Искусственный интеллект стремительно вошел в обиход, но терминология может показаться Вам непомерно сложной, когда Вы только начинаете работать. Будь Вы студентом, предпринимателем или профессионалом в области технологий, понимание основного языка искусственного интеллекта поможет Вам уверенно ориентироваться в инструментах, концепциях и разговорах.
В этом глоссарии основные термины ИИ изложены понятным, удобным для новичков языком — не требуется углубленного изучения математики или кодирования.
Искусственный интеллект (ИИ)
Область создания компьютерных систем, которые могут выполнять задачи, обычно требующие человеческого интеллекта, такие как обучение, решение проблем, распознавание образов и принятие решений.
Машинное обучение (ML)
Подраздел искусственного интеллекта, в котором компьютеры учатся на основе данных, а не программируются явно. Система со временем улучшает свою работу, основываясь на выявленных закономерностях.
Глубокое обучение
Тип машинного обучения, в котором используются нейронные сети с большим количеством слоев для анализа сложных паттернов. Эта технология позволяет распознавать изображения, использовать голосовые помощники и большинство современных моделей ИИ.
Нейронная сеть
Компьютерная система, вдохновленная человеческим мозгом, состоящая из взаимосвязанных узлов (или «нейронов»), которые обрабатывают данные и изучают закономерности.
Большая языковая модель (LLM)
Модель глубокого обучения, обученная на огромных объемах текста, чтобы понимать и генерировать человекоподобный язык. В качестве примера можно привести модели на основе GPT и другие ведущие системы генеративного ИИ.
Генеративный ИИ
ИИ, создающий новый контент — текст, изображения, аудио- или видеоматериалы — на основе полученных данных. Он не просто анализирует данные, он генерирует новый материал.
Обучающие данные
Информация, используемая для обучения системы искусственного интеллекта тому, как выполнять ту или иную задачу. Качественные и разнообразные обучающие данные необходимы для получения точных результатов.
Тонкая настройка
Процесс, в котором предварительно обученная модель ИИ дополнительно тренируется на конкретных данных, чтобы специализироваться на выполнении определенной задачи или в определенной отрасли (например, юридический или медицинский ИИ).
Параметры
Внутренние параметры модели ИИ, влияющие на то, как она обучается и делает прогнозы. Современные модели могут иметь миллиарды параметров.
Подсказка
Текст или инструкция, подаваемая модели ИИ для получения ответа. Хорошие подсказки приводят к лучшим результатам.
Пример: «Объясните машинное обучение 10-летнему ребенку».
Prompt Engineering
Практика разработки эффективных подсказок, направляющих систему искусственного интеллекта на достижение наилучшего результата.
Жетоны
Единицы текста (слова или части слов), которые обрабатывает модель ИИ. Производительность и цена инструментов ИИ часто зависят от использования токенов.
Галлюцинации
Когда ИИ уверенно выдает неточную или сфабрикованную информацию. Это известное ограничение в существующих системах.
Bias
Непреднамеренная или несправедливая тенденция в результатах ИИ, вызванная необъективностью обучающих данных. Ответственная практика ИИ направлена на снижение этого явления.
Набор данных
Набор данных, используемых для обучения или оценки модели ИИ. Наборы данных могут включать в себя текст, изображения, аудио или структурированные данные.
Компьютерное зрение
Область искусственного интеллекта, позволяющая компьютерам понимать и интерпретировать визуальный контент, например, фотографии и видео.
Обработка естественного языка (NLP)
Технология ИИ, позволяющая машинам понимать и генерировать человеческий язык. Используется в чат-ботах, переводе и анализе настроения.
Обучение с подкреплением
Метод обучения, при котором агент ИИ учится методом проб и ошибок и получает вознаграждение или наказание в зависимости от своих результатов.
Контролируемое обучение
Метод машинного обучения, при котором модель обучается на помеченных данных — это означает, что во время обучения даются правильные ответы.
Неподконтрольное обучение
Метод, при котором модель изучает закономерности на основе немаркированных данных, не зная заранее правильных ответов.
Агент искусственного интеллекта
Система, которая может выполнять действия от имени пользователя, принимать решения и работать более автономно, чем инструменты ИИ, работающие только в чате.
Обучение моделей
Процесс подачи данных в систему искусственного интеллекта, чтобы она научилась выполнять задания.
Выводы
Когда модель искусственного интеллекта использует полученные знания, чтобы делать прогнозы или генерировать ответы.
Overfitting
Когда модель слишком хорошо усваивает обучающие данные, включая ошибки или шум, и плохо справляется с новыми данными.
API (интерфейс прикладного программирования)
Метод соединения, позволяющий программному обеспечению взаимодействовать с моделью искусственного интеллекта, что позволяет компаниям интегрировать искусственный интеллект в приложения и веб-сайты.
Чатбот
Система искусственного интеллекта, которая взаимодействует с пользователями с помощью текста или речи. Чат-боты могут отвечать на вопросы, автоматизировать задачи и оказывать поддержку клиентам.
Этика в искусственном интеллекте
Принципы и практика, призванные обеспечить справедливость, прозрачность, безопасность и соблюдение прав человека в системах искусственного интеллекта.
Управление искусственным интеллектом
Политики и процедуры, определяющие безопасную и ответственную разработку и использование ИИ в организациях.
Объяснимый ИИ (XAI)
Техники ИИ, которые делают решения модели прозрачными и понятными для человека — это важно для доверия и подотчетности.
Edge AI
ИИ работает непосредственно на устройствах (телефонах, камерах, IoT), а не на облачных серверах. Это повышает скорость и конфиденциальность.
Заключение
Изучение терминов ИИ — это первый шаг к уверенному использованию и оценке искусственного интеллекта в Вашей работе или бизнесе. По мере развития отрасли знание ключевых понятий поможет Вам ответственно и стратегически грамотно использовать новые инструменты.