A
Accuracy (דיוק) אחוז הניחושים הנכונים מתוך סך כל הניחושים של המודל.
EU AI Act רגולציה אירופית (2024) המסווגת מערכות AI לפי רמת סיכון ומטילה חובות על יצרנים ומשתמשים.
AGI (Artificial General Intelligence) בינה מלאכותית כללית — מערכת AI היפותטית בעלת יכולות קוגניטיביות שוות ערך לאדם בכל תחום. טרם קיימת.
האתגר של הבטחה שמערכות AI יפעלו בהתאם לכוונות ולערכים האנושיים. - Alignment
סוג של AI בעל יכולת פעולה עצמאית — יכול לגשת לאינטרנט, להריץ קוד, לשלוח מיילים ועוד - .Agentic AI
Artificial Intelligence / AI
בינה מלאכותית () תחום במדעי המחשב שמטרתו לבנות מערכות המסוגלות לבצע משימות הדורשות יכולות אנושיות כמו הבנה, למידה, קבלת החלטות ויצירה
(סוכן AI) מערכת AI שאינה רק עונה לשאלות, אלא מסוגלת לתכנן ולבצע רצף של פעולות באופן עצמאי לשם השגת מטרה. - AI Agent
API (Application Programming Interface) ממשק תכנות המאפשר לאפליקציות לשוחח עם מודל AI. כך מפתחים יוצרים מוצרים המבוססים על GPT, Claude וכדומה.
אוטומציה של תהליכי עבודה שחוזרים על עצמם באמצעות AI וכלים כמו Zapier, Make, n8n ו .Workflow Automation
אלגוריתם () קבוצת כללים והוראות מוגדרות שמחשב מבצע כדי לפתור בעיה. ב-AI זהו "המתכון" שלפיו המודל לומד. - Algorithm
Attention Mechanism (מנגנון קשב) מרכיב מרכזי בארכיטקטורת Transformer — מאפשר למודל להתמקד בחלקים הרלוונטיים של הטקסט בעת עיבוד כל מילה.
B
Benchmark מבחן תקני המשמש להשוואת ביצועי מודלים שונים. לדוגמה: MMLU, HumanEval.
הטיה - נטייה שיטתית ולא מכוונת במודל לספק תוצאות לא הוגנות כלפי קבוצות מסוימות, עקב עיוותים בנתוני האימון. - Bias
C
הקשר - כמות הטקסט שהמודל יכול "לזכור" ולעבד בבת אחת. ניתן לחשוב עליו כ"זיכרון עבודה" של המודל.Context / Context Window
D
תוכן מזויף (סרטון, תמונה, קול) שנוצר באמצעות AI ומדמה אדם אמיתי בצורה משכנעת. - Deepfake
סוג של מודל ליצירת תמונות. הוא לומד "להסיר רעש" מתמונה עמומה עד שמתקבלת תמונה ברורה. מודל Midjourney ו-DALL·E עובדים כך. - Diffusion Model
למידה עמוקה () ענף של למידת מכונה המשתמש ברשתות נוירונים מלאכותיות בעלות שכבות רבות, המאפשרות למידה של דפוסים מורכבים מאוד (תמונות, קול, שפה) .Deep Learning / DL
E
Embedding ייצוג מתמטי (וקטור) של מילה, משפט או תמונה במרחב רב-ממדי. מאפשר למחשב להבין דמיון בין מושגים.
EU AI Act רגולציה אירופית (2024) המסווגת מערכות AI לפי רמת סיכון ומטילה חובות על יצרנים ומשתמשים.
Explainability / XAI היכולת להסביר מדוע מודל AI הגיע להחלטה מסוימת — חשוב במיוחד בתחומים כמו רפואה ומשפטים.
F
Zero-shot / Few-shot Learning יכולת המודל לבצע משימה ללא דוגמאות (zero-shot) או עם מעט דוגמאות (few-shot) בלבד.
