AI GLOSSARY 2026

AI Λεξικό: 90 Όροι που Πρέπει να Ξέρεις

Κάθε όρος τεχνητής νοημοσύνης, εξηγημένος στα ελληνικά — χωρίς αγγλική ζαργκόν που μπερδεύει. Πάτησε στους φίλτρους για κατηγορία ή αρχικό γράμμα και ψάξε ό,τι σε ενδιαφέρει.

Τι είναι αυτό το λεξικό

Ένα επεξηγηματικό λεξικό 90 όρων τεχνητής νοημοσύνης: από τα βασικά (LLM, Token, Training) μέχρι αρχιτεκτονικές (Transformer, RAG, MoE), AI agents, πρακτικές μεθόδους και κανονισμούς (EU AI Act). Κάθε όρος έχει το «γιατί σε νοιάζει», ώστε να ξέρεις τι σου προσφέρει στην πράξη.

Ψάχνεις Web3 όρους; Δες το Λεξικό Ορολογίας Web3 του blog.

ΒΑΣΙΚΑ

Artificial Intelligence (AI)

Το επιστημονικό πεδίο και η τεχνολογία που δημιουργεί συστήματα ικανά να μιμηθούν ανθρώπινες νοητικές λειτουργίες: μάθηση, συλλογισμό, αναγνώριση προτύπων.

Το μόνιμο background όλων όσων διαβάζεις στο blog για το AI.
ΒΑΣΙΚΑ

Machine Learning (ML)

Συστήματα που μαθαίνουν από δεδομένα χωρίς να προγραμματιστούν ρητά: εντοπίζουν πρότυπα και βελτιώνονται μόνα τους.

Η βάση για προβλέψεις, συστάσεις και ανίχνευση ανωμαλιών.
ΒΑΣΙΚΑ

Deep Learning

Υποκλάδος του ML που χρησιμοποιεί νευρωνικά δίκτυα με πολλά επίπεδα, για εργασίες όπως ο λόγος, η όραση και το κείμενο.

Το «deep» που άκουσες στα DeepSeek, DeepMind κ.λπ.
ΒΑΣΙΚΑ

Neural Network

Εκπαιδεύσιμο σύστημα εμπνευσμένο από τους νευρώνες: κόμβοι συνδεδεμένοι μεταξύ τους με ελεγχόμενα βάρη.

Το «εξάρτημα» που όλα τα σύγχρονα AI έχουν από κάτω.
ΒΑΣΙΚΑ

Large Language Model (LLM)

Μεγάλο νευρωνικό μοντέλο που προβλέπει και παράγει κείμενο. Είναι ο εγκέφαλος πίσω από ChatGPT, Gemini, Claude, Grok.

Το πιο λογικό: κάθε «AI συνομιλία» που έχεις κάνει, ήταν ένα LLM.
ΒΑΣΙΚΑ

Token

Η μικρότερη μονάδα κειμένου που επεξεργάζεται ένα μοντέλο. Μια λέξη μπορεί να είναι 1-3 tokens, ανάλογα με τη γλώσσα.

Σε αυτά χρεώνεσαι ή μετράς μνήμη, όχι σε «λέξεις».
ΒΑΣΙΚΑ

Context Window

Το μέγιστο πλήθος tokens που «βλέπει» το μοντέλο μονομιάς. Όσο μεγαλύτερο, τόσο περισσότερο κείμενο χωράει στη συνομιλία.

Σου λέει αν μπορείς να «χωρέσεις» ένα ολόκληρο έγγραφο στο prompt.
ΒΑΣΙΚΑ

Parameter

Οι αριθμητικές τιμές που κωδικοποιούν τη γνώση του μοντέλου. Τα 8B/70B/405B που βλέπεις στα μοντέλα είναι παράμετροι.

Περισσότερες παράμετροι = γενικά «εξυπνότερο», αλλά και βαρύτερο μοντέλο.
ΒΑΣΙΚΑ

Training

Η διαδικασία μάθησης του μοντέλου από τεράστιο όγκο δεδομένων, προσαρμόζοντας τα βάρη βήμα-βήμα.

Κοστίζει εκατομμύρια — μόνο μεγάλες εταιρείες το κάνουν from scratch.
ΒΑΣΙΚΑ

Inference

Η χρήση ενός ήδη εκπαιδευμένου μοντέλου για να απαντήσει. Ό,τι γίνεται όταν στέλνεις ένα prompt.

