן בטוח, הוגן, שקוף ותואם רגולציה לאורך כל מחזור החיים של המערכת. בפועל היא כוללת מדיניות שימוש, בדיקות הטיה, תיעוד, פיקוח אנושי ונהלים לטיפול בתקלות לפני שהן פוגעות בלקוחות.

בינה מלאכותית יוצרת היא תחום של מערכות AI שמייצרות תוכן חדש כמו טקסט, תמונות, קוד, קול או וידאו על בסיס דפוסים שלמדו מנתונים. עסקים משתמשים בה לכתיבת תיאורי מוצרים, ניסוח הצעות מחיר, יצירת תמונות לשיווק ומענה אוטומטי לפניות.

בינה מלאכותית כללית היא מושג המתאר מערכת היפותטית שמסוגלת להבין, ללמוד ולבצע כל משימה אינטלקטואלית ברמה של אדם, בתחומים רבים ושונים. אין הסכמה בין מומחים מתי, אם בכלל, תושג, והיא נחשבת יעד מרכזי של חברות AI מובילות.

בינה מלאכותית מולטימודלית היא מערכת שמסוגלת לקלוט ולהפיק כמה סוגי מידע, כמו טקסט, תמונה, קול ווידאו, ולשלב ביניהם. לדוגמה, עוזר דיגיטלי יכול להאזין להודעה קולית בוואטסאפ, לראות תמונה מצורפת ולהשיב בטקסט מתאים.

בינה מלאכותית מוסברת היא אוסף שיטות וכלים שמטרתם להסביר כיצד ומדוע מודל AI הגיע להחלטה או לתחזית מסוימת, באופן שבני אדם יכולים להבין. היא חשובה במיוחד בתחומים כמו אשראי, ביטוח ורפואה, שבהם לקוח או רגולטור עשויים לדרוש נימוק להחלטה.

בינה מלאכותית סוכנית היא גישה שבה מערכות AI פועלות באופן יזום ורב-שלבי, מקבלות החלטות ומפעילות כלים, במקום רק לענות על שאלה בודדת. בעסקים היא מאפשרת להעביר לאוטומציה תהליכים שלמים, כמו טיפול בפנייה מקצה לקצה, ולא רק משימות נקודתיות.

בינה מלאכותית סימבולית היא גישה שבה ידע מיוצג באמצעות סמלים, כללים ולוגיקה מפורשת, והמערכת מסיקה מסקנות על פיהם. היא שלטה בתחום בעשורים הראשונים שלו, וכיום משולבת לעיתים עם למידת מכונה כדי לשפר אמינות והסבריות.

בינה מלאכותית צרה היא מערכת שמתמחה במשימה אחת או בתחום מוגדר, כמו זיהוי פנים, המלצות מוצרים או מענה לשאלות שירות. כל מערכות הבינה המלאכותית הקיימות כיום נחשבות לבינה צרה, גם המתקדמות שבהן.

בינה מלאכותית שיחתית היא תחום הטכנולוגיות שמאפשרות למחשבים לנהל שיחה טבעית בטקסט או בקול, להבין כוונה ולהגיב בהתאם להקשר. היא הבסיס לצ׳אטבוטים, בוטים קוליים ועוזרים וירטואליים בערוצים כמו וואטסאפ, אתר ומוקד טלפוני.

בינה עסקית היא תחום הכלים והתהליכים שאוספים, מנתחים ומציגים נתונים עסקיים בדוחות ובלוחות מחוונים כדי לתמוך בקבלת החלטות. לדוגמה, מנהל יכול לראות בלוח אחד את מספר הלידים, שיעור הסגירה וזמני המענה של כל נציג.

בינת־על מלאכותית היא מושג תיאורטי המתאר מערכת שעולה באופן משמעותי על היכולות האינטלקטואליות של בני אדם כמעט בכל תחום. היא נדונה בעיקר בהקשרים של מחקר עתידי ובטיחות בינה מלאכותית, ואינה קיימת כיום.

ביקורת AI היא בדיקה בלתי תלויה של מערכת בינה מלאכותית כדי לוודא שהיא פועלת כמצופה, עומדת ברגולציה ובמדיניות הארגון ואינה מפלה או חושפת מידע. ביקורת יכולה לכלול בחינת נתונים, בדיקות ביצועים, סקירת תיעוד ובחינת תהליכי הפיקוח.

בנצ׳מרק הוא מבחן סטנדרטי עם מערך שאלות ומדדים קבועים, שמשמש להשוואה בין מודלי AI שונים באותם תנאים. בנצ׳מרקים עוזרים להבין יכולות כלליות של מודל, אך לא תמיד משקפים את הביצועים במשימות הספציפיות של עסק מסוים.

בעיית השודד הרב־זרועי היא מודל לקבלת החלטות שבו צריך לבחור שוב ושוב בין כמה אפשרויות בעלות תמורה לא ידועה, ולאזן בין חקירה לניצול. היא משמשת לבחירה דינמית בין גרסאות של הודעות שיווק או דפי נחיתה, תוך הפניית יותר תנועה לגרסה המנצחת.

בעלות על תוכן שנוצר ב-AI היא השאלה המשפטית מי, אם בכלל, מחזיק בזכויות היוצרים בטקסט, תמונה או קוד שהופקו על ידי מודל. במדינות רבות, ובהן ארה״ב, תוכן שנוצר ללא תרומה יצירתית אנושית משמעותית אינו זוכה בהגנת זכויות יוצרים.

בקרה חזותית אוטומטית היא שימוש במצלמות ובמודלי ראייה ממוחשבת לאיתור פגמים במוצרים, כמו שריטות, סדקים או חלקים חסרים. מפעלים משתמשים בה כדי לבדוק כל פריט בקו הייצור במהירות ובעקביות שקשה להשיג בבדיקה אנושית.

גאוסיאן ספלאטינג היא שיטה לייצוג ולהצגה של סצנות תלת־ממדיות באמצעות אוסף גדול של כתמים תלת־ממדיים, שנבנים מתוך תמונות רגילות. היא מאפשרת הצגה מהירה ואיכותית בזמן אמת, ומשמשת לסריקת נכסים, חללי תצוגה ומוצרים.

גבול החלטה הוא הקו או המשטח שמפריד בין האזורים שבהם מודל סיווג משייך דוגמאות לקטגוריות שונות. הבנת צורתו עוזרת להעריך האם המודל פשוט מדי, למשל קו ישר, או מורכב מדי ועלול להיות בהתאמת יתר.

גוגל דיפמיינד היא מעבדת המחקר המרכזית של גוגל בתחום הבינה המלאכותית, שנוצרה ב־2023 ממיזוג DeepMind הלונדונית עם Google Brain. המעבדה אחראית למודלי Gemini ולפריצות דרך כמו AlphaGo ו־AlphaFold.

גודל אצווה הוא מספר הדוגמאות שהמודל מעבד בכל צעד אימון לפני שהוא מעדכן את המשקלים. אצווה גדולה מאיצה את האימון אך דורשת יותר זיכרון במעבד הגרפי, ואצווה קטנה חסכונית יותר אך עלולה להפוך את הלמידה לרועשת.

גודל מדגם הוא מספר התצפיות או המשתתפים שנכללים בניתוח או בניסוי. מדגם קטן מדי עלול להוביל למסקנות שגויות, ולכן לפני ניסוי A/B כדאי לחשב כמה לקוחות או הודעות נדרשים כדי לזהות הבדל משמעותי.

גזירה אוטומטית היא טכניקה שבה התוכנה מחשבת בעצמה את הנגזרות של כל פעולה בגרף החישובי, ומאפשרת לבצע התפשטות לאחור בלי לכתוב נוסחאות ידנית. זהו אחד הרכיבים שהפכו את פיתוח רשתות הנוירונים לנגיש, והוא מובנה בספריות כמו PyTorch.

גיזום רשת הוא טכניקה להקטנת רשת נוירונים על ידי הסרת משקלים, נוירונים או שכבות שתרומתם לביצועים קטנה. התוצאה היא מודל קל ומהיר יותר שמתאים להרצה במכשירים חלשים או בעלות נמוכה, לעיתים תוך אימון קצר נוסף לשחזור הדיוק.

גילוי שימוש ב-AI הוא יידוע של משתמשים או לקוחות שתוכן נוצר באמצעות בינה מלאכותית או שהם מתקשרים עם מערכת אוטומטית ולא עם אדם. חוק ה-AI האירופי קובע חובות שקיפות כאלה במקרים מסוימים, ובישראל זהו צעד מומלץ לשמירה על אמון הלקוחות.

גלאי תוכן AI הוא כלי שמנסה לקבוע האם טקסט, תמונה או קול נוצרו על ידי מודל בינה מלאכותית ולא על ידי אדם. הדיוק של גלאים כאלה מוגבל, והם עלולים לטעות בשני הכיוונים, ולכן אין להסתמך עליהם לבדם בהחלטות משמעותיות כמו פסילת עבודה או מועמד.

גניבת מודל היא השגה לא מורשית של מודל AI, של המשקלות שלו או של היכולות שלו, בין באמצעות פריצה לשרתים ובין באמצעות שאילתות רבות שמאפשרות לשחזר את התנהגותו. היא פוגעת בקניין הרוחני ובהשקעה של החברה שפיתחה ואימנה את המודל.

גרדיאנט מתפוצץ היא בעיה באימון רשתות נוירונים שבה הגרדיאנטים גדלים בצורה חריגה במעבר בין השכבות, וגורמים לעדכוני משקלים ענקיים ולאימון לא יציב. היא נפוצה במיוחד ברשתות רקורסיביות ועמוקות, ומטופלת לרוב בחיתוך גרדיאנטים ובאתחול משקלים זהיר.

גרדיאנט נעלם היא בעיה באימון רשתות עמוקות שבה אותות התיקון הולכים וקטנים ככל שהם עוברים אחורה בשכבות, עד שהשכבות המוקדמות כמעט אינן לומדות. פתרונות כמו ReLU, חיבורים שיוריים ו־LSTM פותחו בעיקר כדי להתמודד עם בעיה זו.

גריפת נתונים היא איסוף אוטומטי של מידע מאתרי אינטרנט באמצעות תוכנה שקוראת את הדפים ומחלצת מהם שדות מוגדרים. עסקים משתמשים בה למעקב אחר מחירי מתחרים או לבניית מאגרי מידע, ויש לוודא עמידה בתנאי השימוש של האתרים ובדיני הפרטיות.

גרף חישובי הוא ייצוג של חישוב כרשת של פעולות מתמטיות, שבה כל צומת הוא פעולה והקשתות מעבירות נתונים ביניהן. ספריות למידה עמוקה בונות גרף כזה כדי לחשב גרדיאנטים באופן אוטומטי ולהריץ את החישוב ביעילות על מעבדים גרפיים.

ג׳יילברייק הוא ניסיון לעקוף את מנגנוני הבטיחות והמגבלות של מודל שפה באמצעות ניסוחים מתוחכמים, משחקי תפקידים או תרחישים בדיוניים. המטרה היא לגרום למודל להפיק תוכן שהוא אמור לסרב לו, ולכן ארגונים בודקים את הבוטים שלהם מול טכניקות כאלה לפני עלייה לאוויר.

ג׳מיני הוא משפחת מודלי AI רב־אופניים של גוגל, וגם שמו של העוזר החכם של החברה, שהחליף בפברואר 2024 את Bard. ג׳מיני משולב ב־Gmail, Docs ו־Android, ומאפשר לעסקים לסכם מיילים, לנתח קבצים ולבנות אפליקציות דרך API.

דגימת יתר היא טכניקה לאיזון נתונים שבה מגדילים את מספר הדוגמאות של המחלקה הנדירה, על ידי שכפול או יצירת דוגמאות חדשות בשיטות כמו SMOTE. היא עוזרת למודל ללמוד לזהות מקרים נדירים, כמו לקוחות שעומדים לבטל מנוי.

דוקר היא הפלטפורמה הנפוצה ביותר ליצירה ולהרצה של קונטיינרים, והפכה לסטנדרט בפיתוח ובפריסת תוכנה. צוותי AI משתמשים בה כדי לארוז מודל ושרת API לתמונה אחת שאפשר להריץ במחשב המפתח, בשרת המשרד או בענן.

דחיסת פרומפט היא קיצור הפרומפט או ההקשר תוך שמירה על המידע החשוב, באמצעות סיכום, הסרת כפילויות או כלים ייעודיים. היא מקטינה עלויות וזמני תגובה, למשל כשמעבירים למודל היסטוריית שיחות ארוכה עם לקוח.

דיאריזציה של דוברים היא תהליך שמפריד הקלטה לפי דוברים וקובע מי דיבר ומתי. בתמלול שיחת שירות היא מאפשרת להבחין בין דברי הנציג לדברי הלקוח, וכך לנתח את השיחה ולהפיק סיכום מדויק.

דיוק כללי הוא שיעור התחזיות הנכונות של מודל מתוך כלל התחזיות. זהו מדד פשוט, אך הוא עלול להטעות כשהנתונים לא מאוזנים, למשל מודל שתמיד חוזה שאין הונאה יקבל דיוק גבוה מאוד אף שאינו מזהה אף מקרה הונאה.

דיוק מעורב הוא שימוש בשילוב של פורמטים מספריים בדיוק נמוך ובדיוק גבוה בזמן אימון או הרצה של מודל. החישובים הכבדים מתבצעים בדיוק נמוך ומהיר, והחלקים הרגישים נשמרים בדיוק גבוה, וכך חוסכים זמן וזיכרון כמעט בלי לפגוע באיכות.

דיפוזיה לטנטית היא גישה שבה תהליך הדיפוזיה מתבצע במרחב לטנטי דחוס במקום ישירות על הפיקסלים של התמונה. הגישה מקטינה מאוד את דרישות החישוב ומאפשרת להריץ מודלי יצירת תמונות גם על מעבדים גרפיים ביתיים, והיא הבסיס ל־Stable Diffusion.

דיפפייק הוא תוכן וידאו, תמונה או קול מזויף שנוצר בבינה מלאכותית ומציג אדם אמיתי אומר או עושה דברים שלא עשה. הוא משמש גם להונאות, למשל התחזות למנכ״ל בשיחה כדי לאשר העברת כספים, ולכן חשוב לאמת בקשות חריגות בערוץ נוסף.

דירוג Elo הוא שיטת ניקוד שפותחה במקור לשחמט, ומעדכנת את דירוג המשתתפים לפי תוצאות ההתמודדויות ביניהם. בעולם ה-AI היא משמשת לדירוג מודלי שפה לפי השוואות ראש בראש בין התשובות שלהם, כמו בפלטפורמת צ׳אטבוט ארנה.

דירוג חברתי הוא שימוש במערכות אוטומטיות כדי להעריך או לדרג אנשים על סמך התנהגותם החברתית או מאפייניהם האישיים, ולהעניק או לשלול מהם הטבות בהתאם. חוק ה-AI האירופי אוסר דירוג חברתי שמוביל ליחס מזיק או לא מוצדק כלפי אנשים.

דירוג לידים הוא שיטה למתן ציון לכל ליד לפי הסבירות שיהפוך ללקוח משלם, על בסיס נתונים כמו מקור הפנייה, התנהגות באתר ותגובות להודעות. מודלים של AI משפרים את הדירוג ומאפשרים לצוות המכירות לטפל קודם בלידים החמים ביותר במקום לעבור על הרשימה לפי הסדר.

דירוג מחדש הוא שלב שבו מודל ייעודי בוחן את התוצאות הראשוניות שנשלפו ומסדר אותן מחדש לפי מידת הרלוונטיות האמיתית לשאלה. הוא משפר משמעותית את איכות RAG, כי רק המסמכים המתאימים ביותר מועברים למודל השפה לצורך ניסוח התשובה.

דליפת מידע היא אירוע אבטחה שבו מידע אישי או רגיש נחשף, נגנב, אבד או נגיש לגורם לא מורשה. במערכות AI דליפה יכולה לנבוע מפריצה לשרתים, מהגדרות הרשאה שגויות או מבוט שחושף בטעות פרטים של לקוח אחד ללקוח אחר.

דליפת מידע לכלי AI היא חשיפה של מידע רגיש, כמו קוד, חוזים או פרטי לקוחות, כתוצאה מהזנתו לשירות AI חיצוני שעשוי לשמור אותו או להשתמש בו. כדי לצמצם את הסיכון, ארגונים בוחרים בתוכניות עסקיות עם התחייבות לאי־שימוש בנתונים ומגבילים את סוגי המידע המותרים.

דליפת נתונים היא מצב שבו מידע שלא אמור להיות זמין בזמן החיזוי חודר לנתוני האימון, ולכן המודל נראה מצוין בבדיקות אך נכשל בשטח. לדוגמה, הכללת שדה תאריך ביטול במודל לחיזוי נטישה חושפת למודל את התשובה מראש.

דמיון סמנטי הוא מדד לכמה שני טקסטים קרובים במשמעותם, גם אם הם מנוסחים במילים שונות לגמרי. הוא מאפשר למשל לזהות שאלות חוזרות של לקוחות, לאתר פניות כפולות ולהתאים שאלה לתשובה הקרובה ביותר במאגר שאלות נפוצות.

דעיכת משקלים היא טכניקת רגולריזציה שמקטינה מעט את כל המשקלים בכל צעד אימון, וכך מעודדת את המודל להעדיף פתרונות פשוטים עם משקלים קטנים. היא מסייעת למנוע התאמת יתר ומשולבת כמעט תמיד באימון מודלים גדולים, למשל באופטימייזר AdamW.

דרופאאוט היא טכניקת רגולריזציה שבה בכל צעד אימון מכבים באופן אקראי חלק מהנוירונים ברשת, כך שהמודל לא יוכל להסתמך יתר על המידה על נוירון מסוים. התוצאה היא מודל שמכליל טוב יותר לנתונים חדשים במקום לשנן את נתוני האימון.

הבנת מסמכים היא יכולת של מודל לפרש לא רק את הטקסט במסמך אלא גם את המבנה שלו, כמו טבלאות, כותרות, שדות וחתימות. היא מאפשרת למשל להבין חוזה שכירות ולשלוף ממנו את תקופת השכירות ואת גובה התשלום.

הבנת שפה טבעית היא תת־תחום של NLP שמתמקד בהבנת המשמעות והכוונה שמאחורי טקסט, ולא רק במילים עצמן. בבוט וואטסאפ היא מאפשרת להבין שההודעות אפשר להזיז לי את התור ואני לא אגיע מחר מבטאות את אותה בקשה.

הגבלת מטרה היא עיקרון שלפיו מותר להשתמש במידע אישי רק למטרה שלשמה נאסף ושעליה הודע לאדם, ולא למטרות אחרות ללא בסיס חוקי. שימוש בפרטי לקוחות שנאספו לשירות כדי לאמן מודל או לשלוח דיוור שיווקי עלול להפר עיקרון זה.

הגבלת קצב היא מנגנון שמגביל כמה בקשות או טוקנים ניתן לשלוח לשירות בפרק זמן נתון, למשל בדקה. ספקי מודלים מפעילים מגבלות כאלה, ולכן אוטומציה ששולחת אלפי הודעות בבת אחת צריכה לתכנן תורים וחלוקת עומס כדי לא להיחסם.

הגדלת רזולוציה היא שימוש בבינה מלאכותית כדי להגדיל תמונה ברזולוציה נמוכה תוך שחזור פרטים וחדות, במקום מתיחה שמטשטשת אותה. היא מאפשרת למשל להשתמש בתמונות מוצר ישנות או קטנות בהדפסה ובאתר באיכות גבוהה.

הגשת מודלים היא התשתית והתהליך שבהם מודל מאומן מועלה לשרת וזמין לקבל בקשות בזמן אמת דרך API. היא כוללת ניהול זיכרון, תורים, גרסאות ועומסים, וקובעת אם המודל יענה ללקוחות במהירות וביציבות גם בשעות העומס.

הוגנות ב-AI היא הדרישה שמערכת בינה מלאכותית תתייחס באופן שוויוני לאנשים ולקבוצות שונות ולא תפלה על בסיס מאפיינים כמו מגדר, גיל, מוצא או דת. קיימים מדדים סטטיסטיים שונים להוגנות, ולעיתים הם סותרים זה את זה, ולכן נדרשת הכרעה מודעת לפי ההקשר העסקי.

הודעות אינטראקטיביות הן הודעות בוואטסאפ ובערוצי צ׳אט אחרים שכוללות כפתורי תשובה מהירה, רשימות בחירה או קישורים לפעולה. הן מקלות על הלקוח ומשפרות את דיוק הבוט, למשל בבחירת סניף, שעה פנויה או סוג שירות בלחיצה אחת.

הוכחת היתכנות היא ניסוי קטן ומוגבל בזמן שנועד לבדוק אם פתרון AI אכן עובד על הנתונים והתהליכים של הארגון לפני השקעה גדולה. למשל, בדיקה במשך שבועיים אם עוזר אוטומטי מצליח לענות נכון על רוב שאלות הלקוחות הנפוצות.

הורדת ממדים היא תהליך של הקטנת מספר המשתנים בנתונים תוך שמירה על רוב המידע החשוב. היא מאיצה את האימון, מפחיתה רעש ומאפשרת להציג נתונים מורכבים בגרף דו־ממדי, למשל כדי לראות פלחי לקוחות בצורה ויזואלית.

הזיה היא מצב שבו מודל שפה מייצר מידע שגוי או מומצא ומציג אותו בביטחון כאילו היה עובדה. לדוגמה, בוט עלול להמציא מחיר, מדיניות החזרות או מקור שאינו קיים, ולכן מקובל לחבר אותו למידע עסקי מאומת ולהגביל אותו בהוראות.

הזכות להישכח היא זכותו של אדם, המעוגנת ב-GDPR, לדרוש מארגון למחוק את המידע האישי שלו בנסיבות מסוימות, למשל כשאין עוד צורך בו. מימושה במערכות AI מאתגר, כי קשה להסיר מידע שכבר שימש לאימון מודל.

הזכות להסבר היא זכותו של אדם לקבל מידע משמעותי על ההיגיון שעומד מאחורי החלטה אוטומטית שהשפיעה עליו, כמו דחיית בקשת אשראי. היא נגזרת בין היתר מה-GDPR ומחוק ה-AI האירופי, ומחייבת ארגונים לבחור מערכות שאפשר להסביר את החלטותיהן.

הזרמת תשובה היא שליחת הפלט של המודל למשתמש בהדרגה, טוקן אחר טוקן, במקום להמתין לסיום התשובה כולה. היא משפרת את חוויית המשתמש בצ׳אט באתר, כי הלקוח רואה את התשובה מתחילה להיכתב מיד.

הזרקת פרומפט היא מתקפה שבה תוקף מחדיר הוראות זדוניות לקלט של מודל שפה כדי לגרום לו להתעלם מההנחיות המקוריות ולבצע פעולה לא מורשית. לדוגמה, משתמש עלול לכתוב לבוט וואטסאפ הוראה שגורמת לו לחשוף מחירונים פנימיים או להבטיח הנחה שלא אושרה.

הזרקת פרומפט עקיפה היא מתקפה שבה ההוראות הזדוניות מוסתרות בתוכן חיצוני שהמודל קורא, כמו דף אינטרנט, מסמך או מייל, ולא נכתבות ישירות על ידי המשתמש. היא מסוכנת במיוחד למערכות שקוראות מיילים או אתרים באופן אוטומטי ומסוגלות לבצע פעולות בשם המשתמש.

החזר השקעה ב-AI הוא היחס בין התועלת הכספית שמניב פרויקט בינה מלאכותית לבין העלות הכוללת שלו, כולל פיתוח, רישוי, תחזוקה והדרכה. חישוב נכון כולל חיסכון בשעות עבודה, עלייה בהמרות וירידה בטעויות, למשל כמה שעות מזכירות נחסכו בזכות מענה אוטומטי לפניות.

הטיה ברשת נוירונים היא ערך נלמד שמתווסף לסכום המשוקלל של הקלטים בכל נוירון, ומאפשר להזיז את נקודת ההפעלה שלו. בלי ערך הטיה הרשת הייתה מוגבלת יותר ביכולתה להתאים את עצמה לנתונים, ולכן הוא חלק מובנה כמעט בכל שכבה.

הטיה אלגוריתמית היא מצב שבו מערכת AI מפיקה תוצאות מוטות באופן שיטתי לטובת קבוצה מסוימת או לרעתה, לרוב בגלל נתוני אימון לא מאוזנים או הנחות שגויות בתכנון. לדוגמה, מודל לדירוג מועמדים שאומן על היסטוריית גיוס מוטה עלול להעדיף גברים על פני נשים.

הטמעת תמונה היא ייצוג של תמונה כוקטור מספרי שמתאר את המאפיינים החזותיים שלה, כך שתמונות דומות מקבלות וקטורים קרובים. היא הבסיס לחיפוש חזותי, להמלצות על מוצרים דומים ולאיתור תמונות כפולות בקטלוג.

Hailo היא חברה ישראלית המפתחת מעבדי AI ייעודיים להרצת מודלים על גבי מכשירי קצה, כמו מצלמות אבטחה, רכבים ומערכות תעשייתיות. מעבדים כאלה מאפשרים ניתוח וידאו בזמן אמת בתוך המכשיר עצמו בלי לשלוח את הנתונים לענן.

היפר-אוטומציה היא אסטרטגיה ארגונית לאוטומציה של כמה שיותר תהליכים עסקיים, תוך שילוב כלים כמו RPA, אוטומציה של תהליכי עבודה, AI וניתוח תהליכים. המטרה היא לא רק לחסוך משימות בודדות אלא לייעל תהליכים שלמים מקצה לקצה.

היפר-פרסונליזציה היא רמה מתקדמת של התאמה אישית שמשתמשת בנתונים בזמן אמת וב-AI כדי להתאים מסר, הצעה וערוץ לכל לקוח בכל רגע. למשל, אפליקציה של רשת קפה שולחת הצעה למשקה האהוב על הלקוח כשהוא מתקרב לסניף בשעה שבה הוא נוהג לקנות.

היפר־פרמטר הוא הגדרה של המודל או של תהליך האימון שנקבעת מראש על ידי המפתח ואינה נלמדת מהנתונים, כמו עומק מקסימלי של עץ החלטה או מספר הקבוצות ב־K-Means. בחירה נכונה שלהם יכולה לשפר משמעותית את ביצועי המודל.

הכללה היא היכולת של מודל למידת מכונה לבצע תחזיות מדויקות על נתונים חדשים שלא ראה בזמן האימון. זו המטרה האמיתית של כל מודל, שכן מודל שמצליח רק על נתוני העבר אינו שימושי בעבודה היומיומית של העסק.

המבחן האחרון של האנושות הוא בנצ׳מרק של שאלות קשות במיוחד במגוון רחב של תחומים אקדמיים, שנכתבו על ידי מומחים כדי לבחון את גבולות היכולת של מודלי AI מתקדמים. הוא נוצר משום שבנצ׳מרקים ותיקים כבר הגיעו לרוויה.

המרת דיבור לטקסט היא טכנולוגיה שמתמללת אוטומטית דיבור מוקלט או חי לטקסט כתוב. עסקים משתמשים בה לתמלול שיחות מכירה ושירות, להמרת הודעות קוליות בוואטסאפ לטקסט ולתיעוד אוטומטי של פגישות ב־CRM.

המרת טקסט לדיבור היא טכנולוגיה שמייצרת קול מדבר מתוך טקסט כתוב, כיום בקולות שנשמעים טבעיים מאוד. היא משמשת במענים קוליים אוטומטיים, בבוטים טלפוניים, בהקראת תוכן לנגישות ובהפקת קריינות לסרטונים.

המתנה מעריכית היא אסטרטגיה לניסיון חוזר אחרי כישלון, שבה זמן ההמתנה בין ניסיון לניסיון גדל בהדרגה, למשל שנייה, שתיים, ארבע. היא מקובלת בעבודה מול API של מודלים כשנתקלים בהגבלת קצב, ומונעת הצפה של השירות בבקשות חוזרות.

הנדסת הקשר היא תכנון שיטתי של כל המידע שנכנס לחלון ההקשר של המודל, כולל הוראות, היסטוריה, מסמכים, נתוני לקוח ותוצאות כלים. היא מרחיבה את הנדסת הפרומפטים ומשפיעה במידה רבה על איכות העבודה של בוטים וסוכנים.

הנדסת פרומפטים היא המיומנות של תכנון וניסוח הוראות למודל שפה כך שיפיק תוצאות מדויקות, עקביות ושימושיות. בעסק היא משמשת לבניית תבניות קבועות, למשל למענה ללידים, לסיכום שיחות מכירה או לכתיבת מודעות, במקום לנסח מחדש בכל פעם.

הנדסת תכונות היא תהליך של יצירה, שינוי ושילוב של משתנים מתוך הנתונים הגולמיים כדי לשפר את ביצועי המודל. לדוגמה, במקום להזין תאריכי רכישה בודדים, מחשבים את מספר הימים מאז הרכישה האחרונה, תכונה שמנבאת היטב נטישת לקוחות.

הנחיה ללא מסווג היא טכניקה במודלי דיפוזיה שמשלבת בין תחזית המודל עם הנחיית הטקסט לבין תחזית בלעדיה, כדי לחזק את ההתאמה לתיאור המבוקש. ערך הנחיה גבוה מניב תמונות נאמנות יותר לפרומפט אך פחות מגוונות, ולכן משתמשים מכווננים אותו.

הסטת פניות היא צמצום מספר הפניות שמגיעות לנציגים אנושיים באמצעות פתרון אוטומטי שלהן, למשל בעזרת מאגר ידע או עוזר AI. שיעור הסטה גבוה מוריד עלויות שירות, אך חשוב לוודא שהלקוח אכן קיבל פתרון ולא רק ויתר.

הסכם רמת שירות הוא התחייבות חוזית של ספק לרמת שירות מוגדרת, כמו אחוז זמינות, זמני תגובה וזמני טיפול בתקלות. כשעסק מסתמך על מודל בענן לשירות לקוחות, חשוב לבדוק את ה־SLA של הספק ומה קורה כשהוא מופר.

הסכמה בין מתייגים היא מדד לרמת העקביות בין אנשים שונים שמתייגים את אותם נתונים, ונמדדת לעיתים במדדים כמו קאפה של כהן. הסכמה נמוכה מעידה על הנחיות תיוג לא ברורות, ולכן גם המודל שיאומן על הנתונים יהיה פחות אמין.

הסכמה מדעת היא הסכמה חופשית של אדם לאיסוף ולשימוש במידע שלו, לאחר שקיבל הסבר ברור על מטרת השימוש, על מי יקבל את המידע ועל זכויותיו. לדוגמה, בוט שאוסף פרטים רפואיים לקביעת תור צריך להבהיר למשתמש מה ייעשה במידע לפני האיסוף.

הסקה היא השלב שבו מודל מאומן מקבל קלט חדש ומפיק ממנו תשובה, תחזית או תוכן, בניגוד לשלב האימון. כל הודעה שלקוח שולח לבוט וואטסאפ מבוסס AI מפעילה הסקה, ולכן עלות ומהירות ההסקה משפיעות ישירות על חוויית השירות ועל החשבון החודשי.

הסקה באצווה היא הרצת מודל על כמות גדולה של נתונים בבת אחת, בלי צורך בתשובה מיידית. למשל, סיווג אלפי פניות ישנות מה־CRM או דירוג כל הלידים בלילה, בעלות נמוכה יותר מאשר עיבוד כל פריט בזמן אמת.

הסקה בזמן אמת היא הפעלת מודל על כל בקשה ברגע שהיא מגיעה, עם תשובה תוך שניות או פחות. היא נחוצה לצ׳אטבוטים, לבוטים קוליים ולזיהוי הונאות בתשלום, שם כל עיכוב פוגע בלקוח או בעסקה.

הסקה סיבתית היא תחום שמטרתו לקבוע האם שינוי במשתנה אחד גורם בפועל לשינוי באחר, ולא רק מופיע יחד איתו. היא חשובה להחלטות עסקיות, למשל כדי לדעת אם הבוט החדש הוא שהעלה את המכירות או שמדובר בעונתיות.

הסרת כפילויות היא זיהוי ומיזוג של רשומות שמופיעות יותר מפעם אחת, גם כשהן כתובות מעט אחרת. ב-CRM, הסרת כפילויות מונעת מצב שבו אותו לקוח מקבל שתי הודעות וואטסאפ זהות או מטופל על ידי שני נציגים במקביל.

הסרת רקע היא טכנולוגיה שמפרידה אוטומטית את העצם המרכזי בתמונה מהרקע שלו ומשאירה רקע שקוף או אחיד. היא נפוצה מאוד בחנויות אונליין ליצירת תמונות מוצר נקיות ובהכנת תמונות פרופיל מקצועיות.

הסתברויות לוגריתמיות הן ערכים שחלק מממשקי המודלים מחזירים ומבטאים עד כמה המודל היה בטוח בכל טוקן שבחר. מפתחים משתמשים בהן כדי לזהות תשובות שהמודל לא בטוח בהן, למשל כדי להעביר פנייה לנציג אנושי.

העברה בין סוכנים היא מנגנון שבו סוכן AI מעביר את השיחה או המשימה, יחד עם ההקשר הרלוונטי, לסוכן אחר שמתמחה בנושא. למשל, בוט כללי בוואטסאפ מזהה שאלה על חשבונית ומעביר אותה לסוכן החיוב בלי שהלקוח יצטרך לחזור על פרטיו.

העברה לנציג אנושי היא מעבר של שיחה מבוט לנציג אמיתי, יחד עם תקציר והיסטוריית השיחה, כשהבוט אינו יכול או אינו אמור לטפל בפנייה. היא חיונית בתלונות, בעסקאות גדולות ובמצבים רגישים, ומונעת תסכול של לקוחות.

העברת מידע מחוץ לגבולות היא העברה של מידע אישי לשרתים או לגורמים במדינה אחרת, והיא כפופה למגבלות בדיני הפרטיות. שימוש בשירותי AI בענן אמריקאי, למשל, כרוך בדרך כלל בהעברה כזו, ויש לבדוק שהיא עומדת בתנאים שקובעים הדין הישראלי וה-GDPR.

העברת סגנון היא טכניקה שמחילה את הסגנון האמנותי של תמונה אחת, כמו צבעים ומשיכות מכחול, על תוכן של תמונה אחרת. היא משמשת ליצירת חומרי שיווק בשפה ויזואלית אחידה או להפיכת צילום לאיור.

הערכה אנושית היא בדיקה של תוצרי מודל על ידי אנשים שמדרגים אותם לפי קריטריונים כמו נכונות, בהירות ושימושיות. היא יקרה ואיטית יותר ממדדים אוטומטיים, אך נחשבת לאמינה ביותר, למשל כשנציגים ותיקים בודקים תשובות של בוט שירות.

הערכת השפעה אלגוריתמית היא בחינה שיטתית של ההשלכות האפשריות של מערכת אוטומטית על אנשים ועל החברה לפני הטמעתה ובמהלכה. היא בוחנת סיכונים כמו אפליה, פגיעה בפרטיות וטעויות, ונפוצה במיוחד במגזר הציבורי ובמערכות המקבלות החלטות על אנשים.

הערכת התאמה היא תהליך שבו בודקים שמערכת AI בסיכון גבוה עומדת בדרישות חוק ה-AI האירופי לפני שהיא משווקת או מופעלת. התהליך כולל בחינת תיעוד, ניהול סיכונים, איכות נתונים ואבטחה, ובמקרים מסוימים מעורב בו גוף בודק חיצוני.

הערכת עומק היא משימה שבה מודל מחשב את המרחק של כל נקודה בתמונה מהמצלמה, לעיתים מתמונה בודדת בלבד. היא משמשת במציאות רבודה, ברובוטיקה ובאפליקציות שמודדות חדרים לצורך תכנון ריהוט או שיפוץ.

הפחתת רעשים היא טכנולוגיה שמסננת רעשי רקע כמו תנועה, הקלדה או רוח מתוך הקלטה או שיחה, ומשאירה את הדיבור ברור. היא משפרת את איכות שיחות הווידאו ואת דיוק התמלול, במיוחד בשיחות עם לקוחות מהשטח.

הפעולה הבאה המומלצת היא גישה שבה מערכת AI מציעה, עבור כל לקוח ובכל רגע, את הצעד המתאים ביותר, כמו הצעה, תזכורת או שיחת שירות. נציג שירות יכול לראות במסך המלצה להציע ללקוח שדרוג או הטבת שימור, לפי ההקשר של השיחה.

הפקת שפה טבעית היא תת־תחום של NLP שעוסק ביצירת טקסט קריא ומובן מתוך נתונים או ייצוגים פנימיים. היא משמשת למשל להפקה אוטומטית של סיכומי דוחות, תיאורי מוצרים ותשובות מותאמות אישית ללקוחות.

שיטת הפרדת מבחן היא דרך פשוטה להערכת מודל שבה מפרידים מראש חלק מהנתונים, למשל 20 אחוז, ומשתמשים בו רק לבדיקה ולא לאימון. היא מהירה וקלה ליישום, אך התוצאה עשויה להשתנות לפי האופן שבו בוצעה החלוקה.

הצלחת לקוח היא פונקציה עסקית שמטרתה לוודא שלקוחות מפיקים ערך מהמוצר או השירות לאורך זמן, וכך ממשיכים, מרחיבים שימוש וממליצים. כלי AI מסייעים לה בזיהוי לקוחות בסיכון, בהצעת פעולות יזומות ובאוטומציה של מסרי הדרכה.

הצפנה הומומורפית היא שיטת הצפנה שמאפשרת לבצע חישובים ישירות על נתונים מוצפנים, מבלי לפענח אותם, כך שגם מי שמעבד את המידע אינו רואה אותו. הטכנולוגיה מבטיחה לפרטיות בעיבוד ענן, אך כיום היא עדיין איטית ויקרה לרוב השימושים.

הקשר ארוך הוא יכולת של מודל שפה לעבד כמויות גדולות מאוד של טקסט בבת אחת, למשל מאות עמודים או ספר שלם. היא מאפשרת לנתח חוזים, דוחות או היסטוריית התכתבות מלאה עם לקוח, אם כי הדיוק עלול לרדת ככל שהטקסט מתארך.

הרחבה אוטומטית היא יכולת של תשתית להוסיף או להסיר משאבי מחשוב באופן אוטומטי לפי העומס בפועל. כך בוט שירות לקוחות יכול להתמודד עם עומס בזמן מבצע או חג, ולחזור לעלות נמוכה כשהפניות פוחתות.

הרחבה אופקית היא הגדלת יכולת המערכת על ידי הוספת שרתים או עותקים נוספים של השירות, במקום שדרוג שרת יחיד לחזק יותר. היא מאפשרת לשירותי AI לגדול כמעט ללא גבול ולהמשיך לפעול גם כשאחד השרתים נופל.

הרחבת נתונים היא טכניקה ליצירת דוגמאות אימון נוספות מתוך הקיימות באמצעות שינויים קלים, כמו ניסוח מחדש של משפט או סיבוב תמונה. היא עוזרת כשיש מעט נתונים, למשל כשרוצים לאמן מסווג פניות על מספר קטן של הודעות לקוחות.

Outpainting היא טכניקה שבה מודל מרחיב תמונה מעבר לגבולותיה המקוריים ומייצר תוכן חדש שממשיך את הסצנה. היא שימושית למשל להתאמת תמונה אחת לפורמטים שונים, כמו באנר רחב לאתר וסטורי אנכי לרשתות חברתיות.

הרעלת נתונים היא מתקפה שבה תוקף מחדיר נתונים זדוניים או מטעים לנתוני האימון או למאגר הידע של מודל, כדי לשבש את התנהגותו או ליצור בו חולשה מכוונת. למשל, הוספת מסמכים כוזבים למאגר ידע של בוט שירות עלולה לגרום לו למסור ללקוחות מידע שגוי.

הרשות להגנת הפרטיות היא הרגולטור הישראלי האחראי על אכיפת חוק הגנת הפרטיות ותקנותיו, והיא פועלת במסגרת משרד המשפטים. הרשות מפרסמת הנחיות, בודקת אירועי אבטחה ומטילה סנקציות, ובעקבות תיקון 13 סמכויותיה הורחבו משמעותית.

השהיה היא הזמן שעובר מרגע שליחת בקשה למערכת ועד קבלת התשובה, ונמדדת בדרך כלל במילישניות או בשניות. בבוט קולי או בצ׳אט שירות לקוחות, השהיה גבוהה מורגשת מיד ופוגעת בחוויה, ולכן בוחרים מודלים ותשתיות גם לפי מהירות התגובה.

