Глоссарий искусственного интеллекта: от AGI до галлюцинаций
Новый глоссарий терминов ИИ объясняет такие понятия, как AGI, агенты ИИ, галлюцинации и LLM, делая обсуждения технологий более понятными для всех.
Искусственный интеллект не только меняет мир, но и создает новый язык для описания этих изменений. На собраниях и презентациях часто звучат термины LLM, RAG и RLHF, которые могут сбить с толку даже опытных специалистов. Чтобы помочь разобраться, был составлен всеобъемлющий глоссарий терминов ИИ, который регулярно обновляется.
Основные понятия
AGI (общий искусственный интеллект) — расплывчатый термин, обычно обозначающий ИИ, способный выполнять большинство задач лучше человека. Генеральный директор OpenAI Сэм Альтман описывает его как «эквивалент среднего человека, которого можно нанять коллегой», а Google DeepMind считает, что AGI — это ИИ, по крайней мере не уступающий человеку в большинстве когнитивных задач.
Агенты ИИ — это инструменты, использующие технологии ИИ для выполнения задач от вашего имени, таких как обработка расходов, бронирование билетов или написание кода. Значение термина может различаться, а инфраструктура все еще развивается.
Галлюцинация — термин для обозначения случаев, когда ИИ генерирует ложную информацию. Это серьезная проблема качества, которая может вводить в заблуждение и создавать реальные риски, например опасные медицинские советы. Галлюцинации возникают из-за пробелов в обучающих данных, что стимулирует разработку более специализированных моделей.
Большие языковые модели (LLM) лежат в основе таких помощников, как ChatGPT, Claude и Gemini. Это глубокие нейронные сети с миллиардами параметров, которые изучают взаимосвязи между словами из миллиардов книг, статей и стенограмм. При запросе модель генерирует наиболее вероятный ответ.
Другие важные термины
Тонкая настройка (fine-tuning) — дополнительное обучение модели для конкретной задачи с использованием специализированных данных. Многие стартапы начинают с LLM и затем адаптируют его под свою область.
Инференс (inference) — процесс запуска модели для выполнения прогнозов или выводов на основе ранее изученных данных. Без обучения инференс невозможен.
Кэширование памяти — метод оптимизации, который сохраняет предыдущие вычисления для ускорения инференса, снижая энергопотребление и время ответа.
Этот глоссарий является живым документом, который будет дополняться по мере развития ИИ, помогая всем быть в курсе новых тенденций.