Αυτό πληρώνεις στα APIs και αυτό τρέχεις όταν κάνεις local AI.
ΒΑΣΙΚΑ

Foundation Model

Μεγάλο μοντέλο γενικής χρήσης που χρησιμεύει ως βάση και μετά προσαρμόζεται για συγκεκριμένες εφαρμογές.

Τα GPT-5, Gemini κ.λπ. είναι foundation models που «νωρίζουν» τα πάντα από την αρχή.
ΒΑΣΙΚΑ

Multimodal

Μοντέλο που επεξεργάζεται ταυτόχρονα κείμενο, εικόνες, ήχο και βίντεο, «καταλαβαίνοντας» διαφορετικά είδη εισόδου.

Μπορείς π.χ. να δείξεις screenshot και να το περιγράψει.
ΒΑΣΙΚΑ

Hallucination

Όταν το μοντέλο παράγει με σιγουριά κάτι που δεν ισχύει, επειδή «φτιάχνει» κείμενο χωρίς να ξέρει την αλήθεια.

Ο λόγος να μη βασίζεσαι τυφλά σε AI χωρίς έλεγχο πηγών.
ΒΑΣΙΚΑ

AGI

Τεχνητή Γενική Νοημοσύνη: AI που θα ήταν το ίδιο ικανό με τον άνθρωπο σε κάθε γνωστική εργασία, σε όλα τα πεδία.

Ο «στόχος» που όλες οι μεγάλες εταιρείες λένε ότι κυνηγούν.
ΒΑΣΙΚΑ

Prompt

Το μήνυμα ή η οδηγία που δίνεις σε ένα μοντέλο για να πάρεις απάντηση. Η ποιότητά του αλλάζει δραστικά το αποτέλεσμα.

Ό,τι γράφεις στο κουτάκι του ChatGPT είναι prompt.
ΒΑΣΙΚΑ

Chatbot

Εφαρμογή διαλόγου που συνήθως «τρέχει» πάνω από ένα LLM. Η πιο γνωστή διεπαφή της γενιάς αυτής του AI.

Το πρώτο βήμα σχεδόν κάθε επιχείρησης που «μπαίνει» στο AI.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Transformer

Η αρχιτεκτονική πάνω στην οποία χτίστηκαν όλα τα σύγχρονα LLM. Επεξεργάζεται όλα τα tokens μαζί, χάρη στον μηχανισμό Attention.

Θεωρείται η μεγαλύτερη ανακάλυψη στο AI από το 2017 μέχρι σήμερα.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Attention

Μηχανισμός που δίνει βαρύτητα σε διαφορετικά μέρη της εισόδου, ώστε το μοντέλο να «προσέχει» τα σχετικά tokens.

Γιατί το ChatGPT «θυμάται» τι είπες στην αρχή του prompt.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Embedding

Η μετατροπή ενός κειμένου σε διάνυσμα αριθμών, όπου κοντινά σημασιολογικά κείμενα είναι κοντά μεταξύ τους.

Η βάση της semantic search και του RAG.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Vector Database

Βάση δεδομένων για αποθήκευση και αναζήτηση embeddings, επιστρέφοντας τα πιο παρόμοια αποτελέσματα.

Το «ντουλάπι γνώσης» που χρησιμοποιεί κάθε εφαρμογή με RAG.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Latent Space

Ο αφηρημένος, πολυδιάστατος χώρος όπου το μοντέλο «τοποθετεί» τις έννοιες που έχει μάθει.

Γι' αυτό το AI βρίσκει αναλογίες όπως «βασιλιάς - άνδρας + γυναίκα = βασίλισσα».
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Weights

Οι αριθμητικές τιμές που ρυθμίζονται κατά την εκπαίδευση και καθορίζουν τι «ξέρει» τελικά το μοντέλο.

Τα weights είναι ουσιαστικά το «αρχείο» του μοντέλου (π.χ. gguf για local AI).
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Fine-tuning

Περαιτέρω εκπαίδευση ενός μοντέλου με συγκεκριμένα δεδομένα, για να γίνει καλό σε μία εξειδικευμένη δουλειά.

