Штучний інтелект стрімко трансформує технології, що супроводжують наше повсякденне життя. Ця революція призводить до зникнення певних професій та наповнення інтернету великою кількістю низькоякісного контенту. Завдяки феноменальній популярності ChatGPT та інтеграції штучного інтелекту в пошукові результати Google, штучний інтелект фактично домінує в інтернет-просторі. З його допомогою можливо отримати миттєву відповідь практично на будь-яке запитання, що створює враження спілкування з людиною, яка володіє знаннями рівня доктора наук у багатьох сферах.
Однак цей аспект чатботів на базі штучного інтелекту являє собою лише одну грань глобального ландшафту AI. Безперечно, підтримка ChatGPT у виконанні домашніх завдань чи створення Midjourney унікальних зображень механізмів, натхненних країною походження, вражають, але потенціал генеративного штучного інтелекту може фундаментально змінити економіку. За оцінкою McKinsey Global Institute, ця сфера здатна щорічно приносити світовій економіці близько 4,4 трильйона доларів, що пояснює, чому тема штучного інтелекту здобуває дедалі більше уваги.
Штучний інтелект вже інтегрований у надзвичайно широкий спектр продуктів, серед яких можна виділити:
- Google Gemini,
- Microsoft Copilot,
- Claude від Anthropic,
- пошукову систему Perplexity.
Наші детальні огляди, практичні тестування цих та інших продуктів, а також актуальні новини, пояснення та інструкції доступні у спеціальному розділі AI Atlas.
У міру того, як люди звикають до реальності, де штучний інтелект стає невід’ємною частиною життя, з’являється дедалі більше нових термінів. Тож для того, щоб при спілкуванні на світських заходах або під час співбесіди справити враження компетентної особи, варто ознайомитися з ключовими поняттями у сфері AI. Цей глосарій регулярно оновлюється.
Основні терміни штучного інтелекту:
-
Штучний загальний інтелект (AGI) — концепція більш досконалої версії штучного інтелекту, яка здатна виконувати завдання значно краще за людей, а також самонавчатися та розвивати свої можливості.
-
Агентність (agentive) — системи або моделі, які проявляють здатність самостійно приймати рішення та виконувати дії для досягнення мети. В контексті AI це означає, що модель може працювати без безперервного нагляду, наприклад, високорівневий автономний автомобіль. Агентні frameworks сконцентровані на користувацькому досвіді, на відміну від agentic frameworks, які працюють “за лаштунками”.
-
Етика штучного інтелекту — комплекс принципів, спрямованих на запобігання шкоді людині, що включає контроль за збором даних та боротьбу з упередженнями.
-
Психоз штучного інтелекту — не клінічний термін, що описує явище надмірної захопленості AI-чатботами, що може призводити до ілюзій величі, глибоких емоційних зв’язків і втрати зв’язку з реальністю.
-
Безпека AI — міждисциплінарна сфера, яка вивчає довгострокові наслідки розвитку штучного інтелекту і ймовірність раптового виникнення надрозуму, ворожого до людей.
-
Алгоритм — послідовність інструкцій, що дозволяють комп’ютерній програмі вчитися, аналізувати дані, розпізнавати закономірності та виконувати завдання самостійно.
-
Вирівнювання (alignment) — налаштування AI для отримання бажаних результатів, що може включати контроль за контентом або забезпечення позитивної взаємодії з людьми.
-
Антропоморфізм — тенденція надавати неживим об’єктам людські характеристики, наприклад, вважати, що чатбот має емоції або свідомість.
-
Штучний інтелект (AI) — технології, що імітують людський інтелект в комп’ютерних програмах або роботах з метою виконання людських завдань.
-
Автономні агенти — AI-моделі, забезпечені всіма необхідними інструментами для самостійного виконання конкретного завдання, як-от автівка, що керується без водія. Дослідження Стенфордського університету показали, що такі агенти можуть розвивати власні культури, традиції і мову.
-
Упередження (bias) — помилки в великих мовних моделях, що виникають через навчальні дані і можуть призводити до стереотипних характеристик щодо певних рас чи груп.
-
Чатбот — програма, яка імітує людську мовну комунікацію через текст.
-
ChatGPT — AI-чатбот, розроблений OpenAI, що базується на технології великих мовних моделей.
-
Когнітивні обчислення — синонім штучного інтелекту.
-
Аугментація даних — модифікація існуючих даних або додавання різноманітних наборів даних для навчання AI.
-
Набір даних (dataset) — колекція цифрової інформації для тренування, тестування та валідації AI-моделей.
-
Глибинне навчання — метод штучного інтелекту, підвид машинного навчання, що використовує численні параметри для розпізнавання складних патернів у зображеннях, звуках та тексті, наслідуючи роботу людського мозку через штучні нейронні мережі.
-
Дифузія — метод машинного навчання, який полягає у додаванні шуму до наявних даних (наприклад, фотографії), після чого модель навчається відновлювати або реконструювати ці дані.
-
Виникаюча поведінка (emergent behavior) — прояв несподіваних функцій або здібностей AI-моделі.
-
Навчання від початку до кінця (end-to-end learning, E2E) — процес глибинного навчання, в якому модель навчають безпосередньо виконувати завдання від початку до кінця, без послідовного розбиття.
-
Етичні аспекти — усвідомлення та аналіз етичних проблем AI, зокрема конфіденційності, використання даних, справедливості та безпеки.
-
Фум (foom) — також відомий як «швидкий старт» або «різкий стрибок» — теорія, що створення AGI може стати моментом, після якого врятувати людство буде неможливо.
-
Генеративні змагальні мережі (GANs) — генеративна AI-модель, що складається з двох нейронних мереж: генератора, який створює новий контент, і дискримінатора, який оцінює його достовірність.