Foundation Model מודל בסיס גדול שאומן על נתונים עצומים ומשמש כנקודת מוצא להתאמה למשימות ספציפיות.
יכולת של מודל שפה לזמן כלים חיצוניים (חיפוש אינטרנט, מחשבון, API) כחלק ממתן תשובה. - Tool Use / Function Calling
(כוונון עדין) תהליך של אימון נוסף של מודל קיים על נתונים ספציפיים, כדי להתמחות בתחום מסוים. - Fine-tuning
G
מעבד גרפי המשמש לאימון מודלי AI בשל יכולתו לבצע עיבוד מקבילי מסיבי. - GPU
ארכיטקטורה ליצירת תוכן שבה שני מודלים "מתחרים": אחד יוצר תוכן, השני מנסה לזהות אם הוא אמיתי או מזויף. - GAN (Generative Adversarial Network)
AI גנרטיבי () מערכות AI המסוגלות ליצור תוכן חדש — טקסט, תמונות, קול, וידאו, קוד — ולא רק לסווג או לנתח- .Generative AI
) שיטה המשלבת בין מנגנון חיפוש במאגר ידע לבין מודל שפה — כך שהמודל יכול לענות על בסיס מידע עדכני ומדויק- .RAG (Retrieval-Augmented Generation
H
הזיה - תופעה שבה מודל AI מייצר מידע שגוי, בדוי או לא מדויק — אך מציג אותו בביטחון כאמת.- Hallucination
I
(הסקה) שלב השימוש במודל לאחר האימון — כאשר המודל מקבל קלט ומייצר פלט. - Inference
Text-to-Image -
יצירת תמונה מתיאור טקסטואלי. כלים: Midjourney, DALL·E, Stable Diffusion.
J
K
L
Latency זמן התגובה של המודל — כמה זמן עובר מרגע שליחת הפרומפט ועד קבלת התשובה.
Large Language Model / LLM
מודל שפה גדול - מודל AI שאומן על כמויות עצומות של טקסט ומסוגל להבין וליצור שפה אנושית. דוגמאות: GPT-4, Claude, Gemini.
למידה לא מפוקחת - שיטת אימון שבה המודל מגלה בעצמו דפוסים בנתונים — ללא תוויות או תשובות נכונות מראש. - Unsupervised Learning
למידה מפוקחת - שיטת אימון שבה לכל דוגמה יש תשובה נכונה. המודל לומד להתאים קלט לפלט הרצוי. לדוגמה: תמונות חתולים/כלבים עם תוויות. - Supervised Learning
Deep Learning / DL
למידה עמוקה - ענף של למידת מכונה המשתמש ברשתות נוירונים מלאכותיות בעלות שכבות רבות, המאפשרות למידה של דפוסים מורכבים מאוד (תמונות, קול, שפה).
למידת מכונה - ענף של AI שבו המחשב לומד מדוגמאות ונתונים — במקום להיות מתוכנת עם כללים ידניים. ככל שרואה יותר דוגמאות, כך משתפר. - Machine Learning / ML
M
(רב-מודאלי) מודל המסוגל לעבד ולייצר מספר סוגי מדיה בו-זמנית — טקסט, תמונות, קול וסרטון. - Multimodal
למידת מכונה () ענף של AI שבו המחשב לומד מדוגמאות ונתונים — במקום להיות מתוכנת עם כללים ידניים. ככל שרואה יותר דוגמאות, כך משתפר - .Machine Learning / ML
סוג של מודל ליצירת תמונות. הוא לומד "להסיר רעש" מתמונה עמומה עד שמתקבלת תמונה ברורה. מודל Midjourney ו-DALL·E עובדים כך. - Diffusion Model
Large Language Model / LLM
מודל שפה גדול () מודל AI שאומן על כמויות עצומות של טקסט ומסוגל להבין וליצור שפה אנושית. דוגמאות: GPT-4, Claude, Gemini.