השחרת מידע אישי היא זיהוי אוטומטי והסתרה של פרטים מזהים בטקסט, במסמך או בתמליל, למשל החלפת מספר כרטיס אשראי בכוכביות. מוקדי שירות משתמשים בה לפני שהם שולחים תמלילי שיחות למודל שפה לצורך סיכום או ניתוח.

השלמה היא הטקסט שמודל שפה מייצר כהמשך לקלט שקיבל, ובמובן הטכני גם שם לסוג ממשק שבו שולחים טקסט ומקבלים את המשכו. המונח נשאר בשימוש בממשקי מפתחים גם כשמדובר בתשובות לשיחה.

השלמת צ׳אט היא פורמט קריאה נפוץ לממשקי מודלי שפה שבו שולחים רשימת הודעות עם תפקידים של מערכת, משתמש ועוזר, ומקבלים את התשובה הבאה. זהו הבסיס הטכני לרוב הבוטים והאינטגרציות של מודלי שפה במערכות עסקיות.

Inpainting היא טכניקה למילוי או החלפה של אזור מסוים בתוך תמונה באופן שמשתלב בטבעיות עם הסביבה. היא משמשת להסרת עצמים לא רצויים, תיקון תמונות פגומות או החלפת מוצר בתמונת קמפיין בלי לצלם מחדש.

השערת האפס היא ההנחה ההתחלתית בבדיקה סטטיסטית שלפיה אין הבדל או השפעה בין הקבוצות הנבדקות. בניסוי על תסריט שיחה חדש, השערת האפס היא שאין שינוי בשיעור הסגירה, והנתונים צריכים להפריך אותה.

השפעה מפלה היא מצב שבו מדיניות או מודל שנראים ניטרליים פוגעים בפועל באופן לא פרופורציונלי בקבוצה מוגנת. גם אם המודל אינו משתמש במגדר או במוצא, הוא עלול להסיק אותם ממשתנים אחרים כמו מיקוד או שם, ולייצר תוצאה מפלה.

התאמת חסר היא מצב שבו המודל פשוט מדי ואינו מצליח ללמוד את הדפוסים החשובים בנתונים, ולכן מתפקד גרוע גם על נתוני האימון וגם על נתונים חדשים. הפתרון בדרך כלל הוא מודל מורכב יותר, תכונות נוספות או אימון ארוך יותר.

התאמת יתר היא מצב שבו מודל לומד בעל פה את נתוני האימון, כולל הרעש והמקרים החריגים, ולכן מתפקד היטב עליהם אך גרוע על נתונים חדשים. למשל, מודל לחיזוי ביטולי תורים במרפאה שנראה מצוין בבדיקה אך נכשל כשמופעל על תורים אמיתיים.

התכנסות היא המצב שבו תהליך האימון מגיע לנקודה שבה עדכונים נוספים כמעט אינם משפרים את ביצועי המודל. זיהוי ההתכנסות מאפשר לעצור את האימון בזמן ולחסוך זמן מחשוב ועלויות.

התממה היא תהליך של הסרת פרטים מזהים ממידע באופן שאינו מאפשר עוד לזהות את האדם שאליו הוא מתייחס, גם בשילוב עם מידע נוסף. מידע שעבר התממה מלאה יוצא בדרך כלל מתחולת דיני הפרטיות, אך התממה אמיתית קשה להשגה במאגרים עשירים.

התנעה קרה היא העיכוב שנוצר כשמערכת צריכה להפעיל שרת או לטעון מודל לזיכרון לפני שהיא יכולה לענות לבקשה הראשונה. בשירותי AI בתשלום לפי שימוש היא עלולה לגרום לתשובה הראשונה להתעכב שניות ארוכות, ולכן לעיתים משאירים מופע פעיל תמיד.

התפלגות הסתברות היא פונקציה שמתארת את הסיכוי של כל אחת מהתוצאות האפשריות של משתנה מקרי. מודלי AI רבים, כולל מודלי שפה, מחזירים בפועל התפלגות הסתברות, למשל הסיכוי שכל מילה תהיה המילה הבאה בטקסט.

התפלגות נורמלית היא התפלגות סימטרית בצורת פעמון, שבה רוב הערכים מרוכזים סביב הממוצע ומעטים נמצאים בקצוות. תופעות רבות מתנהגות בקירוב כך, והיא בסיס לשיטות סטטיסטיות נפוצות כמו רווחי סמך ומבחני השערות.

התפשטות לאחור היא האלגוריתם שבאמצעותו רשת נוירונים לומדת, על ידי חישוב תרומת כל משקל לשגיאה בתחזית והעברת המידע הזה אחורה משכבת הפלט אל שכבות הקודמות. בעזרת החישוב הזה מעדכנים את המשקלים כך שהמודל ישתפר בהדרגה מדוגמה לדוגמה.

התפשטות קדימה היא התהליך שבו הנתונים עוברים ברשת נוירונים משכבת הקלט, דרך השכבות הנסתרות, עד שכבת הפלט, כדי להפיק תחזית. זהו מה שקורה בכל פעם שמודל עונה על שאלה או מסווג הודעה, בעוד שבזמן אימון מגיע אחריו שלב תיקון המשקלים.

התקנה מקומית היא הפעלת תוכנה ומודלים על שרתים שנמצאים בבעלות הארגון ובמתקניו, במקום בענן ציבורי. גופים כמו בנקים, בתי חולים ומשרדי ממשלה בוחרים בה כדי לשמור שליטה מלאה על מידע רגיש, במחיר של השקעה בחומרה ובתחזוקה.

וואטסאפ ביזנס היא אפליקציה חינמית של Meta לעסקים קטנים, הכוללת פרופיל עסקי, קטלוג, תוויות ומענים אוטומטיים בסיסיים. היא מתאימה לניהול ידני מטלפון, אך לאוטומציה מתקדמת, חיבור ל-CRM ובוטים נדרש בדרך כלל ה-API.

וובהוק הוא מנגנון שבו מערכת אחת שולחת הודעת HTTP אוטומטית לכתובת של מערכת אחרת ברגע שמתרחש אירוע, במקום שהמערכת השנייה תבדוק שוב ושוב. כך למשל הודעה חדשה בוואטסאפ או טופס שמולא באתר מפעילים מיד תהליך אוטומציה או בוט.

וויסבוט הוא בוט שמנהל שיחה קולית עם לקוחות, בדרך כלל בטלפון, באמצעות זיהוי דיבור, מודל שפה והמרת טקסט לדיבור. הוא יכול לענות על שאלות נפוצות, לאמת פרטים או לקבוע תורים, ולהפחית את העומס על מוקד השירות.

ויזואליזציה של נתונים היא הצגת מידע באמצעות גרפים, טבלאות, מפות ולוחות מחוונים כדי שיהיה קל להבין אותו ולזהות בו דפוסים. תרשים פשוט של פניות לפי שעה יכול להבהיר למנהל מהר יותר מכל טבלה מתי הצוות עמוס במיוחד.

וייב קודינג הוא סגנון פיתוח שבו המשתמש מתאר בשפה טבעית מה הוא רוצה, ומודל שפה כותב את רוב הקוד או את כולו. הגישה מאפשרת לבנות אבות טיפוס וכלים פנימיים במהירות, אך מערכות לייצור עדיין דורשות בדיקה של מפתח מקצועי.

ולידציה צולבת היא שיטה להערכת מודל שבה מחלקים את הנתונים לכמה חלקים, ומאמנים ובודקים את המודל שוב ושוב כשבכל פעם חלק אחר משמש לבדיקה. היא נותנת הערכה יציבה ואמינה יותר מחלוקה יחידה, במיוחד כשיש מעט נתונים.

ולידציה צולבת K-Fold היא הגרסה הנפוצה של ולידציה צולבת, שבה הנתונים מחולקים ל-K חלקים שווים, והמודל מאומן K פעמים כשבכל פעם חלק אחר משמש לבדיקה. הציון הסופי הוא ממוצע התוצאות, ונהוג לבחור K של 5 או 10.

וקטור תכונות הוא רשימה מסודרת של ערכים מספריים שמייצגת דוגמה אחת עבור מודל למידת מכונה. לדוגמה, לקוח יכול להיות מיוצג כווקטור הכולל את גילו, מספר רכישותיו, סכום ההוצאה הממוצע ומספר הימים מאז ביקורו האחרון.

זאפ הוא תהליך אוטומטי בודד בפלטפורמת Zapier, שמורכב מטריגר אחד ומפעולה אחת או יותר שמתבצעות בעקבותיו. לדוגמה, זאפ יכול ליצור כרטיס לקוח חדש במערכת CRM בכל פעם שמתקבל תשלום במערכת הסליקה.

זיהוי אנומליות הוא משימה של איתור נתונים או אירועים שחורגים באופן משמעותי מהדפוס הרגיל. בעסקים הוא משמש לזיהוי הונאות בתשלומים, תקלות במערכות, או קפיצה חריגה בביטולי הזמנות שמצריכה בדיקה.

זיהוי דיבור אוטומטי הוא השם המקצועי לתחום שבו מערכות מזהות מילים ומשפטים מתוך אות קולי. הוא מהווה את הבסיס לעוזרים קוליים, למוקדים טלפוניים אוטומטיים ולתמלול, ואיכותו תלויה במבטא, ברעשי רקע ובשפה.

זיהוי דיפפייק הוא תחום של טכנולוגיות שמנתחות תמונות, וידאו או הקלטות קול כדי לקבוע אם נוצרו או שונו באמצעות בינה מלאכותית. בנקים וחברות ביטוח משתמשים בו כדי להתגונן מפני התחזות בתהליכי זיהוי מרחוק.

זיהוי חיות הוא טכנולוגיה שמוודאת שמול המצלמה נמצא אדם אמיתי וחי, ולא תמונה, מסכה או סרטון מזויף. היא חלק חשוב מתהליכי הצטרפות דיגיטליים בבנקים ובאפליקציות פיננסיות, שבהם הלקוח מזדהה באמצעות סלפי.

זיהוי ישויות הוא משימה שבה מערכת מאתרת בטקסט ומסווגת ישויות כמו שמות אנשים, חברות, מקומות, תאריכים וסכומים. לדוגמה, ממייל של לקוח אפשר לחלץ אוטומטית את שמו, מספר ההזמנה והתאריך ולעדכן אותם ב־CRM.

זיהוי כוונה הוא היכולת של בוט להבין מה המשתמש רוצה להשיג מתוך ההודעה שלו, כמו קביעת תור, ביטול הזמנה או בירור מחיר. זיהוי נכון של הכוונה קובע לאיזה תהליך תנותב השיחה ואילו פרטים הבוט יבקש בהמשך.

זיהוי כתב יד, ICR, הוא הרחבה של OCR שמסוגלת לקרוא טקסט בכתב יד, כולל סגנונות כתיבה שונים ואותיות לא אחידות. הוא שימושי למשל בקליטת טפסים שמולאו ידנית במרפאות, בבנקים ובמשרדי ביטוח.

זיהוי לוחיות רישוי הוא שילוב של ראייה ממוחשבת ו־OCR שקורא אוטומטית את מספר הרכב מתוך תמונה או וידאו. הוא משמש לפתיחת שערים בחניונים, לגביית תשלום בכבישי אגרה ולניהול כניסה ויציאה של רכבים במתחמים עסקיים.

זיהוי מוצרים הוא יישום של ראייה ממוחשבת שמזהה מוצרים ספציפיים לפי מראה האריזה, גם בלי ברקוד. הוא משמש לבדיקת סידור מדפים ברשתות שיווק, לקופות בשירות עצמי ולמעקב אחר נוכחות מותג בנקודות מכירה.

זיהוי מחוות הוא טכנולוגיה שמפרשת תנועות ידיים וגוף ככלי שליטה במכשירים או כמידע. היא משמשת בממשקים ללא מגע, בקיוסקים ובמערכות מציאות מדומה, ובתחום הנגישות גם לזיהוי שפת סימנים.

זיהוי עצמים הוא טכנולוגיה שמאתרת בתוך תמונה או וידאו עצמים מסוגים שונים ומסמנת את מיקומם במסגרת. היא משמשת למשל במצלמות אבטחה לזיהוי כלי רכב ואנשים, ובמחסנים לספירת מלאי על מדפים ללא סריקה ידנית.

זיהוי פנים הוא טכנולוגיה שמשווה תווי פנים בתמונה למאגר ידוע כדי לקבוע או לאמת את זהותו של אדם. היא משמשת לפתיחת טלפונים ולבקרת כניסה במשרדים, אך כרוכה ברגישות פרטיות גבוהה ובמגבלות חוקיות על איסוף מידע ביומטרי.

איתור פנים הוא טכנולוגיה שמזהה שבתמונה או בווידאו מופיעות פנים אנושיות ומסמנת את מיקומן, בלי לקבוע למי הן שייכות. הוא משמש למשל למיקוד אוטומטי במצלמות, לטשטוש פנים בסרטונים מטעמי פרטיות ולספירת מבקרים.

זיהוי פעילות קולית הוא רכיב שמזהה מתי בהקלטה או בשיחה יש דיבור אנושי ומתי יש שקט או רעש. בבוטים קוליים הוא קובע מתי הלקוח סיים לדבר ומתי הבוט צריך להשיב, ומשפיע מאוד על תחושת השיחה הטבעית.

זיהוי רגשות הוא ניסיון של מערכת להסיק את מצבו הרגשי של אדם מהבעות פנים, טון דיבור או טקסט. הוא משמש למשל בניתוח שיחות שירות לאיתור לקוחות מתוסכלים, אך הדיוק שלו מוגבל והוא מעורר שאלות אתיות ורגולטוריות.

זיהוי שפה הוא משימה שבה מערכת קובעת באופן אוטומטי באיזו שפה נכתב טקסט או נאמר דיבור. בבוט שירות הוא מאפשר לזהות אם הלקוח כתב בעברית, ערבית, רוסית או אנגלית ולהשיב לו באותה שפה.

זיהוי תנוחה הוא טכנולוגיה שמאתרת את מיקום המפרקים והגפיים של אדם בתמונה או בווידאו ומשחזרת את תנוחת גופו. היא משמשת למשל באפליקציות כושר שבודקות ביצוע נכון של תרגיל ובניתוח ארגונומיה של עובדים.

זיהום בנצ׳מרק הוא מצב שבו שאלות או תשובות ממבחן סטנדרטי נכללו בטעות בנתוני האימון של מודל, כך שהציון שלו מנופח ואינו משקף יכולת אמיתית. זו אחת הסיבות שכדאי לבדוק מודלים גם על נתונים פרטיים של העסק.

VRAM הוא הזיכרון המובנה בכרטיס GPU, שבו נטענים משקלי המודל והנתונים בזמן החישוב. כמות ה־VRAM קובעת איזה מודל אפשר להריץ על כרטיס מסוים, ולכן היא שיקול מרכזי כשעסק רוצה להריץ מודל שפה על שרת משלו.

זיכרון לטווח ארוך של סוכן הוא אחסון קבוע של עובדות, העדפות והיסטוריה, לרוב במסד נתונים או במסד וקטורי, שנשלף בשיחות עתידיות. לדוגמה, סוכן מכירות יכול לזכור שלקוח מעדיף שיחות בערב ומתעניין בדירות ארבעה חדרים.

זיכרון לטווח קצר של סוכן הוא המידע הזמין לו במהלך השיחה או המשימה הנוכחית, בדרך כלל ההודעות האחרונות ותוצאות הכלים שבחלון ההקשר. הוא מאפשר לבוט להבין הפניות כמו אותו מוצר ששאלתי עליו קודם, אך נמחק או מתקצר כשהשיחה מסתיימת.

זיכרון סוכן הוא המנגנון שמאפשר לסוכן AI לשמור ולשלוף מידע משיחות ופעולות קודמות, מעבר לחלון ההקשר של שיחה בודדת. בזכותו בוט שירות יכול לזכור שלקוח כבר דיווח על תקלה בשבוע שעבר ולהמשיך מאותה נקודה.

זיכרון שיחה הוא המנגנון שמאפשר למערכת מבוססת מודל שפה לזכור מה נאמר קודם בשיחה, ולעיתים גם בשיחות קודמות עם אותו משתמש. מאחר שהמודל עצמו אינו זוכר בין קריאות, האפליקציה שולחת לו בכל פעם את ההיסטוריה הרלוונטית או סיכום שלה.

זיקוק ידע הוא טכניקה שבה מודל קטן, המכונה תלמיד, מאומן לחקות את הפלטים של מודל גדול וחזק יותר, המכונה מורה. כך מתקבל מודל מהיר וזול להרצה ששומר על חלק ניכר מהביצועים, ומתאים למשל לבוט שירות שצריך להגיב במהירות.

זכויות יוצרים ו-AI הוא תחום משפטי העוסק בשאלות כמו האם מותר לאמן מודלים על יצירות מוגנות, ומי הבעלים של תוכן שנוצר על ידי AI. התחום עדיין מתגבש בבתי משפט ובחקיקה ברחבי העולם, ולכן עסקים שמפרסמים תוכן שנוצר ב-AI צריכים לבדוק את תנאי הכלי ואת הסיכון המשפטי.

זכות העיון היא זכותו של אדם לקבל מארגון את המידע האישי שהוא מחזיק עליו, וזכות זו קיימת גם בחוק הגנת הפרטיות הישראלי וגם ב-GDPR. עסק שמנהל CRM ושומר היסטוריית שיחות בוט צריך להיות מסוגל לאתר ולמסור את המידע כשלקוח מבקש זאת.

זמן להפקת ערך הוא משך הזמן שעובר מתחילת השימוש במוצר או בפתרון ועד שהלקוח או הארגון מרגישים תועלת ממשית. בפרויקטי AI מומלץ לבחור מקרה שימוש ראשון עם זמן קצר להפקת ערך, כדי לבנות אמון ותמיכה בהמשך ההשקעה.

זמן עד הטוקן הראשון הוא משך הזמן מרגע שליחת הבקשה למודל שפה ועד שמתחילה להגיע המילה הראשונה של התשובה. זהו מדד מרכזי לתחושת המהירות בצ׳אט ובבוט קולי, כי המשתמש רואה או שומע תגובה מוקדם גם אם התשובה המלאה נמשכת זמן.

זמן תגובה ראשונה הוא משך הזמן שעובר מרגע שלקוח פונה ועד שהוא מקבל מענה ראשון מהעסק. זהו מדד קריטי בשירות ובמכירות, ומענה אוטומטי מבוסס AI יכול לקצר אותו משעות לשניות, גם מחוץ לשעות הפעילות.

זרימת עבודה סוכנית היא תהליך אוטומטי בעל שלבים מוגדרים מראש, שבו חלק מהשלבים מבוצעים על ידי מודל או סוכן AI שמקבל החלטות. היא משלבת את הצפיות של אוטומציה רגילה עם הגמישות של AI, ולכן נפוצה בעסקים יותר מסוכנים אוטונומיים לחלוטין.

חברת AI-First היא ארגון שבונה את המוצרים והתהליכים שלו מלכתחילה סביב בינה מלאכותית, ולא מוסיף אותה כשכבה על מערכות קיימות. בחברות כאלה כל תהליך חדש נבחן קודם כל בשאלה איזה חלק ממנו יכול להתבצע על ידי AI.

חובת דיווח על אירוע אבטחה היא דרישה רגולטורית לדווח לרשות המוסמכת, ובמקרים מסוימים גם לנפגעים, על דליפת מידע אישי. ה-GDPR קובע ככלל דיווח לרגולטור תוך 72 שעות, ובישראל תקנות אבטחת המידע מחייבות דיווח לרשות להגנת הפרטיות על אירועי אבטחה חמורים.

חוויית לקוח היא התפיסה הכוללת של הלקוח לגבי העסק, שנבנית מכל האינטראקציות איתו, מהפרסום ועד השירות לאחר הרכישה. AI משפר אותה באמצעות זמינות מיידית, מענה מותאם אישית וזיהוי מוקדם של לקוחות לא מרוצים.

חוסר איזון בין מחלקות הוא מצב שבו קטגוריה אחת מופיעה בנתונים הרבה יותר מאחרת, למשל כשרק אחוז קטן מהעסקאות הן הונאה. במצב כזה מודל עלול להיראות מדויק אך להחמיץ את המקרים החשובים, ולכן נדרשות שיטות איזון ומדדים מתאימים.

חוק ה-AI האירופי הוא הרגולציה המקיפה הראשונה בעולם לבינה מלאכותית, שנכנסה לתוקף ב-2024 ומיושמת בהדרגה לאורך כמה שנים. החוק מסווג מערכות AI לפי רמת סיכון וקובע חובות בהתאם, והוא חל גם על חברות מחוץ לאיחוד שמציעות מערכות AI בשוק האירופי.

חוק הגנת הפרטיות, התשמ״א-1981, הוא החוק המרכזי בישראל המסדיר את ההגנה על פרטיות ואת השימוש במאגרי מידע אישי. כל עסק שאוסף ומעבד פרטי לקוחות, למשל ב-CRM או בבוט וואטסאפ, כפוף להוראותיו ולתקנות שהותקנו מכוחו.

חוק הספאם הוא הכינוי לסעיף 30א לחוק התקשורת בישראל, האוסר לשלוח דבר פרסומת במסרון, מייל, פקס או חיוג אוטומטי ללא הסכמה מפורשת מראש של הנמען, בכפוף לחריגים. עסקים ששולחים הודעות שיווקיות אוטומטיות, כולל בוואטסאפ, צריכים לוודא שקיבלו הסכמה כזו ולאפשר הסרה.

חוקי הגדילה הם קשרים אמפיריים שמראים כיצד ביצועי מודלי שפה משתפרים באופן צפוי עם הגדלת מספר הפרמטרים, כמות הנתונים וכוח החישוב. הם הנחו את חברות ה-AI בהחלטות על השקעה באימון מודלים גדולים יותר.

חיבור שיורי הוא קיצור דרך ברשת נוירונים שמוסיף את הקלט של שכבה ישירות לפלט שלה, כך שהשכבה צריכה ללמוד רק את השינוי. הוא מאפשר לאמן רשתות עמוקות מאוד בלי שהאות ייחלש, ומשמש גם ברשתות ResNet וגם בכל שכבת טרנספורמר.

חיובי אמיתי הוא מקרה שבו המודל חזה תוצאה חיובית והיא אכן חיובית במציאות. לדוגמה, מודל שמסמן לקוח כעומד לעזוב, והלקוח אכן עוזב, רשם חיובי אמיתי, וזהו אחד מארבעת התאים של מטריצת הבלבול.

חיובי כוזב הוא מקרה שבו המודל חזה תוצאה חיובית אך במציאות היא שלילית, ומכונה גם התראת שווא. לדוגמה, מסנן שמסמן מייל תקין של לקוח כספאם יוצר חיובי כוזב, שעלול לגרום להחמצת פנייה חשובה.

חיזוי ביקוש הוא הערכה של כמות המוצרים או השירותים שלקוחות ירצו לרכוש בתקופה עתידית, על בסיס נתוני מכירות, עונתיות ומגמות. חיזוי מדויק עוזר להימנע ממלאי עודף או ממחסור, למשל במסעדה שמתכננת הזמנות חומרי גלם לסוף השבוע.

חיזוי הטוקן הבא הוא העיקרון הבסיסי שעליו פועלים מודלי שפה, שבו המודל מחשב בכל שלב את ההסתברות לכל טוקן אפשרי ובוחר את הבא בתור. מכאן נובע שהמודל מייצר טקסט סביר סטטיסטית, ולא בהכרח נכון עובדתית.

חיזוי מכירות הוא הערכה של היקף המכירות וההכנסות הצפויות בתקופה קרובה, על בסיס צנרת העסקאות, נתוני עבר ומגמות שוק. כלי AI במערכות CRM יכולים להעריך את הסבירות לסגירת כל עסקה ולהפיק תחזית מדויקת יותר מהערכה ידנית.

חיזוי נטישה הוא זיהוי מוקדם של לקוחות שצפויים להפסיק להשתמש בשירות או לבטל מנוי, באמצעות ניתוח דפוסי שימוש ותשלום. הוא מאפשר לפעול לפני שהלקוח עוזב, למשל להציע הטבה למנוי בחדר כושר שמספר הביקורים שלו ירד בחדות.

חיזוי סדרות עתיות הוא משימה של ניבוי ערכים עתידיים על סמך נתונים שנמדדו לאורך זמן, תוך התחשבות במגמות ובעונתיות. עסקים משתמשים בו לחיזוי ביקוש, תכנון מלאי, ותכנון כוח אדם במוקדי שירות לפי עומס צפוי.

חילוץ מידע הוא תהליך של הפיכת טקסט חופשי לנתונים מובנים, כמו שמות, תאריכים, סכומים וקשרים ביניהם. לדוגמה, מתוך הודעת וואטסאפ של לקוח אפשר לחלץ את סוג השירות, הכתובת והמועד הרצוי ולפתוח כרטיס ב־CRM.

חילוץ מילות מפתח הוא זיהוי אוטומטי של המילים והביטויים החשובים ביותר בטקסט. הוא משמש לתיוג מאמרים, לניתוח ביקורות של לקוחות ולזיהוי מונחים שחוזרים בפניות, וכך עוזר להבין במהירות על מה מדברים.

חילוץ נתוני אימון היא מתקפה שבה גורמים למודל לשחזר מילה במילה קטעים מנתוני האימון שלו, שעלולים לכלול מידע אישי, סודות מסחריים או תוכן מוגן. הסיכון גבוה במיוחד כשמבצעים כוונון עדין של מודל על מסמכים פנימיים או שיחות לקוחות.

חילוץ קשרים הוא זיהוי היחסים בין ישויות בטקסט, למשל שאדם מסוים הוא מנכ״ל של חברה מסוימת או שמוצר נרכש בתאריך מסוים. הוא משמש לבניית מאגרי ידע ולמילוי אוטומטי של שדות מקושרים במערכות עסקיות.

חילוץ תכונות הוא תהליך של הפקת ייצוג מספרי תמציתי ושימושי מתוך נתונים גולמיים כמו טקסט, תמונה או צליל. למשל, הפיכת תיאור מוצר לרשימת מספרים שמייצגת את תוכנו, כדי שמודל יוכל להשוות בין מוצרים.

חיפוש ארגוני הוא מערכת שמאפשרת לעובדים לחפש מידע בכל מקורות הידע של הארגון, כמו מסמכים, מיילים, מערכות ותיקיות משותפות, ממקום אחד. בשילוב AI הוא מחזיר תשובה מנוסחת עם הפניה למקור, ולא רק רשימת קבצים.

חיפוש היברידי הוא שילוב של חיפוש לפי מילות מפתח עם חיפוש וקטורי סמנטי, ואיחוד התוצאות לדירוג אחד. הוא משפר את הדיוק ב-RAG, במיוחד כשיש מונחים מדויקים כמו מק״ט, שם מוצר או מספר פוליסה שחיפוש סמנטי לבדו עלול לפספס.

חיפוש וקטורי הוא שיטת חיפוש שממירה את השאילתה לווקטור מספרי ומוצאת את הפריטים שהווקטורים שלהם הכי קרובים אליו. כך נמצאות תוצאות רלוונטיות גם כשאין התאמה מילולית, למשל חיפוש עלות משלוח שמוצא מסמך על דמי הובלה.

חיפוש חזותי הוא טכנולוגיה שמאפשרת לחפש באמצעות תמונה במקום מילים, ולמצוא פריטים דומים ויזואלית. לדוגמה, לקוחה מצלמת שמלה שראתה ברחוב, וחנות האופנה מציגה לה מוצרים דומים מתוך הקטלוג שלה באתר.

חיפוש ללא הקלקה הוא חיפוש שבו המשתמש מקבל את התשובה ישירות בעמוד התוצאות או בתשובת AI, ואינו נכנס לאף אתר. התופעה מתרחבת עם תשובות בינה מלאכותית, ולכן עסקים מודדים גם חשיפה ואזכור של המותג ולא רק תנועה לאתר.

חיפוש מולטימודלי הוא חיפוש שמשלב כמה סוגי קלט, למשל תמונה יחד עם טקסט, כדי למצוא תוצאות רלוונטיות יותר. לדוגמה, לקוח מעלה תמונה של ספה ומוסיף בצבע אפור, והמערכת מחפשת מוצרים דומים בצבע המבוקש.

חיפוש סמנטי הוא חיפוש שמבין את כוונת המשתמש ואת משמעות המילים, ולא רק מחפש התאמה מדויקת של מילות מפתח. במאגר ידע ארגוני הוא מאפשר לעובדים ולבוטים למצוא נהלים ותשובות גם כשהם מנסחים את השאלה במילים שונות מהמסמך.

חיפוש קרן הוא אסטרטגיית פענוח שבה המודל שומר בכל שלב כמה רצפים מועמדים במקביל ובוחר בסוף את הרצף בעל ההסתברות הכוללת הגבוהה ביותר. השיטה נפוצה בתרגום מכונה ופחות בצ׳אטבוטים, שבהם מעדיפים דגימה.

חיפוש רשת היא שיטה לכוונון היפר־פרמטרים שבה בודקים באופן שיטתי כל שילוב אפשרי מתוך רשימת ערכים מוגדרת מראש. היא פשוטה ויסודית, אך עלולה להיות איטית מאוד כאשר יש הרבה היפר־פרמטרים וערכים לבדוק.

חיפוש שכן קרוב משוער הוא משפחת אלגוריתמים שמוצאת במהירות וקטורים קרובים מאוד לשאילתה, תוך ויתור קטן על דיוק מוחלט לטובת מהירות. בלעדיו, חיפוש במיליוני מסמכים במסד וקטורי היה איטי מדי לבוט שצריך לענות תוך שניות.

חישוב בזמן הסקה הוא הקצאת משאבי חישוב נוספים בשלב מתן התשובה, למשל חשיבה ארוכה יותר או בדיקת כמה פתרונות, כדי לשפר את איכות התוצאה. זהו העיקרון שמאחורי מודלי החשיבה, שבהם זמן חשיבה ארוך יותר מניב לרוב תשובה מדויקת יותר.

חישוב לאימון הוא סך כוח המחשוב שנדרש לאימון מודל, ונמדד לרוב במספר הכולל של פעולות החשבון או בשעות GPU. הוא אחד הגורמים המרכזיים ליכולות ולעלות של מודלים גדולים, ומשמש גם בדיונים על רגולציה של מודלים חזקים במיוחד.

חיתוך גרדיאנטים הוא טכניקה שמגבילה את גודל הגרדיאנטים לערך מקסימלי לפני עדכון המשקלים, כדי למנוע קפיצות חדות באימון. היא נפוצה באימון מודלי שפה ורשתות רקורסיביות, ומסייעת לשמור על תהליך למידה יציב גם כשמופיעות דוגמאות חריגות.

חלון הקשר הוא הכמות המקסימלית של טוקנים שמודל שפה יכול לקחת בחשבון בבת אחת, כולל ההוראות, היסטוריית השיחה, המסמכים המצורפים והתשובה עצמה. חלון גדול מאפשר, למשל, להזין חוזה שלם או היסטוריית לקוח מלאה מה-CRM ולקבל ניתוח בפעם אחת.

חלון שירות של 24 שעות הוא פרק הזמן שנפתח בכל פעם שלקוח שולח הודעה לעסק בוואטסאפ, ובמהלכו העסק יכול לענות בהודעות חופשיות. לאחר שהחלון נסגר, פנייה יזומה ללקוח אפשרית רק באמצעות תבנית הודעה מאושרת.

חלוקה למקטעים היא פירוק מסמכים ארוכים לקטעים קטנים יותר לפני שמירתם במאגר הידע, כדי שאפשר יהיה לשלוף רק את החלק הרלוונטי. גודל ושיטת החלוקה משפיעים מאוד על איכות התשובות של בוט RAG, למשל בחוזים או במדריכי מוצר ארוכים.

חלוקה סמנטית היא שיטת חלוקה למקטעים לפי שינויי נושא ומשמעות בטקסט, במקום לפי מספר תווים או מילים קבוע. התוצאה היא מקטעים שכל אחד מהם עוסק ברעיון שלם, למשל שאלה ותשובה אחת מתוך מסמך שאלות נפוצות.

חנפנות היא נטייה של מודלי שפה להסכים עם המשתמש, להחמיא לו או לשנות תשובה נכונה רק משום שהמשתמש התעקש. התופעה מסוכנת בקבלת החלטות עסקיות, ולכן כדאי לבקש מהמודל במפורש ביקורת והצגת חסרונות.

חפיפת מקטעים היא הכללה של חלק מהטקסט מסוף מקטע אחד גם בתחילת המקטע הבא, כדי לא לאבד הקשר בנקודות החיתוך. כך משפט או סעיף שנחתך באמצע עדיין נשלף בשלמותו, מה שמשפר את דיוק התשובות במערכת RAG.

חציון הוא הערך האמצעי בקבוצת נתונים שמסודרת מהקטן לגדול, כך שמחצית מהערכים מעליו ומחצית מתחתיו. הוא עמיד יותר לחריגים מהממוצע, ולכן מתאים יותר לתיאור נתונים כמו מחירי דירות או זמני טיפול בפניות.

חקירה מול ניצול היא הדילמה המרכזית בלמידת חיזוק: האם לנסות פעולות חדשות כדי ללמוד עליהן, או לבחור בפעולה שכבר ידוע שהיא טובה. דוגמה עסקית היא ההחלטה האם להמשיך במודעה שעובדת או לבדוק גרסאות חדשות שאולי יצליחו יותר.

חריג כריית טקסט ונתונים הוא הוראה בדין, הקיימת בין היתר באיחוד האירופי, שמתירה ניתוח אוטומטי של כמויות גדולות של תוכן לצורך הפקת מידע, בכפוף לתנאים. באיחוד האירופי בעלי זכויות יכולים לשלול את השימוש ביצירותיהם לצורך זה באמצעות הודעת אופט־אאוט.

חשיבות תכונות היא מדד שמראה עד כמה כל משתנה תורם לתחזיות של המודל. היא עוזרת למנהלים להבין מה באמת משפיע על התוצאה, למשל לגלות שזמן התגובה לפנייה הראשונה משפיע על סגירת עסקאות יותר ממחיר ההצעה.

טוקן הוא יחידת הטקסט הבסיסית שמודל שפה קורא ומייצר, ויכול להיות מילה, חלק ממילה, סימן פיסוק או רווח. ספקי מודלים מתמחרים שימוש לפי מספר הטוקנים, ובעברית מילה אחת מתפרקת לרוב ליותר טוקנים מאשר באנגלית, מה שמשפיע על העלות.

טוקני חשיבה הם טוקנים שמודל חשיבה מייצר בתהליך החשיבה הפנימי שלו לפני התשובה הסופית, ולעיתים אינם מוצגים למשתמש. חשוב להכיר אותם כי ספקים רבים מחייבים גם עליהם, ולכן משימה מורכבת עשויה לעלות יותר מהצפוי.

טוקניזציה היא תהליך פירוק טקסט ליחידות קטנות הנקראות טוקנים, שאותן המודל ממיר למספרים ומעבד. אופן הטוקניזציה משפיע על עלות השימוש, על כמות הטקסט שנכנסת לחלון ההקשר ועל איכות העבודה בשפות כמו עברית.

טוקנים לשנייה הוא מדד למהירות שבה מודל שפה מייצר טקסט, כלומר כמה יחידות טקסט הוא מפיק בכל שנייה. מהירות גבוהה חשובה במיוחד כשמייצרים תשובות ארוכות או כשסוכן AI מבצע שרשרת של צעדים לפני שהוא עונה ללקוח.

טיפוח לידים הוא בניית קשר מתמשך עם לידים שעדיין לא מוכנים לקנות, באמצעות תוכן ומסרים מותאמים לאורך זמן. למשל, משרד נדל״ן שולח למתעניינים עדכונים על נכסים חדשים לפי האזור והתקציב שציינו, עד שהם מוכנים לקבוע סיור.

טיפול לא בטוח בפלט הוא חולשה שבה פלט של מודל שפה מועבר ישירות למערכות אחרות, כמו דפדפן, מסד נתונים או שורת פקודה, ללא בדיקה וסינון. כך תוקף שמשפיע על תשובת המודל יכול להריץ קוד זדוני או לשנות נתונים במערכות הארגון.

טמפרטורה היא פרמטר ששולט במידת האקראיות של תשובות מודל השפה, כאשר ערך נמוך מייצר תשובות צפויות ועקביות וערך גבוה מייצר תשובות מגוונות ויצירתיות. לשירות לקוחות ולחילוץ נתונים מקובל להשתמש בטמפרטורה נמוכה, ולכתיבה שיווקית בטמפרטורה גבוהה יותר.

טנגנס היפרבולי היא פונקציית אקטיבציה שממירה ערכים לטווח שבין מינוס 1 ל־1, בצורה הדומה לסיגמואיד אך ממורכזת סביב אפס. היא שימשה רבות ברשתות רקורסיביות כמו LSTM, שבהן חשוב לשמור על ערכים מאוזנים לאורך רצפים.

טנזור הוא מבנה נתונים רב ממדי של מספרים, הכללה של וקטור ומטריצה, שבו מיוצגים הקלטים, המשקלים והפלטים ברשתות נוירונים. תמונה צבעונית, למשל, מיוצגת כטנזור תלת ממדי של גובה, רוחב וערוצי צבע, וכל החישובים במודל הם פעולות על טנזורים.

טקסט לווידאו הוא סוג של מודל גנרטיבי שמייצר קטע וידאו קצר על בסיס תיאור מילולי של הסצנה, התנועה והסגנון. עסקים משתמשים בו להפקת סרטוני פרסום, הדגמות מוצר ותוכן לרשתות חברתיות בעלות נמוכה מהפקה מסורתית.

טקסט למוזיקה הוא סוג של מודל גנרטיבי שמייצר קטעי מוזיקה על פי תיאור מילולי של סגנון, קצב, כלים ואווירה. עסקים משתמשים בו להפקת מוזיקת רקע לסרטונים ולמודעות, תוך בדיקת תנאי הרישיון והזכויות של הכלי.

טקסט לתמונה הוא סוג של מודל גנרטיבי שמקבל תיאור מילולי, פרומפט, ומייצר ממנו תמונה מתאימה. משרד נדל״ן יכול למשל לתאר סלון מעוצב בסגנון מודרני ולקבל הדמיה ויזואלית להצגה ללקוחות.

טריגר הוא האירוע שמפעיל תהליך אוטומציה, כמו קבלת מייל, מילוי טופס, הודעה נכנסת, שינוי סטטוס ב-CRM או שעה קבועה ביום. הגדרה מדויקת של הטריגר חשובה כדי שהתהליך ירוץ בדיוק כשצריך, בלי כפילויות ובלי לפספס אירועים.

טריגר מתוזמן הוא הפעלה של תהליך אוטומציה בזמנים קבועים מראש, כמו כל בוקר בשמונה או בכל יום ראשון, לרוב לפי תחביר Cron. הוא מתאים למשימות שגרתיות כמו שליחת תזכורות לתורים של מחר או הפקת דוח מכירות שבועי.

טריק הקרנל הוא טכניקה מתמטית שמאפשרת לאלגוריתמים כמו SVM למצוא גבולות הפרדה לא לינאריים, כאילו הנתונים הועברו למרחב בעל ממדים רבים יותר, בלי לחשב את המעבר בפועל. כך ניתן לפתור בעיות מורכבות בעלות חישובית סבירה.

טרנספורמציה דיגיטלית היא שינוי עמוק באופן שבו עסק פועל, מוכר ומשרת לקוחות באמצעות טכנולוגיות דיגיטליות, ולא רק החלפת נייר במחשב. כיום בינה מלאכותית היא חלק מרכזי בה, למשל מעבר ממענה טלפוני ידני למענה אוטומטי בוואטסאפ המחובר למערכת CRM.

טרנספורמר היא ארכיטקטורת רשת נוירונים המבוססת על מנגנון קשב, שמעבדת את כל חלקי הרצף במקביל ולומדת את הקשרים בין כל מילה לכל מילה אחרת. היא הוצגה במאמר Attention Is All You Need ב־2017, ועליה מבוססים כמעט כל מודלי השפה הגדולים כמו GPT ו־Claude.

טרנספורמר דיפוזיה הוא מודל דיפוזיה שבו רשת ה־U-Net המסורתית מוחלפת בארכיטקטורת טרנספורמר שפועלת על פיסות של המרחב הלטנטי. הגישה מתרחבת היטב עם הגדלת המודל והנתונים, ומשמשת במודלים מתקדמים ליצירת תמונות ווידאו.

