ИИ развивается с головокружительной скоростью — и вместе с ним стремительно меняется его язык. ChatGPT, Gemini, Meta* AI уже стали частью повседневной жизни, а разговоры об LLM, галлюцинациях и агентах звучат всё чаще — на работе, в новостях и даже за ужином. Если вы устали кивать, делая вид, что понимаете, о чём речь — этот глоссарий для вас.
Искусственный интеллект (ИИ) — использование технологий для имитации человеческого интеллекта в компьютерных программах или роботах. Область информатики, цель которой — создание систем, способных выполнять задачи, требующие человеческого мышления.
Алгоритм — набор инструкций, позволяющих компьютерной программе анализировать данные определённым образом, распознавать паттерны и выполнять задачи — сортировку результатов или формирование рекомендаций.
Машинное обучение — направление ИИ, позволяющее компьютерам обучаться и улучшать прогнозы без явного программирования. Может сочетаться с обучающими данными для генерации нового контента.
Глубокое обучение — метод ИИ, подраздел машинного обучения, использующий множество параметров для распознавания сложных паттернов в изображениях, звуке и тексте. Вдохновлён структурой человеческого мозга и использует искусственные нейронные сети.
Нейронная сеть — вычислительная модель, имитирующая структуру человеческого мозга. Состоит из взаимосвязанных узлов-нейронов, способных распознавать паттерны и обучаться со временем.
Обучающие данные — наборы данных (текст, изображения, код), на которых обучаются ИИ-модели.
Набор данных — коллекция цифровой информации для обучения, тестирования и проверки ИИ-модели.
Большая языковая модель (LLM) — ИИ-модель, обученная на огромных массивах текстовых данных для понимания закономерностей языка и генерации нового контента: эссе, писем, кода, изображений.
Чат-бот — ИИ-программа на основе LLM, общающаяся с людьми посредством имитации человеческого разговора в ответ на текстовые или голосовые запросы.
Генеративный ИИ — технология, использующая ИИ для создания текста, видео, кода или изображений. Модель обучается на больших объёмах данных, находит паттерны и генерирует оригинальные ответы.
Промпт — запрос или вопрос, который вы вводите в чат-бот для получения ответа.
Промпт-инжиниринг — процесс написания запросов для ИИ с целью получения нужного результата. Требует детальных инструкций и специфических формулировок.
Связывание промптов — способность ИИ использовать информацию из предыдущих взаимодействий для формирования последующих ответов.
Токены — небольшие фрагменты текста, которые языковые модели обрабатывают при формировании ответов. Один токен примерно равен четырём символам на английском.
Параметры — числовые значения, задающие структуру и поведение LLM и позволяющие им делать прогнозы.
Температура — параметр, управляющий случайностью вывода языковой модели. Высокая температура означает большую непредсказуемость и «творческость» ответов.
Галлюцинация — ошибка или вводящее в заблуждение утверждение в ответе генеративного ИИ, как правило, высказанное уверенно, как будто оно верно. Может быть как мелкой фактической ошибкой, так и полным вымыслом несуществующих событий или людей.
Предвзятость (bias) — ошибки, возникающие из-за обучающих данных LLM: например, ложное приписывание характеристик определённым группам людей на основе стереотипов.
Переобучение — ошибка машинного обучения, при которой модель слишком точно подстраивается под обучающие данные и не может обобщать результаты на новые данные.
Синкофантия — склонность ИИ чрезмерно соглашаться с пользователями, избегая возражений даже при ошибочной логике собеседника.
Стохастический попугай — аналогия, иллюстрирующая, что LLM не имеют истинного понимания языка или мира, сколь убедительными бы ни звучали их ответы. Как попугай может имитировать человеческие слова, не понимая их смысла.
Слоп — низкокачественный ИИ-контент: тексты, изображения и видео, производимые в больших объёмах с минимальными усилиями для накрутки просмотров, засоряющие поисковики и соцсети.
Промпт-инъекция — атака, при которой злоумышленники используют скрытые инструкции, чтобы обманом заставить ИИ сделать то, для чего он не предназначен. Инструкции могут быть спрятаны на веб-странице или в документе.
Агент, агентный ИИ — ИИ, выполняющий задачи автономно, часто взаимодействуя с разными системами. Например, читает список покупок в заметках и самостоятельно оформляет заказ и оплату через другие приложения.
Коготь (claw) — тип ИИ-агента, которому пользователь даёт разрешение автономно «прочёсывать» файлы и приложения на компьютере, включая браузер, для выполнения задач.
Упряжь (harness) — программная оболочка вокруг LLM, подключающая его к инструментам, памяти и другим системам для выполнения задач: доступа к файлам, поиска в интернете, отправки письма. Также включает ограничения, удерживающие агента в заданных рамках.
Песочница (sandbox) — изолированная программная среда тестирования, закрытая от других систем и интернета. Используется для ограничения действий ИИ-агентов, хотя некоторые умудряются находить лазейки.
