🔠 Словарь ИИ, который полезно знать

В ИИ появилось слишком много терминов, которые все используют, но не всегда нормально объясняют.

Подготовили для вас базовый словарь который поможет вам выбирать инструменты, ставить задачи разработчикам и понимать, за что компания платит.
Коротко по главным терминам:

➡️ LLM
Большая языковая модель. На ней работают ChatGPT, Claude, Gemini, Copilot и другие ИИ-ассистенты.

➡️ ИИ-агент
Система, которая может выполнять цепочку действий: не просто ответить в чате, а забронировать, заполнить, проверить, написать код, обновить данные.

➡️ Coding agent
ИИ-агент для разработки. Может писать код, искать ошибки, запускать тесты и предлагать исправления.

➡️ RAG
Подход, при котором модель берет ответ не только из «памяти», но и из подключенных документов, баз знаний или корпоративных данных.

➡️ Fine-tuning
Донастройка модели под конкретную задачу, отрасль или тип данных.

➡️ Hallucination
Когда модель уверенно выдает ошибочную информацию. Для бизнеса это риск: особенно в медицине, финансах, юрзадачах и поддержке клиентов.

➡️ Inference
Сам процесс работы модели, когда она отвечает на запрос. Чем тяжелее модель и больше пользователей, тем дороже и сложнее инфраструктура.

➡️ Token
Кусочек текста, через который модель обрабатывает запросы и ответы. В корпоративном использовании токены напрямую влияют на стоимость.

➡️ Open source
Открытые модели, которые можно изучать, дорабатывать и запускать у себя. Пример - семейство Llama от Meta.

➡️ Weights
Числовые параметры модели. Они определяют, какие признаки и связи модель считает значимыми.

Компании начинают внедрять агентов, подключать модели к базам знаний, считать стоимость токенов и выбирать между закрытыми и открытыми решениями. Без базового словаря легко купить красивую презентацию вместо рабочей системы.

👉🏻 Подписывайтесь, если хотите разбираться в ИИ без лишнего шума и сложных объяснений.