טרנספורמר ויזואלי הוא מודל שמיישם את ארכיטקטורת הטרנספורמר על תמונות, על ידי חלוקת התמונה לריבועים קטנים והתייחסות לכל ריבוע כאל טוקן. הוא מתחרה ברשתות קונבולוציה במשימות ראייה ממוחשבת ומשמש בסיס לרכיב הראייה במודלים רב מודאליים.

יישור AI הוא תחום מחקר שמטרתו להבטיח שמערכות בינה מלאכותית יפעלו בהתאם לכוונות, לערכים ולמטרות של בני האדם, ולא רק לפי ההוראה המילולית. ככל שמערכות הופכות עצמאיות יותר, כמו סוכנים שמבצעים פעולות, החשיבות של יישור נכון עולה.

יישור מטעה הוא תרחיש תיאורטי שבו מודל מתנהג כאילו הוא מיושר עם מטרות המפתחים בזמן אימון ובדיקה, אך למעשה פועל לפי מטרות אחרות שעשויות להתגלות בהמשך. החשש מתרחיש זה מניע מחקר בכלים לזיהוי התנהגות נסתרת של מודלים.

יכולות מתהוות הן יכולות שמופיעות במודלי שפה רק כאשר הם מגיעים לגודל או להיקף אימון מסוים, ולא נצפו במודלים קטנים יותר. דוגמאות שהוצעו הן חשיבה רב-שלבית ופתרון בעיות חשבון, אם כי קיים ויכוח מחקרי על אופי התופעה.

יכולת היגוי היא המידה שבה ניתן לכוון את התנהגות המודל, הסגנון והאישיות שלו באמצעות הוראות ופרומפט מערכת. מודל בעל יכולת היגוי גבוהה מאפשר לעסק להתאים את הבוט לקול המותג, רשמי או חברי, בלי כוונון עדין.

יער אקראי הוא אלגוריתם שבונה מאות עצי החלטה, כל אחד על מדגם אקראי של הנתונים והתכונות, ומשלב את תחזיותיהם להחלטה אחת. הוא מדויק ועמיד יותר מעץ בודד, ונפוץ במשימות כמו חיזוי נטישה וזיהוי הונאות.

יצירת טקסט היא המשימה שבה מודל שפה מייצר טקסט חדש בתגובה לקלט, כמו תשובה לשאלה, מאמר, מייל או תיאור מוצר. זהו השימוש הנפוץ ביותר במודלי שפה בעסקים, מתוכן שיווקי ועד מענה אוטומטי לפניות.

יצירת לידים היא כל הפעילות שנועדה למשוך אנשים שמתעניינים במוצר או בשירות ולהשיג את פרטי הקשר שלהם. כלי AI מסייעים בכתיבת מודעות, בבניית דפי נחיתה ובשיחה אוטומטית שמאספת פרטים מגולשים באתר או בוואטסאפ.

יצירת תמונות היא שימוש במודלים גנרטיביים ליצירת תמונות חדשות שלא היו קיימות קודם, על בסיס תיאור, תמונה אחרת או דוגמאות. עסקים משתמשים בה להפקת באנרים, הדמיות מוצר ותמונות לרשתות חברתיות בלי צילום מקצועי.

ירידה סטוכסטית במורד הגרדיאנט היא גרסה של ירידה במורד הגרדיאנט שמעדכנת את המשקלים לפי דוגמה אחת או קבוצה קטנה של דוגמאות במקום כל מאגר הנתונים. השיטה מהירה וחסכונית בזיכרון, ומאפשרת לאמן מודלים על מיליוני רשומות שלא היו נכנסות לזיכרון בבת אחת.

ירידת גרדיאנט היא שיטת אופטימיזציה שמעדכנת את פרמטרי המודל בצעדים קטנים בכיוון שבו ההפסד יורד בצורה החדה ביותר. זו השיטה הבסיסית שבאמצעותה מאומנים מודלים רבים, מרגרסיה פשוטה ועד מודלי שפה גדולים.

כוונון היפר־פרמטרים הוא תהליך של חיפוש שיטתי אחר שילוב ההגדרות שמניב את הביצועים הטובים ביותר עבור המודל. הוא נעשה באמצעות שיטות כמו חיפוש רשת, חיפוש אקראי או אופטימיזציה בייסיאנית, ולעיתים קרובות בצורה אוטומטית.

כוונון חסכוני בפרמטרים הוא משפחת שיטות שמאפשרות להתאים מודל שפה גדול על ידי אימון חלק קטן מאוד מהפרמטרים שלו בלבד. כך ניתן לכוונן מודל לתחום עסקי מסוים בעלות חומרה נמוכה בהרבה מכוונון מלא.

כוונון להוראות הוא שלב אימון שבו מודל שפה לומד מדוגמאות של הוראות ותשובות רצויות, כדי שיידע למלא בקשות של משתמשים ולא רק להשלים טקסט. בזכות שלב זה מודלים מודרניים מגיבים היטב לבקשות כמו סכם, תרגם או נסח מייל.

כוונון מפוקח הוא אימון של מודל שפה על זוגות של קלט ותשובה נכונה שנכתבו או אושרו על ידי בני אדם. זהו בדרך כלל השלב הראשון בהפיכת מודל בסיס לעוזר שימושי, ומשמש גם להתאמת מודל למשימה עסקית מוגדרת.

כוונון עדין הוא תהליך של אימון נוסף של מודל קיים על מאגר נתונים ממוקד, כדי להתאים אותו לתחום, לסגנון או למשימה מסוימת. לדוגמה, ניתן לכוונן מודל על אלפי תשובות של צוות השירות כדי שיכתוב בטון ובמונחים של החברה.

כוח עבודה מוגבר הוא מצב שבו עובדים אנושיים עובדים לצד כלי AI שמשפרים את יכולותיהם, במקום שהטכנולוגיה תחליף אותם. למשל, נציג שירות שמקבל מה-AI טיוטת תשובה וסיכום של היסטוריית הלקוח מטפל ביותר פניות ובאיכות גבוהה יותר.

כימות מודלי שפה הוא הקטנת דיוק המספרים שבהם נשמרים משקלי המודל, למשל מ-16 ביט ל-4 ביט, כדי להקטין את הזיכרון הנדרש ולהאיץ את ההרצה. הדבר מאפשר להריץ מודלים פתוחים על שרת מקומי או מחשב נייד, לעיתים במחיר של ירידה קלה באיכות.

כללי הקשר הם שיטה לגילוי קשרים בין פריטים שמופיעים יחד בנתונים, בצורת כלל כמו מי שקנה מוצר א׳ נוטה לקנות גם מוצר ב׳. השימוש הנפוץ הוא ניתוח סל קניות בחנויות, לצורך המלצות, מבצעי חבילה וסידור מדפים.

כרטיס מודל הוא מסמך תיעוד סטנדרטי שמתאר מודל AI, כולל ייעודו, נתוני האימון, ביצועים במבחנים, מגבלות, הטיות ידועות ושימושים שאינם מומלצים. הוא מסייע לארגונים להעריך האם מודל מתאים לשימוש שלהם לפני שהם משלבים אותו במוצר.

כריית נתונים היא תהליך של חיפוש דפוסים, קשרים ומגמות נסתרות בתוך כמויות גדולות של נתונים בעזרת שיטות סטטיסטיות ולמידת מכונה. לדוגמה, רשת קמעונאית יכולה לגלות אילו מוצרים נקנים יחד ולבנות על בסיס זה מבצעים משולבים.

כריית תהליכים היא ניתוח של נתוני יומן ממערכות הארגון, כמו ERP ו-CRM, כדי לשחזר איך תהליכים מתבצעים בפועל ולזהות עיכובים, חריגות ושלבים מיותרים. היא משמשת לעיתים קרובות לאיתור התהליכים שבהם אוטומציה תביא את התועלת הגדולה ביותר.

לבנות או לקנות היא ההחלטה האם לפתח פתרון AI בהתאמה אישית או לרכוש מוצר מדף קיים. ההחלטה תלויה בעלות, בזמן הטמעה, בייחודיות התהליך ובצורך בשליטה על הנתונים, ולעיתים הפתרון הנכון משלב כלי מדף עם התאמות ואינטגרציות.

לואו-קוד היא גישה לפיתוח שמשלבת ממשק חזותי עם אפשרות לכתוב קטעי קוד במקומות שבהם נדרשת לוגיקה מותאמת. היא מאפשרת לבנות אוטומציות וסוכני AI מהר יותר מפיתוח מלא, תוך שמירה על גמישות לחיבורים ולחישובים מורכבים.

לוג׳יטים הם הציונים הגולמיים שרשת נוירונים מפיקה בשכבת הפלט לפני שהם מומרים להסתברויות באמצעות פונקציה כמו סופטמקס. במודלי שפה, הלוג׳יטים מייצגים את הציון של כל טוקן אפשרי, ופרמטרים כמו טמפרטורה פועלים עליהם כדי לשלוט באקראיות התשובה.

לוח רעש הוא התוכנית שקובעת כמה רעש מוסיפים לנתונים בכל צעד בתהליך הדיפוזיה, ובהתאם כמה מסירים בכל צעד ביצירה. בחירת הלוח משפיעה על איכות התמונות ועל מספר הצעדים הנדרש, ולכן היא פרמטר חשוב בתכנון מודלי דיפוזיה.

לולאת סוכן היא המחזור החוזר שבו המודל מקבל מצב, מחליט על פעולה, מפעיל כלי, קורא את התוצאה וממשיך עד לסיום המשימה או לעצירה. הגדרת תנאי עצירה ומספר צעדים מרבי בלולאה חשובה כדי למנוע ריצה אינסופית ועלויות מיותרות.

ליבות טנזור הן יחידות חישוב ייעודיות בכרטיסי GPU של NVIDIA, שמאיצות מאוד כפל מטריצות בדיוק נמוך יחסית. הן מאפשרות לאמן ולהריץ רשתות נוירונים מהר יותר בכמה מונים לעומת ליבות GPU רגילות.

לידאר הוא חיישן שמודד מרחקים באמצעות פולסים של אור לייזר ויוצר מפה תלת־ממדית מדויקת של הסביבה. הוא משמש ברכבים אוטונומיים, ברחפנים למיפוי ובחלק מהטלפונים החכמים לסריקת חדרים ולמדידות.

לייקהאוס הוא ארכיטקטורת נתונים שמשלבת את הגמישות והעלות הנמוכה של אגם נתונים עם הניהול והביצועים של מחסן נתונים. היא מאפשרת להריץ גם דוחות עסקיים וגם אימון מודלי AI על אותו מאגר, בלי לשכפל את המידע.

Serverless הוא מודל ענן שבו המפתח מעלה קוד או פונקציה, והספק מנהל את השרתים ומפעיל אותם רק כשיש בקשה, עם תשלום לפי שימוש בפועל. הוא מתאים לאוטומציות עסקיות עם עומס משתנה, כמו עיבוד טופס לידים שמגיע כמה פעמים ביום.

למטיזציה היא החזרת מילה לצורת הבסיס המילונית שלה, כמו הפיכת הלכנו והולכת לפועל הלך. היא משפרת חיפוש וניתוח טקסט, כי כך מערכת מבינה שצורות שונות של אותה מילה מתייחסות לאותו מושג.

למידה בלתי מונחית היא שיטה בלמידת מכונה שבה המודל מקבל נתונים ללא תשובות נכונות ומחפש בעצמו מבנים, קבוצות או דפוסים חבויים. עסק יכול להשתמש בה כדי לגלות פלחי לקוחות בעלי התנהגות רכישה דומה, בלי להגדיר מראש מהם הפלחים.

למידה בפיקוח עצמי היא שיטה שבה המודל מייצר לעצמו משימות אימון מתוך הנתונים הגולמיים, למשל ניחוש מילה חסרה במשפט, ללא צורך בתיוג אנושי. זו השיטה המרכזית שבאמצעותה מאומנים מודלי שפה גדולים על כמויות עצומות של טקסט מהאינטרנט.

למידה מונחית היא שיטה בלמידת מכונה שבה המודל מתאמן על דוגמאות שכל אחת מהן כוללת את התשובה הנכונה, ולומד למפות קלט לפלט. לדוגמה, אימון מודל על אלפי פניות לקוחות שסווגו מראש כתלונה, בירור או הזמנה, כדי שיסווג פניות חדשות באופן אוטומטי.

למידה מונחית למחצה היא שיטה המשלבת כמות קטנה של נתונים מתויגים עם כמות גדולה של נתונים לא מתויגים כדי לאמן מודל. היא שימושית כאשר תיוג ידני יקר, למשל כשמרפאה מתייגת רק חלק קטן מהמסמכים הרפואיים והמודל לומד גם מכל השאר.

למידה מקוונת היא שיטה שבה המודל מתעדכן באופן רציף כשמגיעים נתונים חדשים, דוגמה אחר דוגמה, במקום להתאמן מחדש על כל הנתונים בבת אחת. היא מתאימה לסביבות שמשתנות מהר, כמו המלצות מוצרים או זיהוי הונאות בזמן אמת.

למידה מתוך ההקשר היא היכולת של מודל שפה ללמוד משימה חדשה מדוגמאות והוראות שבתוך הפרומפט, בלי לשנות את משקליו. בזכותה אפשר ללמד בוט פורמט תשובה או סגנון חדש פשוט על ידי הוספת כמה דוגמאות להוראות.

למידה ניגודית היא שיטת אימון שבה המודל לומד לקרב בייצוג הפנימי דוגמאות דומות ולהרחיק דוגמאות שונות, לעיתים קרובות ללא תוויות ידניות. היא משמשת לבניית מודלי הטמעה לחיפוש סמנטי ולהתאמה בין תמונות לטקסט, כמו במודל CLIP.

למידה עמוקה היא תחום בלמידת מכונה שמשתמש ברשתות נוירונים בעלות שכבות רבות כדי ללמוד ייצוגים מורכבים ישירות מתוך נתונים גולמיים. היא עומדת מאחורי רוב פריצות הדרך של השנים האחרונות, כמו צ׳אטבוטים מתקדמים, זיהוי דיבור ותמלול שיחות שירות, וזיהוי מסמכים סרוקים בעסקים.

למידה פדרטיבית היא שיטה שבה מודל מאומן על נתונים שנשארים מפוזרים במכשירים או בארגונים שונים, וכל משתתף שולח רק עדכונים למודל ולא את הנתונים עצמם. היא מסייעת לשמור על פרטיות, למשל כשכמה בתי חולים משתפים פעולה באימון מודל.

למידה פעילה היא שיטה שבה המודל עצמו בוחר אילו דוגמאות כדאי לשלוח לתיוג אנושי, בדרך כלל אלה שהוא הכי פחות בטוח לגביהן. כך ניתן להגיע לדיוק גבוה עם הרבה פחות עבודת תיוג ידנית ויקרה.

למידת אנסמבל היא גישה שמשלבת כמה מודלים כדי לקבל תחזית מדויקת ויציבה יותר מזו של כל מודל בנפרד. הרעיון דומה להתייעצות עם כמה מומחים, ושיטות כמו יער אקראי ו־Gradient Boosting מבוססות עליה.

למידת העברה היא שיטה שבה מודל שאומן על משימה אחת משמש כנקודת פתיחה למשימה אחרת וקשורה, במקום לאמן מאפס. היא חוסכת זמן, נתונים ועלויות, ומאפשרת לעסק קטן לבנות מודל טוב גם עם כמות מוגבלת של נתונים משלו.

למידת חיזוק היא שיטה בלמידת מכונה שבה סוכן לומד לקבל החלטות באמצעות ניסוי וטעייה, כשהוא מקבל תגמול על פעולות טובות ועונש על פעולות גרועות. היא משמשת למשל לאופטימיזציה של תמחור דינמי, לרובוטיקה ולשיפור התנהגות של מודלי שפה.

למידת חיזוק ממשוב אנושי היא שיטת אימון שבה בני אדם מדרגים תשובות של המודל, והמודל לומד להעדיף תשובות שמדורגות גבוה. השיטה הפכה מודלי שפה למועילים, מנומסים ובטוחים יותר, והייתה מרכיב מרכזי בהצלחת צ׳אטבוטים מסחריים.

למידת חיזוק עמוקה היא שילוב של למידת חיזוק עם רשתות נוירונים עמוקות, שמאפשר לסוכן ללמוד ישירות מקלט מורכב כמו תמונות. היא עומדת מאחורי הישגים כמו AlphaGo, ומשמשת ברובוטיקה, בניהול משאבים ובשליטה במערכות מורכבות.

למידת מכונה היא תת־תחום של בינה מלאכותית שבו מחשב לומד דפוסים מתוך נתונים במקום לפעול לפי כללים שנכתבו ידנית. כך למשל מערכת יכולה ללמוד מהיסטוריית הלקוחות של חנות מי צפוי לרכוש שוב, ולשפר את התחזיות ככל שמצטברים נתונים חדשים.

לקוח MCP הוא הצד באפליקציה או בסוכן שמתחבר לשרתי MCP, מגלה אילו כלים הם מציעים ומפעיל אותם לפי הצורך. עוזרי AI ועורכי קוד רבים משמשים כלקוחות MCP, ומאפשרים למשתמש לחבר אליהם מערכות ארגוניות ללא פיתוח ייעודי.

מאגר ידע הוא אוסף מאורגן של מידע ארגוני, כמו נהלים, מחירונים, מדריכים ושאלות נפוצות, שממנו סוכנים ובוטים שולפים תשובות. מאגר ידע מעודכן ומסודר הוא התנאי הבסיסי לבוט שירות שעונה נכון ולא ממציא מידע.

מאגר ידע פנימי הוא אוסף מסודר של מידע ארגוני, כמו נהלים, מדריכים, מחירונים ותשובות לשאלות נפוצות, שזמין לעובדים. כשהוא מחובר לעוזר AI, עובד חדש יכול לשאול שאלה ולקבל תשובה מדויקת מתוך הנהלים במקום להטריד עמיתים.

מאגר מודלים הוא מערכת מרכזית לשמירה, תיעוד וניהול גרסאות של מודלים מאומנים, יחד עם המטא־דאטה והמדדים שלהם. הוא מאפשר לצוות לדעת איזו גרסה רצה בייצור, מי אישר אותה, ולחזור במהירות לגרסה קודמת אם מתגלה בעיה.

מאגר מידע לפי חוק הגנת הפרטיות הוא אוסף של מידע אישי הנשמר באמצעים ממוחשבים, כמו רשימת לקוחות, מטופלים או לידים. בעל מאגר נדרש לעמוד בחובות אבטחה, שקיפות ושימוש למטרה מוגדרת, וחלק מהמאגרים חייבים גם ברישום.

מאגר פיצ׳רים הוא מערכת מרכזית לאחסון, ניהול ושיתוף של משתנים מעובדים שמשמשים מודלי למידת מכונה, גם באימון וגם בזמן אמת. הוא מבטיח שאותם חישובים, כמו סכום רכישות חודשי של לקוח, יהיו זהים בכל המודלים בארגון.

מאזן עומסים הוא רכיב שמחלק בקשות נכנסות בין כמה שרתים כדי שאף אחד מהם לא יקרוס ושהשירות יישאר זמין. בשירותי AI הוא מפזר פניות בין מספר שרתי מודל ומפנה תעבורה הרחק משרת שנתקע.

מאיץ AI הוא כל רכיב חומרה שתוכנן במיוחד להאיץ חישובים של רשתות נוירונים, כמו GPU, TPU, NPU או שבבים ייעודיים אחרים. מאיצים אלה מאפשרים להריץ מודלים מהר יותר ובצריכת חשמל נמוכה יותר ממעבד רגיל, וזה מה שהופך שירותי AI לכדאיים כלכלית.

מאמץ חשיבה הוא פרמטר במודלי חשיבה שקובע כמה זמן וטוקנים המודל ישקיע בחשיבה לפני שיענה, לרוב ברמות כמו נמוך, בינוני וגבוה. רמה נמוכה מתאימה לשאלות פשוטות ומהירות, ורמה גבוהה לניתוחים מורכבים שבהם הדיוק חשוב מהמהירות.

מאפיינים מוגנים הם תכונות אישיות שהחוק אוסר להפלות על פיהן, כמו מגדר, גיל, דת, מוצא, מוגבלות ונטייה מינית. בבניית מודלים לגיוס, אשראי או תמחור יש לבדוק שהתוצאות אינן תלויות במאפיינים אלה, במישרין או דרך משתנים שמשמשים תחליף להם.

מבחין הוא הרשת ב־GAN שמקבלת דוגמה ומעריכה האם היא אמיתית מתוך נתוני האימון או מזויפת מתוצרי המחולל. המבחין משמש כמבקר שמכוון את המחולל, ובדרך כלל אינו נדרש לאחר סיום האימון.

מבחן טיורינג הוא מבחן שהציע המתמטיקאי אלן טיורינג ב־1950, שבו נבדק האם מכונה מסוגלת לנהל שיחה כתובה כך שבוחן אנושי לא יוכל להבחין בינה לבין אדם. הוא סמל היסטורי חשוב, אך כיום נחשב מדד חלקי בלבד ליכולות של מערכת.

מדידה וירטואלית היא טכנולוגיה שמאפשרת ללקוח לראות כיצד ייראה עליו פריט לבוש, משקפיים או איפור באמצעות תמונה או מצלמה. חנויות אופנה ואופטיקה משתמשות בה כדי להגביר ביטחון ברכישה ולהפחית החזרות.

מדיניות בלמידת חיזוק היא הכלל או הפונקציה שקובעים איזו פעולה הסוכן יבחר בכל מצב. מטרת האימון היא למצוא את המדיניות שמביאה לתגמול המצטבר הגבוה ביותר לאורך זמן, ולא רק לרווח מיידי.

מדיניות שימוש ב-AI היא מסמך ארגוני שקובע לעובדים אילו כלי בינה מלאכותית מותרים, לאילו מטרות ואילו סוגי מידע אסור להזין אליהם. למשל, מדיניות יכולה לאסור העלאת פרטי לקוחות או מסמכים חסויים לצ׳אטבוט ציבורי ללא אישור.

מדע הנתונים הוא תחום שמשלב סטטיסטיקה, תכנות וידע עסקי כדי להפיק תובנות ותחזיות מנתונים. מדעני נתונים בונים מודלים, מנתחים ניסויים ומתרגמים את התוצאות להחלטות, כמו קביעת תמחור או זיהוי לקוחות בסיכון לעזיבה.

מהירות תגובה לליד היא הזמן שעובר מרגע שליד משאיר פרטים ועד שהעסק יוצר איתו קשר. ככל שהתגובה מהירה יותר הסיכוי לסגור עסקה גדל, ולכן עסקים רבים משתמשים במענה אוטומטי בוואטסאפ שפונה לליד תוך שניות.

מובהקות סטטיסטית היא קביעה שתוצאה שנמדדה אינה סבירה כתוצאה ממקריות בלבד, לפי סף שנקבע מראש. לדוגמה, בניסוי A/B על נוסח הודעת וואטסאפ, מובהקות מאפשרת לדעת אם הפער בשיעור התגובה אמיתי ולא מקרי.

מובילאיי היא חברה ישראלית המפתחת מערכות ראייה ממוחשבת ובינה מלאכותית לסיוע לנהג ולנהיגה אוטונומית, ונמצאת בשליטת אינטל. השבבים והאלגוריתמים שלה מותקנים במיליוני רכבים של יצרניות רבות, והיא נחשבת לאחת מהצלחות ה־AI הבולטות של ישראל.

מודל AI לשימוש כללי הוא, לפי חוק ה-AI האירופי, מודל שמסוגל לבצע מגוון רחב של משימות ולשמש בסיס למערכות רבות, כמו מודלי שפה גדולים. ספקי מודלים כאלה נדרשים בין היתר לתיעוד טכני, למדיניות זכויות יוצרים ולפרסום סיכום של נתוני האימון.

מודל אוטורגרסיבי הוא מודל שמייצר פלט רכיב אחר רכיב, כאשר כל רכיב חדש נקבע על סמך כל מה שנוצר לפניו. רוב מודלי השפה פועלים כך, ולכן התשובה מופיעה בהדרגה ותשובות ארוכות לוקחות יותר זמן.

מודל בסיס הוא מודל שפה שעבר רק אימון מקדים ועדיין לא כוונן לשיחה או למילוי הוראות, ולכן הוא בעיקר משלים טקסט. מפתחים משתמשים במודלי בסיס כנקודת פתיחה לכוונון עדין משלהם.

מודל גיבוי הוא מודל חלופי שהמערכת עוברת אליו אוטומטית כשהמודל הראשי אינו זמין, איטי מדי או מחזיר שגיאה. כך בוט שמשרת לקוחות בוואטסאפ ממשיך לענות גם בזמן תקלה אצל ספק המודל העיקרי.

מודל גנרטיבי הוא מודל שלומד את התפלגות הנתונים עצמם, ולכן מסוגל גם לייצר דוגמאות חדשות הדומות לנתוני האימון. בלמידת מכונה קלאסית בייס נאיבי הוא דוגמה לכך, והרעיון הזה עומד גם בבסיס מחוללי הטקסט והתמונות המודרניים.

מודל דיפוזיה הוא מודל יוצר שלומד להפוך רעש אקראי לתוצר בעל משמעות, כמו תמונה, על ידי הסרת רעש בהדרגה לאורך צעדים רבים. במהלך האימון מוסיפים רעש לתמונות אמיתיות והמודל לומד לשחזר אותן, ועל גישה זו מבוססים רוב כלי יצירת התמונות והווידאו כיום.

מודל הוראות הוא גרסה של מודל שפה שכווננה למלא הוראות של משתמשים, בניגוד למודל בסיס שרק ממשיך טקסט. ברוב השימושים העסקיים, כמו סיכום, תרגום או ניסוח תשובות, משתמשים במודלי הוראות.

מודל חזית הוא מודל AI מהמתקדמים והחזקים ביותר שקיימים בזמן נתון, שמפותח לרוב על ידי חברות גדולות בהשקעה עצומה. המונח משמש גם בדיונים על רגולציה ובטיחות, כי ליכולות של מודלים כאלה עשויות להיות השפעות רחבות.

מודל חשיבה הוא מודל שפה שאומן לבצע שלבי חשיבה פנימיים לפני מתן תשובה, וכך מצטיין בבעיות מתמטיות, קוד, ניתוח ותכנון. הוא איטי ויקר יותר ממודל רגיל, ולכן מתאים בעיקר למשימות מורכבות ולא לשיחת שירות פשוטה.

מודל חשיבה היברידי הוא מודל שפה שיכול לפעול גם במצב תגובה מהירה וגם במצב חשיבה מעמיקה, לפי בחירת המשתמש או לפי מורכבות השאלה. כך ניתן להשתמש במודל אחד גם לשיחות שירות קצרות וגם לניתוח מסמכים מורכב.

מודל ייחוס הוא שיטה לקביעת מידת התרומה של כל ערוץ ונקודת מגע במסע הלקוח להמרה, כמו מודעה, מייל או חיפוש אורגני. מודלים מבוססי נתונים ו-AI מחלקים את הקרדיט בצורה מדויקת יותר מכללים פשוטים, ומסייעים להחליט היכן להשקיע את תקציב השיווק.

מודל יסוד הוא מודל גדול שאומן על נתונים רחבים ומגוונים וניתן להתאים אותו למגוון רחב של משימות ושימושים. מודלי שפה גדולים הם הדוגמה המוכרת, ועסקים בונים מעליהם מוצרים כמו בוטים, מערכות סיכום ועוזרי מכירות.

מודל למידת מכונה הוא התוצר של אימון אלגוריתם על נתונים: ייצוג מתמטי שמקבל קלט חדש ומחזיר תחזית או החלטה. למשל, מודל שקיבל את פרטי הליד ומחזיר ציון בין אפס למאה שמבטא את הסיכוי שיהפוך ללקוח.

מודל מבחין הוא מודל שלומד ישירות את הגבול בין קטגוריות או את הקשר בין הקלט לפלט, בלי למדל כיצד הנתונים עצמם נוצרו. רגרסיה לוגיסטית ו־SVM הם דוגמאות, והם נפוצים במשימות סיווג כמו מיון פניות או זיהוי הונאות.

מודל מרחב מצבים הוא ארכיטקטורה לעיבוד רצפים ששומרת מצב פנימי דחוס ומעדכנת אותו לאורך הרצף, בדומה לרשת רקורסיבית אך עם חישוב יעיל יותר. מודלים כמו Mamba נחשבים חלופה לטרנספורמר, משום שעלות החישוב שלהם גדלה באופן ליניארי עם אורך הטקסט.

מודל מרקוב חבוי הוא מודל הסתברותי לרצפים, שמניח שמאחורי הנתונים הנצפים קיימים מצבים נסתרים שעוברים ממצב למצב לפי הסתברויות קבועות. בעבר הוא היה מרכזי בזיהוי דיבור, ומשמש גם לניתוח רצפי התנהגות של משתמשים.

מודל נטייה הוא מודל סטטיסטי או מבוסס למידת מכונה שמעריך את הסבירות שלקוח יבצע פעולה מסוימת, כמו רכישה, הרשמה, תגובה להצעה או נטישה. הוא עוזר למקד תקציבי שיווק בלקוחות שיש להם הסיכוי הגבוה ביותר להגיב.

מודל סגור הוא מודל שפה שמשקליו אינם מפורסמים והגישה אליו ניתנת רק דרך ממשק או אפליקציה של החברה שפיתחה אותו. מודלים כאלה מובילים לרוב ביכולות ונוחים לשימוש, אך מחייבים שליחת מידע לספק חיצוני ותשלום לפי שימוש.

מודל עם משקלים פתוחים הוא מודל שפה שמשקליו המאומנים זמינים להורדה, כך שניתן להריץ ולכוונן אותו על תשתית עצמאית. בניגוד לקוד פתוח מלא, לרוב לא מפורסמים נתוני האימון, והרישיון עשוי להגביל שימושים מסחריים מסוימים.

מודל צ׳אט הוא מודל שפה שכוונן לניהול שיחה רב-שלבית עם תפקידים מוגדרים של מערכת, משתמש ועוזר. מודלים כאלה הם הבסיס לבוטים לשירות לקוחות, לעוזרים וירטואליים ולממשקים כמו צ׳אט באתר או בוואטסאפ.

מודל שפה בקוד פתוח הוא מודל שהקוד, המשקלים ולעיתים גם נתוני האימון שלו מפורסמים ברישיון שמתיר שימוש, שינוי והפצה. עסקים בוחרים במודלים כאלה כדי לשמור על פרטיות המידע, להימנע מתלות בספק ולשלוט בעלויות.

מודל שפה גדול הוא מודל בינה מלאכותית שאומן על כמויות עצומות של טקסט ולומד לחזות את המילה הבאה, וכך מסוגל להבין ולייצר שפה טבעית. מודלים כאלה עומדים מאחורי צ׳אטבוטים, עוזרי כתיבה ומערכות שירות לקוחות שעונות ללקוחות בוואטסאפ או באתר.

מודל שפה ייעודי לתחום הוא מודל שאומן או כוונן על נתונים של תחום מסוים, כמו משפט, רפואה, פיננסים או ביטוח. הוא מכיר את המונחים והנהלים של התחום טוב יותר ממודל כללי, ולכן מתאים למשימות מקצועיות ממוקדות.

מודל שפה לקוד הוא מודל שאומן או כוונן במיוחד על קוד תוכנה, ומסוגל לכתוב, להסביר, לתקן ולתרגם קוד בין שפות תכנות. מודלים כאלה עומדים מאחורי עוזרי תכנות ומאיצים פיתוח של אתרים, אינטגרציות ואוטומציות.

מודל שפה קטן הוא מודל עם מספר פרמטרים נמוך יחסית, שנועד לרוץ מהר ובזול, לעיתים על מכשיר מקומי או טלפון. הוא מתאים למשימות ממוקדות כמו סיווג פניות או חילוץ פרטים מטפסים, שבהן אין צורך במודל ענק.

מודל שפה רב-מודלי הוא מודל שמסוגל לקבל ולעבד כמה סוגי קלט, כמו טקסט, תמונות, אודיו ולעיתים וידאו, ולא רק טקסט. לדוגמה, לקוח יכול לשלוח בוואטסאפ צילום של מוצר פגום, והמודל יזהה את הבעיה וינסח תשובה מתאימה.

מודל שפה־ראייה הוא מודל שמבין גם תמונות וגם טקסט ויכול לענות על שאלות, לתאר ולנתח תוכן חזותי בשפה טבעית. לדוגמה, בוט שירות יכול לקבל צילום של חשבונית או תקלה במכשיר ולהסביר ללקוח מה לעשות.

מודל תגמול הוא מודל עזר שלומד מדירוגים אנושיים לחזות עד כמה תשובה מסוימת טובה, ומשמש לאימון מודל השפה בלמידת חיזוק. הוא מאפשר להעביר העדפות אנושיות כמו דיוק, בהירות ובטיחות לתהליך אימון בקנה מידה גדול.

מודל תמהיל שיווקי הוא ניתוח סטטיסטי שמעריך כיצד כל ערוץ שיווק וגורמים חיצוניים, כמו עונתיות ומחיר, משפיעים על המכירות לאורך זמן. הוא אינו תלוי במעקב אחר משתמשים בודדים, ולכן חזר לשימוש נרחב עם הגבלות הפרטיות על עוגיות ומעקב.

מודל תערובת גאוסיאני הוא מודל הסתברותי שמניח שהנתונים נוצרו משילוב של כמה התפלגויות נורמליות, ומשמש לאשכול גמיש. בניגוד ל־K-Means, הוא מחשב לכל דוגמה הסתברות להשתייך לכל קבוצה, כך שלקוח יכול להשתייך חלקית לשני פלחים.

מודעות קליק לוואטסאפ הן מודעות בפייסבוק ובאינסטגרם שלחיצה עליהן פותחת שיחת וואטסאפ ישירה עם העסק, במקום מעבר לדף נחיתה. בשילוב מענה אוטומטי הליד מקבל תגובה מיידית, נשאל שאלות סינון ונרשם ב-CRM כבר בשניות הראשונות.

מוכנות ל-AI היא מידת היכולת של ארגון לאמץ בינה מלאכותית בהצלחה, לפי מצב הנתונים, התשתיות, התהליכים, הכישורים והתמיכה של ההנהלה. בדיקת מוכנות לפני פרויקט חושפת חסמים, כמו נתוני לקוחות מפוזרים בגיליונות במקום במערכת CRM מסודרת.

מומנטום הוא טכניקה באופטימיזציה שמוסיפה לכל עדכון משקלים חלק מכיוון העדכונים הקודמים, בדומה לכדור שצובר תאוצה במורד. כך האימון מתקדם מהר יותר בכיוונים עקביים ופחות נתקע או מתנדנד באזורים בעייתיים של פונקציית ההפסד.

מופע GPU הוא שרת וירטואלי בענן שמצויד בכרטיס GPU אחד או יותר, ונשכר לפי שעה או לתקופה. הוא מאפשר לאמן או להריץ מודלים בלי לרכוש חומרה יקרה, ולשלם רק על הזמן שבו המשאב פועל.

מופע ספוט הוא שרת ענן שמוצע בהנחה גדולה מתוך קיבולת פנויה של הספק, אך עלול להילקח בחזרה בהתראה קצרה. הוא מתאים למשימות שאפשר לעצור ולהמשיך, כמו אימון עם שמירת נקודות ביניים או עיבוד נתונים באצווה.

מזכירה וירטואלית AI היא מערכת שעונה לשיחות ולהודעות של לקוחות בשם העסק, מספקת מידע, קובעת תורים ומעבירה פניות לגורם המתאים. היא שימושית במיוחד לקליניקות, מספרות ומשרדי שירות שמפספסים שיחות כשהצוות עסוק.

מחבר הוא רכיב מוכן בפלטפורמת אוטומציה או סוכנים שמטפל בחיבור לאפליקציה מסוימת, כולל הזדהות ופעולות נפוצות. בזכות מחברים אפשר לחבר CRM, יומן גוגל או מערכת חשבוניות בכמה קליקים, בלי לכתוב קוד מול ה-API שלהם.

מחולל הוא הרשת ב־GAN שמקבלת רעש אקראי והופכת אותו לדוגמה חדשה, כמו תמונה, במטרה שתיראה אמיתית. המחולל לומד מהמשוב של המבחין, וככל שהאימון מתקדם הוא מייצר תוצרים משכנעים יותר.

מחסן נתונים הוא מאגר מרכזי שמאחסן נתונים מובנים ומעובדים ממערכות שונות, ומותאם לשאילתות, דוחות וניתוח עסקי. לדוגמה, רשת חנויות יכולה לרכז במחסן נתונים מכירות, מלאי ופעילות שיווק כדי להשוות ביצועים בין סניפים.

מחשב AI הוא מחשב אישי שכולל מעבד NPU ייעודי לצד המעבד הרגיל והגרפי, כדי להריץ משימות בינה מלאכותית מקומית ביעילות. הוא מאפשר תכונות כמו תמלול, סיכום ושיפור וידאו בשיחות בלי להסתמך תמיד על הענן.

מחשוב ענן הוא שימוש במשאבי מחשוב, אחסון ותוכנה שמסופקים דרך האינטרנט על ידי ספק חיצוני ומשולמים לפי שימוש. רוב העסקים ניגשים למודלי AI דרך הענן, כך שאין צורך לרכוש שרתים יקרים עם GPU כדי להפעיל צ׳אטבוט או אוטומציה.

מטא-דאטה הם נתונים שמתארים נתונים אחרים, כמו תאריך יצירת קובץ, מחבר, סוג מסמך או מקור הרשומה. במערכות RAG ובחיפוש ארגוני, מטא-דאטה מאפשרים לסנן מסמכים לפי מחלקה או תאריך ולשפר את רלוונטיות התשובות.

מטא-פרומפטינג הוא שימוש במודל שפה כדי לכתוב, לשפר או לבקר פרומפטים עבור מודל אחר או עבור עצמו. לדוגמה, מתארים למודל את המטרה העסקית ומבקשים ממנו לנסח פרומפט מערכת מפורט לבוט שירות.

מטא־למידה, המכונה גם ללמוד ללמוד, היא גישה שבה מודל מתאמן על משימות רבות כדי לרכוש יכולת להסתגל במהירות למשימה חדשה עם מעט דוגמאות. היא חשובה במצבים שבהם אין מספיק נתונים לכל משימה בנפרד.

מטמון KV הוא זיכרון שבו מודל שפה שומר את וקטורי המפתח והערך של הטוקנים שכבר עובדו, כדי לא לחשב אותם מחדש בכל פעם שהוא מייצר טוקן נוסף. הוא מאיץ מאוד את יצירת התשובות, אך צורך זיכרון רב בהקשרים ארוכים.

מטמון סמנטי הוא שמירת תשובות של מודל והחזרתן גם לשאלות שנוסחו אחרת אך משמעותן דומה, לפי השוואת משמעות ולא טקסט זהה. כך השאלות מה שעות הפתיחה ומתי אתם פתוחים יכולות לקבל תשובה שמורה בלי קריאה נוספת למודל.

מטמון פרומפטים הוא מנגנון שבו ספק המודל שומר חלקים קבועים של פרומפט שכבר עובדו, כמו פרומפט מערכת ארוך או מסמך, ומשתמש בהם שוב בקריאות הבאות. הדבר מקטין את זמן התגובה ואת העלות בבוטים שחוזרים על אותן הוראות בכל שיחה.

מטריצת בלבול היא טבלה שמציגה את תחזיות המודל מול התשובות הנכונות, ומפרקת אותן לחיוביים אמיתיים, חיוביים כוזבים, שליליים אמיתיים ושליליים כוזבים. היא מראה בדיוק באילו סוגי טעויות המודל נכשל, ומשמשת בסיס לחישוב מדדים כמו פרסיז׳ן וריקול.

מידג׳רני הוא כלי ליצירת תמונות מתיאור טקסט, שפעל בתחילה דרך שרת דיסקורד וכיום זמין גם בממשק אינטרנט. הוא ידוע באיכות אסתטית גבוהה, ומשמש מעצבים, משרדי פרסום ונדל״ן ליצירת קונספטים, הדמיות וחומרים שיווקיים.

מידול נושאים הוא שיטה לזיהוי אוטומטי של הנושאים המרכזיים שחוזרים באוסף גדול של טקסטים, בלי לתייג אותם מראש. עסק יכול להפעיל אותו על אלפי פניות שירות ולגלות למשל שחלק גדול מהן עוסק בעיכובים במשלוח.