Όταν θέλεις το μοντέλο να μιλάει «τη γλώσσα σου»: νομικά, ιατρικά, κώδικα.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

LoRA

Οικονομική τεχνική fine-tuning που προσαρμόζει ελάχιστο αριθμό παραμέτρων, με κλάσμα του κόστους και της μνήμης.

Ο τρόπος που μικρές ομάδες κάνουν custom μοντέλα χωρίς servers.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Quantization

Συμπίεση των αριθμών ενός μοντέλου για λιγότερη μνήμη και ταχύτερο inference, με μικρή απώλεια ποιότητας.

Γιατί το local AI «χωράει» στο laptop σου (π.χ. Q4, Q8).
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Knowledge Distillation

Μεταφορά γνώσης από ένα μεγάλο, ισχυρό μοντέλο σε ένα μικρότερο, γρηγορότερο που μαθαίνει σχεδόν τόσο καλά.

Γι' αυτό τα «mini» μοντέλα είναι τόσο ικανά για το μέγεθός τους.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Pruning

Αφαίρεση παραμέτρων που δεν προσφέρουν σχεδόν τίποτα, με αποτέλεσμα ένα πιο ελαφρύ μοντέλο.

Άλλη μια τεχνική για μικρότερα, φθηνότερα μοντέλα.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

RLHF

Εκπαίδευση με ενισχυτική μάθηση και ανθρώπινη ανατροφοδότηση: οι άνθρωποι βαθμολογούν τις απαντήσεις για να ευθυγραμμιστεί το μοντέλο.

Ο λόγος που τα μοντέλα σήμερα «συμπεριφέρονται» τόσο καλύτερα από παλιά.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

RAG

Retrieval-Augmented Generation: ενίσχυση των απαντήσεων αντλώντας σχετικά κομμάτια από μια βάση γνώσης πριν απαντήσει.

Πώς το AI απαντά με βάση τα ΔΙΚΑ ΣΟΥ έγγραφα, όχι μόνο τη μνήμη του.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Semantic Search

Αναζήτηση με βάση το νόημα και όχι τις ακριβείς λέξεις — βρίσκει τη σωστή απάντηση ακόμη κι αν ρωτάς με άλλη διατύπωση.

Την έχεις δει σε κάθε μοντέρνο search, ένα βήμα πριν το GEO.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Top-p

Παράμετρος δειγματοληψίας που ελέγχει πόσο «δημιουργικό» ή συντηρητικό θα είναι το μοντέλο στις απαντήσεις.

Χαμηλό Top-p = πιο προβλέψιμο· υψηλό = πιο φανταχτερό κείμενο.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Zero-shot

Η ικανότητα του μοντέλου να εκτελέσει μια εργασία χωρίς κανένα παράδειγμα — μόνο από την περιγραφή της.

Το βασικό «μαγικό» των μεγάλων μοντέλων σε νέες εργασίες.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Few-shot

Η εκτέλεση εργασίας με ελάχιστα παραδείγματα μέσα στο prompt, χωρίς fine-tuning.

Δώσε 2-3 παραδείγματα και το μοντέλο συνήθως καταλαβαίνει το στυλ.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Chain-of-Thought

Μέθοδος που βάζει το μοντέλο να «σκέφτεται» βήμα-βήμα πριν απαντήσει, βελτιώνοντας μαθηματικά και λογικά προβλήματα.

Γι' αυτό το «σκέψου το βήμα-βήμα» αλλάζει τόσο πολύ το αποτέλεσμα.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Reasoning Model

Μοντέλο εκπαιδευμένο να ξοδεύει επιπλέον «χρόνο σκέψης» πριν απαντήσει, για σύνθετα προβλήματα.

Τα o1, o3, Grok Reasoning κ.λπ. — πιο αργά αλλά πιο σίγουρα.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Mixture of Experts (MoE)

Αρχιτεκτονική που ενεργοποιεί μόνο λίγους «ειδικούς» από πολλούς ανά δείγμα, για ταχύτερο και φθηνότερο inference.

Πώς μεγάλα μοντέλα τρέχουν γρήγορα χωρίς να ενεργοποιούν όλα τα δισεκατομμύρια παραμέτρων.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Tokenization

Η διαδικασία μετατροπής κειμένου σε tokens, επηρεάζοντας κόστος, ταχύτητα και ποιότητα.

