Emergenca opisuje lastnosti sistema, ki nastanejo iz součinkovanja mnogih preprostih delov, a jih ni mogoče opaziti pri nobenem posameznem delu. Pri raziskavah UI so zmožnosti emergentne, kadar veliki jezikovni modeli nad določeno velikostjo naloge, kot so večstopenjsko računanje ali prevajanje, rešujejo opazno bolje kot manjši modeli. Med raziskovalci je sporno, ali so takšni skoki resnični ali delno odvisni od načina merjenja.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevVeliki jezikovni model (large language model, LLM) je nevronska mreža, naučena na zelo velikih količinah besedil, kar ji omogoča razumevanje in ustvarjanje jezika. Deluje tako, da korak za korakom izračunava najverjetnejši naslednji token. LLM-ji pišejo, povzemajo, prevajajo, odgovarjajo na vprašanja in ustvarjajo kodo; znani primeri so Claude, GPT, Gemini in Llama. Brez dostopa do aktualnih virov poznajo le tisto, kar je bilo v njihovih učnih podatkih.
Temeljni model (foundation model) je velik model UI, vnaprej naučen na zelo obsežnih, raznovrstnih podatkih, ki ga je mogoče nato uporabiti za številne različne naloge. Izraz je leta 2021 skoval Stanfordski univerzitet. Znani primeri so veliki jezikovni modeli, kot sta Claude ali GPT, pa tudi slikovni modeli. Podjetja svoje aplikacije običajno gradijo na takšnih modelih, namesto da bi lastne učila povsem od začetka; Akt EU o umetni inteligenci govori o modelih UI za splošne namene.
Splošna umetna inteligenca (artificial general intelligence, AGI) označuje hipotetični sistem UI, ki bi lahko na človeški ravni obvladal široko paleto intelektualnih nalog in naučeno prožno prenašal na nova področja. Današnji sistemi dobro opravljajo številne naloge, a še kažejo omejitve, na primer pri zanesljivosti. Splošno sprejete opredelitve ali načina merjenja ni, med strokovnjaki pa je sporno, ali bo AGI dosežena in kdaj.
Večstopenjsko sklepanje je sposobnost sistema UI, da odgovori na vprašanje prek več zaporednih sklepov, pogosto z združevanjem informacij iz različnih virov. Primer: „Kateri oddelek vodi oseba, odgovorna za projekt X?“ zahteva, da najprej ugotovimo odgovorno osebo, nato pa njen oddelek. Takšna vprašanja so zahtevna za iskalne sisteme in sisteme RAG, ker je treba vsak vmesni korak pravilno najti in povezati.
