Штучний інтелект розвивається стрімкими темпами, привносячи з собою цілий пласт нової термінології. Від пошуку Google до створення контенту — ШІ стає невід’ємною частиною цифрового світу. Водночас технологія впливає на ринок праці та наповнює інтернет автоматично згенерованим контентом. Завдяки масовій популярності ChatGPT та інших ШІ-інструментів розуміння базової термінології стає не просто корисним, а необхідним навиком.
Цей словник допоможе розібратися в ключових поняттях, які використовуються в контексті сучасних ШІ-технологій. Незалежно від того, чи ви технічний спеціаліст, чи просто цікавитесь новинками — знання цих термінів дозволить краще орієнтуватися в дискусіях про штучний інтелект.
Базові концепції штучного інтелекту
Artificial Intelligence (AI) — штучний інтелект, широке поняття, що охоплює системи та програми, здатні виконувати завдання, які зазвичай потребують людського інтелекту. Це включає розпізнавання мови, прийняття рішень, розв’язання проблем та навчання.
Machine Learning (ML) — машинне навчання, підмножина ШІ, де системи навчаються на даних без явного програмування кожної дії. Алгоритми аналізують патерни та покращують свою роботу з досвідом.
Deep Learning — глибоке навчання, спеціалізований тип машинного навчання, що використовує багатошарові нейронні мережі для обробки складних даних. Саме ця технологія стоїть за більшістю сучасних ШІ-проривів.
Neural Network — нейронна мережа, обчислювальна система, натхненна структурою людського мозку. Складається з взаємопов’язаних вузлів (нейронів), що обробляють і передають інформацію.
Large Language Model (LLM) — велика мовна модель, тип ШІ-системи, навченої на величезних обсягах текстових даних. ChatGPT, Claude та інші чат-боти побудовані на основі LLM.
Генеративний AI та створення контенту
Generative AI — генеративний штучний інтелект, системи, здатні створювати новий контент: тексти, зображення, музику, код. На відміну від традиційного ШІ, що класифікує або аналізує, генеративний ШІ продукує оригінальний матеріал.
Prompt — запит або інструкція, яку ви надаєте ШІ-системі для отримання бажаного результату. Якість промпта безпосередньо впливає на якість відповіді.
Prompt Engineering — промпт-інжиніринг, практика створення ефективних запитів до ШІ-систем. Це нова професійна навичка, що допомагає максимізувати корисність ШІ-інструментів.
Hallucination — галюцинація, ситуація, коли ШІ генерує інформацію, що звучить переконливо, але є фактично неточною або вигаданою. Одна з ключових проблем сучасних LLM.
Token — токен, базова одиниця інформації, яку обробляє мовна модель. Може бути словом, частиною слова або символом. LLM мають обмеження на кількість токенів у контексті.
Context Window — контекстне вікно, максимальна кількість токенів, яку ШІ може обробити в одному запиті або розмові. Визначає, скільки інформації модель “пам’ятає”.
Fine-tuning — тонке налаштування, процес адаптації попередньо навченої моделі для конкретної задачі шляхом додаткового навчання на спеціалізованих даних.
Навчання та оптимізація моделей
Training Data — навчальні дані, інформація, на якій навчається ШІ-модель. Якість і різноманітність цих даних критично важливі для продуктивності системи.
Dataset — набір даних, структурована колекція інформації, що використовується для навчання або тестування ШІ-моделей.
Supervised Learning — навчання з учителем, тип машинного навчання, де модель тренується на позначених даних з відомими правильними відповідями.
Unsupervised Learning — навчання без учителя, метод, де ШІ шукає патерни в даних без попередньої розмітки або вказівок про правильні відповіді.
Reinforcement Learning — навчання з підкріпленням, підхід, де ШІ навчається через систему винагород і покарань, оптимізуючи свої дії для досягнення мети.
Overfitting — перенавчання, проблема, коли модель надто добре підлаштовується під навчальні дані і погано працює з новою інформацією.
Bias — упередження, систематична помилка в ШІ-системі, часто спричинена упередженнями в навчальних даних або алгоритмах. Може призводити до дискримінаційних результатів.
Model Drift — дрейф моделі, поступове погіршення продуктивності ШІ з часом через зміни в реальних даних порівняно з навчальними.
Технічні аспекти та архітектури
Transformer — трансформер, архітектура нейронної мережі, що революціонізувала обробку природної мови. Основа для GPT, BERT та більшості сучасних LLM.
GPT (Generative Pre-trained Transformer) — генеративний попередньо навчений трансформер, архітектура, розроблена OpenAI, що стоїть за ChatGPT.
Parameters — параметри, змінні значення в нейронній мережі, які налаштовуються під час навчання. Більше параметрів часто означає більші можливості моделі.
Inference — інференс або виведення, процес використання навченої моделі для генерації відповідей або прогнозів на основі нових даних.
Embedding — вбудовування, спосіб представлення слів, речень або інших даних у вигляді числових векторів для обробки AI-моделями.
Attention Mechanism — механізм уваги, техніка, що дозволяє моделі фокусуватися на найбільш релевантних частинах вхідних даних при генерації відповіді.