Η ελληνική γλώσσα «καταναλώνει» περισσότερα tokens ανά λέξη από τα αγγλικά.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Positional Encoding

Πληροφορία που λέει στο μοντέλο τη σειρά των λέξεων, αφού οι Transformers επεξεργάζονται τις λέξεις παράλληλα.

Χωρίς αυτήν, το μοντέλο θα μπέρδευε το «Α ακολουθεί το Β».
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Diffusion Model

Μοντέλο δημιουργίας εικόνων που ξεκινά από θόρυβο και «ξεθωριάζει» σταδιακά μέχρι να σχηματίσει την εικόνα.

Ο εγκέφαλος πίσω από Stable Diffusion, Midjourney και εργαλεία εικόνας.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

GAN

Adversarial Network: δύο δίκτυα ανταγωνίζονται για να παράξουν ρεαλιστικά δεδομένα — ο ένας παράγει, ο άλλος ελέγχει.

Πρώτη μεγάλη τεχνική για εικόνες, πριν τα diffusion μοντέλα.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Encoder-Decoder

Δομή που πρώτα συμπιέζει την είσοδο και μετά παράγει την έξοδο — χρήσιμη για μεταφράσεις, περίληψη κ.λπ.

Η «στενή» γέφυρα μέσα από την οποία περνά η σημασία του κειμένου.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

CNN

Convolutional Neural Network: δίκτυο με φίλτρα που ανιχνεύουν χαρακτηριστικά σε εικόνες (άκρες, σχήματα, αντικείμενα).

Η κλασική, δοκιμασμένη βάση της όρασης υπολογιστών.
ΑΡΧΙΤΕΚΤΟΝΙΚΗ

Gradient Descent

Ο αλγόριθμος εκμάθησης που «κατεβαίνει» το σφάλμα βήμα-βήμα, προσαρμόζοντας τα βάρη προς τη σωστή κατεύθυνση.

Ο τρόπος που κάθε νευρωνικό δίκτυο γίνεται λιγότερο λάθος.
AGENTS

AI Agent

Σύστημα που όχι μόνο απαντά, αλλά αναλαμβάνει εργασίες: σχεδιάζει, χρησιμοποιεί εργαλεία και εκτελεί ενέργειες.

Η μετάβαση από το «σου λέω» στο «το κάνω για σένα».
AGENTS

Tool Calling

Η ικανότητα ενός μοντέλου να καλεί συναρτήσεις, APIs ή υπηρεσίες — π.χ. να ρωτά το ημερολόγιο ή να στέλνει email.

Δίνει στο AI «χέρια» και όχι μόνο «στόμα».
AGENTS

MCP

Model Context Protocol: ανοικτό πρωτόκολλο που επιτρέπει στα μοντέλα να συνδέονται με εξωτερικά εργαλεία με τυποποιημένο τρόπο.

Το «USB-C» των AI εργαλείων — μία σύνδεση για όλα.
AGENTS

Orchestration

Ο συντονισμός των βημάτων ενός πράκτορα ή πολλών agents σε μια σειρά, με λογική ροής και ελέγχους.

Ο «σκηνοθέτης» πίσω από κάθε σύνθετο AI workflow.
AGENTS

Multi-Agent

Σύστημα από πολλούς AI agents με διαφορετικούς ρόλους που συνεργάζονται: π.χ. researcher, coder, critic.

Η «ομάδα» αντί ενός υπερ-πράκτορα — όπως περιγράφουμε στο Σμήνος Agents.
AGENTS

ReAct

Reasoning + Acting: ροή όπου το μοντέλο εναλλάσσει «σκέψη» και «ενέργεια» μέχρι να τελειώσει την εργασία.

Το φυλλάδιο της σύγχρονης agent σχεδίασης για αξιόπιστα αποτελέσματα.
AGENTS

Planning

Η διάσπαση μιας σύνθετης εργασίας σε μικρά βήματα που μπορεί να εκτελέσει ο πράκτορας με τη σειρά.

Χωρίς πλάνο, οι agents χάνουν τον στόχο σε πολλαπλό βήμα.
AGENTS

Computer Use

Agent που χειρίζεται ένα γραφικό περιβάλλον (κλικ, κείμενο, screenshots) σαν άνθρωπος μπροστά στον υπολογιστή.