מודל-תוכנה שהוכשרה על נתונים ויכולה לבצע חיזויים או לייצר פלטים. לדוגמה: מודל לזיהוי תמונות, מודל לתרגום שפות. - Model
N
רשת נוירונים - מערכת מחשובית המונעת בהשראת המוח האנושי — מורכבת מ"נוירונים" מלאכותיים המחוברים זה לזה
ומעבירים ביניהם מידע. - Neural Network
NotebookLM - קישור למדריך למשתמש
O
Open Source מודל שקוד המקור שלו פתוח לציבור, כגון LLaMA של Meta, Mistral ועוד.
Overfitting (התאמת יתר) תופעה שבה המודל "שינן" את נתוני האימון כל כך טוב עד שהוא נכשל על נתונים חדשים שמעולם לא ראה.
P
האמנות והמיומנות של כתיבת פרומפטים אפקטיביים המניבים תוצאות טובות יותר - -.Prompt Engineering
Prompt - פרומפט הבקשה, השאלה או ההנחיה שהמשתמש כותב למודל ה-AI. איכות הפרומפט משפיעה ישירות על איכות התשובה.
Parameters
-(פרמטרים) "משקולות" המודל — הערכים הנלמדים במהלך האימון. ככל שיש יותר פרמטרים, המודל מסוגל ללמוד דפוסים מורכבים יותר. GPT-4 מכיל מאות מיליארדי פרמטרים.
Prompt Injection התקפת אבטחה שבה תוכן זדוני מוחבא בפרומפט כדי לגרום למודל להתנהג בניגוד לכוונת המפתח.
Q
R
RLHF (Reinforcement Learning from Human Feedback) שיטת אימון שבה בני אדם מדרגים תשובות של המודל, ותוצאות הדירוג משמשות לשיפורו — שיטה מרכזית בפיתוח ChatGPT ו-Claude.
שיטה המשלבת בין מנגנון חיפוש במאגר ידע לבין מודל שפה — כך שהמודל יכול לענות על בסיס מידע עדכני ומדויק - .RAG (Retrieval-Augmented Generation)
למידה מחיזוק - שיטה שבה ה-AI לומד דרך ניסוי וטעייה — מקבל "תגמול" על פעולות טובות ו"עונש" על פעולות רעות. כך לומדים, למשל, מחשבי שחמט. - Reinforcement Learning
S
למידה מפוקחת - שיטת אימון שבה לכל דוגמה יש תשובה נכונה. המודל לומד להתאים קלט לפלט הרצוי. לדוגמה: תמונות חתולים/כלבים עם תוויות. - Supervised Learning
T
Tokenization פירוק טקסט ליחידות עיבוד בסיסיות (טוקנים) לפני הזנתן למודל.
טוקן - יחידת הטקסט הבסיסית שמודל שפה עובד איתה — בדרך כלל חלק ממילה, מילה שלמה, או סימן פיסוק. - Token
הכלי שממיר טקסט רגיל לטוקנים שהמודל יכול לעבד, ולהפך. - Tokenizer
נתוני אימון - המידע שעליו מאמנים את המודל. ככל שהנתונים איכותיים ומגוונים יותר, כך המודל טוב יותר. - Training Data
אימון - התהליך שבו מודל ה-AI חשוף לכמויות עצומות של נתונים וכיוונות, ומשפר בהדרגה את ביצועיו. - Training
טמפרטורה- פרמטר השולט ברמת ה"יצירתיות" של המודל. טמפרטורה גבוהה = תשובות מגוונות ולעתים מפתיעות. נמוכה = תשובות צפויות ועקביות. - Temperature
Text-to-Image -
יצירת תמונה מתיאור טקסטואלי. כלים: Midjourney, DALL·E, Stable Diffusion.
Text-to-Video
יצירת סרטון וידאו מתיאור טקסטואלי. כלים: Sora, Runway, Pika.
