Полный словарь ИИ-терминов, который вам нужен в этом году
Индустрия искусственного интеллекта развивается так быстро, что жаргон становится непреодолимым барьером. TechCrunch опубликовал живой словарь (обновляемый регулярно), чтобы объяснить наиболее часто встречающиеся ИИ-термины простым английским языком.
В словарь включены основные концепции: AGI (искусственный общий интеллект), невнятный, но в целом это ИИ, более способный, чем средний человек, во многих или большинстве задач. Специалисты расходятся в определениях: OpenAI говорит об AGI как о способности конкурировать с человеком на экономически ценных работах, а Google DeepMind видит это как достижение человеческого уровня в большинстве когнитивных задач.
ИИ-агенты, инструменты, выполняющие цепочки задач (бронирование, управление расходами, написание кода), но инфраструктура для них все еще строится. API endpoints объясняются как скрытые кнопки, которые программы могут нажимать для взаимодействия.
Важные концепции обучения: chain-of-thought (разложение задачи на промежуточные шаги для улучшения результата), coding agents (автономное написание, тестирование и отладка кода), deep learning (многослойные нейросети, требующие миллионы данных для обучения), diffusion (процесс медленного уничтожения структуры данных с добавлением шума, а затем обратное восстановление).
В словаре также объясняются fine-tuning (дополнительное обучение для узкой задачи), GAN (состязательные сети для создания реалистичных данных), hallucination (серьёзная проблема, когда ИИ выдумывает информацию из-за пробелов в данных обучения), и inference (процесс запуска уже обученной модели).
Основные архитектурные компоненты: Large Language Models (LLM), многомиллиардные параметры, кодирующие паттерны из миллиардов текстов; memory cache (оптимизация для снижения вычислений через сохранение расчётов); Model Context Protocol (MCP), открытый стандарт для подключения ИИ-моделей к внешним инструментам и данным без разработки отдельных коннекторов.
Ключевые факты
- TechCrunch создал обновляемый справочник основных ИИ-терминов, от AGI и LLM до ИИ-агентов и диффузии
- Словарь объясняет, как работают критические компоненты: нейросети, обучение с подкреплением, fine-tuning, hallucination как проблема выдумывания данных
- Включены концепции инфраструктуры: compute, inference, memory caching и Model Context Protocol для интеграции с внешними системами
- Дефиниции AGI остаются спорными, OpenAI, DeepMind и другие используют разные критерии для определения общего интеллекта
- Ресурс позиционируется как живой документ, регулярно обновляемый по мере эволюции области
Почему это важно
ИИ-индустрия сама себе создала языковой барьер. На любой встрече, презентации или панели слышишь LLM, RAG, RLHF, GAN и другие акронимы, которые отталкивают даже опытных технологов. Спутанность терминологии замедляет адаптацию технологии, инвестирование и внедрение. Хороший словарь, это инструмент демократизации знания и снижения входного барьера для бизнеса и разработчиков.
Кому это важно
Разным профессиональным группам: разработчикам, строящим с ИИ; инвесторам, выбирающим фонды и компании; бизнес-лидерам, которым нужно понимать, о чём говорит ИИ-команда; журналистам и аналитикам, освещающим область; и просто любопытным людям, пытающимся не отстать от темпа развития.
Как это применить
Используй словарь как справочник при чтении новостей об ИИ, прослушивании подкастов, присутствии на встречах или оценке инструментов. Понимание того, что означает каждый термин, позволяет быстрее разбираться в новых объявлениях и продуктах. Тем, кто инвестирует или решает, какие инструменты внедрять, это особенно полезно, с правильной лексикой легче задавать нужные вопросы и оценивать заявления компаний.
Можно ли доверять
TechCrunch, авторитетный источник в технологическом журнализме, и её определения соответствуют консенсусу исследователей, хотя и упрощены для массовой аудитории. Однако сам словарь не оригинальное исследование, это компиляция существующего понимания. Поле движется быстро, и некоторые определения (особенно AGI) остаются спорными даже среди экспертов. TechCrunch обещает обновлять словарь регулярно, что снижает риск устаревания.
Риски и подводные камни
Упрощённые определения в образовательном материале всегда немного искажают реальность. Например, hallucination, это не просто ошибка, а глубокая проблема в архитектуре трансформеров; краткое объяснение не раскрывает всей сложности. AGI-дефиниции остаются под вопросом: один исследователь видит AGI в экономической производительности, другой, в когнитивных способностях. Кроме того, поле эволюционирует так быстро, что даже живой документ может отстать. Используй словарь как отправную точку, а не финальное слово.
«Сидишь ли ты на совещании по продукту, презентации или панели в наши дни, и услышишь, как люди бросают туда-сюда LLM, RAG, RLHF и дюжину других терминов, которые могут заставить даже очень умных людей в технологическом мире чувствовать себя немного неуверенно.»
— TechCrunch, AI Glossary