Αυτό βλέπεις ως «Operator» και αντίστοιχα εργαλεία για browsers.
AGENTS

Autonomous Agent

Πράκτορας που λειτουργεί για ώρες με ελάχιστη ανθρώπινη παρέμβαση, αναλαμβάνοντας αποφάσεις στη ροή.

Εντυπωσιακό, αλλά χρειάζεται ισχυρά guardrails για να είναι ασφαλές.
AGENTS

Human-in-the-Loop

Σχεδίαση όπου ένας άνθρωπος εγκρίνει ή διορθώνει κρίσιμες ενέργειες του συστήματος πριν εκτελεστούν.

Ο συμβιβασμός ανάμεσα σε ταχύτητα AI και ασφάλεια.
AGENTS

Guardrails

Κανόνες ασφαλείας που οριοθετούν τι επιτρέπεται να κάνει ή να πει το μοντέλο, σε επίπεδο prompt και κώδικα.

Το «φρενάρισμα» που εμποδίζει έναν agent να ξεφύγει.
AGENTS

Sandboxing

Απομόνωση εκτέλεσης κώδικα ή εργαλείων σε ελεγχόμενο περιβάλλον, ώστε το AI να μην έχει πρόσβαση σε όλο το σύστημα.

Ο λόγος που οι code interpreters των AI τρέχουν σε «κλουβιά».
AGENTS

Code Interpreter

Εργαλείο που εκτελεί κώδικα που παράγει το μοντέλο, για αναλύσεις, αρχεία και αυτοματισμούς.

Μετατρέπει το AI από «συνομιλητή» σε «εκτελεστή».
AGENTS

Long-Term Memory

Μηχανισμός αποθήκευσης πληροφοριών ανάμεσα σε συνεδρίες, ώστε το σύστημα να «θυμάται» τον χρήστη και το πλαίσιο.

Η διαφορά ανάμεσα στο να ξεκινάς από το μηδέν και στο να συνεχίζεις.
AGENTS

System Prompt

Οι κρυφές αρχικές οδηγίες που ρυθμίζουν τον ρόλο και τη συμπεριφορά του μοντέλου, πριν από τον διάλογο.

Γιατί κάθε «custom GPT» συμπεριφέρεται τόσο διαφορετικά.
AGENTS

Agentic Workflow

Αυτοματοποιημένη διαδικασία όπου AI agents εκτελούν βήματα, αποφασίζουν και παραδίδουν αποτέλεσμα με ελάχιστη παρέμβαση.

Το θέμα-πυλώνας του AI 2026 Hub — δες τα Agentic Workflows.
ΠΡΑΚΤΙΚΑ

Prompt Engineering

Η συστηματική τέχνη του να γράφεις οδηγίες για να παίρνεις σταθερά καλύτερες, ακριβέστερες απαντήσεις.

Ο πιο φθηνός τρόπος να «βελτιώσεις» το AI που ήδη χρησιμοποιείς.
ΠΡΑΚΤΙΚΑ

Prompt Injection

Επίθεση όπου κακόβουλο κείμενο μέσα στο input χειραγωγεί το μοντέλο να αγνοήσει τις οδηγίες και να εκτελέσει άλλες εντολές.

Το #1 σοβαρό πρόβλημα ασφάλειας στα agent-based συστήματα.
ΠΡΑΚΤΙΚΑ

Jailbreak

Τεχνικές που παρακάμπτουν τους κανόνες ασφαλείας του μοντέλου, π.χ. με εναλλακτικά σενάρια ή κωδικοποίηση.

Ο λόγος που τα «ασφαλή» μοντέλα χρειάζονται συνεχείς ενημερώσεις.
ΠΡΑΚΤΙΚΑ

Red Teaming

Προσπάθεια να «σπάσεις» ηθελημένα το δικό σου σύστημα AI για να ανακαλύψεις και να διορθώσεις αδυναμίες.

Καλύτερα να το βρεις εσύ πριν το βρουν άλλοι.
ΠΡΑΚΤΙΚΑ

Grounding

Το να «δένονται» οι απαντήσεις σε συγκεκριμένες πηγές γνώσης, ώστε να είναι επαληθεύσιμες αντί για φαντασίες.