Етика та безпека ШІ
AI Safety — безпека ШІ, галузь досліджень, присвячена розробці систем штучного інтелекту, які є безпечними та надійними для людства.
Alignment — узгодження, проблема забезпечення того, щоб цілі ШІ-системи відповідали людським цінностям та намірам.
Explainable AI (XAI) — пояснюваний ШІ, підхід до створення моделей, рішення яких можна зрозуміти і пояснити людям.
AI Ethics — етика ШІ, галузь, що досліджує моральні наслідки розробки та використання штучного інтелекту.
Deepfake — діпфейк, синтетичне медіа, створене за допомогою ШІ, де зображення або голос людини замінюються або синтезуються. Часто використовується для дезінформації.
Практичне застосування та інструменти
Natural Language Processing (NLP) — обробка природної мови, галузь ШІ, що зосереджена на взаємодії між комп’ютерами та людською мовою.
Computer Vision — комп’ютерний зір, здатність ШІ розпізнавати та інтерпретувати візуальну інформацію з зображень і відео.
Sentiment Analysis — аналіз настроїв, технологія визначення емоційного тону тексту: позитивний, негативний або нейтральний.
Chatbot — чат-бот, програма, що використовує ШІ для ведення розмов з користувачами природною мовою.
API (Application Programming Interface) — програмний інтерфейс застосунків, спосіб інтеграції ШІ-функціональності в інші додатки та сервіси.
RAG (Retrieval-Augmented Generation) — генерація з посиленим пошуком, техніка, що комбінує пошук інформації з генеративними можливостями для більш точних відповідей.
Multimodal AI — мультимодальний ШІ, системи, здатні обробляти та генерувати різні типи даних: текст, зображення, аудіо одночасно.
Zero-shot Learning — навчання без прикладів, здатність моделі виконувати завдання без попереднього специфічного навчання на цьому завданні.
Few-shot Learning — навчання на кількох прикладах, можливість моделі адаптуватися до нової задачі з мінімальною кількістю прикладів.
Термінологія екосистеми ШІ
Foundation Model — базова модель, велика ШІ-модель, навчена на широких даних, яка може бути адаптована для різних завдань.
Open Source AI — ШІ з відкритим кодом, моделі та інструменти, код яких є публічно доступним для використання та модифікації.
Proprietary AI — проприєтарний ШІ, закриті системи, розроблені та контрольовані окремими компаніями.
AI as a Service (AIaaS) — ШІ як сервіс, модель надання ШІ-функціональності через хмарні платформи без необхідності власної інфраструктури.
Edge AI — периферійний ШІ, виконання ШІ-обчислень безпосередньо на пристрої користувача, а не в хмарі.
Synthetic Data — синтетичні дані, штучно згенеровані дані, що використовуються для навчання моделей, коли реальних даних недостатньо.
Data Augmentation — збільшення даних, техніки штучного розширення навчального набору шляхом створення модифікованих версій існуючих даних.
Transfer Learning — трансферне навчання, використання знань, отриманих моделлю при вирішенні однієї задачі, для іншої пов’язаної задачі.
Ensemble Learning — ансамблеве навчання, комбінування кількох моделей для покращення загальної продуктивності та точності.
Hyperparameters — гіперпараметри, налаштування, що визначають процес навчання моделі, встановлюються перед тренуванням.
Оцінка та метрики
Accuracy — точність, відсоток правильних прогнозів моделі від загальної кількості прогнозів.
Precision — прецизійність, відношення істинно позитивних результатів до всіх позитивних прогнозів моделі.
Recall — повнота, відношення істинно позитивних результатів до всіх фактично позитивних випадків.
F1 Score — F1-оцінка, гармонійне середнє між прецизійністю та повнотою, що дає збалансовану оцінку продуктивності.
Benchmark — бенчмарк, стандартизований тест для порівняння продуктивності різних ШІ-моделей.
Нові та специфічні терміни
AGI (Artificial General Intelligence) — загальний штучний інтелект, гіпотетична ШІ-система з інтелектуальними здібностями на рівні людини в усіх галузях.
Singularity — сингулярність, теоретична точка, коли ШІ стає здатним самостійно вдосконалюватися, призводячи до експоненціального технологічного зростання.
Slop — слоп, неформальний термін для низькоякісного ШІ-генерованого контенту, що заповнює інтернет.
Temperature — температура, параметр, що контролює випадковість та креативність відповідей ШІ. Вища температура дає більш різноманітні, але менш передбачувані результати.
Diffusion Model — дифузійна модель, тип генеративного ШІ, що створює зображення шляхом поступового видалення шуму. Використовується в DALL-E, Midjourney та Stable Diffusion.
Adversarial Attack — змагальна атака, спеціально створені вхідні дані, призначені для того, щоб ввести ШІ-систему в оману.
Model Compression — стиснення моделі, техніки зменшення розміру ШІ-моделі при збереженні її продуктивності.
Quantization — квантування, процес зменшення точності чисел у моделі для зменшення розміру та прискорення виконання.
Розуміння цих термінів дозволяє глибше усвідомити, як працює сучасний штучний інтелект, які його можливості та обмеження. В міру того, як ШІ продовжує інтегруватися в різні сфери життя, ця термінологія стає частиною повсякденної цифрової грамотності.