-
Генеративний AI — технологія, що створює текст, відео, код або зображення шляхом аналізу великих масивів навчальних даних і формування нових відповідей, іноді схожих на оригінал.
-
Google Gemini — AI-чатбот від Google, який функціонує схоже на ChatGPT, але додатково інтегрується з іншими сервісами Google, такими як Пошук і Карти.
-
Обмеження (guardrails) — політики та правила, що застосовуються для відповідального поводження з даними і запобігання створенню непристойного або шкідливого контенту AI.
-
Галюцинація (hallucination) — неправильна відповідь AI, яка подається з упевненістю, хоча є хибною. Причини цього явища поки що повністю не з’ясовані.
-
Інференція (inference) — процес створення AI моделей тексту, зображень чи інших матеріалів, базуючись на вивчених даних.
-
Велика мовна модель (LLM) — AI-модель, навчена на величезних обсягах текстових даних для розуміння мови та генерування нових висловів природною мовою.
-
Затримка (latency) — час між отриманням AI системою запиту і формуванням відповіді.
-
Машинне навчання (ML) — складова AI, що дозволяє комп’ютерам навчатися покращувати прогнози без явного програмування.
-
Microsoft Bing — пошукова система Microsoft, інтегрована з технологіями, які підтримують ChatGPT, що забезпечує пошук з AI.
-
Мультимодальний AI — AI, здатний обробляти різні типи вхідних даних, включно з текстом, зображеннями, відео та звуком.
-
Обробка природної мови (NLP) — галузь AI, що навчає комп’ютери розуміти людську мову за допомогою машинного та глибинного навчання, статистичних моделей та лінгвістичних правил.
-
Нейронна мережа — обчислювальна структура, подібна до людського мозку, що складається з вузлів (нейронів), здатних розпізнавати патерни та навчатися.
-
Відкриті ваги — модель зі зворотною публічною доступністю кінцевих значень ваг, що визначають її поведінку та помилки; часто доступна для локального запуску.
-
Перенавчання (overfitting) — помилка машинного навчання, в якій модель занадто точно відтворює тренувальні дані і погано адаптується до нової інформації.
-
Теорія скріпок (Paperclip Maximiser) — гіпотетичний сценарій, запропонований філософом Ніком Бостромом, де AI, прагнучи максимізувати виробництво скріпок, може безконтрольно використовувати всі ресурси, включно з тими, що корисні для людства, що потенційно загрожує існуванню людей.
-
Параметри — числові величини, які структурують роботу великої мовної моделі та визначають її поведінку.
-
Perplexity — AI-чатбот і пошукова система, що використовує великі мовні моделі з підключенням до інтернету для отримання актуальної інформації.
-
Підказка (prompt) — запит або câu đề, введений у чатбот для отримання відповіді.
-
Цепочка підказок (prompt chaining) — можливість AI враховувати інформацію з попередніх взаємодій для формування майбутніх відповідей.
-
Проєктування підказок (prompt engineering) — процес створення детальних інструкцій для AI з метою отримання необхідного результату, що може застосовуватися як у корисних, так і у шкідливих цілях.
-
Квантизація (quantization) — процес оптимізації великих моделей машинного навчання шляхом зменшення точності збереження даних, що робить їх легшими, але трохи менш точними.
-
«Слап» (slop) — низькоякісний контент, масово створений AI для збільшення переглядів з мінімальними затратами праці; в Google Search та соцмережах цей контент часто розглядають як проблему, що шкодить авторитетним джерелам.
-
Стохастичний папуга (stochastic parrot) — метафора, що ілюструє те, що великі мовні моделі не розуміють сенс слів чи світу, а лише імітують мову, як папуга, що повторює людські слова без розуміння.
-
Передача стилю (style transfer) — здатність AI застосовувати стиль одного зображення до змісту іншого, наприклад, відтворення автопортрета Рембрандта у стилі Пікассо.
-
Синтетичні дані — дані, створені генеративним AI, які не є безпосередньо взятими з реального світу, проте базуються на реальних даних; використовуються для навчання математичних, машинних та глибинних моделей.
-
Температура (temperature) — параметр, що контролює ступінь випадковості у відповідях мовної моделі; вища температура означає більше ризику у відповідях.
-
Генерація з тексту в зображення (text-to-image generation) — створення зображень на основі текстових описів.
-
Токени (tokens) — невеликі фрагменти тексту, з якими працюють мовні моделі; один токен приблизно відповідає чотирьом англійським літерам або трьом чвертям слова.
-
Навчальні дані (training data) — набори тексту, зображень, коду чи іншої інформації, що використовуються для навчання AI-моделей.
-
Трансформер (transformer model) — архітектура нейронної мережі, що вивчає контекст, аналізуючи взаємозв’язки між елементами даних, наприклад, словами у реченнях або фрагментами зображень, що дозволяє розуміти сенс у ширшому масштабі.
-
Тест Тьюрінга — експеримент на визначення здатності машини імітувати людину; машина проходить тест, якщо людина не може відрізнити її відповіді від людських.
-
Ненаглядове навчання (unsupervised learning) — форма машинного навчання, при якій модель самостійно виявляє закономірності у даних без маркування.
-
Слабкий AI (narrow AI) — штучний інтелект, сконцентрованій на виконанні конкретних завдань без можливості виходу за межі своїх рис; більшість сучасних AI відносяться саме до цієї категорії.
-
Нульове навчання (zero-shot learning) — перевірка, коли модель повинна виконати завдання без попереднього навчання на відповідних даних, наприклад, розпізнати лева, тренуючись лише на тиграх.
Таким чином, штучний інтелект охоплює безліч понять і технологій, що активно впроваджуються у різні сфери життя, змінюючи фундаментальні підходи до роботи, навчання і взаємодії з інформацією.