Ο βασικός τρόπος μείωσης των hallucinations σε εφαρμογές.
ΠΡΑΚΤΙΚΑ

Knowledge Base

Η συλλογή εγγράφων (PDF, wiki, docs) από την οποία αντλεί ένα σύστημα RAG για να απαντήσει.

Ό,τι «ανεβάζεις» στο AI για να απαντά με βάση τα δικά σου δεδομένα.
ΠΡΑΚΤΙΚΑ

Evals

Τυποποιημένες δοκιμές που μετράνε αν ένα μοντέλο βελτιώθηκε ή χειροτέρεψε σε συγκεκριμένες εργασίες.

Χωρίς evals, δεν ξέρεις αν η αλλαγή prompt όντως βοήθησε.
ΠΡΑΚΤΙΚΑ

Benchmark

Τυποποιημένο σετ ερωτήσεων/δοκιμασιών που συγκρίνει μοντέλα σε ίσους όρους (MMLU, HumanEval κ.λπ.).

Τα νούμερα των συγκρίσεων «GPT vs Gemini» που βλέπεις παντού.
ΠΡΑΚΤΙΚΑ

Tokens Per Second

Η ταχύτητα παραγωγής κειμένου. Στο local AI είναι ο νούμερο-ένα δείκτης «τρέχει γρήγορα;».

Όταν επιλέγεις μοντέλο για το PC σου, το TPS μετράει όσο και η ποιότητα.
ΠΡΑΚΤΙΚΑ

Inference Cost

Το κόστος κάθε ερωτήματος: εξαρτάται από tokens εισόδου/εξόδου και τιμή ανά εκατομμύριο. Δες τον υπολογιστή κόστους στο blog.

Το μεγάλο πρόβλημα: ένα «έξυπνο» μοντέλο μπορεί να είναι απαγορευτικά ακριβό σε κλίμακα.
ΠΡΑΚΤΙΚΑ

On-Device AI

Εκτέλεση μοντέλων τοπικά στη συσκευή σου — χωρίς cloud, χωρίς αποστολή δεδομένων, με ιδιωτικότητα.

Πλήρης οδηγός: On-Device AI 2026.
ΠΡΑΚΤΙΚΑ

NPU

Neural Processing Unit: επεξεργαστής βελτιστοποιημένος για νευρωνικά δίκτυα, που βρίσκεται σε νέα laptops και κινητά.

Σου επιτρέπει τοπικό AI χωρίς να «καεί» ο κεντρικός επεξεργαστής.
ΠΡΑΚΤΙΚΑ

Edge AI

AI που τρέχει «στην άκρη» του δικτύου: κάμερες, IoT, κινητά — κοντά στα δεδομένα, όχι στο data center.

Χαμηλή καθυστέρηση + ιδιωτικότητα, χωρίς σύνδεση στο cloud.
ΠΡΑΚΤΙΚΑ

Copilot

AI βοηθός ενσωματωμένος σε εργαλεία εργασίας (editor, Office, browser) που μετατρέπει τη συνομιλία σε πράξη.

Το συνδεδεμένο «δεύτερο χέρι» στη δουλειά σου, όχι μεμονωμένο chat.
ΠΡΑΚΤΙΚΑ

GEO

Generative Engine Optimization: βελτιστοποίηση περιεχομένου ώστε να εμφανίζεται στις απαντήσεις ChatGPT, Gemini και Perplexity.

Ο «νέος SEO» — δες τον οδηγό GEO Optimization.
ΠΡΑΚΤΙΚΑ

Model Card

Δελτίο συνοδείας ενός μοντέλου: ποια δεδομένα χρησιμοποιήθηκαν, πού αποδίδει, πού περιορίζεται, πώς πρέπει να χρησιμοποιείται.

Ο έλεγχος «παράδοσης» κάθε σοβαρού production μοντέλου.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

EU AI Act

Ο ευρωπαϊκός κανονισμός που ρυθμίζει τα συστήματα AI με βάση τον κίνδυνο, με ειδικές υποχρεώσεις για «υψηλού κινδύνου» χρήσεις.

Οδηγός συμμόρφωσης: AI Governance & EU AI Act.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

High-Risk AI

Κατηγορία συστημάτων (υγεία, εκπαίδευση, απασχόληση, δικαιοσύνη) που υπόκεινται σε αυστηρές απαιτήσεις ελέγχου και τεκμηρίωσης.

