Словарь ИИ

Простые объяснения слов из мира ИИ, которые встречаются в новостях.

Бенчмарк: Стандартный тест для сравнения моделей ИИ. Результаты полезны, но высокий балл не гарантирует, что модель лучше всего подходит именно для вашей задачи.
Большая языковая модель (LLM): Модель ИИ, обученная на огромных объёмах текста предсказывать следующее слово. ChatGPT, Claude и Gemini основаны на больших языковых моделях.
Галлюцинация: Когда модель ИИ уверенно утверждает что-то неверное, например выдуманный факт или источник. Всегда проверяйте важные сведения.
Генеративный ИИ: ИИ, который создаёт новый контент — текст, изображения, звук, видео или код, — а не только сортирует или анализирует готовые данные.
Дата-центр: Здание, полное серверов и чипов. ИИ-дата-центрам нужны огромные объёмы электроэнергии и охлаждения.
Дипфейк: Реалистичное поддельное видео, изображение или голос, созданные ИИ, часто реального человека. Дипфейки используют для мошенничества и дезинформации.
Диффузионная модель: Тип модели, которая создаёт изображения, видео или текст, начиная с шума и шаг за шагом уточняя результат.
Дообучение (fine-tuning): Дополнительное обучение готовой модели на небольшом специальном наборе данных, чтобы она лучше справлялась с конкретной задачей или стилем.
ИИ-агент: Система ИИ, которая сама движется к цели: планирует шаги, использует инструменты вроде браузера или кода и проверяет результат.
Инференс (вывод): Запуск обученной модели для получения ответа. Каждое сообщение в чате — это инференс, и именно за него ИИ-сервисы платят чипами и электричеством.
Искусственный интеллект (ИИ): Компьютерные системы, которые выполняют задачи, обычно связанные с человеческим мышлением: понимают язык, распознают изображения, принимают решения.
Квантование: Хранение чисел модели меньшим числом бит: ей нужно меньше памяти и она работает быстрее ценой небольшой потери качества. Часто используется для запуска ИИ локально.
Контекстное окно: Сколько текста модель может учитывать одновременно, в токенах. Большое окно позволяет прочитать длинный документ за один раз.
Мультимодальность: Способность работать с разными типами входных и выходных данных — текстом, изображениями, звуком и видео — в одной модели.
Обучение: Процесс, в котором модель усваивает закономерности из больших объёмов данных. Обучение передовой модели может занять месяцы и тысячи чипов.
Открытая модель (открытые веса): Модель, обученные параметры которой опубликованы: любой может скачать и запустить её, например на своём компьютере. Лицензии различаются.
Параметры: Числа внутри модели, которые подстраиваются при обучении. Больше параметров обычно означает больше возможностей, но и больше памяти и затрат.
Промпт (запрос): Инструкция или вопрос, которые вы даёте модели ИИ. Чёткие промпты с контекстом и примерами обычно дают лучшие ответы.
Рассуждающая модель: Модель, которая разбирает задачу шаг за шагом, прежде чем ответить. Часто сильнее в математике, логике и коде, но медленнее и дороже.
Смесь экспертов (MoE): Архитектура, которая делит сеть на множество «экспертов» и использует лишь несколько из них для каждого слова. Так большие модели обходятся дешевле.
Согласование (alignment): Работа над тем, чтобы системы ИИ делали то, что задумали люди, и избегали вредного поведения, даже становясь мощнее.
Токен: Небольшой фрагмент текста, который языковая модель читает и пишет, часто часть слова. Цены и лимиты обычно считают в токенах.
Чат-бот: Программа, с которой общаются обычным языком. Современные ИИ-чат-боты пишут ответы с помощью большой языковой модели.
AGI (общий искусственный интеллект): Гипотетический ИИ, способный учиться и выполнять большинство интеллектуальных задач не хуже человека. Общепринятого определения или теста нет.
API: Способ, которым программы общаются друг с другом. Разработчики используют API компании, чтобы встроить её модели ИИ в свои приложения, обычно с оплатой за токены.
GPU (графический процессор): Графический чип, выполняющий множество вычислений параллельно. GPU, например от Nvidia, — основное оборудование для обучения и работы ИИ.
RAG (генерация с поиском): Метод, при котором ИИ сначала находит подходящие документы, а потом пишет ответ на их основе. Это уменьшает количество выдуманных фактов.