Systematiska och upprepbara fel i ett datorsystem som skapar orättvisa resultat, såsom att gynna en grupp framför andra, vilket kan orsakas av orepresentativ eller bristfälliga träningsdata.

Systematiska och upprepbara fel i ett datorsystem som skapar orättvisa resultat, ofta på grund av fördomsfulla antaganden i maskininlärningsprocessen.

System eller maskiner som efterliknar mänsklig intelligens för att utföra uppgifter och som iterativt kan förbättra sig själva baserat på den information de samlar in.

En omfattande EU-förordning (träder i kraft från 2024, med stegvis implementering) som kategoriserar AI-system efter risknivåer och ställer krav på säkerhet, transparens och ansvarsutkrävande.

EU-lag om dataskydd och integritet som reglerar hantering av personuppgifter och kräver samtycke samt laglig behandling av data.

Processen att anpassa produkter, tjänster eller meddelanden till en enskild kund genom användning av detaljerade data och avancerad analys, vilket möjliggör mycket mer relevant och effektiv kommunikation.

En grundläggande princip för ansvarsfull användning av AI, vilket innebär att en mänsklig yrkesperson alltid måste vara involverad i processen, övervaka AI:ns arbete och fatta de slutgiltiga besluten.

En underkategori till AI som gör det möjligt för datorer att lära sig och bli bättre genom erfarenhet utan att vara explicit programmerade, ofta genom att använda data för att göra förutsägelser eller fatta beslut.

Användningen av AI och dataanalys för att förutsäga framtida trender, kundbeteende och marknadsbehov, vilket hjälper företag att fatta datadrivna beslut

En specifik instruktion eller fråga som ges till en AI-modell för att generera ett önskat svar eller utdata