Το τμήμα του AI Act που αφορά περισσότερο τις επιχειρήσεις.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Explainable AI (XAI)

Μέθοδοι και εργαλεία που εξηγούν γιατί το μοντέλο πήρε μια απόφαση — κρίσιμα σε ρυθμισμένους τομείς.

Γιατί ούτε εσύ ούτε ο ελεγκτής θες ένα «μαύρο κουτί».
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Bias

Συστηματική προκατάληψη των απαντήσεων, που «κληρονομείται» από τα δεδομένα εκπαίδευσης.

Ο λόγος που το AI μπορεί να ευνοεί ομάδες ή να στερεοτυπεί ασυναίσθητα.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Fairness

Η απαίτηση το σύστημα να συμπεριφέρεται δίκαια σε όλες τις ομάδες, χωρίς διακρίσεις ανά φύλο, φυλή, ηλικία.

Στόχος συμμόρφωσης, όχι απλώς «καλή πρακτική».
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Transparency

Το να ξέρει ο χρήστης ότι πίσω από μια γνώμη, μια εικόνα ή ένα μήνυμα βρίσκεται AI.

Απαραίτητο για εμπιστοσύνη και συχνά υποχρεωτικό από ρυθμιστές.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Synthetic Data

Δεδομένα που παράγονται από μοντέλα αντί για πραγματικές πηγές — χρήσιμα σε έλλειψη ή ευαίσθητα δεδομένα.

Φθηνά, αλλά προσοχή: μεταφέρουν και τα λάθη του μοντέλου-παραγωγού.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Deepfake

Ρεαλιστικό πλαστό υλικό (πρόσωπα, φωνές) που φτιάχνεται με AI και μπορεί να εξαπατήσει ή να χρησιμοποιηθεί για δόλια ενέργεια.

Δοκίμασε τον Media Inspector για έλεγχο περιεχομένου.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Digital Watermark

Κρυφή, ενσωματωμένη σήμανση που δηλώνει ότι ένα αρχείο δημιουργήθηκε ή τροποποιήθηκε με AI.

Ένα από τα πρακτικά εργαλεία της εποχής των deepfakes.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Content Credentials

Πρωτόκολλα (π.χ. C2PA) που τεκμηριώνουν την προέλευση ενός αρχείου — ποιος το φτιάξε, με τι, πότε.

Η «αλυσίδα παράδοσης» για την αυθεντικότητα πολυμέσων.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Alignment

Η προσπάθεια το μοντέλο να κατανοεί και να υπηρετεί τις ανθρώπινες προθέσεις και αξίες, όχι απλώς να είναι ικανό.

Το βάθος: «σωστό» δεν είναι μόνο το σωστό, αλλά και το ευθυγραμμισμένο.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

AI Safety

Ο κλάδος που μελετά πώς να αποφευχθούν ακούσιες ή κακόβουλες ζημιές από την ανάπτυξη ισχυρότερου AI.

Από καθημερινά σφάλματα συστημάτων μέχρι μακροπρόθεσμους κινδύνους.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Constitutional AI

Εκπαίδευση όπου το μοντέλο υπακούει σε γραπτούς κανόνες αρχών, αντί να μαθαίνει μόνο από ανθρώπινες κρίσεις.

Ο τρόπος τής Claude (Anthropic) να ορίζει «χαρακτήρα» και όρια.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Responsible AI

Η ανάπτυξη και χρήση AI με ηθική, διαφάνεια, λογοδοσία και σεβασμό στα δικαιώματα — ως πρακτική, όχι σλόγκαν.

Το πρίσμα μέσα από το οποίο αξιολογείται κάθε σοβαρό AI project.
ΕΤΙΚΑ / ΑΣΦΑΛΕΙΑ

Shadow AI

Η χρήση AI εργαλείων μέσα σε έναν οργανισμό χωρίς έγκριση ή έλεγχο του IT — με ρίσκα στα δεδομένα.

Το πρώτο πράγμα που ψάχνουν οι ελεγκτές συμμόρφωσης.

Δεν βρέθηκαν όροι. Προσπάθησε άλλη λέξη ή αφαίρεσε ένα φίλτρο.