Hoppa till innehållet
AI-grafen

AI, etik och samhälle

Var AI finns i vardagen, hur den förändrar arbete, vad som är ansvarsfull användning, och hur desinformation, bias och manipulation ser ut.

C· Byggare

Alla kunskaper som ingår (58) — i beroendeordning

  1. 1AMönster och kategorier
  2. 2BData från vardagen
  3. 3BData om mig — vad samlas in?
  4. 4AInstruktioner i rätt ordning
  5. 5BAlgoritmiskt tänkande
  6. 6CFunktioner och koordinatsystem
  7. 7DDerivata och optimering
  8. 8CProgrammeringslogik — variabler, villkor, loopar
  9. 9CPython — grunderna
  10. 10CPython — listor, loopar och dictionaries
  11. 11BRegler kontra inlärning
  12. 12BKällkritik och ansvar när AI svarar
  13. 13CDesinformation och syntetiskt innehåll
  14. 14CStatistik — medelvärde, median och spridning
  15. 15ATräna en maskin med exempel
  16. 16BTräningsdata, features och etiketter
  17. 17BKlassificering — så sorterar en modell
  18. 18DBias och rättvisa i modeller
  19. 19CDatan bakom en rekommendation
  20. 20CDin första prediktiva modell — en rät linje
  21. 21DGradient descent
  22. 22CNeuronnät — intuitionen
  23. 23CPromptning — att styra en språkmodell
  24. 24CAnsvarsfull användning av AI
  25. 25AVad är en dator?
  26. 26BAI i vardagen — var finns den?
  27. 27AIndata och utdata
  28. 28BHur hänger internet ihop?
  29. 29BLösenord och säkerhet
  30. 30ABilder är gjorda av pixlar
  31. 31BKänner datorn igen en katt?
  32. 32CAnsiktsigenkänning — vad är okej?
  33. 33APrata med en AI — vad kan den och inte?
  34. 34BKommer AI:n ihåg vad jag sa?
  35. 35ASkriv en saga tillsammans med en AI
  36. 36BVad är generativ AI?
  37. 37CAI och arbetsmarknaden
  38. 38BGissa nästa ord
  39. 39BAI:n hittar på ibland
  40. 40BAI eller människa? Gissa
  41. 41CKan man lura en AI?
  42. 42CVarför svarade den så?
  43. 43DVektorer
  44. 44DMatriser och matrismultiplikation
  45. 45DNeuronnät — forward pass med matriser
  46. 46DBackpropagation
  47. 47DEmbeddings — ord som vektorer
  48. 48DAttention
  49. 49DPyTorch — tensorer och autograd
  50. 50DTräna ett neuronnät i PyTorch
  51. 51DTransformers — arkitekturen
  52. 52EMulti-head attention i detalj
  53. 53EKV-cache
  54. 54ELatens, throughput och batching vid inferens
  55. 55EKostnadsmodellering för LLM-system
  56. 56DEnergi och miljöpåverkan
  57. 57CVem bestämmer över AI?
  58. 58BVems är bilden? Upphovsrätt för barn