Словарь AI-терминов

AGI (Artificial General Intelligence)

«Большая мечта» искусственного интеллекта - создание систем, которые смогут делать все, что умеют люди: учиться, быть креативными, решать проблемы и адаптироваться к любым задачам.

Agentic AI (агентные ИИ)

AI-системы, способные действовать автономно и выполнять задания в контексте, например, искать информацию в интернете, писать письма или запускать код. 2025-2026 год называют «годом AI-агентов».

Alignment (согласованность)

Направление исследований, посвященное тому, чтобы AI понимал человеческие ценности и соблюдал их. Без должной согласованности мощные модели могут выбрать неожиданные способы достижения целей.

Benchmark (бенчмарк)

Стандартизированный тест, позволяющий сравнивать AI-модели. Хотя бенчмарки широко применяются, модели могут «натаскиваться» на них и при этом разочаровывать в реальных условиях.

Bias (смещение)

Смещение возникает, когда модель обучена на необъективных данных и работает хуже для мало представленных групп пользователей.

Chain of thought (цепочка размышлений)

Метод, при котором модель поощряется «думать вслух», описывая шаги рассуждений, что улучшает точность на сложных задачах.

Context window (окно контекста)

Объем текста, который модель может «видеть» за раз. Большие окна позволяют давать более связные ответы, но слишком длинный контекст может привести к «потерянному» или «искаженному» содержимому.

Fine-tuning (дотюн)

Дополнительное обучение базовой модели на ваших данных для адаптации ее под конкретную задачу.

Foundation model (фундаментальная модель)

Большая модель, обученная на обширных общих данных и способная служить основой для разных приложений. Ее можно донастраивать для конкретных задач.

GPT (Generative Pre-trained Transformer)

Семейство трансформеров от OpenAI, способных генерировать текст, код и другие данные. Они предварительно обучены на больших корпусах и далее донастраиваются под применение.

Guardrails (ограничения)

Механизмы безопасности, встроенные в AI-системы, чтобы предотвращать нежелательные или вредные ответы. Примеры: блокировка токсичных запросов и защита личных данных.

Hallucination (галлюцинация)

Явление, когда AI уверенно генерирует фактически неправильные или выдуманные сведения.

Inference (инференс)

Процесс использования обученной модели для генерации выходных данных или прогнозов на основе нового входа.

Jailbreaking (джейлбрейк)

Попытки обойти ограничения модели и заставить ее отвечать на запреты или генерировать нежелательные результаты.

Large Language Model (LLM)

AI-системы, обученные на огромных объемах текстов и способные понимать и генерировать человеческий язык.

Multimodal models (мультимодальные модели)

Модели, которые работают с несколькими типами данных - текстом, изображениями, аудио и видео. Они позволяют создавать ответы, интегрируя разные медиа.

Neural network (нейронная сеть)

Компьютерная система, вдохновленная строением мозга, состоящая из взаимосвязанных узлов (нейронов). Является основой глубокого обучения.

Natural Language Processing (NLP)

Область AI, сосредоточенная на понимании и генерации человеческого языка. Включает задачи классификации текста, сентимент-анализа и перевода.

Retrieval-Augmented Generation (RAG)

Метод, который улучшает генеративный AI путем извлечения релевантной информации из внешних источников перед генерацией ответа. Это помогает поддерживать ответы актуальными и снижать риск «галлюцинаций».

Prompt engineering (промпт-инжиниринг)

Процесс итеративного уточнения запроса к генеративной AI-модели для повышения точности и полезности результатов. Сильный промпт-инжиниринг требует добавления контекста и конкретики для получения нужного ответа.