Slovník AI

Spor třinácti autorů (včetně R. Kadreyho) proti Meta ohledně trénování modelů Llama na knihách z tzv. stínových knihoven. Soudce Vince Chhabria v červnu 2025 uznal trénování za fair use, ale zdůraznil, že žalobci mohli uspět, pokud by prokázali tržní naredění (market dilution) způsobené zahlcením trhu konkurenčními výstupy.

Část kodexu pro všechny poskytovatele GPAI modelů, která stanoví opatření k dodržování autorského práva EU, včetně respektování výhrad práv (opt-out) pro vytěžování textů a dat.

Nejrozsáhlejší část kodexu, která se vztahuje pouze na poskytovatele GPAI modelů se systémovým rizikem a popisuje proces identifikace, hodnocení a zmírňování systémových rizik před zásadními rozhodnutími o nasazení.

Část kodexu vztahující se na všechny poskytovatele GPAI modelů, která upřesňuje, jak plnit informační povinnosti podle čl. 53, zejména poskytováním dokumentace navazujícím poskytovatelům a Úřadu pro AI.

Nástroj, který umožňuje popsat a porovnat AI systémy podle dimenzí, jako jsou data, role člověka, kontext nasazení a možný dopad na společnost.

Soubor praktických znalostí, zkušeností a postupů využitelných v podnikání.

Datová struktura propojující informace prostřednictvím vztahů mezi jednotlivými entitami.

Soubor dobrovolných zásad chování pro organizace vyvíjející pokročilé AI systémy, dohodnutý v rámci spolupráce zemí skupiny G7.

Dobrovolný soubor pravidel a doporučení pomáhající plnit požadavky AI Actu.

Dobrovolný nástroj zveřejněný Úřadem EU pro AI dne 10. července 2025, který pomáhá poskytovatelům GPAI modelů prokázat soulad s Aktem o UI. Připravili jej nezávislí experti v mnohostranném procesu a je rozdělen do tří kapitol.

Způsob, jímž je AI systém vnitřně uspořádán – jak propojuje vnímání, paměť, uvažování a jednání – s cílem řešit složitější úkoly koordinovaně.

Množství informací, které může AI model zohlednit při generování odpovědi v jednom okamžiku.

Strukturovaný soubor kontrolních opatření, z něhož organizace vybírá ta, jež odpovídají rizikům konkrétního AI systému a požadavkům více rámců současně.

Požadavek, aby data použitá pro vývoj a provoz AI byla relevantní, reprezentativní, dostatečně přesná a pokud možno bez systematických zkreslení.

Opatření zajišťující ochranu AI systému před neoprávněnými zásahy, útoky a zneužitím.

Schopnost organizace předcházet kybernetickým útokům a zotavit se z nich.

Událost narušující dostupnost, integritu, důvěrnost nebo autenticitu dat či systémů.