מידע אישי הוא כל מידע הנוגע לאדם מזוהה או לאדם שניתן לזהותו, במישרין או בעקיפין, כמו שם, טלפון, מספר זהות, כתובת או מזהה דיגיטלי. שיחות של לקוחות עם בוט וואטסאפ כוללות בדרך כלל מידע אישי ולכן חלים עליהן דיני הפרטיות.

מידע ביומטרי הוא מידע על מאפיינים פיזיים או התנהגותיים ייחודיים של אדם, כמו טביעת אצבע, תווי פנים או קול, המשמש לזיהויו. הוא נחשב מידע בעל רגישות מיוחדת בדיני הפרטיות, ולכן שימוש בו, למשל לזיהוי עובדים בכניסה, דורש הצדקה, שקיפות ואבטחה מוגברת.

מידע בעל רגישות מיוחדת הוא קטגוריה של מידע אישי שחשיפתו עלולה לפגוע במיוחד באדם, כמו מידע רפואי, גנטי, ביומטרי, פיננסי או מידע על אמונות ונטייה מינית. מרפאות וגופים פיננסיים שמשתמשים ב-AI נדרשים לרמת הגנה מחמירה יותר על מידע כזה.

מידע כוזב הוא מידע שגוי המופץ ללא כוונת זדון, ואילו דיסאינפורמציה היא מידע כוזב המופץ במכוון כדי להטעות. כלי AI גנרטיביים מוזילים מאוד את ההפקה של תוכן כוזב משכנע, ולכן מותגים ועסקים נדרשים לנטר התחזויות וידיעות שקריות עליהם.

מידע מזהה אישי הוא מונח מקובל בעיקר בארה״ב לכל נתון שיכול לזהות אדם, כמו שם, מספר זהות, טלפון, מייל או כתובת IP. בפרויקטי AI מקובל לזהות PII בנתונים ולהסיר או להסתיר אותו לפני שליחה למודלים חיצוניים או שמירה ביומנים.

מיומנויות סוכן הן חבילות של הוראות, תבניות וסקריפטים שהסוכן טוען רק כשהן רלוונטיות למשימה, כדי לבצע סוג עבודה מסוים בצורה עקבית. לדוגמה, מיומנות של הפקת הצעת מחיר יכולה לכלול את מבנה המסמך, כללי התמחור והטון של החברה.

מיזוג מודלים הוא שילוב המשקלים של שני מודלים או יותר, שכל אחד מהם כוונן למטרה אחרת, למודל אחד שמחזיק את היכולות של כולם. הטכניקה נפוצה בקהילת המודלים הפתוחים כי אינה דורשת אימון נוסף יקר.

מילוי הוראות הוא מידת היכולת של מודל שפה לבצע במדויק את מה שהתבקש, כולל אורך, פורמט, טון ומגבלות. זהו מדד קריטי בבחירת מודל לשימוש עסקי, כי בוט שמתעלם מהוראה כמו לא להבטיח הנחות עלול לגרום נזק.

מילוי משבצות הוא תהליך שבו בוט אוסף מהמשתמש את כל הפרטים הנדרשים להשלמת פעולה, ושואל רק על מה שעדיין חסר. לדוגמה, לקביעת תור הבוט צריך שם, סוג טיפול, תאריך ושעה, ואם הלקוח כבר ציין תאריך הוא לא ישאל עליו שוב.

מילות עצירה הן מילים נפוצות מאוד בשפה, כמו של, את, גם ו־על, שלעיתים מסננים אותן בניתוח טקסט כי הן תורמות מעט למשמעות. הסרתן מקובלת בשיטות חיפוש וניתוח קלאסיות, אך מודלים מודרניים בדרך כלל משאירים אותן.

מילת הפעלה היא מילה או ביטוי קבוע שמערכת קולית מאזינה לו באופן רציף כדי להתחיל לפעול, כמו פנייה בשם לעוזר קולי. הזיהוי מתבצע בדרך כלל על המכשיר עצמו, כדי לחסוך משאבים ולשמור על פרטיות.

מיני באץ׳ היא קבוצה קטנה של דוגמאות אימון שהמודל מעבד יחד לפני כל עדכון של המשקלים. השיטה מאזנת בין יציבות הלמידה לבין מהירותה, ומנצלת היטב את יכולת העיבוד המקבילי של מעבדים גרפיים.

מינימום מקומי הוא נקודה שבה ערך פונקציית ההפסד נמוך יותר מכל הנקודות הסמוכות, אך אינו הנמוך ביותר האפשרי. אלגוריתמי אופטימיזציה עלולים להיתקע בו ולהחזיר מודל שאינו אופטימלי, ולכן משתמשים בטכניקות שונות כדי להימנע מכך.

מיסטרל היא חברת בינה מלאכותית צרפתית שנוסדה בפריז ב־2023, ומפתחת מודלי שפה מסחריים ופתוחי משקלים. היא נחשבת לשחקנית האירופית הבולטת בתחום, ומושכת ארגונים שמעדיפים ספק אירופי בשל דרישות רגולציה ופרטיות.

מיפוי נתונים הוא התאמה בין שדות במערכת אחת לשדות המקבילים במערכת אחרת בתהליך אוטומציה, כולל המרת פורמטים. לדוגמה, השדה שם מלא בטופס מפוצל לשם פרטי ושם משפחה ב-CRM, ומספר הטלפון מומר לפורמט בינלאומי לוואטסאפ.

מיקום אחסון נתונים הוא הדרישה או ההחלטה לאחסן ולעבד מידע במדינה או באזור גיאוגרפי מסוים. הוא חשוב לעמידה ברגולציה ולדרישות לקוחות, ולכן ארגונים בודקים באילו אזורי ענן ספק ה־AI שומר ומעבד את הנתונים.

מיקרוסופט קופיילוט הוא העוזר החכם של מיקרוסופט, הזמין ב־Windows, בדפדפן Edge, באפליקציה ובאתר, ומחליף את Bing Chat. הוא מבוסס בעיקר על מודלים של OpenAI ומאפשר חיפוש, כתיבה, יצירת תמונות וסיכום תוכן.

מכונת וקטורים תומכים היא אלגוריתם סיווג שמחפש את הגבול שמפריד בין הקטגוריות במרווח הגדול ביותר האפשרי. היא יעילה במיוחד כשיש הרבה תכונות ומעט דוגמאות, ושימשה רבות בעבר לסיווג טקסטים ולזיהוי דואר זבל.

מכסה היא גבול שימוש שנקבע לחשבון או לפרויקט, כמו מספר טוקנים, בקשות או משאבי GPU מותרים ביום או בחודש. מכסות מגנות מפני חריגה בתקציב, אך יש לתכנן אותן מראש כדי שאוטומציה עסקית לא תיעצר באמצע החודש.

ממונה הגנת פרטיות הוא בעל תפקיד בארגון שאחראי לפקח על עמידה בדיני הגנת המידע, לייעץ להנהלה ולשמש איש קשר מול הרגולטור. גם ה-GDPR וגם תיקון 13 לחוק הגנת הפרטיות בישראל מחייבים גופים מסוימים למנות ממונה כזה.

ממוצע הוא סכום כל הערכים בקבוצה מחולק במספר הערכים, ומשמש כמדד מרכזי לערך טיפוסי. הוא רגיש לערכים חריגים, ולכן עסקה אחת גדולה במיוחד יכולה להקפיץ את ממוצע העסקה החודשי ולהציג תמונה מטעה.

ממשל AI הוא מסגרת של מדיניות, תפקידים, תהליכים ובקרות שבאמצעותה ארגון מנהל את הפיתוח, הרכש והשימוש במערכות בינה מלאכותית. מסגרת כזו מגדירה מי מאשר כלים חדשים, אילו נתונים מותר להזין להם וכיצד מנטרים סיכונים לאורך זמן.

ממשל נתונים הוא מסגרת של מדיניות, תפקידים ונהלים שקובעת מי אחראי על הנתונים בארגון, איך הם נשמרים, מי רשאי לגשת אליהם ואיך מבטיחים את איכותם. הוא חיוני לפני הטמעת AI, במיוחד כשמדובר במידע אישי של לקוחות.

מנגנון ניסיון חוזר הוא הגדרה שבה פעולה שנכשלה, למשל בגלל תקלה זמנית בשרת או חריגה ממגבלת קריאות, מנוסה שוב אוטומטית לאחר המתנה. הוא מונע אובדן נתונים ושיחות באוטומציות ובבוטים שתלויים בשירותים חיצוניים.

מנגנון קשב הוא רכיב ברשת נוירונים שמאפשר למודל לתת משקל שונה לכל חלק בקלט בהתאם לרלוונטיות שלו לחלק שמעובד כרגע. כך, כשמודל עונה על שאלת לקוח, הוא יכול להתמקד במילים החשובות בשאלה ובמסמך המצורף במקום להתייחס לכל הטקסט באופן שווה.

מנהל AI ראשי הוא בכיר בארגון שאחראי על אסטרטגיית הבינה המלאכותית, על תעדוף הפרויקטים ועל ניהול הסיכונים והאתיקה בתחום. התפקיד נפוץ בעיקר בארגונים גדולים, בעוד שבעסקים קטנים האחריות לרוב מוטלת על מנכ״ל או מנהל התפעול.

מנוע המלצות הוא מערכת שמציעה ללקוח מוצרים, תכנים או שירותים שסביר שיעניינו אותו, על סמך התנהגותו והתנהגות לקוחות דומים. חנויות אונליין משתמשות בו כדי להציג מוצרים משלימים, וכך להגדיל את סל הקנייה הממוצע.

מסגרת NIST לניהול סיכוני AI היא מסגרת וולונטרית שפרסם המכון האמריקאי לתקנים וטכנולוגיה, המסייעת לארגונים לזהות, למדוד ולנהל סיכונים של מערכות בינה מלאכותית. היא בנויה סביב ארבע פונקציות: ממשל, מיפוי, מדידה וניהול, ומשמשת בסיס למדיניות AI בארגונים רבים.

מסגרת סוכנים היא ספריית תוכנה שמספקת רכיבים מוכנים לבניית סוכני AI, כמו ניהול לולאת הסוכן, חיבור לכלים, זיכרון ותזמור כמה סוכנים. שימוש במסגרת מקצר את זמן הפיתוח, אך חשוב לבחור אחת שמתאימה לדרישות הניטור והאבטחה של הארגון.

מסד נתונים וקטורי הוא מסד נתונים שמאחסן ייצוגים מספריים של טקסטים, תמונות או מסמכים, ומאפשר לחפש במהירות פריטים דומים במשמעות. הוא רכיב מרכזי במערכות RAG, למשל לאיתור הסעיף הרלוונטי בתקנון כשלקוח שואל על מדיניות החזרות.

מסחר שיחתי הוא מכירה ושירות של מוצרים דרך שיחה בערוצי מסרים כמו וואטסאפ, צ׳אט באתר או עוזר קולי, במקום ניווט בחנות אונליין רגילה. לקוח יכול לשאול על מידה, לקבל המלצה ולשלם באותה שיחה, מה שמקצר את תהליך הרכישה ומעלה המרות.

מסכה סיבתית היא מנגנון בטרנספורמר שמונע מכל טוקן להתייחס לטוקנים שבאים אחריו ברצף. היא הכרחית במודלי שפה שמייצרים טקסט מילה אחר מילה, כדי שבזמן האימון המודל לא יציץ בתשובה ויוכל ללמוד לחזות את ההמשך בפועל.

מסנן בטיחות הוא רכיב שבודק את הקלט או הפלט של מודל AI וחוסם תוכן מסוכן, פוגעני או אסור לפי מדיניות מוגדרת. רוב ספקי המודלים הגדולים מפעילים מסננים כאלה, וארגונים מוסיפים לעיתים מסננים משלהם, למשל לחסימת שיחה על נושאים שאינם קשורים לעסק.

מסע לקוח הוא כלל השלבים ונקודות המגע שעובר לקוח מהרגע שהוא שומע על העסק, דרך ההתלבטות והרכישה ועד השירות שלאחריה. מיפוי המסע עוזר לזהות היכן לקוחות נוטשים והיכן אוטומציה או AI יכולים לשפר את החוויה.

מספר פרמטרים הוא כמות המשקלים הנלמדים במודל, שמשמשת מדד מקובל לגודלו, למשל 8 מיליארד או 70 מיליארד פרמטרים. מודל גדול יותר הוא לרוב חכם יותר, אך גם יקר ואיטי יותר להרצה, ולכן בוחרים גודל לפי המשימה.

מענה לשאלות הוא משימה שבה מערכת מקבלת שאלה בשפה טבעית ומחזירה תשובה מדויקת, לעיתים מתוך מסמך או מאגר ידע נתון. היא עומדת בבסיס מערכות שירות עצמי, שבהן לקוח שואל על שעות פתיחה או מדיניות החזרות ומקבל תשובה מיידית.

מענה לשאלות על תמונה הוא יכולת של מודל לקבל תמונה ושאלה בשפה טבעית ולהשיב עליה בהתבסס על התוכן החזותי. לדוגמה, לקוח שולח צילום של מוצר פגום ושואל מה הבעיה, והמערכת מזהה את הנזק ומשיבה.

מעקב אחר עצמים הוא טכנולוגיה שמזהה עצם בווידאו וממשיכה לעקוב אחריו לאורך הפריימים, תוך שמירה על זהותו. היא משמשת למשל לניתוח מסלולי תנועה של לקוחות בחנות, לספירת כלי רכב בצומת ולניתוח משחקי ספורט.

מעקב ניסויים הוא תיעוד שיטתי של כל ריצת אימון או בדיקה, כולל קוד, נתונים, פרמטרים ותוצאות. הוא מאפשר להשוות בין גרסאות, לשחזר תוצאה טובה ולהבין מה שיפר את המודל, במקום להסתמך על זיכרון או קבצים מפוזרים.

מעקות בטיחות לסוכנים הם כללים ובקרות שמגבילים את מה שסוכן AI רשאי לומר ולעשות, כמו הרשאות לכלים, תקרות סכומים, נושאים אסורים ובדיקת קלט ופלט. הם מונעים, למשל, מבוט שירות להעניק הנחות שלא אושרו או למחוק נתונים ב-CRM.

מערך נתונים (דאטהסט) הוא אוסף מאורגן של רשומות או דוגמאות שנאספו למטרה מסוימת, כמו אימון, בדיקה או ניתוח של מודל. לדוגמה, אלפי שיחות וואטסאפ מתויגות לפי נושא הפנייה יכולות לשמש כמערך נתונים לאימון מסווג פניות אוטומטי.

מערכת AI בסיכון גבוה היא, לפי חוק ה-AI האירופי, מערכת שעלולה להשפיע משמעותית על בריאות, בטיחות או זכויות יסוד, כמו מערכות לסינון מועמדים לעבודה, דירוג אשראי או חינוך. מערכות אלה כפופות לדרישות מחמירות של ניהול סיכונים, תיעוד, איכות נתונים ופיקוח אנושי.

מערכת המלצות היא מערכת שמנבאת אילו מוצרים, תכנים או שירותים יעניינו משתמש מסוים על סמך התנהגותו והתנהגות משתמשים אחרים. היא מוכרת מאתרי קניות ושירותי סטרימינג, ויכולה לשמש גם להצעת מוצר משלים ללקוח בשיחת וואטסאפ.

מערכת מבוססת כללים היא מערכת שפועלת לפי סדרה של תנאים ופעולות מוגדרים ידנית, בצורת אם קורה כך אז עשה כך. היא צפויה וקלה לבקרה, ומשמשת למשל בבוטים פשוטים ובאוטומציות, אך אינה לומדת מנתונים ומתקשה עם מקרים לא צפויים.

מערכת מומחה היא תוכנה שמחקה את תהליך קבלת ההחלטות של מומחה אנושי באמצעות מאגר ידע וכללי הסקה שנכתבו מראש. מערכות כאלה שימשו לאבחון רפואי ולייעוץ טכני, והן מוגבלות ביכולתן להתמודד עם מצבים שלא הוגדרו בכללים.

מערכת מרובת סוכנים היא ארכיטקטורה שבה כמה סוכני AI, כל אחד עם תפקיד ומומחיות משלו, משתפים פעולה כדי לפתור משימה מורכבת. למשל, סוכן אחד מסווג פניות, סוכן שני מטפל בשאלות חיוב וסוכן שלישי קובע פגישות, וכך כל אחד ממוקד ואמין יותר.

מפת מאפיינים היא הפלט של מסנן בשכבת קונבולוציה, שמראה היכן בקלט זוהה הדפוס שהמסנן למד. בשכבות הראשונות המפות מגיבות לקווים ולצבעים, ובשכבות עמוקות יותר לצורות מורכבות כמו פנים, לוגו או טקסט במסמך.

מפתח API הוא מחרוזת סודית שמזהה את המשתמש או האפליקציה מול שירות, ומשמשת לאימות ולחיוב על השימוש. דליפה של מפתח, למשל בקוד ציבורי, עלולה לאפשר לאחרים לצרוך שירותי AI על חשבון העסק, ולכן יש לשמור אותו מוצפן ולהחליפו מעת לעת.

מצב JSON הוא הגדרה בממשקי מודלי שפה שמחייבת את המודל להחזיר פלט בפורמט JSON תקין. הוא מקל על חיבור המודל למערכות אחרות, אך בניגוד לפלט מובנה מלא אינו מבטיח תמיד שהשדות יתאימו לסכמה מסוימת.

מקביליות טנזורים היא סוג של מקביליות מודל שבו מטריצות החישוב של כל שכבה מחולקות בין כמה מעבדים, וכל אחד מחשב חלק מהתוצאה. היא נפוצה בהרצת מודלים גדולים על כמה כרטיסי GPU באותו שרת, שם החיבור ביניהם מהיר במיוחד.

מקביליות מודל היא שיטה שבה המודל עצמו מפוצל בין כמה מעבדים, כי הוא גדול מכדי להיכנס לזיכרון של אחד מהם. היא חיונית לאימון ולהרצה של מודלי שפה עם מאות מיליארדי פרמטרים, ומחייבת תקשורת מהירה מאוד בין המעבדים.

מקביליות נתונים היא שיטת אימון מבוזר שבה כל מעבד מחזיק עותק מלא של המודל ומעבד חלק אחר מהנתונים, ולאחר מכן העדכונים מסונכרנים ביניהם. זו השיטה הפשוטה והנפוצה ביותר להאצת אימון כשהמודל נכנס בזיכרון של מעבד יחיד.

מקביליות צינור היא שיטה שבה שכבות המודל מחולקות לשלבים, וכל שלב רץ על מעבד אחר, כמו פס ייצור שבו הנתונים עוברים מתחנה לתחנה. היא מאפשרת לפרוס מודלים עמוקים מאוד על פני כמה שרתים ומשולבת לרוב עם שיטות מקביליות אחרות.

R בריבוע הוא מדד שמראה איזה חלק מהשונות במשתנה התוצאה מוסבר על ידי המודל, ובדרך כלל נע בין 0 ל-1. ערך של 0.8 במודל לחיזוי מכירות פירושו שהמודל מסביר כ-80 אחוז מהתנודות במכירות.

ארכיטקטורת מקודד-מפענח היא מבנה של מודל שבו רכיב אחד, המקודד, הופך את הקלט לייצוג פנימי, ורכיב שני, המפענח, מייצר ממנו את הפלט. היא נפוצה בתרגום, בתמלול דיבור ובסיכום מסמכים, וכך תוכנן גם הטרנספורמר המקורי.

מקוריות תוכן היא היכולת לעקוב אחר מקורו של קובץ דיגיטלי ואחר ההיסטוריה שלו, כולל מי יצר אותו, באיזה כלי ואילו שינויים בוצעו. בעידן של תמונות וסרטונים שנוצרים ב-AI, היא משמשת מערכות חדשות, מותגים ופלטפורמות כדי לבסס אמון בתוכן.

מקסימום טוקנים הוא פרמטר שקובע את האורך המרבי של התשובה שהמודל רשאי לייצר. הגדרה נכונה שלו מאפשרת לשלוט בעלויות ולמנוע תשובות ארוכות מדי, למשל בבוט וואטסאפ שבו רצוי לשמור על הודעות קצרות.

מקרה שימוש ב-AI הוא תרחיש עסקי ספציפי שבו בינה מלאכותית פותרת בעיה או יוצרת ערך, כמו מענה לפניות, סיווג מסמכים או חיזוי ביקוש. בחירה נכונה של מקרי שימוש, לפי תועלת מול מורכבות, היא הצעד הראשון בכל אסטרטגיית AI.

מרחב לטנטי הוא מרחב מתמטי דחוס שבו המודל מייצג את הנתונים כווקטורים, כך שפריטים דומים ממוקמים קרוב זה לזה. מודלים יוצרים פועלים במרחב הזה, ושינוי מבוקר של מיקום בו יכול לשנות למשל את סגנון התמונה או את הבעת הפנים.

מרכז מצוינות AI הוא צוות פנים ארגוני שמרכז ידע, סטנדרטים וכלים בתחום הבינה המלאכותית ומסייע למחלקות השונות להטמיע אותה. הוא מונע כפילויות, מגדיר נהלי שימוש בטוח ומשתף הצלחות בין צוותים.

מרכז נתונים הוא מתקן פיזי שמכיל אלפי שרתים, ציוד רשת ואחסון, יחד עם מערכות חשמל וקירור. הביקוש ל־AI הוביל לבניית מרכזי נתונים ייעודיים עם צריכת חשמל עצומה, ומיקומם משפיע גם על מהירות השירות וגם על דרישות רגולציה של אחסון מידע.

משקלים הם המספרים ברשת נוירונים שקובעים את עוצמת ההשפעה של כל קלט או חיבור על הנוירון הבא, והם מה שהמודל לומד בפועל במהלך האימון. כאשר אומרים שמודל שפה כולל מיליארדי פרמטרים, הכוונה בעיקר למספר המשקלים שלו.

משתנה מטרה הוא הערך שהמודל מנסה לחזות בלמידה מונחית, ומכונה גם תווית. למשל, במודל לחיזוי נטישה משתנה המטרה הוא האם הלקוח עזב, ובמודל לחיזוי מחיר דירה הוא מחיר המכירה בפועל.

משתנה קטגוריאלי הוא משתנה שמקבל ערכים מתוך קבוצה סגורה של קטגוריות ולא ערך מספרי רציף, כמו סוג מנוי, עיר או ערוץ הגעה. כדי להשתמש בו במודלים רבים יש להמיר אותו קודם לייצוג מספרי.

מתאם הוא מדד סטטיסטי לעוצמת הקשר ולכיוונו בין שני משתנים, בטווח שבין מינוס 1 ל-1. לדוגמה, ייתכן מתאם חיובי בין מהירות המענה לליד לבין שיעור הסגירה, אך מתאם לבדו אינו מוכיח שאחד גורם לשני.

מתקפה עוינת היא ניסיון מכוון להטעות מודל AI באמצעות קלט שעוצב במיוחד כדי לגרום לו לטעות, לעיתים בשינויים שאינם מורגשים לעין האדם. דוגמאות כוללות שינוי קל בתמונה שגורם למערכת זיהוי לסווג אותה לא נכון או ניסוח שעוקף מסנן תוכן.

מתקפת דלת אחורית היא החדרת התנהגות נסתרת למודל בזמן האימון, כך שהוא פועל כרגיל ברוב המקרים אך מגיב באופן שהתוקף קבע כאשר מופיע טריגר מסוים בקלט. הסיכון עולה כשמורידים מודלים או מערכי נתונים ממקורות לא מאומתים.

מתקפת היפוך מודל היא טכניקה שבה תוקף מנתח את הפלטים של מודל כדי לשחזר מידע רגיש על הנתונים שעליהם אומן, למשל תמונות פנים או פרטים אישיים. הסיכון רלוונטי במיוחד למודלים שאומנו על נתונים רפואיים או פיננסיים של לקוחות.

מתקפת הסקת חברות היא ניסיון לקבוע האם רשומה מסוימת, כמו פרטי מטופל או לקוח, נכללה בנתוני האימון של מודל. עצם הידיעה שאדם נכלל במאגר מסוים, למשל של מרפאה, עלולה לחשוף עליו מידע רגיש ולהוות פגיעה בפרטיות.

מתקפת שרשרת אספקה ב-AI היא פגיעה במערכת דרך אחד הרכיבים שהיא נשענת עליהם, כמו מודל מוכן, מערך נתונים, ספריית קוד או תוסף של צד שלישי. הורדת מודלים ממאגרים פתוחים ללא בדיקה, למשל, עלולה להכניס לארגון קוד זדוני או מודל עם דלת אחורית.

נו-קוד היא גישה לבניית אפליקציות, אוטומציות ובוטים באמצעות ממשקים חזותיים ותבניות, ללא כתיבת קוד. היא מאפשרת לאנשי תפעול ושיווק להקים תהליכים בעצמם, אך עשויה להיות מוגבלת בתרחישים מורכבים או בנפחים גבוהים.

נוירון מלאכותי הוא יחידת החישוב הבסיסית ברשת נוירונים, המקבלת כמה קלטים, מכפילה כל אחד במשקל, מחברת אותם עם הטיה ומעבירה את התוצאה דרך פונקציית אקטיבציה. נוירון בודד מבצע חישוב פשוט, אבל מיליוני נוירונים המחוברים יחד מסוגלים ללמוד משימות מורכבות כמו הבנת שפה.

נחיל סוכנים הוא דפוס מרובה סוכנים שבו סוכנים רבים ופשוטים יחסית פועלים במקביל ומעבירים משימות זה לזה ללא מנהל מרכזי קבוע. הגישה מתאימה למשימות שניתן לפצל להרבה חלקים, אך קשה יותר לניטור ולבקרה מאשר מבנה היררכי.

ניהול גרסאות מודל הוא מעקב מסודר אחרי כל גרסה של מודל, יחד עם הנתונים, הקוד וההגדרות שיצרו אותה. הוא מאפשר להשוות ביצועים בין גרסאות, לשחזר תוצאות ולחזור לגרסה יציבה אם עדכון חדש פוגע בתשובות ללקוחות.

ניהול גרסאות נתונים הוא תיעוד ושמירה של גרסאות שונות של מערכי נתונים לאורך זמן, בדומה לניהול גרסאות של קוד. הוא מאפשר לדעת בדיוק על אילו נתונים אומן כל מודל, לשחזר תוצאות ולחזור לגרסה קודמת אם התגלתה בעיה.

ניהול ידע הוא התהליך של איסוף, ארגון ושיתוף הידע הארגוני, כמו נהלים, מסמכים ותשובות לשאלות נפוצות, כך שיהיה זמין למי שצריך אותו. בעזרת AI אפשר לשאול שאלה בשפה טבעית ולקבל תשובה מתוך מסמכי החברה, במקום לחפש בתיקיות.

ניהול סיכוני AI הוא תהליך מתמשך של זיהוי, הערכה, טיפול וניטור של סיכונים הנובעים ממערכות בינה מלאכותית, כמו טעויות, הטיה, דליפת מידע ואי־עמידה ברגולציה. בארגון הוא כולל מיפוי של כל השימושים ב-AI ודירוגם לפי רמת סיכון והשפעה.

ניהול שינוי הוא הגישה והכלים להובלת עובדים ותהליכים ממצב קיים למצב חדש, תוך צמצום התנגדויות ושמירה על רציפות העבודה. בהטמעת AI הוא קריטי, כי עובדים חוששים לעיתים מהחלפה, ונדרשים הסבר, הדרכה ושיתוף בתכנון.

ניטור מודלים הוא מעקב שוטף אחרי ביצועי מודל בייצור, כמו דיוק, זמני תגובה, שגיאות, עלויות ושינויים בנתוני הקלט. בבוט שירות, ניטור מאפשר לזהות מוקדם עלייה בתשובות שגויות או בעלויות לפני שהלקוחות או התקציב נפגעים.

ניטור תוכן הוא תהליך של זיהוי, סינון והסרה של תוכן פוגעני, לא חוקי או מפר מדיניות, באופן ידני, אוטומטי או משולב. בבוטים ובמערכות AI הוא חל גם על הקלט מהמשתמשים וגם על הפלט של המודל, כדי למנוע תגובות לא הולמות מול לקוחות.

ניסוי A/B הוא שיטה להשוואה בין שתי גרסאות של מוצר, הודעה או תהליך, על ידי חשיפה אקראית של קבוצות משתמשים לכל גרסה ומדידת התוצאות. לדוגמה, עסק יכול לבדוק איזה נוסח פתיחה של בוט וואטסאפ מוביל ליותר קביעת פגישות.

ניסוי רב-משתני הוא ניסוי שבודק בו זמנית כמה רכיבים ושילובים ביניהם, כמו כותרת, תמונה וכפתור בדף נחיתה. הוא מאפשר להבין גם את ההשפעה ההדדית בין הרכיבים, אך דורש כמות תנועה גדולה יותר מניסוי A/B רגיל.

ניצולת GPU היא מדד לאחוז הזמן או היכולת שבהם כרטיס ה־GPU עובד בפועל מתוך הזמן שהוא זמין. ניצולת נמוכה פירושה כסף שמשולם על חומרה יקרה שעומדת בטלה, ולכן משפרים אותה באמצעות אצוות, תזמון משימות ושיתוף משאבים.

ניקוד אוטומטי הוא הוספה ממוחשבת של סימני ניקוד לטקסט עברי או ערבי לפי ההקשר. הוא משמש בספרי לימוד, בהנגשת תוכן ובמערכות המרת טקסט לדיבור בעברית, שבהן ניקוד נכון קובע את ההגייה הנכונה של מילים דו־משמעיות.

ניקוי נתונים הוא תהליך של זיהוי ותיקון שגיאות, כפילויות, ערכים חסרים ופורמטים לא אחידים במערך נתונים. לפני חיבור מערכת AI ל-CRM, ניקוי מספרי טלפון כפולים ושמות שגויים מונע תשובות שגויות ופניות כפולות ללקוחות.

ניתוב מודלים הוא הפניה אוטומטית של כל בקשה למודל המתאים לה ביותר לפי מורכבות, עלות או מהירות. למשל, שאלות פשוטות בבוט שירות נשלחות למודל קטן וזול, ורק בקשות מורכבות מועברות למודל חזק ויקר יותר.

ניתוח וידאו הוא שימוש בראייה ממוחשבת כדי לחלץ מידע מצילומי וידאו באופן אוטומטי, כמו ספירת אנשים, זיהוי אירועים חריגים או מדידת זמני המתנה. רשתות קמעונאות משתמשות בו כדי להבין עומסים בחנות ולשפר את שיבוץ העובדים.

ניתוח מורפולוגי הוא פירוק מילה למרכיביה, כמו שורש, תחיליות, סופיות וכינויים. בעברית הוא קריטי, כי מילה כמו ובביתם כוללת מילית חיבור, מילת יחס, שם עצם וכינוי שייכות, וכלי NLP צריכים להפריד ביניהם.

ניתוח סנטימנט הוא זיהוי אוטומטי של הטון הרגשי בטקסט, בדרך כלל חיובי, שלילי או ניטרלי. עסקים משתמשים בו לניתוח ביקורות בגוגל, תגובות ברשתות ופניות שירות, כדי לאתר במהירות לקוחות לא מרוצים.

ניתוח סנטימנט לפי היבטים הוא גרסה מפורטת של ניתוח סנטימנט שמזהה את הטון כלפי כל היבט בנפרד בתוך אותו טקסט. למשל בביקורת על מסעדה, האוכל יכול לקבל ציון חיובי והשירות ציון שלילי, וכך העסק יודע מה לשפר.

ניתוח רכיבים עיקריים הוא שיטה סטטיסטית להורדת ממדים, שממירה משתנים רבים ומתואמים למספר קטן של רכיבים חדשים שמסבירים את רוב השונות בנתונים. הוא משמש לדחיסת נתונים, להסרת רעש ולהכנת נתונים לפני אימון מודל.

ניתוח שיחות הוא שימוש בתמלול ובעיבוד שפה כדי לנתח שיחות טלפון בהיקף רחב ולזהות נושאים, תלונות, התנגדויות ומגמות. מנהלי מוקדים משתמשים בו לבקרת איכות, לשיפור תסריטי מכירה ולאיתור לקוחות בסיכון עזיבה.

נציג מכירות AI הוא מערכת מבוססת בינה מלאכותית שמבצעת את עבודת נציג פיתוח המכירות, כמו פנייה ראשונית ללידים, מעקב, מענה לשאלות וקביעת פגישות לאנשי המכירות. הוא פועל בהיקף גדול ובכל שעה, אך דורש בקרה כדי שהפניות יישארו מדויקות ומכבדות.

נצפות היא היכולת להבין מה קורה בתוך מערכת על סמך הנתונים שהיא מפיקה, כמו לוגים, מדדים ועקבות של בקשות. באפליקציות AI היא מאפשרת לראות איזה פרומפט נשלח, מה המודל ענה, כמה זה עלה וכמה זמן זה לקח, ולאתר תקלות במהירות.

נקודת קצה היא כתובת מסוימת ב־API שאליה שולחים בקשה כדי לבצע פעולה מוגדרת, כמו יצירת טקסט או קבלת רשימת מודלים. בהקשר של הגשת מודלים, המונח מתאר גם את הכתובת שבה מודל פרוס זמין לקבל בקשות.

נראות ב-AI היא המידה שבה מותג, מוצר או אתר מוזכרים ומומלצים בתשובות של צ׳אטבוטים ומנועי חיפוש מבוססי בינה מלאכותית. עסקים מתחילים לעקוב אחריה כמו אחר דירוג בגוגל, למשל לבדוק אם ChatGPT ממליץ עליהם כששואלים על ספק בתחום שלהם.

נרמול אצווה היא טכניקה שמנרמלת את הפלטים של שכבה ברשת לפי הממוצע וסטיית התקן שלהם בתוך כל אצווה, לפני העברתם לשכבה הבאה. היא מאיצה ומייצבת את האימון ומאפשרת קצבי למידה גבוהים יותר, ונפוצה במיוחד ברשתות קונבולוציה לעיבוד תמונה.

נרמול טקסט הוא האחדה של טקסט לצורה עקבית לפני עיבוד, למשל המרת מספרים למילים, הסרת תווים מיוחדים ותיקון כתיב לא אחיד. הוא חשוב במיוחד בהמרת טקסט לדיבור, כדי שמספר טלפון או תאריך יוקראו נכון.

נרמול נתונים הוא התאמת ערכים מספריים לטווח או לסקאלה אחידה, למשל בין 0 ל-1, כדי שמשתנים בעלי יחידות שונות יהיו ברי השוואה. בלי נרמול, משתנה כמו הכנסה שנתית עלול להשפיע על המודל יותר מדי לעומת משתנה כמו מספר ביקורים.

נרמול שכבה היא טכניקה שמנרמלת את הערכים של כל דוגמה בנפרד על פני כל היחידות בשכבה, ללא תלות בשאר הדוגמאות באצווה. היא חלק סטנדרטי בארכיטקטורת הטרנספורמר ובמודלי שפה גדולים, משום שהיא עובדת היטב גם עם רצפים באורכים משתנים.

נרמול תכונות הוא תהליך של התאמת טווח הערכים של משתנים שונים לסקאלה אחידה, למשל בין אפס לאחת. הוא חשוב לאלגוריתמים רבים, כי בלעדיו משתנה כמו הכנסה שנתית בשקלים יאפיל על משתנה כמו מספר ילדים רק בגלל גודל המספרים.

נתב מודלים הוא רכיב שמחליט לאיזה מודל, סוכן או זרימה לשלוח כל בקשה, לפי סוג הבקשה, מורכבותה או עלותה. כך שאלות פשוטות נענות במודל זול ומהיר, ובקשות מורכבות מועברות למודל חזק יותר, מה שמוזיל את עלויות התפעול.

נתוני כוונה הם מידע על התנהגות מקוונת שמעידה על כך שאדם או חברה מתעניינים ברכישה, כמו חיפושים, קריאת תוכן מסוים או ביקורים חוזרים בעמוד מחירים. צוותי מכירות משתמשים בהם כדי לפנות ללקוחות פוטנציאליים בדיוק כשהם בשלים לשיחה.

נתונים הם עובדות, מספרים, טקסטים, תמונות או רשומות שנאספים ומתועדים, ומשמשים כחומר הגלם של כל מערכת בינה מלאכותית. איכות הנתונים קובעת במידה רבה את איכות המודל, ולכן עסק עם היסטוריית פניות ומכירות מסודרת ב-CRM יכול להפיק מ-AI תועלת רבה יותר.

נתונים חצי מובנים הם נתונים שיש להם סימון או מבנה חלקי אך לא טבלה קשיחה, כמו קובצי JSON, XML או מיילים עם שדות קבועים. מערכות אוטומציה ו-API מעבירות מידע בעיקר בפורמטים כאלה, למשל פרטי ליד שמגיעים מטופס באתר.

נתונים לא מובנים הם מידע שאין לו מבנה טבלאי קבוע, כמו מיילים, הודעות וואטסאפ, מסמכים, תמונות והקלטות שיחה. רוב המידע בארגונים הוא מסוג זה, ומודלי שפה מאפשרים כיום לחלץ ממנו תובנות ונתונים שימושיים.

נתונים מובנים הם נתונים שמאורגנים בפורמט קבוע של שורות ועמודות, כמו טבלאות לקוחות, הזמנות או חשבוניות. קל לחפש, לסנן ולנתח אותם, ולכן הם הבסיס לרוב מערכות ה-CRM ודוחות הביצועים בעסק.

נתונים סינתטיים הם נתונים שנוצרו באופן מלאכותי, לרוב בעזרת מודל AI או סימולציה, כך שהם מחקים את התכונות הסטטיסטיות של נתונים אמיתיים. הם שימושיים כשהנתונים האמיתיים מעטים או רגישים, למשל ליצירת שיחות לקוח לדוגמה בלי לחשוף פרטים אישיים.

סגמנטציה סמנטית היא סוג של סגמנטציה שבו כל פיקסל בתמונה מקבל תווית של קטגוריה, כמו כביש, בניין או אדם, בלי להבחין בין פריטים נפרדים מאותו סוג. היא שימושית למשל במיפוי תצלומי אוויר ובמערכות נהיגה אוטונומית.

סגמנטציה של תמונה היא חלוקת תמונה לאזורים ברמת הפיקסל, כך שכל פיקסל משויך לעצם או לרקע מסוים. בניגוד לזיהוי עצמים במסגרת, היא מספקת קווי מתאר מדויקים, ומשמשת למשל בהדמיה רפואית ובהסרת רקע מתמונות מוצר.

סגמנטציית מופעים היא טכניקה שמזהה כל עצם בנפרד בתמונה ומסמנת את קווי המתאר המדויקים שלו, גם כשיש כמה עצמים מאותו סוג. כך אפשר למשל לספור ולמדוד כל פרי בנפרד על מסוע במפעל אריזה.

סדרה עיתית היא רצף של מדידות שנאספו לאורך זמן במרווחים קבועים, כמו מכירות יומיות, מספר פניות בשעה או מחיר מניה. ניתוח סדרות עיתיות מאפשר לזהות עונתיות ומגמות ולחזות ביקוש עתידי, למשל לצורך תכנון משמרות במוקד שירות.

סוכן AI הוא תוכנה המבוססת על מודל שפה, שמקבלת מטרה, מתכננת צעדים ומבצעת פעולות בכלים חיצוניים כדי להשלים אותה בעצמה. לדוגמה, סוכן במרפאה יכול לקרוא פנייה בוואטסאפ, לבדוק זמינות ביומן, לקבוע תור ולעדכן את רשומת המטופל ב-CRM.

סוכן אוטונומי הוא סוכן AI שפועל לאורך זמן עם מעורבות אנושית מינימלית, קובע לעצמו תתי-משימות ומחליט מתי המשימה הושלמה. רמת אוטונומיה גבוהה חוסכת זמן רב, אך מחייבת הגדרת גבולות, הרשאות ובקרה כדי למנוע פעולות שגויות במערכות העסק.

סוכן בעל מצב הוא סוכן AI ששומר את מצב המשימה, כמו שלבים שהושלמו, נתונים שנאספו והחלטות שהתקבלו, בין צעד לצעד ובין שיחות. הדבר מאפשר לחדש תהליך שנקטע, למשל לקוח שהתחיל למלא בקשה בבוט וחזר אליה למחרת.

סוכן דפדפן הוא סוכן AI שגולש באתרים, ממלא טפסים, לוחץ על כפתורים ואוסף מידע בדפדפן אינטרנט כדי לבצע משימה. לדוגמה, הוא יכול להשוות מחירי ספקים באתרים שונים או להזין הזמנות בפורטל של ספק שאין לו חיבור ישיר.