יכולת של מודל שפה לזמן כלים חיצוניים (חיפוש אינטרנט, מחשבון, API) כחלק ממתן תשובה. - Tool Use / Function Calling
Transformer -
ארכיטקטורת רשת נוירונים שהיא הבסיס לרוב מודלי השפה המודרניים (GPT, Claude, Gemini). הוצגה ב-2017 במאמר "Attention Is All You Need".
U
(חסר-התאמה) כאשר המודל פשוט מדי ולא הצליח ללמוד את הדפוסים גם בנתוני האימון עצמם - .Underfitting
למידה לא מפוקחת - שיטת אימון שבה המודל מגלה בעצמו דפוסים בנתונים — ללא תוויות או תשובות נכונות מראש. - Unsupervised Learning
V
Text-to-Video -
יצירת סרטון וידאו מתיאור טקסטואלי. כלים: Sora, Runway, Pika.
W
Workflow Automation -
אוטומציה של תהליכי עבודה שחוזרים על עצמם באמצעות AI וכלים כמו Zapier, Make, n8n.
X
Explainability / XAI היכולת להסביר מדוע מודל AI הגיע להחלטה מסוימת — חשוב במיוחד בתחומים כמו רפואה ומשפטים.
Y
Z
Zero-shot / Few-shot Learning יכולת המודל לבצע משימה ללא דוגמאות (zero-shot) או עם מעט דוגמאות (few-shot) בלבד.
א
אימון (Training) התהליך שבו מודל ה-AI חשוף לכמויות עצומות של נתונים וכיוונות, ומשפר בהדרגה את ביצועיו.
אלגוריתם (Algorithm) קבוצת כללים והוראות מוגדרות שמחשב מבצע כדי לפתור בעיה. ב-AI זהו "המתכון" שלפיו המודל לומד.
ב
בינה מלאכותית (Artificial Intelligence / AI) תחום במדעי המחשב שמטרתו לבנות מערכות המסוגלות לבצע משימות הדורשות יכולות אנושיות כמו הבנה, למידה, קבלת החלטות ויצירה.
ג
AI גנרטיבי (Generative AI) מערכות AI המסוגלות ליצור תוכן חדש — טקסט, תמונות, קול, וידאו, קוד — ולא רק לסווג או לנתח.
ד
ה
הטיה (Bias) נטייה שיטתית ולא מכוונת במודל לספק תוצאות לא הוגנות כלפי קבוצות מסוימות, עקב עיוותים בנתוני האימון.
התאמת יתר -
Overfitting - תופעה שבה המודל "שינן" את נתוני האימון כל כך טוב עד שהוא נכשל על נתונים חדשים שמעולם לא ראה.
הסקה - Inference שלב השימוש במודל לאחר האימון — כאשר המודל מקבל קלט ומייצר פלט.
הזיה (Hallucination) תופעה שבה מודל AI מייצר מידע שגוי, בדוי או לא מדויק — אך מציג אותו בביטחון כאמת.
הקשר (Context / Context Window) כמות הטקסט שהמודל יכול "לזכור" ולעבד בבת אחת. ניתן לחשוב עליו כ"זיכרון עבודה" של המודל.
ו
ז
ח
חסר-התאמה - Underfitting - כאשר המודל פשוט מדי ולא הצליח ללמוד את הדפוסים גם בנתוני האימון עצמם.
ט
טמפרטורה (Temperature) פרמטר השולט ברמת ה"יצירתיות" של המודל. טמפרטורה גבוהה = תשובות מגוונות ולעתים מפתיעות. נמוכה = תשובות צפויות ועקביות.
טוקן (Token) יחידת הטקסט הבסיסית שמודל שפה עובד איתה — בדרך כלל חלק ממילה, מילה שלמה, או סימן פיסוק.
י
כ
כוונון עדין - Fine-tuning- תהליך של אימון נוסף של מודל קיים על נתונים ספציפיים, כדי להתמחות בתחום מסוים.