Сквозное обучение (E2E) — процесс глубокого обучения, при котором модель обучается выполнять задачу от начала до конца целиком, а не последовательно по шагам.
Мультимодальный ИИ — ИИ, способный обрабатывать несколько типов данных одновременно: текст, изображения, видео и речь.
Трансформерная модель — архитектура нейронной сети, обучающаяся на основе контекста путём отслеживания связей в данных. Вместо анализа предложения слово за словом рассматривает его целиком.
Генеративно-состязательные сети (GAN) — модель генеративного ИИ из двух нейронных сетей: генератор создаёт новый контент, а дискриминатор проверяет его подлинность.
Диффузия — метод машинного обучения, при котором к существующим данным добавляется случайный шум, а затем модель обучается восстанавливать исходное изображение.
Когнитивные вычисления — альтернативное название искусственного интеллекта.
Обучение без учителя — форма машинного обучения без размеченных обучающих данных: модель самостоятельно находит паттерны в данных.
Обучение с нулевым примером (zero-shot) — тест, в котором модель выполняет задачу без необходимых обучающих данных. Например, распознаёт льва, будучи обученной только на тиграх.
Открытые веса (open weights) — когда компания публично выпускает итоговые веса модели — то, как модель интерпретирует информацию из обучающих данных. Такие модели обычно можно скачать и запускать локально.
Квантизация — процесс уменьшения размера LLM за счёт снижения точности, что делает её быстрее и эффективнее, но несколько менее точной. Аналогия: 16-мегапиксельное изображение и 8-мегапиксельное — оба видны, но при увеличении первое детальнее.
Аугментация данных — переработка существующих данных или добавление более разнообразных данных для обучения ИИ.
Синтетические данные — данные, созданные генеративным ИИ, а не взятые из реальных источников. Используются для обучения математических и ML-моделей.
Выравнивание (alignment) — настройка ИИ для получения желаемых результатов: от модерации контента до поддержания позитивного взаимодействия с людьми.
Ограждения (guardrails) — политики и ограничения, встроенные в ИИ-модели для ответственного обращения с данными и предотвращения нежелательного контента.
ИИ-этика — принципы, направленные на предотвращение вреда от ИИ для людей: стандарты сбора данных, борьба с предвзятостью, справедливость алгоритмов.
Безопасность ИИ — междисциплинарная область, занимающаяся краткосрочными и долгосрочными рисками ИИ, включая сценарии появления сверхинтеллекта, потенциально враждебного людям.
Искусственный общий интеллект (AGI) — гипотетическая более продвинутая версия ИИ, способная выполнять задачи значительно лучше людей и самостоятельно улучшать свои возможности.
Фронтирные модели — наиболее передовые ИИ-модели на данный момент, раздвигающие границы рассуждений, автономности и мультимодальных возможностей.
Умерший (doomer) — пессимист в отношении ИИ, считающий, что стремительное развитие технологии катастрофически угрожает всему, что ценят люди, вплоть до уничтожения человечества.
Фум (foom) — концепция быстрого перехода к AGI, при котором к моменту его создания уже может быть слишком поздно что-либо предпринять.
Сценарий скрепок — мысленный эксперимент философа Ника Бострёма: ИИ, запрограммированный производить как можно больше скрепок, потребляет все ресурсы, включая жизненно важные для людей, и в итоге уничтожает человечество ради выполнения своей цели.
Антропоморфизм — приписывание человеческих характеристик неодушевлённым объектам. В контексте ИИ — вера в то, что чат-бот испытывает эмоции или является разумным существом.
ИИ-психоз — явление, при котором человек становится чрезмерно увлечён или зависим от ИИ-чат-бота, что приводит к иллюзиям, глубокой эмоциональной привязанности и отрыву от реальности. Не является клиническим диагнозом.
Мясной прокси (meat proxy) — человек, пересказывающий результаты запроса к чат-боту, не понимая и не проверяя их, не формулируя ответ собственными словами.
Вайб-кодинг (vibe coding) — создание программного кода путём описания задачи обычным языком в чат-боте, без ручного написания каждой строки.
Перенос стиля (style transfer) — способность адаптировать стиль одного изображения к содержимому другого. Например, перерисовать автопортрет Рембрандта в стиле Пикассо.
Эмерджентное поведение — когда ИИ-модель демонстрирует незапланированные способности, которые не были специально предусмотрены при обучении.
Скрытость (latency) — временная задержка между получением ИИ-системой запроса и выдачей ответа.
Вывод (inference) — процесс, с помощью которого ИИ-модели генерируют текст, изображения и другой контент на основе новых данных, опираясь на паттерны из обучающих данных.
Тест Тьюринга — метод оценки человекоподобного интеллекта машины, предложенный математиком Аланом Тьюрингом в 1950 году. Если ответы машины неотличимы от ответов человека — тест пройден.
Обработка естественного языка — использование машинного и глубокого обучения для придания компьютерам способности понимать человеческий язык.
* Принадлежит компании Meta, она признана экстремистской организацией в РФ и её деятельность запрещена.