סוכן מחקר מעמיק הוא סוכן AI שמבצע סדרת חיפושים וקריאות במקורות רבים לאורך דקות ארוכות, ומפיק דוח מסודר עם מקורות. מנהלים משתמשים בו לסקירת שוק, מיפוי מתחרים או בדיקת רגולציה, כשהתוצר משמש בסיס ולא תחליף לבדיקה אנושית.

סוכן מתזמר הוא סוכן מרכזי שמקבל את בקשת המשתמש, מפרק אותה למשימות ומחלק אותן לסוכנים מתמחים, ואז מאחד את התוצאות. דפוס זה, המכונה גם סוכן מפקח, נפוץ במוקדי שירות שבהם פנייה אחת עשויה לדרוש מידע מכמה מחלקות.

סוכן קוד הוא סוכן AI שכותב, עורך, מריץ ובודק קוד תוכנה באופן עצמאי בתוך פרויקט, לפי הוראה בשפה טבעית. צוותי פיתוח משתמשים בו לתיקון באגים, כתיבת בדיקות ובניית פיצ׳רים, כשהמפתח בודק ומאשר את השינויים.

סוכן קולי הוא סוכן AI שמנהל שיחות קוליות בזמן אמת ויכול גם להפעיל כלים במהלך השיחה, כמו בדיקת זמינות או עדכון CRM. בניגוד למערכת תפריטים, הוא מבין דיבור חופשי, ומשמש למשל להחזרת שיחות ללידים או לאישור הגעה לתורים.

סוכן רקע הוא סוכן AI שרץ באופן אסינכרוני, ללא צורך שהמשתמש ימתין מול המסך, ומדווח כשהמשימה הסתיימה. לדוגמה, הוא יכול לעבור בלילה על כל הלידים שלא טופלו ב-CRM, להכין להם הודעות המשך ולהשאיר אותן לאישור בבוקר.

סוכן שימוש במחשב הוא סוכן AI שמפעיל ממשק גרפי כמו אדם, באמצעות צילומי מסך, הזזת עכבר והקלדה, במקום להתחבר דרך API. הוא שימושי לאוטומציה של מערכות ישנות שאין להן ממשק תכנות, אך איטי ורגיש יותר לשינויים במסכים.

סוכנות מופרזת היא סיכון אבטחה שבו מערכת מבוססת מודל שפה מקבלת יותר הרשאות, כלים או עצמאות ממה שנדרש למשימתה, כך שטעות או מניפולציה עלולות לגרום נזק ממשי. למשל, בוט שירות עם הרשאה למחוק רשומות ב-CRM חושף את העסק לסיכון מיותר.

סופטמקס היא פונקציה שממירה רשימת ציונים גולמיים להתפלגות הסתברויות שסכומה 1, כך שכל אפשרות מקבלת סיכוי יחסי. היא נמצאת בשכבת הפלט של מודלי סיווג ושל מודלי שפה, שבהם היא קובעת את ההסתברות של כל מילה אפשרית להופיע בהמשך הטקסט.

סחף מושגי הוא שינוי לאורך זמן בקשר שבין הקלט לתוצאה שהמודל מנסה לחזות, כך שהכללים שלמד כבר אינם נכונים. לדוגמה, התנהגות שבעבר העידה על לקוח שעומד לעזוב עשויה לאבד את משמעותה אחרי שינוי מחירים בשוק.

סחף נתונים הוא מצב שבו מאפייני הנתונים שמגיעים למודל בזמן אמת משתנים לעומת הנתונים שעליהם אומן. לדוגמה, אחרי השקת מוצר חדש לקוחות שואלים שאלות אחרות, וביצועי הבוט יורדים עד שמעדכנים או מאמנים אותו מחדש.

סט אימון הוא החלק במערך הנתונים שעליו המודל לומד את הדפוסים והקשרים בין הקלט לפלט. ככל שסט האימון מגוון ומייצג יותר את המציאות העסקית, כך המודל יתפקד טוב יותר על לקוחות ומקרים חדשים.

סט בדיקה הוא חלק מהנתונים שהמודל לא ראה כלל במהלך האימון והכוונון, ומשמש להערכה סופית והוגנת של ביצועיו. התוצאה על סט הבדיקה היא ההערכה הקרובה ביותר לאופן שבו המודל יתפקד מול לקוחות אמיתיים.

סט ולידציה הוא חלק מהנתונים שמופרד מסט האימון ומשמש לכוונון הגדרות המודל ולבחירה בין גרסאות שונות במהלך הפיתוח. הוא מאפשר לזהות מוקדם אם המודל מתחיל לשנן את נתוני האימון במקום ללמוד דפוסים כלליים.

סט זהב הוא אוסף קטן ואיכותי של דוגמאות עם תשובות נכונות ומאומתות, שמשמש כנקודת ייחוס קבועה לבדיקת מודל לאורך זמן. לדוגמה, מאה שאלות לקוח נפוצות עם התשובות המדויקות שלהן יכולות לשמש לבדיקה חוזרת של בוט אחרי כל עדכון.

סטאקינג היא טכניקת אנסמבל שבה התחזיות של כמה מודלים שונים משמשות כקלט למודל נוסף, שלומד כיצד לשלב אותן בצורה הטובה ביותר. היא משפרת לעיתים את הדיוק, אך מסבכת את המערכת ומקשה על הסבר התוצאות.

סטטיסטיקה בייסיאנית היא גישה שבה מתחילים מאמונה מוקדמת לגבי הסתברות ומעדכנים אותה בהדרגה ככל שמגיעים נתונים חדשים. היא שימושית כשיש מעט נתונים או כשרוצים לקבל החלטות תוך כדי ניסוי, למשל בהקצאת תקציב פרסום.

סטטיסטיקה תיאורית היא ענף בסטטיסטיקה שמסכם ומתאר מאפיינים של נתונים באמצעות מדדים כמו ממוצע, חציון, סטיית תקן ושכיחות. זהו בדרך כלל הצעד הראשון בכל ניתוח, למשל סיכום מספר הלידים החודשי וגובה העסקה הממוצעת.

סטיית תקן היא מדד שמראה עד כמה הערכים בקבוצה מפוזרים סביב הממוצע. סטיית תקן נמוכה מעידה על עקביות, למשל זמני מענה אחידים במוקד שירות, וסטיית תקן גבוהה מעידה על שונות רבה שכדאי לבדוק.

סיגמואיד היא פונקציית אקטיבציה שממירה כל מספר לערך בין 0 ל־1 בצורת עקומת S, ולכן נוחה לייצוג הסתברות. היא משמשת לרוב בשכבת הפלט של מודלים להחלטה בינארית, למשל האם ליד צפוי להפוך ללקוח, אך פחות מתאימה לשכבות נסתרות ברשתות עמוקות.

סיווג הוא משימה בלמידת מכונה שבה המודל משייך כל דוגמה לאחת מקטגוריות מוגדרות מראש. דוגמאות עסקיות הן זיהוי דואר זבל, מיון פניות בוואטסאפ לפי נושא, או סימון עסקאות חשודות בהונאה.

סיווג בינארי הוא סוג של סיווג שבו יש רק שתי קטגוריות אפשריות, כמו כן או לא, חיובי או שלילי. דוגמה נפוצה היא מודל שקובע אם ליד שנכנס ל־CRM הוא חם או קר, כדי שצוות המכירות יתעדף אותו בהתאם.

סיווג טקסט הוא שיוך אוטומטי של מסמך, הודעה או משפט לקטגוריה אחת או יותר מתוך רשימה מוגדרת. עסקים משתמשים בו למיון פניות לפי נושא ודחיפות, לסינון דואר זבל ולתיוג לידים לפי סוג השירות המבוקש.

סיווג רב־מחלקתי הוא סוג של סיווג שבו כל דוגמה משויכת לאחת משלוש קטגוריות או יותר. למשל, מערכת שירות לקוחות יכולה לסווג כל פנייה כבירור חשבונית, תקלה טכנית, ביטול שירות או בקשת הצעת מחיר.

סיווג תמונות הוא משימה שבה מודל מקבל תמונה ומשייך אותה לקטגוריה אחת או יותר מתוך רשימה מוגדרת מראש. לדוגמה, חנות אונליין יכולה לסווג אוטומטית תמונות מוצרים לפי סוג, כמו נעליים, תיקים או חולצות, ולחסוך עבודה ידנית בקטלוג.

סיכום טקסט הוא הפקה אוטומטית של גרסה מקוצרת של מסמך שמשמרת את הנקודות העיקריות. הוא משמש לסיכום פגישות, שיחות שירות, חוזים ושרשורי מיילים ארוכים, כדי שמנהלים ונציגים יקבלו את התמונה במהירות.

סיכום מחלץ הוא שיטת סיכום שבוחרת את המשפטים החשובים ביותר מתוך הטקסט המקורי ומחברת אותם, בלי לנסח מחדש. הוא נאמן למקור ומפחית סיכון להמצאות, אך הסיכום עלול להיות פחות זורם מסיכום מנוסח.

סיכום מנסח הוא שיטת סיכום שבה המודל מנסח מחדש את עיקרי הטקסט במילים שלו, כפי שאדם היה עושה. מודלי שפה גדולים מפיקים סיכומים כאלה בצורה טבעית, אך חשוב לוודא שלא הוכנסו פרטים שאינם במקור.

סיכון קיומי בהקשר של AI הוא החשש שמערכות בינה מלאכותית מתקדמות מאוד עלולות בעתיד לגרום לנזק בלתי הפיך ברמה של האנושות כולה. הנושא שנוי במחלוקת בין חוקרים, אך הוא משפיע על מדיניות ממשלתית ועל השקעה במחקר בטיחות.

סימן מים ל-AI הוא סימון מוטמע, גלוי או נסתר, בתוכן שנוצר על ידי מודל, כמו טקסט, תמונה, אודיו או וידאו, שמאפשר לזהות בהמשך שהוא נוצר באמצעות AI. הטכנולוגיה נועדה להילחם בהונאות ובמידע כוזב, אך סימנים רבים ניתנים להסרה או לשיבוש.

סינון לידים הוא בדיקה האם ליד מתאים להפוך ללקוח, לפי קריטריונים כמו תקציב, צורך, סמכות החלטה ולוח זמנים. בוט שיחה יכול לשאול את שאלות הסינון באופן אוטומטי ולהעביר לאיש המכירות רק את הלידים הרלוונטיים, יחד עם סיכום התשובות.

סינון לפי מטא-דאטה הוא הגבלת החיפוש במאגר הידע לפי מאפיינים נלווים של המסמכים, כמו תאריך, מחלקה, שפה, סניף או הרשאות. כך בוט של רשת חנויות יכול לשלוף רק את שעות הפתיחה של הסניף שעליו הלקוח שאל.

סינון מבוסס תוכן הוא שיטה במערכות המלצות שממליצה על פריטים הדומים במאפייניהם לפריטים שהמשתמש כבר אהב. למשל, אתר נדל״ן שמציע דירות עם מספר חדרים, אזור וטווח מחירים דומים לאלה שהגולש צפה בהן.

סינון שיתופי הוא שיטה במערכות המלצות שממליצה למשתמש על פריטים שאהבו משתמשים בעלי טעם דומה לשלו. היתרון הוא שאין צורך לדעת דבר על תוכן הפריטים, אך השיטה מתקשה עם משתמשים או מוצרים חדשים שאין עליהם היסטוריה.

סנכרון שפתיים הוא טכנולוגיה שמתאימה את תנועות הפה של דמות בווידאו לקטע שמע חדש, כך שייראה שהיא אומרת אותו. הוא משמש בדיבוב סרטונים לשפות אחרות ובהפקת סרטוני אווטאר, וגם בתוכן דיפפייק.

ספציפיות היא מדד שבודק מתוך כל המקרים השליליים האמיתיים, כמה מהם המודל זיהה נכון כשליליים. ספציפיות גבוהה פירושה מעט התראות שווא, למשל מערכת שמזהה נכון שרוב הלקוחות אינם עומדים לעזוב ואינה מציפה את הצוות בהתראות.

ספק ענן ענק הוא חברת ענן בקנה מידה עולמי, כמו AWS, Microsoft Azure ו־Google Cloud, המפעילה מרכזי נתונים רבים ומציעה מגוון רחב של שירותים. ספקים אלה מציעים גם גישה למודלי AI מובילים ולחומרה מתקדמת, ולכן רוב הארגונים בונים עליהם את פתרונות ה־AI שלהם.

ספק פתרונות עסקיים הוא חברה שותפה מאושרת של Meta שמספקת לעסקים גישה ל-WhatsApp Business API, יחד עם כלים, תמיכה וממשקי ניהול. עסקים רבים עובדים דרך ספק כזה כדי לחבר את וואטסאפ לבוטים ולמערכות שלהם בלי לנהל את התשתית בעצמם.

ספריית Transformers היא ספריית קוד פתוח בפייתון של Hugging Face, המספקת ממשק אחיד לטעינה, הרצה וכוונון של אלפי מודלים מבוססי טרנספורמר. היא הפכה לכלי סטנדרטי בעבודה עם מודלי שפה, ראייה ושמע פתוחים.

ספריית פרומפטים היא אוסף מסודר של פרומפטים שנבדקו והוכיחו את עצמם, שהארגון שומר ומשתף בין העובדים. היא חוסכת זמן ומבטיחה אחידות, למשל פרומפטים קבועים לכתיבת פוסטים, לסיכום פגישות ולמענה לביקורות גולשים.

עובד דיגיטלי הוא מערכת תוכנה, לרוב מבוססת AI ואוטומציה, שמבצעת באופן עצמאי רצף משימות שבעבר ביצע עובד אנושי, כמו קליטת הזמנות, הפקת חשבוניות או מענה לפניות. ארגונים משתמשים בו כדי להתמודד עם עומסים בלי לגייס עובדים נוספים לעבודה שגרתית.

עיבוד מסמכים חכם הוא שימוש ב-AI לקליטה, סיווג וחילוץ נתונים ממסמכים כמו חשבוניות, טפסים, חוזים ותעודות, והזנתם אוטומטית למערכות. לדוגמה, משרד רואי חשבון יכול לקלוט מאות קבלות שנשלחו בוואטסאפ ולהפוך אותן לרשומות מסודרות.

עיבוד מקדים של נתונים הוא סדרת פעולות שמכינות נתונים גולמיים לשימוש במודל, כמו ניקוי, המרת פורמטים, נרמול וקידוד של משתנים. שלב זה לרוב גוזל חלק גדול מזמן הפרויקט ומשפיע ישירות על איכות התוצאות.

עיבוד שפה טבעית הוא תחום בבינה מלאכותית שעוסק ביכולת של מחשבים להבין, לנתח ולהפיק שפה אנושית בכתב ובדיבור. הוא עומד מאחורי צ׳אטבוטים, תרגום אוטומטי, סינון דואר זבל וניתוח ביקורות של לקוחות.

עיגון הוא חיבור התשובות של מודל שפה למקורות מידע אמינים וספציפיים, כמו מסמכי החברה, מאגר מוצרים או תוצאות חיפוש, כדי שיתבסס עליהם ולא רק על הזיכרון שלו. עיגון מפחית הזיות ומאפשר לבוט לענות לפי המחירון והנהלים העדכניים של העסק.

עלות כוללת לבעלות היא חישוב של כל העלויות הישירות והעקיפות של מערכת לאורך חייה, כולל חומרה, רישוי, ענן, תחזוקה, כוח אדם וחשמל. השוואת TCO עוזרת להחליט אם להריץ מודל בשרתים פרטיים או לשלם לספק ענן לפי שימוש.

עלות לטוקן היא שיטת התמחור המקובלת של מודלי שפה, שבה משלמים לפי מספר הטוקנים בקלט ובפלט, בדרך כלל במחיר לכל מיליון טוקנים. הבנת התמחור מאפשרת להעריך מראש כמה יעלה בוט שמטפל באלפי שיחות בחודש ולבחור מודל משתלם.

עלות רכישת לקוח היא הסכום הממוצע שעסק מוציא על שיווק ומכירות כדי להשיג לקוח משלם חדש. השוואה בינה לבין ערך חיי הלקוח מראה אם הצמיחה רווחית, ואוטומציה של טיפול בלידים יכולה להוריד אותה באופן משמעותי.

עמידות מודל היא היכולת של מערכת AI לשמור על ביצועים תקינים גם כשהקלט רועש, חריג, שונה מנתוני האימון או מעוצב בכוונה להטעות אותה. בוט עמיד, למשל, ימשיך להבין לקוחות שכותבים עם שגיאות כתיב, סלנג או ערבוב של עברית ואנגלית.

ענן היברידי הוא שילוב של תשתית מקומית או ענן פרטי עם ענן ציבורי, המנוהלים יחד כסביבה אחת. ארגון יכול לשמור נתוני לקוחות רגישים בשרתים שלו ולהשתמש בענן הציבורי לכוח חישוב גמיש ולמודלי AI.

VPC הוא רשת מבודדת ומוגדרת בתוך ענן ציבורי, שבה הארגון שולט בכתובות, בהרשאות ובגישה מבחוץ. הרצת מודלים ושירותי AI בתוך VPC מאפשרת לשמור את התעבורה והנתונים מופרדים מהאינטרנט הציבורי ומלקוחות אחרים.

ענן ריבוני הוא תשתית ענן שפועלת בתוך מדינה מסוימת, בכפוף לחוקיה ובשליטה מקומית על הנתונים והתפעול. ממשלות וגופים רגישים מעדיפים אותו כדי להשתמש בשירותי AI בלי שמידע יעבור לתחום שיפוט זר.

עץ החלטה הוא אלגוריתם שמבצע תחזיות באמצעות סדרת שאלות של כן או לא על התכונות, במבנה שדומה לתרשים זרימה. הוא קל מאוד להבנה ולהסבר, למשל עץ שקובע אם לאשר אשראי ללקוח לפי הכנסה, ותק והיסטוריית תשלומים.

עץ מחשבות היא טכניקת פרומפטינג מתקדמת שבה המודל בוחן כמה כיווני פתרון במקביל, מעריך כל אחד מהם וממשיך בכיוון המבטיח ביותר. היא שימושית לבעיות מורכבות של תכנון או קבלת החלטות, אך דורשת יותר קריאות למודל ולכן עולה יותר.

עקביות עצמית היא טכניקה שבה מריצים את אותה שאלה כמה פעמים, מקבלים כמה מסלולי חשיבה ובוחרים את התשובה שחוזרת בתדירות הגבוהה ביותר. הגישה מגבירה אמינות בשאלות עם תשובה אחת נכונה, במחיר של יותר טוקנים וזמן.

עקומת ROC היא גרף שמציג את היחס בין שיעור החיוביים האמיתיים לשיעור החיוביים הכוזבים של מודל סיווג בכל ספי ההחלטה האפשריים. היא עוזרת לבחור סף מתאים, למשל מאיזה ציון ליד יועבר לנציג מכירות.

עקומת פרסיז׳ן-ריקול היא גרף שמציג את הפשרה בין פרסיז׳ן לריקול בספי החלטה שונים של מודל סיווג. היא מתאימה במיוחד לנתונים לא מאוזנים, כמו זיהוי הונאות או לידים איכותיים נדירים, שבהם עקומת ROC עלולה להציג תמונה אופטימית מדי.

עקרונות ה-OECD ל-AI הם מסמך מדיניות בינלאומי שאומץ ב-2019 ומגדיר עקרונות לבינה מלאכותית אמינה, כמו כיבוד זכויות אדם, שקיפות, בטיחות ואחריותיות. ישראל, כחברה בארגון, הצטרפה לעקרונות, והם משמשים בסיס למדיניות AI במדינות רבות.

ערך P הוא ההסתברות לקבל תוצאה קיצונית לפחות כמו זו שנמדדה, בהנחה שאין השפעה אמיתית. ערך P נמוך, בדרך כלל מתחת ל-0.05, נחשב לעדות נגד השערת האפס, אך אינו מודד את גודל ההשפעה או את חשיבותה העסקית.

ערך חיי לקוח הוא ההכנסה הכוללת שעסק צפוי להרוויח מלקוח לאורך כל תקופת הקשר איתו. מודלים חזויים יכולים להעריך אותו כבר בתחילת הקשר, וכך לעזור להחליט כמה כדאי להשקיע ברכישת לקוח ובשימורו.

ערך חריג הוא תצפית שרחוקה מאוד משאר הנתונים, כמו הזמנה בסכום גבוה פי מאה מהרגיל. חריגים יכולים להעיד על טעות הקלדה, על הונאה או על הזדמנות עסקית אמיתית, ולכן חשוב לזהות אותם ולהחליט כיצד לטפל בהם.

ערכים חסרים הם שדות ריקים במערך נתונים, למשל לקוח בלי עיר מגורים או עסקה בלי תאריך סגירה. יש לטפל בהם במחיקה, בהשלמה לפי ממוצע או בשיטה חכמה אחרת, אחרת הם עלולים לעוות את תוצאות הניתוח והמודל.

פולינג הוא שיטה שבה מערכת האוטומציה בודקת מערכת אחרת במרווחי זמן קבועים כדי לגלות אם יש נתונים חדשים. היא משמשת כשאין תמיכה בוובהוקים, אך גורמת לעיכוב בתגובה ולצריכה מיותרת של קריאות API.

פונמה היא יחידת הצליל הקטנה ביותר בשפה שמבדילה בין מילים, למשל ההבדל בין הצלילים בתחילת המילים בית ודית. מערכות זיהוי דיבור והמרת טקסט לדיבור עובדות ברמת הפונמות, וזה חשוב במיוחד בעברית שבה הכתיב לרוב ללא ניקוד.

פונקציית אקטיבציה היא פונקציה מתמטית שמופעלת על הפלט של כל נוירון ומוסיפה לרשת אי ליניאריות, כלומר יכולת ללמוד קשרים שאינם קו ישר. בלעדיה, גם רשת עמוקה מאוד הייתה מתנהגת כמו מודל ליניארי פשוט ולא הייתה מצליחה להבין שפה או תמונות.

פונקציית הפסד היא נוסחה שמודדת עד כמה התחזית של המודל רחוקה מהתשובה הנכונה עבור דוגמה בודדת. במהלך האימון המודל מנסה למזער את ערכה, ולכן בחירת פונקציה מתאימה קובעת בפועל מה המודל ילמד להעדיף.

פונקציית מטרה היא הפונקציה שתהליך האימון או האופטימיזציה מנסה למזער או למקסם, ולרוב כוללת את ההפסד הממוצע ולעיתים גם רכיב רגולריזציה. היא מתרגמת את המטרה העסקית, כמו מזעור טעויות בחיזוי מלאי, לשפה מתמטית.

פונקציית תגמול היא ההגדרה שקובעת איזה ציון מקבל סוכן בלמידת חיזוק על כל פעולה או תוצאה. ניסוח נכון שלה קריטי, כי הסוכן ימקסם בדיוק את מה שמתוגמל, גם אם זה לא מה שהתכוונו אליו בפועל.

פילוח לקוחות הוא חלוקת בסיס הלקוחות לקבוצות בעלות מאפיינים או התנהגות דומים, כמו תדירות רכישה, גיל או תחומי עניין. אלגוריתמים של AI יכולים לגלות פלחים שלא היו ברורים מראש, ולאפשר מסרים ומבצעים מדויקים יותר לכל קבוצה.

פיצול מותנה הוא לוגיקה באוטומציה שמכוונת את התהליך למסלולים שונים לפי תנאים, כמו סוג הפנייה, סכום ההזמנה או מקור הליד. למשל, לידים מעל תקציב מסוים מועברים ישירות למנהל מכירות, והשאר מקבלים רצף הודעות אוטומטי.

פיקוח אנושי הוא העיקרון שלפיו בני אדם צריכים להיות מסוגלים להבין, לנטר, להתערב ולבטל החלטות של מערכת AI, במיוחד כשההחלטות משפיעות על אנשים. חוק ה-AI האירופי מחייב פיקוח כזה במערכות בסיכון גבוה, למשל בדיקה אנושית של החלטות דחייה אוטומטיות.

פיקוח חלש הוא גישה ליצירת תוויות אימון בכמות גדולה באמצעות כללים, מילות מפתח, מקורות חיצוניים או מודלים קיימים, במקום תיוג ידני מלא. התוויות פחות מדויקות, אך הגישה חוסכת זמן רב, למשל בסיווג ראשוני של אלפי פניות.

פירוק משימות הוא חלוקה של מטרה גדולה ומורכבת לתתי-משימות קטנות וברורות, שאותן סוכן AI או כמה סוכנים יכולים לבצע אחת אחרי השנייה או במקביל. בקשה כמו הכן קמפיין השקה מתפרקת למחקר קהל, כתיבת מסרים, עיצוב והפצה.

פלט מובנה הוא יכולת של מודל שפה להחזיר תשובה בפורמט מוגדר מראש, לרוב JSON לפי סכמה, במקום טקסט חופשי. היא חיונית לאוטומציות, למשל לחילוץ שם, טלפון ותחום עניין מהודעת ליד והזנתם ישירות למערכת CRM.

פלטפורמת נתוני לקוחות היא מערכת שאוספת נתונים על לקוחות ממקורות רבים, כמו אתר, אפליקציה, קופה ו-CRM, ומאחדת אותם לפרופיל אחד לכל לקוח. הפרופיל המאוחד משמש לפילוח ולפרסונליזציה מבוססת AI בכל ערוצי השיווק.

פסאודונימיזציה היא החלפת פרטים מזהים, כמו שם או מספר טלפון, במזהה מלאכותי, כאשר המפתח לשחזור הזהות נשמר בנפרד. בניגוד להתממה, המידע עדיין נחשב מידע אישי, אך השיטה מפחיתה סיכון, למשל לפני שליחת נתוני שיחות לניתוח במודל חיצוני.

פעולה באוטומציה היא שלב שמתבצע בעקבות הטריגר, כמו יצירת רשומה, שליחת הודעה, עדכון גיליון או קריאה למודל AI. תהליך אחד יכול לכלול פעולות רבות ברצף, למשל רישום ליד, שליחת הודעת ברוכים הבאים ופתיחת משימה לנציג.

פענוח חמדני הוא אסטרטגיה שבה המודל בוחר בכל שלב את הטוקן בעל ההסתברות הגבוהה ביותר, ללא אקראיות. השיטה מפיקה תשובות צפויות ועקביות, ומתאימה למשימות כמו חילוץ נתונים או סיווג, אך עלולה לייצר טקסט חוזר ומשעמם.

פענוח ספקולטיבי הוא טכניקת האצה שבה מודל קטן ומהיר מנחש כמה טוקנים קדימה, והמודל הגדול מאמת אותם בבת אחת. התוצאה זהה לזו של המודל הגדול, אך מתקבלת מהר יותר, וזה חשוב במערכות שדורשות תגובה מיידית.

פרוזודיה היא המנגינה של הדיבור, כלומר הטון, הקצב, ההדגשות וההפסקות שמעניקים לדיבור משמעות ורגש. במערכות המרת טקסט לדיבור, פרוזודיה טובה היא מה שמבדיל קול שנשמע טבעי מקול רובוטי ומונוטוני.

פרוטוקול A2A הוא תקן פתוח שהציגה Google לתקשורת ושיתוף פעולה בין סוכני AI שנבנו על ידי ספקים ובטכנולוגיות שונות. בעוד MCP מחבר סוכן לכלים, A2A מאפשר לסוכן אחד להעביר משימה לסוכן אחר, למשל מסוכן שירות לסוכן לוגיסטיקה של ספק חיצוני.

פרומפט הוא הטקסט או ההוראה שהמשתמש מזין למודל שפה כדי לקבל ממנו תשובה, ויכול לכלול שאלה, משימה, דוגמאות והקשר. ניסוח ברור של הפרומפט, למשל ציון קהל היעד והפורמט הרצוי, משפר משמעותית את איכות התוצאה.

פרומפט ללא דוגמאות הוא שיטה שבה מבקשים מהמודל לבצע משימה רק על סמך הוראה, בלי לספק לו דוגמאות לפתרון. השיטה מתאימה למשימות פשוטות כמו סיווג פנייה כתלונה או בקשת מידע, ומודלים מודרניים מבצעים אותה היטב.

פרומפט מהפשוט למורכב הוא טכניקה שבה המודל מפרק בעיה מורכבת לתתי-בעיות פשוטות ופותר אותן לפי הסדר, כשכל פתרון משמש בסיס לבא. היא שימושית במשימות רב-שלביות כמו תכנון לוח זמנים לפרויקט.

פרומפט מערכת הוא הוראה מוקדמת שמוגדרת על ידי המפתח וקובעת למודל את תפקידו, הטון, הכללים והמגבלות לאורך כל השיחה. לדוגמה, בוט של מרפאה יקבל פרומפט מערכת שמורה לו לענות רק על שאלות תורים ושירותים ולא לתת ייעוץ רפואי.

פרומפט משתמש הוא ההודעה שהמשתמש הקצה כותב למודל במהלך השיחה, בניגוד להוראות הקבועות שבפרומפט המערכת. במערכות שירות, פרומפט המשתמש הוא למשל שאלת לקוח בוואטסאפ, והמודל עונה עליה בהתאם לכללים שהוגדרו מראש.

פרומפט עם דוגמה אחת הוא שיטה שבה מספקים למודל דוגמה יחידה של קלט ופלט לפני המשימה עצמה. הדבר עוזר להבהיר פורמט רצוי, למשל מבנה קבוע של סיכום פגישה, בלי להאריך את הפרומפט ובלי להגדיל את העלות.

פרומפט עם מספר דוגמאות הוא שיטה שבה מצרפים להוראה כמה דוגמאות של קלט ופלט רצוי, כדי שהמודל יבין את הדפוס ויחקה אותו. למשל, מציגים שלוש תשובות מופת ללקוחות, והמודל ממשיך לענות באותו סגנון ובאותו מבנה.

פרומפט צעד אחורה הוא טכניקה שבה מבקשים מהמודל קודם לזהות את העיקרון או השאלה הכללית שמאחורי הבעיה, ורק אחר כך לפתור את המקרה הספציפי. הגישה משפרת דיוק בשאלות שדורשות ידע מקצועי או הסקה מורכבת.

פרומפט שלילי הוא הנחיה שמפרטת למודל יצירת תמונות מה לא לכלול בתוצאה, כמו טשטוש, טקסט או ידיים מעוותות. הוא עוזר לשפר את איכות התמונות ולשמור על התאמה לסטנדרט המותג בלי לנסות שוב ושוב.

פרומפט תפקיד הוא טכניקה שבה מגדירים למודל זהות או תפקיד, למשל יועץ משכנתאות או נציג שירות, כדי לכוון את הסגנון, הידע והטון של התשובות. הדבר עוזר לקבל תשובות מקצועיות ועקביות יותר בהתאם לקהל היעד.

פרטיות דיפרנציאלית היא שיטה מתמטית להגנה על פרטיות שבה מוסיפים רעש מבוקר לנתונים או לתוצאות, כך שלא ניתן לדעת אם אדם מסוים נכלל במאגר. היא מאפשרת להפיק סטטיסטיקות ולאמן מודלים על נתוני משתמשים תוך הגבלה מוכחת של הסיכון לחשיפת פרטים.

פרטיות בתכנון היא גישה שלפיה שיקולי הגנת פרטיות משולבים במערכת כבר משלב האפיון והתכנון, ולא מתווספים בדיעבד. בבניית בוט או אוטומציה המשמעות היא להחליט מראש אילו נתונים נאספים, היכן נשמרים, למשך כמה זמן ומי רשאי לגשת אליהם.

פריסה הדרגתית היא שיטה שבה גרסה חדשה של מודל או שירות נחשפת קודם לאחוז קטן מהמשתמשים, ורק אם היא מתפקדת היטב היא מורחבת לכולם. כך אפשר לבדוק בוט מעודכן על חלק מהפניות ולצמצם נזק אם מתגלה בעיה.

פריסה מנותקת רשת היא הרצת מערכת או מודל בסביבה שמנותקת פיזית מהאינטרנט ומרשתות חיצוניות. היא נדרשת בגופי ביטחון, תעשייה רגישה ומוסדות פיננסיים, ומחייבת מודלים שאפשר להתקין ולעדכן באופן מקומי לחלוטין.

פריסת מודל היא העברת מודל מאומן מסביבת הפיתוח לסביבת ייצור, שבה הוא משרת משתמשים או מערכות אמיתיות. השלב כולל אריזה, חיבור ל־API, בדיקות עומס והגדרת ניטור, ולעיתים הוא מורכב יותר מאימון המודל עצמו.

פריסת צל היא הרצה של מודל חדש במקביל למודל הקיים על אותן בקשות אמיתיות, בלי שהתשובות שלו מוצגות למשתמשים. משווים את התוצאות כדי לוודא שהמודל החדש טוב יותר לפני שמחליפים אותו בפועל.

פריצת תגמול היא מצב שבו מערכת AI שאומנה למקסם מדד או תגמול מוצאת דרך קיצור להשיג ציון גבוה מבלי להשיג את המטרה האמיתית שהמתכננים התכוונו אליה. לדוגמה, בוט שנמדד לפי סגירת פניות מהירה עלול ללמוד לסגור פניות בלי לפתור את בעיית הלקוח.

פרמטרים של מודל הם הערכים הפנימיים שהמודל לומד בעצמו במהלך האימון, כמו המקדמים ברגרסיה או המשקלים ברשת נוירונים. הם מקודדים את הידע שהמודל הפיק מהנתונים, ומספרם משמש לעיתים קרובות כמדד לגודל המודל.

פרסונליזציה היא התאמת תוכן, הצעות ומסרים לכל לקוח לפי המידע הידוע עליו, כמו היסטוריית רכישות, העדפות ומיקום. בעזרת AI ניתן לבצע אותה בקנה מידה רחב, למשל לשלוח לכל לקוחה של חנות אופנה הודעה עם פריטים שמתאימים לסגנון שרכשה בעבר.

פרסיז׳ן הוא מדד שבודק מתוך כל המקרים שהמודל סימן כחיוביים, כמה מהם באמת חיוביים. פרסיז׳ן גבוה חשוב כשלהתראות שווא יש מחיר, למשל כשמודל מסמן לידים כחמים ונציגי המכירות מבזבזים זמן על לידים שאינם רלוונטיים.

פרספטרון הוא הצורה המוקדמת והפשוטה ביותר של רשת נוירונים, המורכבת מנוירון יחיד שמחליט בין שתי קטגוריות לפי סכום משוקלל של הקלטים. הוא מסוגל לפתור רק בעיות הניתנות להפרדה בקו ישר, ומגבלה זו הובילה לפיתוח רשתות רב שכבתיות.

פרספטרון רב שכבתי הוא רשת נוירונים שבה הנתונים עוברים משכבת קלט, דרך שכבה נסתרת אחת או יותר, אל שכבת פלט, כשכל נוירון מחובר לכל הנוירונים בשכבה הבאה. זהו מבנה בסיסי ונפוץ, המשמש למשל לחיזוי נטישת לקוחות מתוך נתונים טבלאיים במערכת CRM.

פרפלקסיטי הוא מדד להערכת מודלי שפה שמבטא עד כמה המודל מופתע מטקסט אמיתי, כאשר ערך נמוך יותר מעיד על חיזוי טוב יותר של המילים הבאות. הוא שימושי להשוואת מודלים בשלב האימון, אך אינו מודד ישירות את איכות התשובות למשתמשים.

פרפרזה היא ניסוח מחדש של טקסט במילים אחרות תוך שמירה על המשמעות המקורית. כלים אוטומטיים לפרפרזה משמשים לגיוון ניסוחים בתוכן שיווקי, לפישוט הסברים ללקוחות וליצירת וריאציות של שאלות לאימון בוטים.

פרשנות מכניסטית היא תחום מחקר שמנסה להבין את רשתות הנוירונים מבפנים, ברמת הנוירונים והמעגלים, כדי לזהות אילו מנגנונים אחראים להתנהגויות מסוימות. המטרה היא לאפשר בעתיד לאתר התנהגויות מסוכנות או הטיות ישירות בתוך המודל.

פשרת הטיה-שונות היא העיקרון שלפיו מודל פשוט מדי טועה באופן שיטתי בגלל הטיה גבוהה, ומודל מורכב מדי רגיש מדי לנתוני האימון בגלל שונות גבוהה. המטרה היא למצוא איזון שבו המודל מכליל היטב גם על נתונים חדשים.

פתרון כינויי גוף הוא משימה שבה מערכת מזהה אילו ביטויים בטקסט מתייחסים לאותה ישות, למשל שהוא במשפט השני מתייחס ללקוח שהוזכר קודם. היכולת הזו חיונית להבנת שיחות ארוכות ולסיכום מדויק שלהן.

צומת ב-n8n הוא אבן בניין בודדת בתהליך עבודה, שמייצגת טריגר, פעולה באפליקציה, עיבוד נתונים או קריאה למודל AI. חיבור צמתים זה לזה יוצר את זרימת העבודה, ואפשר גם להוסיף צמתי קוד לכתיבת לוגיקה מותאמת.

ציון F1 הוא מדד שמשלב פרסיז׳ן וריקול לערך אחד באמצעות ממוצע הרמוני ביניהם, בטווח שבין 0 ל-1. הוא שימושי במיוחד כשהנתונים אינם מאוזנים וצריך מדד יחיד להשוואה בין מודלים, למשל במסווג פניות לקוחות.

ציון בריאות לקוח הוא מדד מסכם שמעריך את מצב הקשר עם לקוח, לפי נתונים כמו תדירות שימוש, פניות שירות, תשלומים ושביעות רצון. ציון יורד משמש התרעה מוקדמת לצוות הצלחת הלקוח לפעול לפני שהלקוח עוזב.

ציטוט במנועי AI הוא מצב שבו מנוע בינה מלאכותית מציג קישור או אזכור לאתר מסוים כמקור לתשובה שנתן. ציטוטים כאלה מביאים אמינות ותנועה איכותית, והסיכוי לקבלם גדל כשהתוכן מדויק, מעודכן, מובנה היטב וכולל הגדרות ונתונים ברורים.

ציטוט מקורות הוא הצגת המסמכים או הקטעים שעליהם התבססה תשובת ה-AI, לצד התשובה עצמה. הדבר מגביר אמון ומאפשר בקרה, למשל כשנציג שירות רואה שהבוט ענה לפי סעיף מסוים בתקנון ויכול לאמת אותו בלחיצה.

צמצום מידע הוא עיקרון של הגנת פרטיות שלפיו יש לאסוף ולשמור רק את המידע האישי ההכרחי למטרה המוגדרת, ולא יותר. בוט לקביעת פגישות, למשל, צריך לבקש שם וטלפון ולא מספר זהות או תאריך לידה אם אין בהם צורך אמיתי.

צנרת מכירות היא תצוגה של כל העסקאות הפתוחות לפי השלב שבו הן נמצאות, מפנייה ראשונה ועד חתימה. ניהול הצנרת ב-CRM עם תזכורות ותחזיות AI מאפשר לזהות עסקאות תקועות ולפעול לפני שהן אובדות.

צנרת נתונים היא רצף אוטומטי של שלבים שמעביר נתונים ממקורות שונים, מעבד אותם ומעביר אותם ליעד כמו מאגר נתונים או מודל. לדוגמה, צנרת יכולה לאסוף כל לילה הזמנות מהחנות המקוונת, לנקות אותן ולעדכן דוח מכירות.

צעד בקונבולוציה הוא מספר הפיקסלים שבהם המסנן זז בכל פעם שהוא מחליק על פני הקלט. צעד גדול מקטין את גודל הפלט ומאיץ את החישוב, אך עלול לאבד פרטים עדינים, ולכן הבחירה בו היא חלק מתכנון הארכיטקטורה.

צ׳אטבוט הוא תוכנה שמנהלת שיחה טקסטואלית עם משתמשים באתר, בוואטסאפ או ברשתות חברתיות, ועונה על שאלות או מבצעת פעולות. צ׳אטבוטים משמשים לשירות לקוחות, קביעת תורים וסינון לידים, ומאפשרים מענה מיידי גם מחוץ לשעות הפעילות.

צ׳אטבוט ארנה היא פלטפורמה פתוחה להשוואת מודלי שפה, שבה משתמשים שולחים שאלה, מקבלים תשובות משני מודלים אנונימיים ובוחרים את הטובה יותר. מהצבעות אלה נבנה דירוג שמשקף העדפות של משתמשים אמיתיים ולא רק ציוני מבחן.

צ׳אטבוט מבוסס חוקים הוא בוט שפועל לפי עץ החלטות, תפריטים ומילות מפתח שהוגדרו מראש, ללא הבנת שפה חופשית. הוא צפוי וזול להפעלה ומתאים לתהליכים פשוטים, אך מתקשה כשלקוחות מנסחים שאלות בדרכים שלא נצפו מראש.