ל
למידה מחיזוק (Reinforcement Learning) שיטה שבה ה-AI לומד דרך ניסוי וטעייה — מקבל "תגמול" על פעולות טובות ו"עונש" על פעולות רעות. כך לומדים, למשל, מחשבי שחמט.
למידה לא מפוקחת (Unsupervised Learning) שיטת אימון שבה המודל מגלה בעצמו דפוסים בנתונים — ללא תוויות או תשובות נכונות מראש.
למידה מפוקחת (Supervised Learning) שיטת אימון שבה לכל דוגמה יש תשובה נכונה. המודל לומד להתאים קלט לפלט הרצוי. לדוגמה: תמונות חתולים/כלבים עם תוויות.
למידה עמוקה (Deep Learning / DL) ענף של למידת מכונה המשתמש ברשתות נוירונים מלאכותיות בעלות שכבות רבות, המאפשרות למידה של דפוסים מורכבים מאוד (תמונות, קול, שפה).
למידת מכונה (Machine Learning / ML) ענף של AI שבו המחשב לומד מדוגמאות ונתונים — במקום להיות מתוכנת עם כללים ידניים. ככל שרואה יותר דוגמאות, כך משתפר.
מ
מנגנון קשב - Attention Mechanism - מרכיב מרכזי בארכיטקטורת Transformer — מאפשר למודל להתמקד בחלקים הרלוונטיים של הטקסט בעת עיבוד כל מילה.
רב-מודאלי - Multimodal מודל המסוגל לעבד ולייצר מספר סוגי מדיה בו-זמנית — טקסט, תמונות, קול וסרטון.
מודל (Model) תוכנה שהוכשרה על נתונים ויכולה לבצע חיזויים או לייצר פלטים. לדוגמה: מודל לזיהוי תמונות, מודל לתרגום שפות.
מודל שפה גדול (Large Language Model / LLM) מודל AI שאומן על כמויות עצומות של טקסט ומסוגל להבין וליצור שפה אנושית. דוגמאות: GPT-4, Claude, Gemini.
נ
נוירונים - Transformer ארכיטקטורת רשת נוירונים שהיא הבסיס לרוב מודלי השפה המודרניים (GPT, Claude, Gemini). הוצגה ב-2017 במאמר "Attention Is All You Need".
נתוני אימון (Training Data) המידע שעליו מאמנים את המודל. ככל שהנתונים איכותיים ומגוונים יותר, כך המודל טוב יותר.
רשת נוירונים (Neural Network) מערכת מחשובית המונעת בהשראת המוח האנושי — מורכבת מ"נוירונים" מלאכותיים המחוברים זה לזה ומעבירים ביניהם מידע.
ס
ע
פ
פרמטרים - Parameters -"משקולות" המודל — הערכים הנלמדים במהלך האימון. ככל שיש יותר פרמטרים, המודל מסוגל ללמוד דפוסים מורכבים יותר. GPT-4 מכיל מאות מיליארדי פרמטרים.
פרומפט (Prompt) הבקשה, השאלה או ההנחיה שהמשתמש כותב למודל ה-AI. איכות הפרומפט משפיעה ישירות על איכות התשובה.
צ
ק
מנגנון קשב - Attention Mechanism- מרכיב מרכזי בארכיטקטורת Transformer — מאפשר למודל להתמקד בחלקים הרלוונטיים של הטקסט בעת עיבוד כל מילה.
ר
רב-מודאלי - Multimodal - מודל המסוגל לעבד ולייצר מספר סוגי מדיה בו-זמנית — טקסט, תמונות, קול וסרטון.
רשת נוירונים (Neural Network) מערכת מחשובית המונעת בהשראת המוח האנושי — מורכבת מ"נוירונים" מלאכותיים המחוברים זה לזה ומעבירים ביניהם מידע.
ש
ת