קבלת החלטות אוטומטית היא מצב שבו החלטה לגבי אדם מתקבלת על ידי מערכת ממוחשבת ללא מעורבות אנושית משמעותית. ה-GDPR מגביל החלטות כאלה כשיש להן השפעה משפטית או משמעותית דומה, ולכן מומלץ לשלב בדיקה אנושית בהחלטות כמו דחיית לקוח או מועמד.

קבלת החלטות מבוססת נתונים היא גישה שבה החלטות עסקיות מתקבלות על בסיס ניתוח נתונים ומדדים, ולא רק על בסיס תחושת בטן או ניסיון. AI מחזק אותה בכך שהוא מנתח כמויות גדולות של מידע ומציג תובנות ותחזיות בצורה נגישה למנהלים.

קו בסיס הוא רמת ביצועים פשוטה שמשמשת נקודת השוואה למודל, כמו ניחוש הקטגוריה הנפוצה ביותר או כלל עסקי קיים. אם מודל AI אינו עוקף בבירור את קו הבסיס, למשל את הניתוב הידני הנוכחי של פניות, אין הצדקה להטמיע אותו.

קוברנטיס היא מערכת קוד פתוח לניהול אוטומטי של קונטיינרים על פני שרתים רבים, כולל פריסה, הרחבה והתאוששות מתקלות. ארגונים משתמשים בה כדי להריץ שירותי AI בקנה מידה, למשל להוסיף אוטומטית עותקים של שרת מודל כשמספר הפניות עולה.

קול הלקוח הוא איסוף וניתוח שיטתי של משוב, ציפיות ותלונות של לקוחות מכל הערוצים, כמו סקרים, ביקורות, שיחות וצ׳אטים. AI מאפשר לנתח אלפי הודעות ולזהות את הנושאים שחוזרים, למשל תלונות על זמני משלוח או על תהליך ההחזרה.

קול סינתטי הוא קול שנוצר באופן ממוחשב באמצעות מודל, ולא הוקלט על ידי דובר אנושי. עסקים בוחרים קול סינתטי קבוע כקול המותג עבור מענה טלפוני, סרטוני הדרכה והודעות קוליות, בעלות נמוכה מהקלטה באולפן.

קונבולוציה היא פעולה מתמטית שבה מסנן קטן מחליק על פני הקלט, ובכל מיקום מחשב סכום משוקלל של הערכים שמתחתיו. ברשתות נוירונים היא מאפשרת לזהות קצוות, צורות ומרקמים בתמונה, תוך שימוש באותם משקלים בכל המיקומים וחיסכון רב בפרמטרים.

קונטיינר הוא חבילת תוכנה סגורה שכוללת אפליקציה וכל התלויות שלה, ורצה באופן זהה בכל שרת או ענן. בזכותו אפשר לארוז שירות AI פעם אחת ולהעביר אותו בקלות בין סביבת פיתוח, בדיקות וייצור בלי בעיות תאימות.

קופיילוט הוא עוזר מבוסס בינה מלאכותית שמשולב בכלי העבודה ומסייע לעובד בזמן אמת, למשל בכתיבת מיילים, סיכום פגישות או ניתוח גיליונות. בניגוד לסוכן אוטונומי, הקופיילוט מציע והאדם מחליט, ולכן הוא נחשב דרך בטוחה יחסית להתחיל לשלב AI בארגון.

Barge-in היא היכולת של מערכת קולית לאפשר למשתמש לקטוע אותה באמצע דיבור ולהגיב מיד לדבריו. במוקדים טלפוניים ובבוטים קוליים היא חיונית לשיחה טבעית, כך שלקוח לא צריך להמתין לסוף התפריט כדי לומר מה הוא רוצה.

קטלוג נתונים הוא מערכת שממפה ומתעדת את כל מקורות הנתונים בארגון, כולל תיאור, בעלים, מקור ורמת רגישות של כל טבלה או קובץ. הוא עוזר לעובדים ולצוותי AI למצוא במהירות את הנתונים הנכונים ולהבין אם מותר להשתמש בהם.

קידוד One-Hot הוא שיטה להמרת משתנה קטגוריאלי לייצוג מספרי, שבה כל קטגוריה הופכת לעמודה נפרדת עם הערך אחד או אפס. למשל, עיר המגורים של לקוח הופכת לעמודות נפרדות לתל אביב, חיפה וירושלים, כדי שהמודל יוכל לעבד אותה.

קידוד מיקום הוא מידע שמתווסף לייצוג של כל טוקן בטרנספורמר כדי לסמן את מיקומו ברצף. מכיוון שמנגנון הקשב מעבד את כל המילים במקביל, בלי קידוד מיקום המודל לא היה מבחין בין הכלב נשך את האיש לבין האיש נשך את הכלב.

קישור ישויות הוא שיוך של ישות שזוהתה בטקסט לרשומה ספציפית במאגר ידע, כדי להבחין בין ישויות בעלות שם זהה. לדוגמה, מערכת מבינה שהשם שהוזכר בפנייה מתייחס ללקוח מסוים הקיים ב־CRM ולא לאדם אחר באותו שם.

קליטת מסמכים היא התהליך של איסוף קבצים ממקורות שונים, ניקוי, חלוקה למקטעים, יצירת ייצוגים וקטוריים ושמירתם במאגר הידע. בעסק זה יכול לכלול קבצי PDF, מסמכי Word, דפי אתר ושאלות נפוצות, עם עדכון אוטומטי כשמסמך משתנה.

קללת הממדיות היא תופעה שבה ככל שמספר המשתנים גדל, הנתונים הופכים דלילים והמרחקים בין דוגמאות מאבדים משמעות, כך שקשה יותר ללמוד מהם. לכן הוספת עוד ועוד שדות למודל אינה משפרת אותו בהכרח ולעיתים אף פוגעת בו.

קמפיין טפטוף הוא סדרה של הודעות אוטומטיות שנשלחות ללקוח או לליד לפי לוח זמנים או לפי פעולות שביצע, כמו הרשמה או רכישה. למשל, מי שנרשם לסדנה מקבל ברצף הודעת ברוכים הבאים, תזכורת, חומרי הכנה והצעת המשך.

קנס חזרה הוא פרמטר נפוץ בהרצת מודלים פתוחים שמקטין את ההסתברות של טוקנים שכבר נוצרו, כדי למנוע לולאות של משפטים חוזרים. ערך גבוה מדי עלול לפגוע בטבעיות הטקסט, ולכן מכיילים אותו בזהירות.

קנס נוכחות הוא פרמטר שמפחית את הסיכוי לשימוש חוזר בכל טוקן שכבר הופיע בטקסט, ללא קשר למספר ההופעות. הוא מעודד את המודל לעבור לנושאים ולמילים חדשים, ושימושי כשרוצים לקבל רעיונות מגוונים.

קנס תדירות הוא פרמטר שמפחית את הסיכוי של המודל לחזור על טוקנים בהתאם למספר הפעמים שכבר הופיעו בטקסט. הוא עוזר למנוע חזרות על אותן מילים וביטויים, למשל בכתיבת תוכן שיווקי ארוך.

קצב למידה הוא היפר־פרמטר שקובע את גודל הצעד שהמודל עושה בכל עדכון של הפרמטרים במהלך האימון. קצב גבוה מדי עלול לגרום לאימון לא יציב, וקצב נמוך מדי יאט את הלמידה מאוד או ייתקע בפתרון לא טוב.

קרוס-סייל הוא הצעה ללקוח לרכוש מוצרים או שירותים משלימים למה שהוא קונה, כמו כיסוי לטלפון חדש. מנועי המלצות מבוססי AI מזהים אילו מוצרים נקנים יחד ומציגים אותם בזמן הנכון, באתר או בהודעת המשך.

קריאה לכלים היא היכולת של מודל שפה לבחור כלי חיצוני, כמו חיפוש, מחשבון או מערכת CRM, ולהפעיל אותו עם פרמטרים מתאימים במהלך שיחה. כך הבוט אינו מוגבל לידע שלו, ויכול למשל לבדוק סטטוס הזמנה אמיתי בחנות אונליין ולהחזיר תשובה מדויקת ללקוח.

קריאה לפונקציות היא מנגנון שבו מודל השפה מחזיר בקשה מובנית להפעלת פונקציה מוגדרת מראש, כולל שם הפונקציה והארגומנטים שלה, והקוד של המפתח מבצע אותה בפועל. זהו הבסיס הטכני לחיבור צ׳אטבוטים למערכות כמו יומן תורים, מלאי או מערכת הנהלת חשבונות.

קריסת מודל היא תופעה שבה מודלים שמאומנים שוב ושוב על תוכן שנוצר על ידי מודלים אחרים מאבדים בהדרגה גיוון ודיוק. ככל שהאינטרנט מתמלא בטקסט שנוצר ב-AI, האתגר של איסוף נתוני אימון אנושיים איכותיים גובר.

קריסת מצבים היא כשל באימון GAN שבו המחולל לומד לייצר רק סוגים מעטים של דוגמאות שמצליחות להטעות את המבחין, במקום לכסות את כל מגוון הנתונים. התוצאה היא תוצרים חוזרים ודומים מאוד, וזו אחת הסיבות לכך שאימון GAN נחשב קשה.

קרנל הוא מטריצה קטנה של משקלים נלמדים ברשת קונבולוציה, שסורקת את הקלט ומגיבה לדפוס מסוים, כמו קו אנכי או פינה. כל שכבת קונבולוציה כוללת מסננים רבים, וכל אחד מהם לומד באופן אוטומטי לזהות מאפיין אחר בתמונה.

קשב עצמי הוא סוג של מנגנון קשב שבו כל אלמנט ברצף מחשב את הקשר שלו לכל שאר האלמנטים באותו רצף. כך המודל מבין, למשל, למי מתייחסת המילה הוא במשפט ארוך, והוא הרכיב המרכזי בכל שכבת טרנספורמר.

קשב צולב הוא מנגנון קשב שבו רצף אחד מתמקד במידע מרצף אחר, למשל המפענח מתמקד בפלט של המקודד. הוא משמש בתרגום, בתמלול ובמודלי יצירת תמונות, שבהם התמונה הנוצרת מתמקדת במילים של הנחיית הטקסט.

קשב רב ראשי הוא מנגנון בטרנספורמר שמריץ כמה חישובי קשב במקביל, כשכל ראש לומד להתמקד בסוג אחר של קשר בין המילים. ראש אחד עשוי לעקוב אחר מבנה תחבירי ואחר אחר משמעות, והשילוב ביניהם מעניק למודל הבנה עשירה יותר של הטקסט.

ראייה ממוחשבת היא תחום בבינה מלאכותית שמלמד מחשבים לפרש תמונות וסרטונים, לזהות בהם עצמים, אנשים, טקסט ותנועה. עסקים משתמשים בה למשל לספירת לקוחות בחנות, לבקרת איכות בקו ייצור ולקריאה אוטומטית של מסמכים סרוקים.

רב־ענן הוא שימוש בשירותים של כמה ספקי ענן במקביל, במקום להסתמך על ספק אחד. הגישה מקטינה תלות בספק, מאפשרת לבחור את המודל או השירות הטוב ביותר מכל ענן ומשפרת עמידות בתקלות, במחיר של מורכבות ניהולית.

רגולריזציה היא אוסף טכניקות שמגבילות את מורכבות המודל כדי למנוע התאמת יתר ולשפר את ההכללה לנתונים חדשים. בדרך כלל היא מוסיפה לפונקציית ההפסד קנס על פרמטרים גדולים, כך שהמודל מעדיף פתרונות פשוטים יותר.

רגולריזציית Lasso היא טכניקה שמוסיפה קנס על הערך המוחלט של פרמטרי המודל, ונוטה לאפס לחלוטין את המקדמים של משתנים פחות חשובים. כך היא מבצעת גם בחירת תכונות אוטומטית ומייצרת מודל פשוט יותר להסבר.

רגולריזציית Ridge היא טכניקה שמוסיפה קנס על ריבוע הערכים של פרמטרי המודל, וכך מקטינה את כולם בלי לאפס אותם. היא יעילה במיוחד כאשר יש משתנים רבים שקשורים זה לזה, ומייצבת את התחזיות.

רגרסיה היא משימה בלמידת מכונה שבה המודל חוזה ערך מספרי רציף על סמך נתוני קלט. דוגמאות עסקיות נפוצות הן חיזוי מחיר דירה לפי שטח ומיקום, או הערכת היקף המכירות הצפוי בחודש הבא לפי נתוני העבר.

רגרסיה לוגיסטית היא אלגוריתם סיווג שמחשב את ההסתברות שדוגמה שייכת לקטגוריה מסוימת, למרות שמה שכולל את המילה רגרסיה. היא נפוצה בעסקים לחיזוי שאלות של כן או לא, כמו האם ליד יהפוך ללקוח משלם או האם לקוח צפוי לעזוב.

רגרסיה לינארית היא אלגוריתם בסיסי שמנבא ערך מספרי באמצעות קו ישר או משוואה לינארית המתארת את הקשר בין המשתנים. היא פשוטה להבנה ולהסבר, ולכן משמשת לעיתים קרובות לניתוח ראשוני, למשל כדי להעריך כיצד תקציב פרסום משפיע על מספר הלידים.

רגרסיה פולינומית היא הרחבה של רגרסיה לינארית שמתארת קשר עקום בין משתנים באמצעות משוואה פולינומית. היא מתאימה כאשר הקשר אינו קו ישר, למשל כשהמכירות עולות עם ההנחה רק עד נקודה מסוימת ואז מתחילות לרדת.

רד טימינג הוא תהליך שבו צוות ייעודי מנסה בכוונה לתקוף, לעקוף ולהכשיל מערכת AI כדי לחשוף חולשות, תוכן מזיק או התנהגות לא רצויה לפני שתוקפים אמיתיים יעשו זאת. לפני השקת בוט שירות, למשל, בודקים האם ניתן לגרום לו לחשוף מידע או להתבטא באופן פוגעני.

רווח סמך הוא טווח ערכים שבו צפוי להימצא הערך האמיתי של מדד מסוים ברמת ביטחון מוגדרת, למשל 95 אחוז. במקום לדווח ששיעור ההמרה הוא 12 אחוז, רווח סמך מראה עד כמה ההערכה מדויקת בהינתן גודל המדגם.

ריבוי דיירים הוא ארכיטקטורה שבה מערכת אחת משרתת לקוחות רבים במקביל, כשהנתונים וההגדרות של כל לקוח מופרדים זה מזה. פלטפורמות SaaS של בוטים ו־CRM בנויות כך, ולכן חשוב לוודא שהבידוד בין הלקוחות מאובטח היטב.

ריבונות נתונים היא העיקרון שלפיו מידע כפוף לחוקים של המדינה שבה הוא נשמר או מעובד, ולכן מיקום השרתים משנה מבחינה משפטית. ארגונים ממשלתיים, בריאותיים ופיננסיים בוחנים לעיתים קרובות היכן ספק ה-AI שומר את הנתונים לפני שהם מתקשרים איתו.

ריפוד הוא הוספה של ערכים, בדרך כלל אפסים, סביב שולי הקלט לפני פעולת קונבולוציה. הוא מאפשר לשמור על גודל הפלט זהה לגודל הקלט ומונע אובדן מידע בקצוות התמונה, במיוחד ברשתות עם שכבות רבות.

ריקול הוא מדד שבודק מתוך כל המקרים החיוביים האמיתיים, כמה מהם המודל הצליח לזהות. ריקול גבוה חשוב כשהחמצה יקרה, למשל כשמודל אמור לזהות כל פנייה דחופה של מטופל במרפאה ואסור לו לפספס אף אחת.

רישוי נתוני אימון הוא הסדר משפטי שבו מפתח מודל מקבל רשות, לרוב בתשלום, להשתמש בתוכן של בעלי זכויות כמו הוצאות לאור, אתרי חדשות או מאגרי תמונות לאימון מודלים. הסכמים כאלה הפכו נפוצים כדרך להפחית סיכון משפטי ולקבל גישה לתוכן איכותי.

רכיב שליפה הוא החלק במערכת RAG שמקבל את שאלת המשתמש ומחזיר את המסמכים או המקטעים הרלוונטיים ביותר ממאגר הידע. איכות רכיב השליפה קובעת במידה רבה את איכות התשובה, כי המודל יכול להסתמך רק על מה שנשלף עבורו.

רעילות היא מדד או תכונה של תוכן הכולל עלבונות, שנאה, הטרדה, איומים או שפה פוגענית אחרת. ספקי מודלים ומפתחי בוטים מודדים את רמת הרעילות של התשובות ומפעילים מסננים, כדי שמערכת שירות לקוחות לא תגיב בצורה פוגענית גם כשמנסים לגרור אותה לכך.

רפלקציה היא טכניקה שבה סוכן AI בוחן את התוצר או הפעולה שלו, מזהה טעויות ומשפר אותם לפני שהוא מחזיר תשובה סופית. למשל, סוכן שכותב הצעת מחיר יכול לבדוק בעצמו שכל הסעיפים והמחירים תואמים את מה שהלקוח ביקש.

רצף לרצף הוא סוג של מודל שמקבל רצף קלט, כמו משפט בעברית, ומפיק רצף פלט באורך שונה, כמו התרגום שלו לאנגלית. גישה זו שימשה בסיס לתרגום מכונה, לסיכום טקסטים ולצ׳אטבוטים, ומיושמת כיום בעיקר באמצעות טרנספורמרים.

רצף עצירה הוא מחרוזת טקסט שמוגדרת מראש, וכאשר המודל מייצר אותה הוא מפסיק את יצירת התשובה. הדבר שימושי כדי לחתוך את הפלט בנקודה מדויקת, למשל בסוף רשומה אחת כשמייצרים נתונים בפורמט קבוע.

רשת בייסיאנית היא מודל הסתברותי בצורת גרף, שבו כל צומת מייצג משתנה והקשתות מייצגות תלות סיבתית או סטטיסטית ביניהם. היא מאפשרת להסיק מסקנות בתנאי אי ודאות, למשל להעריך את הסבירות לתקלה מסוימת לפי התסמינים שדווחו.

רשת הזנה קדימה היא רשת שבה המידע זורם בכיוון אחד בלבד מהקלט לפלט, ובטרנספורמר זהו רכיב של שתי שכבות צפופות שמופעל על כל טוקן בנפרד אחרי שלב הקשב. בשכבות אלה מרוכזת רוב כמות הפרמטרים של מודלי שפה, ונחשב שבהן נשמר חלק גדול מהידע.

רשת יריבה יוצרת היא מודל שבו שתי רשתות מתאמנות זו מול זו: מחולל שמייצר דוגמאות מזויפות ומבחין שמנסה להבדיל בינן לבין דוגמאות אמיתיות. התחרות משפרת את שתיהן, וכך נוצרו תמונות פנים מציאותיות, אף שבתחום יצירת התמונות מודלי דיפוזיה החליפו אותן ברובן.

רשת נוירונים גרפית היא רשת שמעבדת נתונים המיוצגים כגרף של צמתים וקשרים, ומעבירה מידע בין צמתים שכנים כדי ללמוד את מבנה הרשת. היא משמשת בין היתר במערכות המלצה, בזיהוי הונאות בין חשבונות קשורים ובחקר מולקולות.

רשת נוירונים מלאכותית היא מודל חישובי בהשראת המוח, המורכב מיחידות פשוטות המחוברות זו לזו בשכבות ומעבירות ביניהן אותות משוקללים. הרשת לומדת מדוגמאות על ידי כוונון החיבורים, וכך יכולה למשל לסווג פניות לקוחות לפי נושא או לחזות ביקוש למוצרים.

רשת סיאמית היא ארכיטקטורה שבה שתי רשתות זהות עם משקלים משותפים מעבדות שני קלטים, והמודל משווה בין הייצוגים כדי לקבוע עד כמה הם דומים. היא משמשת לאימות חתימות ופנים, לזיהוי מסמכים כפולים ולהתאמת שאלות לקוח לתשובות קיימות.

רשת קונבולוציה היא סוג של רשת נוירונים המותאם לעיבוד נתונים בעלי מבנה מרחבי כמו תמונות, באמצעות מסננים קטנים שסורקים את הקלט ומזהים דפוסים מקומיים. היא שימשה לפריצת הדרך בראייה ממוחשבת, ומשמשת למשל לזיהוי מוצרים במדף או לקריאת חשבוניות סרוקות.

רשת רקורסיבית היא רשת נוירונים שמעבדת רצפים צעד אחר צעד ושומרת מצב פנימי שמעביר מידע מהצעדים הקודמים לבאים. היא שימשה רבות לעיבוד טקסט, דיבור וסדרות זמן, כמו חיזוי מכירות יומיות, לפני שארכיטקטורת הטרנספורמר החליפה אותה ברוב המשימות.

רשת רקורסיבית דו כיוונית היא רשת שמעבדת את הרצף פעמיים, פעם מההתחלה לסוף ופעם מהסוף להתחלה, ומשלבת את שני הכיוונים. כך כל מילה במשפט מקבלת הקשר גם ממה שבא לפניה וגם ממה שבא אחריה, מה שמשפר משימות כמו זיהוי ישויות בטקסט.

רשת שלד היא החלק המרכזי של מודל, בדרך כלל רשת מאומנת מראש, שמחלץ מאפיינים כלליים מהקלט, ועליו מוסיפים רכיבים ייעודיים למשימה מסוימת. למשל, אותה רשת שלד לעיבוד תמונה יכולה לשמש גם לזיהוי אובייקטים וגם לסיווג מוצרים.

שאילתה, מפתח וערך הם שלושה וקטורים שמחושבים לכל אלמנט ברצף במנגנון הקשב: השאילתה מייצגת מה מחפשים, המפתח מה כל אלמנט מציע, והערך את המידע עצמו. ההתאמה בין שאילתות למפתחות קובעת כמה מכל ערך ייכנס לייצוג החדש.

שגיאה מוחלטת ממוצעת היא מדד לדיוק מודלי חיזוי מספריים, שמחושב כממוצע ההפרשים המוחלטים בין התחזיות לערכים האמיתיים. היא קלה להבנה, למשל אם MAE של תחזית מכירות יומית הוא 20 יחידות, התחזית טועה בממוצע ב-20 יחידות.

שגיאה ריבועית ממוצעת היא מדד שמחושב כממוצע ריבועי ההפרשים בין התחזיות לערכים האמיתיים. בגלל ההעלאה בריבוע, היא מענישה בחומרה טעויות גדולות, ולכן משמשת לעיתים קרובות גם כפונקציית הפסד באימון מודלי רגרסיה.

שדה קליטה הוא האזור בקלט המקורי שמשפיע על ערך מסוים בשכבה עמוקה של הרשת. ככל שהרשת עמוקה יותר, שדה הקליטה גדל ונוירונים יכולים להתייחס להקשר רחב יותר, כמו אובייקט שלם במקום פיקסלים בודדים.

שונות היא מדד סטטיסטי לפיזור הנתונים, שמחושב כממוצע ריבועי המרחקים של כל ערך מהממוצע, והשורש שלה הוא סטיית התקן. בלמידת מכונה המונח משמש גם לתיאור רגישות המודל לשינויים קטנים בנתוני האימון.

שחזור עגלות נטושות הוא תהליך אוטומטי של פנייה ללקוחות שהוסיפו מוצרים לעגלה בחנות אונליין ולא השלימו רכישה, באמצעות מייל, SMS או וואטסאפ. AI יכול להתאים את המסר ואת התזמון לכל לקוח, ולעיתים להציע הטבה כדי להחזיר אותו.

שחזור תלת־ממדי הוא יצירת מודל תלת־ממדי של עצם או חלל מתוך סדרת תמונות או סריקות. הוא משמש למשל ליצירת סיורים וירטואליים בנכסי נדל״ן ולהצגת מוצרים בתלת־ממד בחנויות אונליין.

שיבוט קול הוא יצירת העתק סינתטי של קולו של אדם מסוים מתוך דוגמאות הקלטה, כך שאפשר להפיק בו דיבור חדש. הוא משמש לקריינות ולדיבוב במותג אחיד, אך גם להונאות טלפוניות, ולכן מחייב הסכמה של בעל הקול ושימוש זהיר.

שיווק בוואטסאפ הוא שימוש בוואטסאפ כערוץ שיווק ומכירה, כולל הודעות תפוצה ללקוחות שנתנו הסכמה, קטלוג מוצרים, שיחות מכירה ושירות. בישראל, שבה וואטסאפ נפוץ מאוד, הוא ערוץ יעיל במיוחד, אך מחייב הקפדה על הסכמת הנמענים ועל כללי הפלטפורמה.

שיווק מבוסס חשבונות הוא אסטרטגיית שיווק עסקי שבה מתמקדים מראש ברשימה מוגדרת של חברות יעד, ובונים לכל אחת מהן מסרים וקמפיינים מותאמים. כלי AI מסייעים בבחירת החברות, במחקר עליהן ובכתיבת פניות אישיות למקבלי ההחלטות.

שיווק תוכן מבוסס AI הוא שימוש בבינה מלאכותית לתכנון, כתיבה ועריכה של תכנים שיווקיים כמו מאמרים, פוסטים, ניוזלטרים ותסריטי וידאו. הוא מאפשר להפיק יותר תוכן בפחות זמן, אך מחייב עריכה אנושית כדי לשמור על דיוק, קול מותג וערך אמיתי לקורא.

שיחה רב-שלבית היא אינטראקציה שבה המשתמש והמודל מחליפים כמה הודעות, וכל תשובה מתבססת על ההקשר של ההודעות הקודמות. לדוגמה, לקוח שואל על דירה, אחר כך על מחיר ולבסוף מבקש לתאם ביקור, והבוט מבין שמדובר באותה דירה.

שימוש הוגן הוא דוקטרינה בדיני זכויות היוצרים, הקיימת גם בחוק הישראלי, שמתירה שימוש מסוים ביצירה מוגנת ללא רשות, למשל לצורכי מחקר, ביקורת או חינוך. אחת השאלות המרכזיות כיום היא האם אימון מודלי AI על יצירות מוגנות נחשב שימוש הוגן.

שימושי AI אסורים הם קטגוריה בחוק ה-AI האירופי של שימושים שנחשבים מסוכנים מדי ולכן נאסרים, כמו דירוג חברתי, מניפולציה שמנצלת חולשות של אנשים וזיהוי רגשות במקום העבודה, בכפוף לחריגים. האיסורים הם החלק הראשון בחוק שנכנס ליישום.

שיעור שגיאות מילים הוא מדד לדיוק של מערכות תמלול, שמחשב את אחוז המילים שהוחלפו, נמחקו או נוספו בטעות לעומת תמלול נכון. ככל שהערך נמוך יותר התמלול מדויק יותר, וזה מדד חשוב בבחירת מנוע תמלול לעברית.

שיעור שימור הוא אחוז הלקוחות שממשיכים לרכוש או להשתמש בשירות לאורך תקופה מסוימת. שיפור קטן בשימור משפיע מאוד על הרווחיות, ו-AI תורם לכך באמצעות זיהוי לקוחות בסיכון, מסרים מותאמים ושירות זמין יותר.

שיפור עצמי הוא טכניקה שבה המודל מייצר טיוטה, מבקר אותה בעצמו לפי קריטריונים ומשכתב אותה לגרסה משופרת. הגישה מתאימה לכתיבת מסמכים חשובים כמו הצעת מחיר או מייל ללקוח, שבהם שווה להשקיע סבב תיקון נוסף.

שירות עצמי הוא מצב שבו לקוחות פותרים בעצמם בעיות או מבצעים פעולות, כמו בירור יתרה, שינוי תור או מעקב משלוח, בלי לפנות לנציג. עוזרים מבוססי AI הופכים אותו לנגיש יותר, כי הלקוח פשוט שואל בשפה חופשית במקום לחפש במאמרי עזרה.

שכבה נסתרת היא כל שכבה ברשת נוירונים הנמצאת בין שכבת הקלט לשכבת הפלט, ובה הרשת בונה ייצוגים פנימיים של הנתונים. ככל שיש יותר שכבות נסתרות הרשת נחשבת עמוקה יותר ויכולה ללמוד דפוסים מופשטים יותר, כמו טון או כוונה בהודעת לקוח.

שכבה צפופה היא שכבה ברשת נוירונים שבה כל נוירון מחובר לכל הנוירונים בשכבה הקודמת, עם משקל נפרד לכל חיבור. שכבות כאלה מופיעות כמעט בכל ארכיטקטורה, ולרוב משמשות בסוף הרשת כדי לשלב את המאפיינים שנלמדו לכדי החלטה סופית.

שכבת הטמעה היא שכבה ברשת נוירונים שממירה פריטים בדידים, כמו מילים או טוקנים, לווקטורים מספריים צפופים שהמודל יכול לעבד. הווקטורים נלמדים במהלך האימון, כך שמילים בעלות משמעות דומה כמו מחיר ועלות מקבלות ייצוגים קרובים.

שכבת פולינג היא שכבה ברשת קונבולוציה שמקטינה את הממדים של מפות המאפיינים על ידי סיכום אזורים קטנים, למשל בחירת הערך המקסימלי בכל אזור. היא מפחיתה את כמות החישוב והופכת את הרשת לפחות רגישה לתזוזות קטנות של האובייקט בתמונה.

שכבת פלט היא השכבה האחרונה ברשת נוירונים, שמפיקה את התוצאה הסופית של המודל, כמו הסתברות לכל קטגוריה או ערך מספרי חזוי. למשל, במודל שמסווג פניות בוואטסאפ, שכבת הפלט תחזיר את הסיכוי שהפנייה שייכת למכירות, לתמיכה או לחשבונות.

שכבת קלט היא השכבה הראשונה ברשת נוירונים, שמקבלת את הנתונים הגולמיים ומעבירה אותם הלאה לעיבוד בשכבות הבאות. מספר היחידות בה תלוי בצורת הנתונים, למשל מספר הפיקסלים בתמונה או מספר השדות ברשומת לקוח.

שכחה קטסטרופלית היא מצב שבו מודל שעובר כוונון עדין על משימה חדשה מאבד חלק מהיכולות והידע שהיו לו קודם. לכן בכוונון מודל לתחום עסקי מקפידים לבדוק שהוא עדיין מתפקד היטב במשימות כלליות.

שכתוב שאילתה היא טכניקה שבה מודל מנסח מחדש או מרחיב את שאלת המשתמש לפני החיפוש, כדי לשפר את התאמת התוצאות. למשל, שאלה קצרה כמו ומה עם ילדים? בהמשך שיחה על מנוי לחדר כושר הופכת לשאילתה מלאה על מחיר מנוי לילדים.

שלילי כוזב הוא מקרה שבו המודל חזה תוצאה שלילית אך במציאות היא חיובית, כלומר החמצה. לדוגמה, מערכת לזיהוי הונאות שמאשרת עסקה שהיא בפועל הונאה רושמת שלילי כוזב, ובתחומים רבים זו הטעות היקרה ביותר.

שליפת Top-K היא החזרה של K התוצאות הדומות ביותר לשאילתה מתוך מאגר הידע, כאשר K הוא מספר שנקבע מראש. בחירת K נכונה חשובה: מעט מדי תוצאות עלול להחסיר מידע, ויותר מדי מוסיף רעש ומייקר את הקריאה למודל.

שמירה במטמון היא אחסון זמני של תוצאות שכבר חושבו כדי להחזיר אותן מיד בבקשה חוזרת במקום לחשב מחדש. במערכות AI היא חוסכת קריאות יקרות למודל, למשל כשלקוחות רבים שואלים את אותה שאלה על שעות הפתיחה של העסק.

שער API הוא רכיב שיושב בין הלקוחות לשירותים הפנימיים ומרכז את ניתוב הבקשות, האימות, הגבלת הקצב והתיעוד. הוא מפשט ניהול של מערכות רבות ומשפר אבטחה, כי כל הפניות עוברות דרך נקודה אחת מבוקרת.

שער LLM הוא שכבת תוכנה שמרכזת את הגישה למודלי שפה של ספקים שונים דרך ממשק אחד, עם ניהול מפתחות, ניטור עלויות, מטמון וגיבוי אוטומטי. הוא מאפשר לארגון לעבור בין מודלים, להגביל תקציבים לכל צוות ולהמשיך לעבוד גם כשספק אחד נופל.

שקיפות ב-AI היא העיקרון שלפיו ארגון חושף מידע ברור על השימוש שלו בבינה מלאכותית, כולל מתי משתמשים בה, על אילו נתונים היא מבוססת ומה מגבלותיה. לדוגמה, ציון בפני לקוח שהוא משוחח עם בוט ולא עם נציג אנושי הוא צעד בסיסי של שקיפות.

שרשור פרומפטים הוא שיטה שבה מפרקים משימה מורכבת לכמה פרומפטים עוקבים, כשהפלט של כל שלב משמש קלט לשלב הבא. לדוגמה, שלב אחד מסכם שיחת מכירה, השני מחלץ ממנה משימות, והשלישי מנסח מייל המשך ללקוח.

שרשרת מחשבה היא טכניקה שבה המודל מתבקש לפרט את שלבי החשיבה שלו צעד אחר צעד לפני מתן התשובה הסופית. השיטה משפרת דיוק במשימות של חישוב, לוגיקה ותכנון, כמו חישוב הצעת מחיר עם הנחות ותנאים מרובים.

שרת MCP הוא רכיב תוכנה שחושף כלים, נתונים ופעולות של מערכת מסוימת לפי פרוטוקול MCP, כך שסוכני AI יכולים להשתמש בהם. לדוגמה, שרת MCP של מערכת CRM יכול לאפשר לסוכן לחפש לקוח, לפתוח ליד חדש או לעדכן סטטוס עסקה.

שרת הסקה הוא תוכנה ייעודית שטוענת מודלים מאומנים ומגישה אותם דרך API, תוך ניהול אצוות, זיכרון, גרסאות ומדדי ביצועים. דוגמאות נפוצות כוללות את vLLM ואת Triton של NVIDIA, והבחירה בשרת משפיעה ישירות על עלות ומהירות השירות.

תאריך סף ידע הוא הנקודה בזמן שבה הסתיימו נתוני האימון של המודל, כך שאין לו ידע מובנה על אירועים מאוחרים יותר. לכן מודל עשוי לא להכיר מחירים, חוקים או מוצרים חדשים, אלא אם מספקים לו מידע עדכני.

תבנית הודעה בוואטסאפ היא הודעה בנוסח קבוע עם משתנים, שעוברת אישור של Meta ומשמשת לפתיחת שיחה יזומה עם לקוח דרך ה-API. תבניות משמשות לתזכורות תורים, עדכוני משלוח, אימות קוד או הודעות שיווקיות ללקוחות שהסכימו לקבלן.

תבנית פרומפט היא פרומפט קבוע עם משתנים שמתמלאים אוטומטית בכל שימוש, כמו שם הלקוח, המוצר או תוכן הפנייה. תבניות כאלה מאפשרות לשלב מודלי שפה באוטומציות עסקיות ולקבל פלט אחיד בכל הפעלה.

תגובה בזרימה היא שיטה שבה מודל שולח את התשובה בחלקים תוך כדי יצירתה, במקום להמתין לסיום ולשלוח הכול יחד. כך המשתמש בצ׳אט רואה את הטקסט נכתב בהדרגה, והחוויה מרגישה מהירה ורציפה יותר.

תגובת ברירת מחדל היא התגובה או המסלול שהבוט מפעיל כשהוא לא מבין את המשתמש או אין לו תשובה מתאימה. תגובה טובה כוללת בקשה לניסוח מחדש, הצעת אפשרויות או העברה לנציג, במקום להמציא תשובה או להיתקע בלולאה.

תהליך החלטה מרקובי הוא מסגרת מתמטית לתיאור בעיות קבלת החלטות רציפות, הכוללת מצבים, פעולות, הסתברויות מעבר ותגמולים. זו התשתית התיאורטית של למידת חיזוק, והיא מאפשרת לנסח בעיות כמו ניהול מלאי כמשימת למידה.

תובנות לקוחות הן הבנות מעשיות על צרכים, העדפות והתנהגות של לקוחות, שמופקות מניתוח נתונים ומשוב. הן משמשות לשיפור מוצרים, מסרים ושירות, למשל גילוי שרוב הלקוחות פונים בשעות הערב, מה שמצדיק מענה אוטומטי מחוץ לשעות הפעילות.

תוחמים בפרומפט הם סימנים או תגיות, כמו מרכאות משולשות או תגיות בסגנון XML, שמפרידים בין ההוראות לבין הטקסט שהמודל צריך לעבד. הם עוזרים למודל להבחין מה ההוראה ומה התוכן, למשל כשמדביקים מייל של לקוח לסיכום.

תזמון חכם הוא שימוש באלגוריתמים ו-AI לשיבוץ משמרות, תורים, טכנאים או משאבים באופן מיטבי לפי זמינות, עומסים, מיקום ועדיפויות. חברת שירות שטח יכולה, למשל, לשבץ טכנאים לפי קרבה גאוגרפית ומיומנות ולצמצם זמני נסיעה.

תזמון קצב למידה הוא מנגנון שמשנה את קצב הלמידה במהלך האימון לפי תוכנית מוגדרת, למשל הגדלה הדרגתית בהתחלה והקטנה לקראת הסוף. שיטה זו משפרת את יציבות האימון ואת הדיוק הסופי, והיא סטנדרטית באימון מודלים גדולים.

תזמור סוכנים הוא ניהול ותיאום של סוכני AI, כלים ושלבי עבודה, כולל קביעת סדר הפעולות, העברת מידע ביניהם וטיפול בשגיאות. תזמור טוב הוא שמאפשר להפוך כמה סוכנים נפרדים לתהליך עסקי יציב, כמו קליטת ליד, הצעת מחיר ומעקב אוטומטי.

תיאור תמונה אוטומטי הוא משימה שבה מודל מייצר משפט בשפה טבעית שמתאר את תוכן התמונה. הוא משמש ליצירת טקסט חלופי לנגישות אתרים ולכתיבת תיאורי מוצרים ראשוניים בחנויות אונליין על סמך התמונה.

תיבה תוחמת היא מלבן שמסמן את מיקומו של עצם שזוהה בתמונה, ומוגדר לפי קואורדינטות של פינותיו. זהו הפלט הנפוץ של מודלים לזיהוי עצמים, ובאמצעותו מערכת יכולה למשל לסמן כל מוצר על מדף או כל רכב בחניון.

תיוג חלקי דיבר הוא משימה בסיסית ב־NLP שבה כל מילה במשפט מסומנת לפי תפקידה הדקדוקי, כמו שם עצם, פועל או תואר. זהו שלב עזר חשוב בניתוח טקסט, במיוחד בעברית שבה מילה אחת יכולה להיקרא בכמה דרכים.

תיוג נתונים הוא תהליך שבו מוסיפים לכל דוגמה תווית נכונה, כמו קטגוריה, תשובה או סימון אובייקט, כדי שמודל יוכל ללמוד ממנה. לדוגמה, מרפאה יכולה לתייג פניות כקביעת תור, ביטול או שאלה רפואית כדי לאמן בוט שמנתב אותן.

תיקון 13 לחוק הגנת הפרטיות הוא רפורמה משמעותית שנכנסה לתוקף באוגוסט 2025 ומעדכנת את דיני הפרטיות בישראל. התיקון מרחיב הגדרות של מידע אישי ומידע רגיש, מעניק לרשות להגנת הפרטיות סמכויות אכיפה וקנסות מנהליים, ומחייב גופים מסוימים במינוי ממונה הגנת פרטיות.

תיקון שגיאות דקדוק הוא משימה שבה מערכת מזהה ומתקנת שגיאות כתיב, דקדוק ופיסוק בטקסט. הוא משמש בכלי כתיבה, בבדיקת תוכן שיווקי לפני פרסום ובשיפור איכות תשובות של נציגים ללקוחות.

תכונה היא משתנה מדיד אחד שמשמש כקלט למודל למידת מכונה, כמו גיל לקוח, סכום רכישה אחרון או מספר פניות לשירות. בחירה נכונה של תכונות משפיעה מאוד על איכות התחזיות, לעיתים יותר מבחירת האלגוריתם עצמו.

תכנון וביצוע הוא דפוס סוכנים שבו המודל בונה תחילה תוכנית מלאה של שלבים, ואז מבצע אותם אחד אחרי השני ומעדכן את התוכנית לפי הצורך. הדפוס מתאים למשימות ארוכות כמו הכנת דוח חודשי משילוב נתונים מכמה מערכות.

תכנון סוכן הוא השלב שבו סוכן AI קובע אילו צעדים, באיזה סדר ובאילו כלים יידרשו כדי להשיג את המטרה שהוגדרה לו. תכנון טוב מקטין טעויות ועלויות, למשל כשסוכן מחליט לבדוק קודם את פרטי הלקוח ורק אחר כך להציע מועד פגישה.

תמונה לווידאו היא טכניקה שבה מודל מקבל תמונה סטטית ומנפיש אותה לקטע וידאו קצר עם תנועה טבעית. כך אפשר למשל להפוך תמונת מוצר או צילום של נכס לסרטון קצר ומושך עבור מודעה ברשתות החברתיות.

תמונה לתמונה היא טכניקה שבה מודל מקבל תמונה קיימת יחד עם הנחיה ומייצר גרסה חדשה שלה, למשל בסגנון שונה או עם שינויים בתוכן. כך אפשר להפוך סקיצה להדמיה מלאה או לשנות את עיצוב החדר בתמונת דירה.

תמונת לקוח אחודה היא תצוגה מרוכזת של כל המידע על לקוח, כולל רכישות, פניות שירות, שיחות והעדפות, במקום אחד. היא מאפשרת לנציג או לסוכן AI לתת מענה מותאם בלי לשאול את הלקוח שאלות שכבר ענה עליהן.

תמחור דינמי הוא שינוי מחירים באופן אוטומטי לפי ביקוש, זמן, מלאי, מחירי מתחרים ומאפייני לקוח. הוא נפוץ בתעופה, במלונאות ובמסחר מקוון, ומודלים של AI מאפשרים לעדכן מחירים בתדירות גבוהה תוך שמירה על רווחיות.

תמלול בזמן אמת הוא המרת דיבור לטקסט תוך כדי השיחה, עם השהיה קצרה בלבד. הוא משמש לכתוביות חיות בשידורים ובפגישות, ובמוקדי שירות לסיוע לנציג בהצגת מידע רלוונטי בזמן שהלקוח מדבר.

תסקיר השפעה על הפרטיות הוא הערכה מובנית של הסיכונים לפרטיות שנובעים ממערכת או מתהליך חדש, יחד עם האמצעים להפחתתם. ה-GDPR מחייב תסקיר כזה בעיבוד בסיכון גבוה, והוא מומלץ לפני הטמעת מערכת AI שמעבדת מידע אישי בהיקף רחב.

תסריט שיחה הוא המבנה המתוכנן של שיחה עם בוט, כולל השלבים, השאלות, התגובות האפשריות והמעברים ביניהם. גם בבוטים מבוססי מודלי שפה מגדירים תסריט כללי כדי להבטיח שהשיחה תגיע ליעד העסקי, כמו קביעת פגישה או השארת פרטים.

תערובת מומחים היא ארכיטקטורה שבה המודל מורכב מכמה תתי רשתות, המכונות מומחים, ורכיב ניתוב בוחר לכל טוקן רק חלק קטן מהם להפעלה. כך אפשר לבנות מודל עם מספר עצום של פרמטרים תוך שימוש בחלק קטן מהם בכל חישוב, ולחסוך בעלויות הרצה.

תעתיק הוא המרת מילים מכתב של שפה אחת לכתב של שפה אחרת לפי הצליל, בלי לתרגם את המשמעות, למשל כתיבת שם עברי באותיות לטיניות. הוא חשוב בחיפוש שמות לקוחות במערכות ובהתאמת שמות בין מסמכים בשפות שונות.

תפוקה היא כמות העבודה שמערכת מסוגלת לעבד ביחידת זמן, למשל מספר בקשות או טוקנים בשנייה. מוקד שירות שמטפל באלפי פניות במקביל צריך תשתית עם תפוקה גבוהה, גם אם כל תשובה בודדת אינה המהירה ביותר.

תפוקה שמורה היא רכישה מראש של קיבולת קבועה של מודל בענן, בתשלום קבוע לתקופה, במקום תשלום לפי טוקן. היא מבטיחה ביצועים צפויים ולא מושפעת מעומס של לקוחות אחרים, ומתאימה לארגונים עם נפח שימוש גבוה ויציב.

תקנות הגנת הפרטיות (אבטחת מידע), התשע״ז-2017, קובעות דרישות מחייבות לאבטחת מאגרי מידע אישי בישראל לפי רמת הרגישות והיקף המאגר. הן כוללות חובות כמו הגדרת הרשאות, תיעוד, גיבוי ודיווח על אירועי אבטחה חמורים, ורלוונטיות לכל מערכת CRM או בוט ששומרים פרטי לקוחות.

תרגום דיבור לדיבור הוא טכנולוגיה שמקבלת דיבור בשפה אחת ומפיקה דיבור מתורגם בשפה אחרת, לעיתים כמעט בזמן אמת. היא מאפשרת למשל לנציג שירות דובר עברית לנהל שיחה עם לקוח דובר אנגלית או רוסית.

תרגום מכונה הוא תרגום אוטומטי של טקסט או דיבור משפה אחת לשפה אחרת באמצעות מחשב. הוא מאפשר לעסקים לתרגם אתרים, קטלוגים ותכתובות עם לקוחות במהירות, אך מומלץ לבדוק ידנית מסמכים משפטיים ותוכן שיווקי חשוב.

תרחיש ב-Make הוא תהליך אוטומציה שבנוי מרצף מודולים מחוברים, שכל אחד מבצע פעולה באפליקציה מסוימת, כולל פיצולים, מסננים ולולאות. תרחיש יכול למשל לקלוט הזמנה מחנות אונליין, להפיק חשבונית ולשלוח ללקוח אישור בוואטסאפ.

תשלום לפי שימוש הוא מודל תמחור שבו משלמים רק על המשאבים שנצרכו בפועל, בלי התחייבות או תשלום קבוע מראש. רוב שירותי ה־AI בענן מתומחרים כך, מה שמאפשר לעסק קטן להתחיל בעלות נמוכה ולגדול בהדרגה.

תת-סוכן הוא סוכן AI שמופעל על ידי סוכן אחר לביצוע משימה ממוקדת, עם הקשר, הוראות וכלים מצומצמים משלו. השימוש בתתי-סוכנים מונע עומס מידע על הסוכן הראשי, למשל כשסוכן מחקר שולח כמה תתי-סוכנים לבדוק מתחרים במקביל.

AEO הוא אופטימיזציה של תוכן כך שישמש תשובה ישירה לשאלות של משתמשים במנועי תשובות, כמו קטעים מודגשים בגוגל, עוזרים קוליים וצ׳אטבוטים. הוא מתמקד בניסוח שאלות ותשובות קצרות וברורות, למשל עמוד שאלות נפוצות שעונה בדיוק על מה שלקוחות שואלים.

AI Mode הוא מצב חיפוש של גוגל שבו המשתמש מנהל שיחה עם בינה מלאכותית ומקבל תשובות מפורטות עם קישורים, במקום רשימת תוצאות רגילה. הוא מאפשר שאלות המשך ומורכבות יותר, ומחזק את החשיבות של תוכן שקל למודלים להבין ולצטט.

AI Overviews הן סיכומים שנוצרים על ידי בינה מלאכותית ומוצגים בראש תוצאות החיפוש של גוגל, עם קישורים למקורות שעליהם הם מבוססים. עבור עסקים הן משנות את כללי המשחק, כי משתמשים רבים מקבלים תשובה בלי להיכנס לאתר, ולכן חשוב להופיע כמקור מצוטט.

AI אמין הוא מונח המתאר מערכת בינה מלאכותית שהיא חוקית, אתית ועמידה מבחינה טכנית, וזוכה בשל כך באמון המשתמשים והחברה. המונח נפוץ במסמכי מדיניות של האיחוד האירופי ושל OECD, וכולל עקרונות כמו פיקוח אנושי, פרטיות, שקיפות, הוגנות ואחריותיות.

AI בהדמיה רפואית הוא שימוש בראייה ממוחשבת לניתוח צילומי רנטגן, CT, MRI ואולטרסאונד כדי לסייע באיתור ממצאים. מערכות כאלה משמשות ככלי עזר לרופאים, למשל לסימון ממצאים חשודים ולתעדוף בדיקות דחופות, ולא כתחליף לאבחנה רפואית.

AI בקצה הוא הרצת מודלי בינה מלאכותית ישירות על מכשירים מקומיים כמו מצלמות, חיישנים, טלפונים או מחשבי תעשייה, במקום בענן. הגישה מקטינה השהיה, חוסכת תעבורה ושומרת מידע רגיש במקום, למשל מצלמת חנות שמזהה תורים בקופה בלי לשדר וידאו החוצה.

AI דו־שימושי הוא טכנולוגיית בינה מלאכותית שיכולה לשמש גם למטרות מועילות וגם למטרות מזיקות, כמו מודל שמסייע בפיתוח תרופות אך עלול לסייע גם בתכנון חומרים מסוכנים. הנושא משפיע על מדיניות פיקוח על יצוא ועל ההחלטות של חברות האם לשחרר מודלים בקוד פתוח.

AI ורטיקלי הוא פתרון בינה מלאכותית שמותאם לתעשייה ספציפית, כמו רפואה, משפט, נדל״ן או ביטוח, עם ידע, מונחים ותהליכים ייחודיים לה. הוא נוטה להיות מדויק ושימושי יותר מכלי כללי, למשל עוזר שמכיר את תהליך העבודה במשרד עורכי דין.

AI חוקתי היא גישת אימון שבה מודל שפה מקבל רשימת עקרונות כתובים, מעין חוקה, ולומד לבקר ולתקן את תשובותיו בעצמו לפיהם. הגישה פותחה על ידי Anthropic כדי להפחית את התלות בתיוג אנושי ולשפר את בטיחות המודל.

AI כשירות הוא מודל עסקי שבו יכולות בינה מלאכותית, כמו מודלי שפה, זיהוי תמונה או תמלול, מסופקות דרך הענן תמורת תשלום לפי שימוש או מנוי. הוא מאפשר לעסקים להשתמש ב-AI מתקדם בלי להחזיק תשתית או צוות מחקר משלהם.

AI על המכשיר הוא הרצת מודלים ישירות על הטלפון, המחשב או השעון של המשתמש, בלי לשלוח את הנתונים לשרת. היא משפרת פרטיות, עובדת גם בלי חיבור לאינטרנט ומקצרת זמני תגובה, למשל בתמלול הקלטות או בהצעות כתיבה במקלדת.

AI21 Labs היא חברת בינה מלאכותית ישראלית שנוסדה ב־2017, בין היתר על ידי פרופ׳ יואב שהם ופרופ׳ אמנון שעשוע, ומפתחת מודלי שפה לארגונים. החברה פיתחה גם את כלי הכתיבה Wordtune ואת משפחת המודלים Jamba.

API הוא ממשק מוגדר שדרכו תוכנה אחת מבקשת שירות או מידע מתוכנה אחרת, לפי כללים קבועים של בקשה ותגובה. כך מערכת CRM יכולה לשלוח טקסט למודל שפה בענן ולקבל סיכום שיחה, בלי שהעסק יצטרך להריץ את המודל בעצמו.

API תואם OpenAI הוא ממשק שמחקה את מבנה הבקשות והתגובות של ה־API של OpenAI, כך שקוד שנכתב עבורו עובד גם מול ספקים או שרתים אחרים. הוא מאפשר להחליף מודל או ספק בשינוי כתובת ומפתח בלבד, בלי לשכתב את האפליקציה.

ASIC הוא שבב שתוכנן למשימה אחת מוגדרת, ולכן הוא יעיל מאוד בה אך אינו גמיש כמו מעבד כללי. חברות ענן גדולות מפתחות שבבי ASIC ייעודיים לאימון ולהסקה של מודלי AI כדי להוזיל עלויות ולהפחית תלות בספקי GPU.

AUC הוא השטח שמתחת לעקומת ROC, ערך בין 0 ל-1 שמבטא את יכולת המודל להבחין בין מקרים חיוביים לשליליים. ערך 0.5 שקול לניחוש אקראי וערך קרוב ל-1 מעיד על הבחנה טובה מאוד, ולכן הוא נפוץ בהשוואת מודלים.

AdaBoost הוא אחד מאלגוריתמי הבוסטינג הראשונים, שבו כל מודל חדש נותן משקל גבוה יותר לדוגמאות שהמודלים הקודמים סיווגו בטעות. הוא פשוט יחסית ליישום, אך רגיש לנתונים רועשים ולערכים חריגים.

Adam הוא אופטימייזר פופולרי שמתאים לכל משקל קצב למידה משלו, על בסיס ממוצעים נעים של הגרדיאנטים ושל ריבועיהם. הוא עובד היטב כמעט מהקופסה ולכן נפוץ מאוד באימון מודלי שפה ורשתות עמוקות, לעיתים בגרסה המשופרת AdamW.

Adobe Firefly היא משפחת מודלי AI יוצרים של אדובי ליצירת תמונות, וקטורים ואפקטים, המשולבת בפוטושופ, באילוסטרייטור ובאקספרס. אדובי מציגה אותה כמאומנת על תוכן מורשה, מה שמושך עסקים שחוששים מבעיות זכויות יוצרים בשימוש מסחרי.

Agentforce היא פלטפורמת סוכני ה־AI של Salesforce, המאפשרת לבנות סוכנים שפועלים על נתוני ה־CRM ומבצעים משימות בשירות, מכירות ושיווק. לדוגמה, סוכן יכול לענות ללקוח, לפתוח קריאת שירות ולתאם פגישה עם נציג מכירות.

AlphaFold היא מערכת AI של DeepMind שחוזה את המבנה התלת־ממדי של חלבונים מתוך רצף חומצות האמינו שלהם. הפריצה הזו האיצה מחקר ביולוגי ופיתוח תרופות, ובזכותה זכו דמיס הסאביס וג׳ון ג׳מפר בפרס נובל לכימיה לשנת 2024.

AlphaGo היא תוכנת AI של DeepMind ששיחקה במשחק הלוח גו, וב־2016 ניצחה את אלוף העולם לי סה־דול בסדרת משחקים. ההישג נחשב לאבן דרך, כי הוכיח שלמידה עמוקה ולמידת חיזוק יכולות להתמודד עם בעיות שנחשבו קשות מדי למחשבים.

Amazon Bedrock הוא שירות מנוהל של AWS שמספק גישה דרך API אחד למודלי בסיס של כמה ספקים, יחד עם כלים לבניית אפליקציות וסוכנים. הוא מאפשר לארגונים שכבר עובדים ב־AWS לשלב מודלי שפה בתוך סביבת הענן והאבטחה הקיימת שלהם.

Amazon SageMaker הוא שירות של AWS לבנייה, אימון ופריסה של מודלי למידת מכונה, הכולל סביבות פיתוח, אימון מנוהל והגשת מודלים. הוא משמש צוותי נתונים שרוצים לפתח מודלים משלהם בלי לנהל בעצמם שרתים ותשתית.

Anthropic היא חברת בינה מלאכותית אמריקאית שנוסדה ב־2021 על ידי עובדים לשעבר של OpenAI, ובהם דריו ודניאלה אמודיי, ומתמקדת בבטיחות AI. החברה מפתחת את משפחת המודלים Claude, המוצעת לעסקים דרך אפליקציה, API וספקי ענן גדולים.

Apple Intelligence הוא סט יכולות הבינה המלאכותית של אפל, שהוצג ב־2024 ומשולב באייפון, באייפד ובמק. הוא כולל כלי כתיבה, סיכום התראות ויצירת תמונות, ומדגיש עיבוד על המכשיר עצמו לשמירה על פרטיות.

AutoGen היא מסגרת קוד פתוח של מיקרוסופט לבניית מערכות רב־סוכניות, שבהן כמה סוכני AI משוחחים ומשתפים פעולה כדי לפתור משימה. מפתחים משתמשים בה למשל כדי לשלב סוכן שכותב קוד עם סוכן שבודק אותו ועם אדם שמאשר את התוצאה.

AutoML הוא תחום וכלים שמבצעים באופן אוטומטי שלבים בפיתוח מודלי למידת מכונה, כמו בחירת אלגוריתם, הנדסת תכונות וכוונון היפר־פרמטרים. הוא מאפשר לארגונים ללא צוות מדעני נתונים גדול לבנות מודלי חיזוי בסיסיים מהר יותר.

Azure OpenAI הוא שירות בענן של מיקרוסופט שמציע גישה למודלים של OpenAI בתוך תשתית Azure, עם כלי האבטחה, הניהול והתאימות של הענן הארגוני. הוא נפוץ בחברות שכבר עובדות בסביבת מיקרוסופט ורוצות שליטה ארגונית על השימוש במודלים.

BLEU הוא מדד אוטומטי להערכת איכות תרגום מכונה, שבודק כמה רצפי מילים בתרגום של המודל חופפים לתרגום אנושי מוכן. הוא מהיר וזול, אך אינו מבין משמעות, ולכן תרגום נכון בניסוח שונה עלול לקבל ציון נמוך.

Batch API הוא ממשק שמציעים ספקי מודלים לשליחת כמות גדולה של בקשות בבת אחת לעיבוד אסינכרוני, עם תוצאות שחוזרות בתוך פרק זמן ארוך יותר. בתמורה להמתנה הוא מוזיל משמעותית את העלות, ומתאים למשימות כמו סיווג אלפי פניות או תיוג מוצרים בקטלוג.

Bolt.new הוא כלי של חברת StackBlitz ליצירת אפליקציות ווב מלאות מתוך פרומפט, הפועל כולו בדפדפן ומאפשר לערוך, להריץ ולפרוס את הקוד. הוא מתאים לבניית אב טיפוס מהיר ולבדיקת רעיונות לפני השקעה בפיתוח מלא.

C2PA הוא תקן פתוח, שפותח על ידי קואליציה של חברות טכנולוגיה ומדיה, לצירוף מידע חתום דיגיטלית לקבצי מדיה על מקורם ועל השינויים שנעשו בהם, כולל שימוש ב-AI. המידע מוצג למשתמשים לעיתים תחת השם Content Credentials ומסייע להבחין בין תוכן אותנטי לתוכן שנוצר או נערך.

CI/CD ללמידת מכונה הוא יישום של אינטגרציה ופריסה רציפות על מודלים, כך שכל שינוי בקוד, בנתונים או במודל עובר בדיקות אוטומטיות לפני שהוא עולה לייצור. זה מצמצם טעויות אנוש ומאפשר לעדכן מודלים בתדירות גבוהה ובביטחון.

CLIP היא שיטת אימון שמלמדת מודל לקשר בין תמונות לתיאורים טקסטואליים שלהן, כך ששניהם מיוצגים באותו מרחב מספרי. היא מאפשרת חיפוש תמונות לפי תיאור חופשי וסיווג תמונות לקטגוריות חדשות בלי אימון נוסף.

CRM היא מערכת לניהול קשרי לקוחות שמרכזת את כל המידע על לקוחות ולידים, כולל פרטי קשר, היסטוריית שיחות, עסקאות ומשימות. שילוב AI במערכת מאפשר תיעוד אוטומטי של שיחות, תזכורות חכמות ודירוג לידים, כך שאף פנייה לא נופלת בין הכיסאות.

CSAT הוא מדד שביעות רצון לקוחות שנמדד בשאלה קצרה אחרי אינטראקציה מסוימת, כמו שיחת שירות או רכישה. הוא משמש גם להערכת מענה אוטומטי, למשל השוואה בין שביעות הרצון מפניות שטופלו על ידי בוט לבין פניות שטופלו על ידי נציג.

CUDA היא פלטפורמת תכנות של NVIDIA שמאפשרת למפתחים להריץ חישובים כלליים על כרטיסי GPU של החברה. רוב ספריות הלמידה העמוקה בנויות מעליה, ולכן היא אחת הסיבות לדומיננטיות של NVIDIA בשוק חומרת ה־AI.

Canva Magic Studio הוא אוסף כלי ה־AI בפלטפורמת העיצוב Canva, הכולל יצירת תמונות, כתיבת טקסטים, הסרת רקע והתאמת עיצובים לפורמטים שונים. הוא מאפשר לעסקים קטנים להפיק פוסטים, מצגות ופרסומות במהירות בלי מעצב גרפי.

CatBoost היא ספריית קוד פתוח של Yandex ליישום Gradient Boosting, שמצטיינת בטיפול מובנה במשתנים קטגוריאליים ללא צורך בקידוד ידני. היא נוחה במיוחד לנתונים עסקיים שכוללים שדות כמו עיר, סוג מוצר או ערוץ שיווק.

Character.AI היא פלטפורמה צרכנית לשיחה עם דמויות AI, שחלקן נוצרות על ידי משתמשים ומחקות דמויות בדיוניות או היסטוריות. היא ממחישה את השימוש ב־AI לבידור ולחברותא, ומעוררת דיון ציבורי על השפעת צ׳אטבוטים על בני נוער.

ChatGPT הוא עוזר שיחה מבוסס מודל שפה גדול של OpenAI, שהושק בנובמבר 2022 והפך לאחד המוצרים הצרכניים המהירים ביותר לצבור משתמשים. עסקים משתמשים בו לכתיבת תוכן, סיכום מסמכים, ניתוח נתונים ומענה ראשוני לשאלות, וגרסאות הארגון שלו מאפשרות שימוש עם הגדרות פרטיות מחמירות יותר.

Chroma הוא מסד נתונים וקטורי בקוד פתוח, פשוט להתקנה ונפוץ בפרויקטים של RAG ובאבות טיפוס של אפליקציות מבוססות מודלי שפה. מפתחים בוחרים בו בשלב הניסוי בזכות השילוב הקל עם LangChain ו־LlamaIndex.

Claude הוא משפחת מודלי שפה ועוזר AI של Anthropic, הידוע ביכולת כתיבה, ניתוח מסמכים ארוכים ותכנות. ארגונים משתמשים בו לסיכום חוזים, כתיבת קוד, מענה לפניות לקוחות ובניית סוכני AI שמפעילים כלים חיצוניים.

Claude Code הוא כלי תכנות סוכני של Anthropic שפועל מהטרמינל ומסביבות פיתוח, וקורא קוד, עורך קבצים ומריץ פקודות לפי בקשת המפתח. צוותי פיתוח משתמשים בו לבניית פיצ׳רים, תיקון באגים וכתיבת בדיקות בצורה מהירה יותר.

Claude Opus הוא המודל החזק ביותר בכל דור של משפחת Claude של Anthropic, המיועד למשימות מורכבות של הסקה, תכנות וניתוח. הוא יקר ואיטי יותר מהמודלים הקטנים במשפחה, ולכן מתאים למשימות שבהן איכות התשובה קריטית, כמו סוכני תכנות או מחקר מעמיק.

Claude Sonnet הוא מודל הביניים במשפחת Claude של Anthropic, המאזן בין איכות גבוהה לבין מהירות ועלות סבירה. בשל האיזון הזה הוא נפוץ מאוד בשימושים עסקיים יומיומיים, כמו צ׳אטבוטים, עיבוד מסמכים ועוזרי תכנות.

Codex הוא שם שבו OpenAI משתמשת עבור מודלים וכלים לכתיבת קוד, ובגרסתו העדכנית זהו סוכן תכנות שמבצע משימות פיתוח בסביבה מבודדת. הגרסה המקורית של Codex שימשה בסיס ל־GitHub Copilot, והגרסה החדשה מסוגלת לתקן באגים ולהציע שינויים לבדיקה.

Cohere היא חברת בינה מלאכותית קנדית המתמקדת בפתרונות לארגונים, ומפתחת מודלי שפה, מודלי הטמעה ומודלי דירוג מחדש לחיפוש. המודלים שלה משמשים בעיקר בבניית מערכות RAG וחיפוש ארגוני, עם אפשרות לפריסה בענן פרטי.

ControlNet היא טכניקה שמוסיפה למודלי יצירת תמונות שליטה מבנית, כמו קווי מתאר, תנוחת גוף או מפת עומק, כדי שהתמונה שתיווצר תתאים למבנה רצוי. כך אפשר למשל ליצור הדמיות עיצוב פנים ששומרות על המבנה המדויק של החדר.

Copilot Studio היא פלטפורמת Low-Code של מיקרוסופט לבניית סוכני AI וצ׳אטבוטים מותאמים, המחוברים למקורות מידע ולמערכות הארגון. עסקים בונים בה בוט שעונה לעובדים על נהלי משאבי אנוש או סוכן שמטפל בפניות לקוחות ומעדכן מערכות.

CrewAI היא מסגרת קוד פתוח בפייתון לבניית צוותים של סוכני AI, שבה לכל סוכן מוגדר תפקיד, מטרה וכלים, והם משתפים פעולה במשימה. לדוגמה, סוכן אחד אוסף מידע על ליד, סוכן שני מנתח אותו וסוכן שלישי מנסח פנייה מותאמת.

Cursor הוא עורך קוד מבוסס AI של חברת Anysphere, הבנוי על בסיס VS Code ומשלב צ׳אט, השלמת קוד וסוכנים שעורכים קבצים בפרויקט. מפתחים משתמשים בו כדי לכתוב פיצ׳רים, לתקן באגים ולהבין קוד קיים מהר יותר.

DALL·E היא סדרת מודלים של OpenAI ליצירת תמונות מתיאור טקסטואלי, ששמה משלב את הצייר סלבדור דאלי ואת הרובוט WALL·E. הכלי שימש ליצירת איורים, הדמיות מוצר וחומרים שיווקיים במהירות, ויכולות יצירת התמונות של OpenAI שולבו בהמשך ישירות ב־ChatGPT.

DBSCAN הוא אלגוריתם אשכול שמזהה קבוצות לפי צפיפות הנקודות, ומסמן נקודות בודדות ורחוקות כרעש. בניגוד ל־K-Means הוא אינו דורש לקבוע מראש את מספר הקבוצות ומסוגל לזהות קבוצות בצורות לא סדירות, למשל אזורי ביקוש גאוגרפיים.

DQN הוא אלגוריתם למידת חיזוק שמשתמש ברשת נוירונים עמוקה כדי להעריך את התגמול העתידי הצפוי מכל פעולה בכל מצב. הוא התפרסם כאשר למד לשחק משחקי אטארי ישירות מהתמונה על המסך, והיווה פריצת דרך בלמידת חיזוק עמוקה.

DeepSeek היא חברת בינה מלאכותית סינית מהעיר חאנגג׳ואו, המפתחת מודלי שפה פתוחי משקלים בעלות אימון נמוכה יחסית. המודלים שלה עוררו הדים בתחילת 2025 כשהשיגו ביצועים קרובים למודלים מערביים מובילים, אך ארגונים רבים בוחנים בזהירות את מדיניות הפרטיות של השירות המקוון שלה.

DeepSeek-R1 הוא מודל הסקה פתוח משקלים של DeepSeek שפורסם בינואר 2025, ומבצע חשיבה בשלבים בדומה לסדרת o של OpenAI. הוא אומן במידה רבה באמצעות למידת חיזוק, ופרסומו הוכיח שניתן להגיע ליכולות הסקה גבוהות גם בקוד פתוח.

Descript היא תוכנה לעריכת וידאו ופודקאסטים באמצעות עריכת התמלול, כך שמחיקת מילה בטקסט מוחקת אותה גם מהקובץ. היא כוללת יכולות AI כמו הסרת מילות מילוי ושיפור איכות קול, ומשמשת יוצרי תוכן וצוותי שיווק.

DictaLM היא משפחת מודלי שפה פתוחים שפותחו על ידי Dicta, מרכז ישראלי ללא מטרות רווח לכלים דיגיטליים בעברית, ומותאמת במיוחד לעברית. מודלים כאלה חשובים לעסקים ישראליים, משום שמודלים כלליים מתקשים לעיתים בדקדוק, בניסוח ובמונחים מקומיים.

E-E-A-T הוא מסגרת מתוך הנחיות הדירוג של גוגל שמעריכה תוכן לפי ניסיון, מומחיות, סמכותיות ואמינות. בעידן של תוכן שנוצר ב-AI היא חשובה במיוחד, כי תוכן שמציג ניסיון אמיתי, כותבים מזוהים ומקורות מהימנים בולט מול טקסטים גנריים.

ELT הוא גישה לעיבוד נתונים שבה קודם טוענים את הנתונים הגולמיים למאגר היעד ורק לאחר מכן מבצעים בתוכו את ההמרות. הגישה נפוצה במחסני נתונים בענן, משום שהיא מאפשרת לשמור את המידע המקורי ולעבד אותו מחדש לפי צורך.

ETL הוא תהליך נתונים בשלושה שלבים: שליפת נתונים ממקורות שונים, המרתם לפורמט אחיד ונקי, וטעינתם למאגר יעד כמו מחסן נתונים. עסקים משתמשים ב-ETL כדי לרכז נתונים ממערכת הנהלת חשבונות, CRM ואתר במקום אחד לצורך ניתוח.

Elastic Net היא שיטת רגולריזציה שמשלבת את הקנסות של Lasso ושל Ridge במודל אחד. היא מנצלת את היתרונות של שתיהן, ומתאימה במיוחד למצבים שבהם יש מספר רב של משתנים שחלקם מתואמים זה עם זה.

ElevenLabs היא חברה המפתחת טכנולוגיות קול מבוססות AI, ובהן הקראת טקסט בקול טבעי, שכפול קול ודיבוב לשפות רבות. עסקים משתמשים בה ליצירת קריינות לסרטונים, ספרי שמע ובוטים קוליים שעונים לשיחות טלפון.

FLOPS הוא מדד לכוח חישוב שסופר כמה פעולות חשבון עם מספרים עשרוניים מעבד מבצע בשנייה. הוא משמש להשוואה בין מאיצי AI ולהערכת כמות החישוב הנדרשת לאימון מודל, שנמדדת לעיתים בסך כל הפעולות שבוצעו.

FPGA הוא שבב שאפשר לתכנת מחדש את המבנה הלוגי שלו לאחר הייצור, ובכך להתאים אותו למשימה מסוימת. הוא משמש להאצת AI במקרים שדורשים השהיה נמוכה מאוד וגמישות, כמו עיבוד אותות, תקשורת ומערכות תעשייתיות.

Fin הוא סוכן שירות לקוחות מבוסס AI של חברת Intercom, העונה ללקוחות בצ׳אט ובערוצים נוספים מתוך מאגר הידע של העסק. כשהוא אינו יכול לפתור פנייה הוא מעביר אותה לנציג אנושי, ובכך מפחית עומס על מוקדי שירות.

FlashAttention הוא אלגוריתם לחישוב מנגנון הקשב שמארגן את הפעולות כך שיצמצמו את המעבר בין סוגי הזיכרון במעבד הגרפי, בלי לשנות את התוצאה. הוא מאיץ אימון והרצה של טרנספורמרים ומאפשר לעבד רצפים ארוכים יותר באותה חומרה.

Flux היא משפחת מודלים ליצירת תמונות מטקסט של חברת Black Forest Labs, שהקימו חוקרים שהיו מעורבים בפיתוח Stable Diffusion. המודלים בולטים ביכולת לכתוב טקסט קריא בתוך תמונה ובריאליזם, וחלקם זמינים כמודלים פתוחי משקלים.

GDPR היא תקנת הגנת המידע הכללית של האיחוד האירופי, החלה מאז 2018 על עיבוד מידע אישי של אנשים באיחוד, גם על ידי חברות מחוץ לאירופה. עסק ישראלי שמשרת לקוחות אירופים באמצעות בוט או CRM צריך לעמוד בדרישותיה, כולל בסיס חוקי לעיבוד וזכויות נושאי המידע.

GELU היא פונקציית אקטיבציה חלקה שמעבירה ערכים חיוביים כמעט כמות שהם ומחלישה בהדרגה ערכים שליליים, בהתבסס על ההתפלגות הנורמלית. היא נפוצה במודלי טרנספורמר כמו BERT ו־GPT, ונחשבת לגרסה רכה ויעילה יותר של ReLU לאימון מודלי שפה.

GEO הוא תחום שעוסק בשיפור הסיכוי שתוכן של עסק יופיע, יצוטט או יומלץ בתשובות של מנועי בינה מלאכותית כמו ChatGPT, Gemini ו-Perplexity. הוא כולל כתיבת תוכן ברור וממוקד, הגדרות מדויקות, נתונים אמינים ומבנה שקל למודלים להבין ולצטט.

GGUF הוא פורמט קובץ לשמירת מודלי שפה, לרוב בגרסאות מכומתות, שנועד להרצה יעילה על מעבדים רגילים ומחשבים אישיים. הוא נפוץ בכלים להרצה מקומית של מודלים פתוחים, למשל כשרוצים לעבד מידע רגיש בלי לשלוח אותו לענן.

GPQA הוא בנצ׳מרק של שאלות קשות ברמת תואר מתקדם בביולוגיה, פיזיקה וכימיה, שנבנו כך שקשה למצוא את התשובה בחיפוש פשוט ברשת. הוא משמש להערכת יכולות הסקה מדעית של מודלים מתקדמים ומודלי חשיבה.

GPT הוא סוג של מודל שפה המבוסס על ארכיטקטורת טרנספורמר, שעבר אימון מקדים על טקסט רב ומייצר טקסט מילה אחר מילה. השם מזוהה עם סדרת המודלים של OpenAI, אך משמש לעיתים גם ככינוי כללי למודלי שפה יוצרים.

GPT-4 הוא מודל שפה גדול של OpenAI שהושק במרץ 2023 והציג קפיצה משמעותית ביכולות הסקה, כתיבה והבנת הקשר לעומת דורות קודמים. הוא שימש בסיס למוצרים רבים, כמו עוזרי כתיבה, מערכות שירות לקוחות וכלי ניתוח מסמכים בארגונים.

GPT-4o הוא מודל רב־אופני של OpenAI שהושק במאי 2024, והאות o בשמו מסמלת omni, כלומר יכולת לעבד טקסט, תמונה ושמע במודל אחד. המודל מהיר וזול יותר מ־GPT-4 המקורי, ולכן התאים לבוטים קוליים, לניתוח צילומי מסמכים ולשיחות בזמן אמת.

GPT-5 הוא דור מודלי הדגל של OpenAI שהושק באוגוסט 2025, ומשלב בין מענה מהיר לבין מצב חשיבה מעמיק לשאלות מורכבות. עבור עסקים הוא משמש לכתיבת קוד, ניתוח מסמכים ארוכים ובניית סוכני AI שמבצעים משימות מרובות שלבים.

GPTs מותאמים הם גרסאות מותאמות אישית של ChatGPT שמשתמשים יכולים לבנות בלי קוד, עם הוראות קבועות, קבצי ידע ופעולות חיצוניות. עסק יכול למשל ליצור GPT שעונה לפי נהלי החברה או מסייע לצוות המכירות לנסח הצעות מחיר.

GPU הוא מעבד שמבצע אלפי חישובים במקביל, ובמקור נועד לגרפיקה אך הפך לחומרה המרכזית לאימון ולהרצה של מודלי בינה מלאכותית. זמינות ומחיר של GPU קובעים במידה רבה כמה עולה ובאיזו מהירות פועל צ׳אטבוט או סוכן AI בעסק.

GPU כשירות הוא מודל עסקי שבו ספק משכיר גישה לכרטיסי GPU דרך הענן, לפי שעה או בהתחייבות, במקום שהלקוח ירכוש חומרה. לצד ספקי הענן הגדולים פועלות חברות ייעודיות שמציעות GPU מתקדמים לאימון ולהסקה של מודלים.

GRU היא יחידה ברשת רקורסיבית שמשתמשת בשני שערים כדי לשלוט בזרימת המידע לאורך הרצף, ומהווה גרסה פשוטה וקלה יותר של LSTM. היא משיגה לרוב ביצועים דומים עם פחות פרמטרים, ולכן מתאימה למודלים קטנים ומהירים.

GSM8K הוא בנצ׳מרק של כ-8,500 בעיות מילוליות במתמטיקה ברמת בית ספר יסודי, שבודק יכולת חשיבה רב-שלבית של מודלי שפה. הוא שימש רבות להערכת יכולות הסקה והשפעת טכניקות כמו שרשרת מחשבה.

Gemma היא משפחת מודלי שפה פתוחי משקלים של גוגל, שנבנו על בסיס המחקר והטכנולוגיה של Gemini. בזכות גודלם הקטן יחסית ניתן להריץ אותם על שרת פרטי או אפילו על מחשב נייד, מה שמתאים לארגונים שרוצים לשמור נתונים רגישים בתוך הבית.

GitHub Copilot הוא עוזר תכנות מבוסס AI של GitHub, השייכת למיקרוסופט, המציע השלמות קוד, צ׳אט ומצב סוכן בתוך סביבות פיתוח. הוא הוצג ב־2021 והיה מהכלים הראשונים שהכניסו AI לעבודה היומיומית של מתכנתים.

Gong היא פלטפורמה שנוסדה בישראל להקלטה וניתוח של שיחות מכירה ופגישות עם לקוחות באמצעות AI. היא מזהה נושאים, התנגדויות וסיכונים בעסקאות, ועוזרת למנהלי מכירות לאמן נציגים ולחזות סגירת עסקאות.

Google AI Studio היא סביבת עבודה מבוססת דפדפן של גוגל לניסוי במודלי Gemini, כתיבת פרומפטים והפקת מפתחות API. היא מאפשרת למפתחים ולאנשי מוצר לבנות אב טיפוס של יכולת AI במהירות לפני שילוב במערכת אמיתית.

Google Colab הוא שירות מחברות Jupyter בענן של גוגל, שמאפשר להריץ קוד פייתון בדפדפן עם גישה למעבדי GPU בלי התקנה מקומית. הוא פופולרי ללימוד AI, לניסויים מהירים בנתונים ולהרצת מודלים קטנים על ידי צוותים ללא תשתית משלהם.

Gradient Boosting היא שיטת בוסטינג שבה כל עץ החלטה חדש נבנה כדי לתקן את השגיאות שנותרו מהעצים הקודמים, באמצעות ירידת גרדיאנט על פונקציית ההפסד. היא נחשבת לאחת השיטות המדויקות ביותר לנתונים טבלאיים, כמו נתוני CRM ומכירות.

Grammarly הוא כלי מבוסס AI לבדיקת דקדוק, איות, סגנון וטון בכתיבה באנגלית, הפועל כתוסף לדפדפן ובאפליקציות רבות. עובדים ועסקים משתמשים בו לשיפור מיילים, הצעות מחיר ותוכן שיווקי המיועדים ללקוחות דוברי אנגלית.

GraphRAG היא שיטת RAG שבונה גרף ידע של ישויות והקשרים ביניהן מתוך המסמכים, ומשתמשת בו לשליפה במקום או בנוסף לחיפוש וקטורי. היא מתאימה לשאלות שדורשות הבנת קשרים, כמו אילו לקוחות קשורים לאותו פרויקט או ספק.

Grok הוא עוזר AI ומשפחת מודלי שפה של xAI, המשולב ברשת החברתית X ובעל גישה לפוסטים בזמן אמת. הוא משמש לשאלות כלליות, סיכום אירועים עדכניים ויצירת תמונות, וזמין גם דרך API למפתחים.

Groq היא חברת שבבים אמריקאית שפיתחה מעבד ייעודי להרצת מודלי שפה בשם LPU, המיועד למהירות הסקה גבוהה במיוחד. היא מציעה גם שירות ענן להרצת מודלים פתוחים, שימושי לבוטים קוליים ולאפליקציות שבהן זמן תגובה קצר קריטי. אין לבלבל עם Grok של xAI.

HBM הוא סוג זיכרון מהיר במיוחד הבנוי משכבות מוערמות וממוקם צמוד למעבד, ומספק רוחב פס גבוה בהרבה מזיכרון רגיל. הוא משמש במאיצי AI מתקדמים כי מהירות העברת הנתונים לזיכרון היא לרוב צוואר הבקבוק בהרצת מודלי שפה גדולים.

HNSW הוא אלגוריתם אינדקס נפוץ לחיפוש וקטורי משוער, שבונה גרף רב-שכבתי המאפשר לנווט במהירות אל הווקטורים הקרובים ביותר. מסדי נתונים וקטוריים רבים משתמשים בו כברירת מחדל, בזכות האיזון הטוב בין מהירות, דיוק וצריכת זיכרון.

HellaSwag הוא בנצ׳מרק שבודק הבנת היגיון בריא של מודלי שפה, באמצעות בחירת ההמשך הסביר ביותר לתיאור של מצב יומיומי. השאלות קלות לבני אדם אך תוכננו להיות קשות למודלים, ולכן הוא שימש להערכת הבנה הקשרית.

HeyGen היא פלטפורמה ליצירת סרטוני וידאו עם אווטארים דוברים מבוססי AI, כולל תרגום סרטונים לשפות אחרות עם סנכרון שפתיים. חברות משתמשות בה להפקת סרטוני הדרכה, הודעות שיווקיות מותאמות אישית ותוכן לרשתות בלי צילום מחדש.

Hugging Face היא פלטפורמה וקהילה מרכזית לבינה מלאכותית פתוחה, המארחת מאות אלפי מודלים, מאגרי נתונים ואפליקציות הדגמה. מפתחים משתמשים בה כדי למצוא מודל מתאים, לבדוק אותו ולהוריד אותו להרצה על שרתים משלהם.

HumanEval הוא בנצ׳מרק שפרסמה OpenAI להערכת יכולת כתיבת קוד של מודלי שפה, הכולל בעיות תכנות בפייתון שהפתרון להן נבדק באמצעות בדיקות אוטומטיות. הוא נפוץ בהשוואת מודלים שמשמשים כעוזרי פיתוח.

ISO/IEC 42001 הוא תקן בינלאומי למערכת ניהול בינה מלאכותית, המגדיר דרישות לארגון שמפתח, מספק או משתמש במערכות AI באופן אחראי. בדומה לתקני ניהול אחרים, ארגונים יכולים לקבל הסמכה לפיו כדי להראות ללקוחות ולשותפים שהם מנהלים סיכוני AI באופן מסודר.

IVR היא מערכת מענה קולי טלפוני שמנתבת מתקשרים באמצעות תפריט הקשות או פקודות קוליות פשוטות. מערכות IVR מסורתיות מוחלפות או משודרגות כיום בסוכנים קוליים מבוססי AI, שמאפשרים ללקוח פשוט להסביר מה הוא צריך.

InfiniBand היא טכנולוגיית רשת מהירה במיוחד עם השהיה נמוכה, המשמשת לחיבור שרתים במחשבי־על ובאשכולות אימון של AI. היא מאפשרת למאות ואלפי כרטיסי GPU להחליף נתונים במהירות ולעבוד יחד כמערכת אחת.

Isolation Forest הוא אלגוריתם לזיהוי אנומליות שמבודד דוגמאות באמצעות חלוקות אקראיות, מתוך הנחה שדוגמאות חריגות מתבודדות מהר יותר מדוגמאות רגילות. הוא יעיל על נתונים גדולים ומשמש למשל לאיתור עסקאות חשודות.

JSON Schema הוא תקן לתיאור המבנה, השדות וסוגי הנתונים שמסמך JSON צריך להכיל. בעולם הסוכנים משתמשים בו כדי להגדיר למודל אילו פרמטרים כל כלי מקבל ואיך הפלט צריך להיראות, וכך מצמצמים שגיאות בחיבור למערכות.

Jamba היא משפחת מודלי שפה של AI21 Labs המשלבת ארכיטקטורת טרנספורמר עם ארכיטקטורת Mamba מסוג State Space Model. השילוב נועד לאפשר חלון הקשר ארוך במיוחד ביעילות, למשל לניתוח חוזים או דוחות כספיים ארוכים.

Jasper היא פלטפורמת AI לכתיבת תוכן שיווקי, המאפשרת להגדיר את קול המותג ולהפיק מודעות, פוסטים ומיילים בהתאם לו. צוותי שיווק משתמשים בה כדי לייצר כמויות גדולות של תוכן עקבי לקמפיינים בערוצים שונים.

K השכנים הקרובים הוא אלגוריתם שמסווג דוגמה חדשה לפי הקטגוריה הנפוצה בקרב K הדוגמאות הדומות לה ביותר בנתוני האימון. הוא פשוט ואינטואיטיבי, ומשמש למשל להמלצה על מוצרים לפי מה שרכשו לקוחות בעלי פרופיל דומה.

K-Means הוא אלגוריתם אשכול פופולרי שמחלק את הנתונים למספר קבוצות K שנקבע מראש, כך שכל נקודה משויכת למרכז הקבוצה הקרוב אליה. הוא מהיר ופשוט, ומשמש למשל לחלוקת לקוחות של רשת חנויות לפלחים לפי הרגלי קנייה.

KPI הוא מדד ביצוע מרכזי שמשקף עד כמה הארגון או צוות מתקדמים לעבר יעד חשוב, כמו זמן תגובה, שיעור המרה או הכנסה חודשית. לפני הטמעת AI מומלץ להגדיר את המדדים ולמדוד את המצב הקיים, כדי שאפשר יהיה להוכיח את השיפור.

Kubeflow היא פלטפורמת קוד פתוח להרצת תהליכי למידת מכונה על גבי קוברנטיס, מאימון ותזמור צינורות ועד הגשת מודלים. היא מתאימה לארגונים שכבר מנהלים תשתית בקוברנטיס ורוצים לבנות עליה סביבת MLOps אחידה.

LLM כשופט היא שיטה שבה משתמשים במודל שפה כדי להעריך ולדרג תשובות של מודל אחר לפי קריטריונים כמו דיוק, נימוס ועמידה בהוראות. היא מאפשרת לבדוק אלפי תשובות של בוט שירות במהירות, אך מומלץ לאמת אותה מדי פעם מול בדיקה אנושית.

LLMOps הוא תחום של שיטות וכלים לתפעול אפליקציות מבוססות מודלי שפה גדולים בייצור, כולל ניהול פרומפטים, הערכת תשובות, ניטור עלויות ואבטחה. הוא הרחבה של MLOps שמותאמת לאתגרים הייחודיים של צ׳אטבוטים וסוכנים, כמו תשובות לא צפויות ועלות משתנה לפי שימוש.

LSTM היא סוג של רשת רקורסיבית הכוללת שערים שמחליטים איזה מידע לשמור, לשכוח או להוציא, וכך מסוגלת לזכור תלויות לאורך רצפים ארוכים. היא שימשה רבות בתרגום מכונה, בזיהוי דיבור ובחיזוי סדרות זמן, ועדיין נפוצה במשימות חיזוי עסקיות.

LangChain היא מסגרת קוד פתוח לפייתון ולג׳אווהסקריפט לבניית אפליקציות מבוססות מודלי שפה, המחברת בין מודלים, מקורות מידע, זיכרון וכלים חיצוניים. מפתחים משתמשים בה לבניית צ׳אטבוטים שעונים מתוך מסמכי החברה ולסוכנים שמבצעים פעולות במערכות.

LangGraph היא ספרייה של חברת LangChain לבניית סוכני AI ותהליכים מרובי שלבים כגרף של צמתים ומעברים, עם שמירת מצב ואפשרות לאישור אנושי. היא מתאימה לסוכנים מורכבים, למשל סוכן שירות שמסווג פנייה, בודק נתונים ב־CRM ומעביר לנציג במידת הצורך.

Le Chat הוא עוזר השיחה של חברת מיסטרל, המקביל ל־ChatGPT ומבוסס על מודלי החברה. הוא מציע חיפוש ברשת, ניתוח מסמכים ויצירת תמונות, ומיועד גם לגרסאות ארגוניות עם פריסה בענן פרטי או בשרתי הלקוח.

Leaky ReLU היא גרסה של פונקציית ReLU שבמקום להחזיר אפס עבור ערכים שליליים מחזירה ערך שלילי קטן ביחס לקלט. השינוי מונע מצב שבו נוירונים מפסיקים לגמרי ללמוד, בעיה המכונה נוירונים מתים, ומשפר את יציבות האימון ברשתות מסוימות.

LightGBM היא ספריית קוד פתוח של מיקרוסופט ליישום Gradient Boosting, שתוכננה להיות מהירה וחסכונית בזיכרון במיוחד על מאגרי נתונים גדולים. היא מתאימה לחיזוי על מיליוני רשומות, למשל עסקאות או אירועי גלישה באתר.

Lightricks היא חברה ישראלית המפתחת אפליקציות לעריכת תמונות ווידאו, ובהן Facetune, וכן את LTX Video, מודל פתוח ליצירת וידאו. החברה ממחישה כיצד חברות ישראליות משלבות AI יוצר במוצרים לצרכנים ולמשווקים.

Llama היא משפחת מודלי שפה גדולים של מטא שמשקליהם זמינים להורדה, בכפוף לרישיון של החברה. ארגונים משתמשים בה כדי להריץ מודל על שרתים משלהם, לבצע כוונון עדין לנתוני החברה ולהימנע משליחת מידע רגיש לספק חיצוני.

LlamaIndex היא מסגרת קוד פתוח לחיבור מודלי שפה לנתונים פרטיים, המתמחה בקליטת מסמכים, אינדוקס ושליפה עבור מערכות RAG. ארגונים משתמשים בה כדי לבנות עוזר שעונה על שאלות מתוך חוזים, נהלים, קבצי PDF ומאגרי מידע פנימיים.

LoRA היא שיטת כוונון חסכונית שמוסיפה למודל מטריצות קטנות שניתנות לאימון, בעוד המשקלים המקוריים נשארים קפואים. השיטה מאפשרת ליצור התאמות קלות משקל למודל אחד, למשל גרסה לשירות לקוחות וגרסה לכתיבה שיווקית.

Lovable היא פלטפורמה שוודית לבניית אפליקציות ואתרי ווב מתוך שיחה בשפה טבעית, שבה AI כותב את הקוד ומציג תוצאה חיה. יזמים ועסקים קטנים משתמשים בה כדי לבנות דף נחיתה, מערכת פנימית או אב טיפוס למוצר בלי צוות פיתוח.

MCP הוא פרוטוקול פתוח שפותח על ידי Anthropic ומגדיר דרך אחידה לחבר מודלים וסוכני AI לכלים, מקורות מידע ומערכות חיצוניות. במקום לכתוב חיבור נפרד לכל מערכת, ארגון יכול לחשוף את ה-CRM או מסד הנתונים שלו פעם אחת דרך MCP ולהשתמש בו מסוכנים שונים.

MITRE ATLAS הוא מאגר ידע פתוח שמתעד טקטיקות וטכניקות של תוקפים נגד מערכות בינה מלאכותית, בהשראת מסגרת ATT&CK המוכרת מעולם הסייבר. צוותי אבטחה משתמשים בו כדי למפות איומים על מערכות AI ולתכנן בדיקות חדירה ורד טימינג.

MLOps הוא אוסף שיטות וכלים לניהול מחזור החיים של מודלי למידת מכונה בייצור, מאימון ופריסה ועד ניטור ועדכון. הוא מבטיח שמודל לחיזוי נטישת לקוחות, למשל, ימשיך לעבוד באמינות ויעודכן כשהנתונים העסקיים משתנים.

MLflow היא פלטפורמת קוד פתוח לניהול מחזור החיים של מודלי למידת מכונה, הכוללת מעקב ניסויים, אריזת מודלים ומאגר מודלים. צוותי נתונים משתמשים בה כדי לתעד אילו פרמטרים ונתונים הובילו לכל גרסת מודל ולפרוס את הגרסה הנבחרת.

MMLU הוא בנצ׳מרק נפוץ למודלי שפה, שכולל שאלות אמריקאיות בעשרות תחומי ידע, ממתמטיקה והיסטוריה ועד משפטים ורפואה. הוא משמש להערכת הידע הכללי ויכולת ההבנה של מודל, ומודלים מובילים כבר משיגים בו ציונים גבוהים מאוד.

MVP הוא הגרסה הבסיסית ביותר של מוצר שמספקת ערך אמיתי למשתמשים ומאפשרת ללמוד מהם במהירות. בפרויקטי AI נהוג להתחיל ב-MVP שמטפל בתרחיש אחד מרכזי, ולהרחיב רק אחרי שמוכח שהוא עובד ושמשתמשים בו.

Make, שנקראה בעבר Integromat, היא פלטפורמת אוטומציה בענן שמאפשרת לחבר אפליקציות ולבנות תהליכים בממשק חזותי של תרחישים. עסקים משתמשים בה כדי לחבר טפסים, CRM, וואטסאפ, גיליונות ומודלי AI בלי לכתוב קוד.

Meta AI הוא העוזר החכם של מטא, המשולב בוואטסאפ, באינסטגרם, בפייסבוק ובמסנג׳ר ומבוסס על מודלי Llama. הוא מאפשר למשתמשים לשאול שאלות, ליצור תמונות ולקבל סיכומים ישירות מתוך האפליקציות, וזהו גם שם יחידת המחקר של מטא בתחום.

Microsoft 365 Copilot הוא עוזר AI ארגוני המשולב ב־Word, Excel, Outlook, Teams ו־PowerPoint, ופועל על בסיס המידע הארגוני שהמשתמש מורשה לראות. הוא מסכם פגישות ב־Teams, מנסח מיילים ומכין מצגות מתוך מסמכים קיימים, ודורש רישיון נפרד.

Mixtral היא סדרת מודלים פתוחי משקלים של מיסטרל, המבוססת על ארכיטקטורת תערובת מומחים, שבה רק חלק מהפרמטרים מופעל עבור כל טוקן. הגישה הזו מאפשרת ביצועים גבוהים בעלות הרצה נמוכה יחסית, והפכה את Mixtral לפופולרי באירוח מודלים פרטי.

NPS הוא מדד לנאמנות לקוחות שמבוסס על השאלה עד כמה הלקוח ימליץ על העסק לחבר, בסולם של 0 עד 10. ניתן לאסוף אותו אוטומטית בהודעה אחרי שירות, ולהשתמש ב-AI כדי לנתח את ההערות החופשיות ולזהות את סיבות חוסר שביעות הרצון.

NPU הוא רכיב חומרה ייעודי להרצת רשתות נוירונים בצריכת חשמל נמוכה, המשולב כיום בטלפונים, במחשבים ניידים ובמכשירי קצה. הוא מאפשר להריץ משימות AI כמו תמלול, טשטוש רקע בשיחות וידאו או זיהוי תמונות ישירות על המכשיר בלי לשלוח מידע לענן.

H100 הוא מעבד GPU של אנבידיה לחוות שרתים, המבוסס על ארכיטקטורת Hopper ומיועד לאימון והרצה של מודלי AI גדולים. הוא הפך לאחד המשאבים המבוקשים בתעשייה, וזמינותו ומחירו משפיעים ישירות על עלויות פיתוח מודלים ושירותי AI.

NVLink הוא ממשק חיבור מהיר של NVIDIA בין כרטיסי GPU, ובין GPU למעבד, עם רוחב פס גבוה בהרבה מחיבור רגיל. הוא מאפשר לכמה כרטיסים בשרת לשתף זיכרון ונתונים ביעילות, דבר חשוב להרצת מודלים גדולים המפוצלים ביניהם.

NeRF היא שיטה שמשתמשת ברשת נוירונים כדי לייצג סצנה תלת־ממדית מתוך אוסף תמונות, ומאפשרת להציג אותה מכל זווית צפייה חדשה. היא משמשת ליצירת סיורים וירטואליים מציאותיים ולהדמיות של חללים ומוצרים.

NotebookLM הוא כלי מחקר ורשימות של גוגל שעונה על שאלות רק על סמך המקורות שהמשתמש מעלה, כמו מסמכים, קישורים וסרטונים, ומצטט אותם. הוא שימושי ללימוד חומר, הכנת סיכומי ישיבות ובניית מאגר ידע, וידוע גם ביכולת להפיק סקירה קולית בסגנון פודקאסט.

Notion AI הוא סט יכולות הבינה המלאכותית בכלי העבודה Notion, המאפשר לכתוב ולסכם טקסטים, לשאול שאלות על תוכן הסביבה ולמלא טבלאות אוטומטית. צוותים משתמשים בו כדי לסכם פגישות, לחפש מידע בנהלים פנימיים ולהכין טיוטות מסמכים.

OCR, זיהוי תווים אופטי, היא טכנולוגיה שהופכת טקסט מתוך תמונה או מסמך סרוק לטקסט דיגיטלי שאפשר לערוך ולחפש. עסקים משתמשים בה כדי לקלוט חשבוניות, תעודות זהות וטפסים ישירות למערכת הנהלת החשבונות או ל־CRM בלי הקלדה ידנית.

ONNX הוא פורמט פתוח לייצוג מודלים של למידת מכונה, שמאפשר להעביר מודל בין ספריות וסביבות הרצה שונות. בזכותו אפשר לאמן מודל בכלי אחד ולהריץ אותו ביעילות על שרת, בדפדפן או במכשיר קצה עם מנוע אחר.

OWASP Top 10 ל-LLM היא רשימה שמפרסם ארגון OWASP של עשרת סיכוני האבטחה המרכזיים ביישומים מבוססי מודלי שפה, כמו הזרקת פרומפט, חשיפת מידע רגיש וסוכנות מופרזת. מפתחי בוטים ומערכות AI משתמשים בה כרשימת בדיקה לתכנון ולבדיקות אבטחה.

Ollama הוא כלי קוד פתוח שמאפשר להוריד ולהריץ מודלי שפה פתוחים על מחשב מקומי בפקודה פשוטה, עם API מקומי לשילוב באפליקציות. הוא נפוץ לניסויים ולפרויקטים שבהם רוצים לעבוד עם מודל בלי לשלוח נתונים לענן.

OpenAI היא חברת מחקר ופיתוח בינה מלאכותית אמריקאית שנוסדה ב־2015 בסן פרנסיסקו, ומפתחת את ChatGPT ואת סדרות המודלים GPT. החברה מציעה את המודלים שלה גם דרך API, כך שעסקים יכולים לשלב אותם בצ׳אטבוטים, במערכות CRM ובתהליכי שירות לקוחות.

OpenAI API הוא ממשק תכנותי שמאפשר למפתחים לגשת למודלים של OpenAI מתוך אפליקציות ומערכות משלהם, בתשלום לפי שימוש בטוקנים. דרכו בונים בוטים לוואטסאפ, אוטומציות שמסווגות פניות, ותכונות AI בתוך מערכות CRM ואתרים.

OpenRouter הוא שירות המספק ממשק API אחיד לגישה למודלי שפה רבים מספקים שונים, עם חיוב מרוכז ואפשרות להחליף מודל בשינוי שורה אחת. מפתחים משתמשים בו כדי להשוות בין מודלים ולבחור את המשתלם ביותר לכל משימה.

Otter.ai הוא שירות תמלול מבוסס AI לפגישות ושיחות, המצטרף לפגישות בזום, Teams ו־Google Meet ומפיק תמלול, סיכום ומשימות להמשך. צוותים משתמשים בו כדי לא לפספס החלטות ולחסוך כתיבת פרוטוקולים ידנית.

Phi היא משפחת מודלי שפה קטנים של מיקרוסופט, שאומנו בעיקר על נתונים איכותיים ונתונים סינתטיים כדי להשיג ביצועים טובים ביחס לגודלם. מודלים כאלה מתאימים להרצה על מכשירים, במחשבים ניידים או בשרתים זולים, כשאין צורך במודל ענק.

Pinecone הוא מסד נתונים וקטורי מנוהל בענן, המיועד לאחסון ושליפה מהירה של הטמעות וקטוריות לצורך חיפוש סמנטי ומערכות RAG. חברות משתמשות בו כדי שצ׳אטבוט ימצא את הקטע הרלוונטי מתוך אלפי מסמכים לפני שהוא עונה ללקוח.

Power Automate הוא כלי האוטומציה של מיקרוסופט לבניית תהליכים בין אפליקציות בלי קוד, כולל אוטומציה של משימות במחשב השולחני. עסק יכול למשל לשמור קבצים מצורפים ממייל לתיקייה, לעדכן רשומה ב־Dynamics או לשלוח התראה ב־Teams כשמגיע ליד חדש.

PyTorch היא ספריית קוד פתוח בשפת פייתון לבנייה ולאימון של רשתות נוירונים, שפותחה במקור על ידי Meta. היא מציעה עבודה גמישה עם טנזורים, גזירה אוטומטית ותמיכה במעבדים גרפיים, ומשמשת לפיתוח של רבים ממודלי ה־AI המובילים כיום.

Q-Learning הוא אלגוריתם בלמידת חיזוק שלומד להעריך את הערך הצפוי של כל פעולה בכל מצב, וכך מגלה את המדיניות הטובה ביותר ללא מודל מוקדם של הסביבה. הוא היווה בסיס לפריצות דרך כמו מערכות שלמדו לשחק משחקי מחשב.

QLoRA היא שיטה שמשלבת כימות של המודל לדיוק נמוך עם כוונון בשיטת LoRA, וכך מאפשרת לכוונן מודלים גדולים על כרטיס גרפי יחיד. היא הנגישה כוונון מודלים פתוחים לחברות קטנות ולמפתחים עצמאיים.

Qdrant הוא מסד נתונים וקטורי בקוד פתוח שנכתב בשפת Rust, ומציע חיפוש דמיון מהיר עם סינון מתקדם, בהתקנה עצמית או כשירות ענן. הוא מתאים למערכות המלצה, חיפוש סמנטי בקטלוג מוצרים ומאגרי ידע לצ׳אטבוטים.

Qwen היא משפחת מודלי שפה ומודלים רב־אופניים של Alibaba Cloud הסינית, שרבים מהם משוחררים כמודלים פתוחי משקלים. המשפחה כוללת מודלים בגדלים רבים, ממודלים קטנים להרצה מקומית ועד מודלים גדולים לתכנות והסקה.

RAG היא שיטה שבה לפני שמודל השפה עונה, המערכת שולפת מסמכים רלוונטיים ממאגר ידע ומצרפת אותם לבקשה, כך שהתשובה מבוססת על מידע עדכני ופרטי. כך בוט שירות יכול לענות לפי נהלי החברה, מחירונים ומדריכי מוצר, ולא רק לפי הידע הכללי של המודל.

RAG סוכני הוא גרסה מתקדמת של RAG שבה סוכן AI מחליט בעצמו מתי לחפש, באילו מאגרים, איך לנסח את השאילתה והאם התוצאות מספיקות או שצריך חיפוש נוסף. הגישה משפרת תשובות לשאלות מורכבות שדורשות מידע מכמה מקורות.

REST API הוא סגנון נפוץ לבניית ממשקי תוכנה מעל HTTP, שבו פונים לכתובות מוגדרות ומקבלים נתונים בדרך כלל בפורמט JSON. רוב שירותי ה־AI, מערכות ה־CRM ופלטפורמות המסרים חושפים REST API, וזה מה שמאפשר לחבר ביניהם באוטומציות.

RMSE הוא השורש הריבועי של השגיאה הריבועית הממוצעת, ומבטא את גודל הטעות הטיפוסית של מודל באותן יחידות כמו הנתונים עצמם. לדוגמה, RMSE של מודל להערכת מחירי דירות מבוטא בשקלים ומאפשר להבין את סדר הגודל של הטעות.

ROUGE הוא אוסף מדדים להערכת סיכומים אוטומטיים, שבודק את מידת החפיפה במילים וברצפי מילים בין סיכום שהמודל יצר לבין סיכום אנושי. הוא משמש למשל להשוואת מודלים שמסכמים שיחות שירות או מסמכים ארוכים.

RPA היא טכנולוגיה של רובוטי תוכנה שמחקים פעולות של עובד במחשב, כמו לחיצות, העתקת נתונים ומילוי טפסים, לפי חוקים קבועים. היא מתאימה למשימות חוזרות במערכות ישנות, למשל הזנת חשבוניות, אך רגישה לשינויים במסכים ואינה מבינה הקשר כמו סוכן AI.

ReAct היא שיטת עבודה לסוכני AI שבה המודל משלב לסירוגין שלבי חשיבה, ביצוע פעולה בכלי וקריאת התוצאה, עד שהוא מגיע לתשובה. הגישה הפכה לבסיס של מסגרות סוכנים רבות, משום שהיא מאפשרת לסוכן לתקן את עצמו לפי מידע אמיתי שהוא אוסף בדרך.

ReLU היא פונקציית אקטיבציה שמחזירה אפס עבור כל ערך שלילי ואת הערך עצמו עבור ערך חיובי. היא פשוטה ומהירה לחישוב ומקלה על אימון רשתות עמוקות, ולכן הפכה לברירת מחדל ברשתות רבות לראייה ממוחשבת ולחיזוי.

Replit היא סביבת פיתוח מבוססת דפדפן הכוללת סוכן AI שבונה אפליקציות מתיאור בשפה טבעית, כולל שרת, מסד נתונים ופריסה לאוויר. היא מאפשרת גם לאנשים ללא רקע תכנותי לבנות כלים פנימיים ואבות טיפוס במהירות.

ResNet היא משפחה של רשתות קונבולוציה עמוקות שמשתמשות בחיבורים שיוריים, ובזכותם ניתן לאמן רשתות עם עשרות ואף מאות שכבות. היא זכתה בתחרות ImageNet בשנת 2015, ועד היום משמשת כרשת שלד נפוצה במשימות ראייה ממוחשבת.

RevOps הוא מודל ניהולי שמאחד את התפעול של מחלקות השיווק, המכירות והצלחת הלקוח סביב נתונים, כלים ותהליכים משותפים, במטרה להגדיל הכנסות. הוא נשען על מערכת CRM מסודרת ועל אוטומציות שמעבירות מידע בין הצוותים בלי פערים.

RoPE היא שיטת קידוד מיקום שמסובבת את וקטורי השאילתה והמפתח בזווית התלויה במיקום הטוקן, כך שהקשב משקף את המרחק היחסי בין מילים. השיטה נפוצה במודלי שפה פתוחים רבים ומקלה על הרחבת חלון ההקשר לטקסטים ארוכים.

Run:ai היא חברה ישראלית שפיתחה פלטפורמה לניהול ותזמון משאבי GPU עבור עומסי עבודה של AI, ונרכשה על ידי אנבידיה ב־2024. הפלטפורמה מאפשרת לארגונים לחלק מעבדים יקרים בין צוותים ופרויקטים ולנצל אותם טוב יותר.

Runway היא חברה אמריקאית המפתחת כלי AI ליצירה ועריכה של וידאו, כולל סדרת מודלי Gen ליצירת קטעי וידאו מטקסט ומתמונות. יוצרי תוכן, משרדי פרסום ואולפני הפקה משתמשים בה להסרת רקע, אפקטים ויצירת סצנות בלי צילום.

SDK הוא ערכת כלים למפתחים הכוללת ספריות קוד, תיעוד ודוגמאות, שמקלה על חיבור לשירות או לפלטפורמה מסוימת. ספקי מודלי AI מציעים SDK בשפות כמו Python ו־JavaScript כדי שמפתח יוכל לשלב מודל באפליקציה בכמה שורות קוד.

SEO מבוסס AI הוא שימוש בכלי בינה מלאכותית לקידום אורגני, כמו מחקר מילות מפתח, ניתוח מתחרים, כתיבת טיוטות ושיפור תוכן קיים, וגם התאמת האתר לחיפוש שמשלב תשובות AI. הוא חוסך זמן רב, אך עדיין דורש בקרה אנושית על דיוק, מקוריות ואיכות.

SEO פרוגרמטי הוא יצירה אוטומטית של מספר רב של עמודי נחיתה לפי תבנית ומאגר נתונים, כדי לענות על חיפושים ספציפיים רבים, כמו שירות מסוים בכל עיר. AI מקל על יצירת תוכן ייחודי לכל עמוד, אך עמודים דלים או משוכפלים עלולים לפגוע בדירוג.

SLAM היא טכניקה שבה מכשיר, כמו רובוט או רחפן, בונה מפה של סביבה לא מוכרת ובמקביל מאתר את מיקומו בתוכה. היא משמשת ברובוטים לניקוי, ברובוטים במחסנים ובאפליקציות מציאות רבודה.

SWE-bench הוא בנצ׳מרק שבודק את יכולתם של מודלי AI וסוכני קוד לפתור בעיות אמיתיות מתוך מאגרי קוד פתוח בגיטהאב, כאשר הפתרון נבדק באמצעות הבדיקות של הפרויקט. הוא נחשב למדד חשוב ליכולות הנדסת תוכנה מעשיות של מודלים.

SaaS הוא מודל שבו תוכנה מסופקת דרך האינטרנט במנוי, והספק אחראי על האחסון, האבטחה והעדכונים. רוב מערכות ה-CRM, האוטומציה וכלי ה-AI העסקיים נמכרים כיום במודל זה, ותמחורם עובר בהדרגה גם לחיוב לפי שימוש או לפי תוצאה.

Scale AI היא חברה אמריקאית המספקת שירותי תיוג והכנת נתונים לאימון מודלי בינה מלאכותית, כולל משוב אנושי לכוונון מודלי שפה. מעבדות AI גדולות וחברות רכב אוטונומי נעזרות בשירותים כאלה כדי לשפר את איכות המודלים שלהן.

Seed הוא ערך התחלתי למחולל המספרים האקראיים של המודל, שמאפשר לקבל תשובות זהות או כמעט זהות כשמריצים את אותו פרומפט שוב. הוא שימושי לבדיקות ולתחקור תקלות במערכות אוטומציה, כשצריך לשחזר תשובה מסוימת.

Shadow AI הוא שימוש של עובדים בכלי בינה מלאכותית שלא אושרו ואינם מנוהלים על ידי הארגון, למשל העלאת מסמכים לצ׳אטבוט ציבורי בחשבון פרטי. התופעה יוצרת סיכון לדליפת מידע עסקי ואישי, ולכן ארגונים מגדירים מדיניות וכלים מאושרים במקום איסור גורף.

Sora הוא מודל של OpenAI ליצירת וידאו מתיאור טקסט או מתמונה, המסוגל להפיק סצנות קצרות ריאליסטיות עם תנועת מצלמה ודמויות. משווקים משתמשים בכלים כאלה להפקת קטעי פרסום, הדמיות ותוכן לרשתות חברתיות בלי צילומים יקרים.

Stability AI היא חברת בינה מלאכותית בריטית הידועה בעיקר כמפתחת Stable Diffusion ומודלים פתוחים נוספים לתמונה, וידאו ושמע. החברה קידמה את מודל ההפצה הפתוח של מודלים יוצרים, שאפשר לקהילה לבנות עליהם כלים רבים.

Stable Diffusion הוא מודל קוד פתוח ליצירת תמונות מטקסט, שפורסם ב־2022 בהובלת Stability AI ובשיתוף חוקרים אקדמיים. מכיוון שמשקליו זמינים, ניתן להריץ אותו על מחשב אישי ולהתאים אותו לסגנון מותג או למוצרים ספציפיים.

Suno הוא כלי AI ליצירת שירים שלמים, כולל לחן, עיבוד ושירה, מתוך תיאור טקסטואלי או מילים שהמשתמש כותב. עסקים משתמשים בכלים כאלה להפקת ג׳ינגלים ומוזיקת רקע לתוכן שיווקי, אך כדאי לבדוק את תנאי הרישיון לשימוש מסחרי.

TPU הוא שבב ייעודי שפיתחה גוגל להאצת חישובי מטריצות וטנזורים, שהם לב החישוב ברשתות נוירונים. הוא זמין בעיקר דרך שירותי הענן של גוגל ומשמש לאימון ולהרצה של מודלים גדולים בעלות ויעילות אנרגטית תחרותיות.

Tabnine הוא עוזר תכנות מבוסס AI שפותח בישראל, המציע השלמות קוד וצ׳אט בתוך סביבות פיתוח מובילות. הוא מדגיש פרטיות וניתן להתקנה בשרתי הארגון, מה שמתאים לחברות שאינן רוצות שהקוד שלהן יצא החוצה.

Teacher Forcing היא שיטת אימון למודלים שמייצרים רצפים, שבה בכל צעד המודל מקבל כקלט את המילה הנכונה מהנתונים במקום המילה שהוא עצמו חזה. השיטה מאיצה ומייצבת את האימון, אך עלולה ליצור פער בין מצב האימון לבין השימוש בפועל.

TensorFlow היא ספריית קוד פתוח ללמידת מכונה ולמידה עמוקה שפותחה על ידי Google, ומאפשרת לבנות, לאמן ולהפעיל מודלים בקנה מידה גדול. היא כוללת את ממשק Keras לבנייה פשוטה של רשתות, וכלים להרצת מודלים בשרתים, בדפדפן ובמכשירים ניידים.

TensorRT היא ערכת כלים של NVIDIA לאופטימיזציה ולהרצה מהירה של מודלים מאומנים על כרטיסי GPU של החברה. היא משפרת זמני תגובה ותפוקה בשלב ההסקה, ומשמשת כשצריך להפיק את המקסימום מהחומרה בשירותי AI בייצור.

Top-k היא שיטת דגימה שבה המודל בוחר את הטוקן הבא רק מתוך k האפשרויות בעלות ההסתברות הגבוהה ביותר. הגבלה זו מונעת בחירה במילים לא סבירות ומשמשת יחד עם טמפרטורה כדי לאזן בין דיוק ליצירתיות.

Top-p היא שיטת דגימה שבה המודל בוחר את המילה הבאה רק מתוך קבוצת המילים הסבירות ביותר שההסתברות המצטברת שלהן מגיעה לסף שנקבע. ערך נמוך מצמצם את הבחירה ומפיק טקסט שמרני, וערך גבוה מאפשר יותר גיוון.

U-Net היא ארכיטקטורת רשת קונבולוציה בצורת האות U, שמקטינה את התמונה בהדרגה כדי להבין הקשר ואז מגדילה אותה בחזרה, עם חיבורים ישירים בין השלבים המקבילים. היא פותחה לפילוח תמונות רפואיות ושימשה כרשת המרכזית במודלי דיפוזיה רבים.

Veo היא משפחת מודלים של גוגל דיפמיינד ליצירת וידאו מטקסט או מתמונה, שבגרסאות מתקדמות שלה מפיקה גם שמע תואם. היא משמשת ליצירת קטעי פרסום, הדמיות ותוכן לרשתות חברתיות, וזמינה דרך מוצרי Gemini ו־Google Cloud.

Vertex AI היא פלטפורמת למידת מכונה ובינה מלאכותית של Google Cloud, המאפשרת לבנות, לאמן, לפרוס ולנהל מודלים, וגם לגשת למודלי Gemini ולמודלים נוספים. היא מרכזת במקום אחד כלי נתונים, MLOps והגשת מודלים לארגונים בענן של גוגל.

Weaviate הוא מסד נתונים וקטורי בקוד פתוח, הזמין גם כשירות ענן מנוהל, התומך בחיפוש סמנטי, חיפוש היברידי וסינון לפי מאפיינים. הוא מתאים לארגונים שרוצים לבנות מערכת חיפוש חכמה או RAG ולשמור אפשרות להתקנה עצמית.

Weights & Biases היא פלטפורמה למעקב אחר ניסויים בלמידת מכונה, המתעדת פרמטרים, מדדים וגרסאות של מודלים ומאגרי נתונים. צוותי מחקר ופיתוח משתמשים בה כדי להשוות בין ריצות אימון, לשחזר תוצאות ולעקוב אחר ביצועי אפליקציות מבוססות מודלי שפה.

WhatsApp Business API, המוכר כיום גם כ-WhatsApp Business Platform, הוא ממשק של Meta שמאפשר לעסקים לחבר את וואטסאפ למערכות, בוטים ו-CRM ולנהל שיחות בהיקף גדול. הוא מאפשר כמה נציגים על אותו מספר, הודעות אוטומטיות ושליחת הודעות יזומות לפי תבניות מאושרות.

Whisper הוא מודל קוד פתוח של OpenAI לזיהוי דיבור ותמלול, שפורסם ב־2022 ותומך בשפות רבות כולל עברית. עסקים משתמשים בו לתמלול שיחות מכירה, הודעות קוליות בוואטסאפ ופגישות, כבסיס לסיכום אוטומטי ולתיעוד במערכת CRM.

Windsurf הוא עורך קוד מבוסס AI שפותח במקור על ידי חברת Codeium, ומשלב סוכן תכנות שמבין את הפרויקט כולו ומבצע שינויים במספר קבצים. הוא מתחרה ישיר של Cursor ומיועד למפתחים שרוצים לעבוד בשיתוף עם סוכן AI.

Wordtune הוא כלי כתיבה מבוסס AI של AI21 Labs, המציע ניסוחים חלופיים, קיצור והרחבה של טקסט וסיכום מאמרים. הוא משמש עובדים ובעלי עסקים לשיפור מיילים, פוסטים ומסמכים מקצועיים, בעיקר באנגלית.

XGBoost היא ספריית קוד פתוח ליישום יעיל ומהיר של Gradient Boosting, הכוללת רגולריזציה מובנית ותמיכה בעיבוד מקבילי. היא פופולרית מאוד בתחרויות ובמערכות עסקיות לחיזוי על נתונים טבלאיים, כמו דירוג לידים וחיזוי נטישה.

YOLO היא משפחה של מודלים לזיהוי עצמים שמנתחים את התמונה כולה במעבר אחד, ולכן מהירים מספיק לעבודה בזמן אמת. היא נפוצה במצלמות אבטחה, ברחפנים ובמערכות לספירת מוצרים או כלי רכב.

Zapier היא פלטפורמת אוטומציה בענן שמחברת אלפי אפליקציות באמצעות תהליכים פשוטים של טריגר ופעולות. היא נחשבת לנגישה במיוחד למשתמשים לא טכניים, למשל כדי להעביר אוטומטית לידים מפייסבוק ל-CRM ולשלוח התראה לצוות המכירות.

iPaaS היא פלטפורמת ענן לבנייה, הרצה וניהול של אינטגרציות בין אפליקציות ומערכות שונות בארגון. פלטפורמות כאלה חוסכות פיתוח חיבורים ייעודיים ומאפשרות לסנכרן נתונים בין CRM, הנהלת חשבונות, אתר וכלי שירות במקום אחד.

llama.cpp הוא פרויקט קוד פתוח בשפות C ו־C++ להרצה יעילה של מודלי שפה על מעבדים רגילים ועל מחשבים ביתיים, תוך שימוש בכימות להקטנת המודל. הוא משמש בסיס לכלים פופולריים רבים להרצת מודלים מקומית.

llms.txt הוא קובץ טקסט מוצע שמוצב בשורש האתר ומספק למודלי שפה תקציר מובנה של תוכן האתר וקישורים לעמודים החשובים. זהו תקן לא רשמי שאומץ חלקית, ומטרתו לעזור לכלי AI להבין את האתר ולהשתמש במידע שבו בצורה מדויקת יותר.

n8n היא פלטפורמת אוטומציה של תהליכי עבודה המבוססת על ממשק חזותי של צמתים, עם קוד מקור זמין ואפשרות להתקנה עצמית על שרתי הארגון. היא פופולרית לבניית אוטומציות וסוכני AI, כי מאפשרת שילוב קוד מותאם ושליטה מלאה בנתונים.

o1 הוא מודל ההסקה הראשון בסדרת o של OpenAI, שהוצג בספטמבר 2024 ותוכנן לחשוב בשלבים לפני שהוא עונה. מודלים כאלה מצטיינים במתמטיקה, תכנות ובעיות לוגיות, אך הם איטיים ויקרים יותר, ולכן מתאימים למשימות שבהן הדיוק חשוב יותר מהמהירות.

o3 הוא מודל הסקה מסדרת o של OpenAI, יורשו של o1, המשקיע זמן חישוב נוסף בחשיבה פנימית לפני מתן תשובה. הוא מתאים לניתוחים מורכבים כמו בדיקת חוזים, תכנון לוגיסטי או פתרון תקלות טכניות, ויכול להפעיל כלים כמו חיפוש באינטרנט וניתוח קבצים.

t-SNE היא שיטה להורדת ממדים שנועדה בעיקר להצגה ויזואלית, והיא ממקמת נקודות דומות קרוב זו לזו בגרף דו־ממדי או תלת־ממדי. היא שימושית לחקירת נתונים ולגילוי קבוצות, אך המרחקים בין קבוצות בגרף אינם תמיד בעלי משמעות.

v0 הוא כלי של חברת Vercel ליצירת ממשקי משתמש ואפליקציות ווב מתיאור טקסטואלי, עם קוד מבוסס React ו־Next.js. מפתחים ומעצבים משתמשים בו כדי להפוך רעיון או צילום מסך לרכיב ממשק עובד בתוך דקות.

vLLM היא ספריית קוד פתוח להגשה מהירה ויעילה של מודלי שפה גדולים, הידועה בניהול זיכרון חכם של מטמון KV ובתמיכה באצווה רציפה. ארגונים משתמשים בה כדי להריץ מודלים פתוחים על שרתים משלהם עם תפוקה גבוהה וממשק תואם API נפוץ.

xAI היא חברת בינה מלאכותית שייסד אילון מאסק ב־2023, ומפתחת את מודלי Grok. החברה קשורה באופן הדוק לרשת החברתית X, שבה Grok משולב ישירות, ומפעילה מרכזי נתונים גדולים לאימון מודלים.