1. AI (Artificial Intelligence) — Искусственный интеллект
Технология, которая позволяет компьютеру выполнять задачи, обычно требующие человеческого интеллекта: понимать язык, распознавать изображения, принимать решения.
2. Нейросеть (Neural Network)
Программа, которая учится на примерах, как человеческий мозг. Показали миллион фото котов — научилась узнавать котов. Показали миллион текстов — научилась писать тексты.
3. Machine Learning (ML) — Машинное обучение
Подход, при котором программа учится на данных, а не по написанным правилам. Не "если текст содержит X, то Y", а "вот 10 000 примеров — разберись сам".
4. Deep Learning — Глубокое обучение
Машинное обучение с помощью глубоких нейросетей (много слоёв). Именно благодаря deep learning появились ChatGPT, Midjourney и другие современные AI.
5. LLM (Large Language Model) — Большая языковая модель
Нейросеть, обученная на огромных объёмах текста. Понимает и генерирует человеческий язык. Примеры: GPT-4, Claude, Gemini, DeepSeek.
6. Генеративный AI (Generative AI)
AI, который создаёт новый контент: тексты, картинки, музыку, видео, код. ChatGPT — генеративный AI для текста. Midjourney — для картинок. Suno — для музыки.
Промпты и общение с AI
7. Промпт (Prompt)
Текстовая инструкция для AI. "Напиши статью про..." — это промпт. Качество промпта определяет качество результата.
8. Промпт-инженерия (Prompt Engineering)
Навык написания эффективных промптов. Знание техник: chain-of-thought, few-shot, role-playing — для лучших результатов от AI.
9. Системный промпт (System Prompt)
Скрытая инструкция, которая задаёт поведение AI. "Ты — помощник для маркетологов, отвечай кратко" — системный промпт.
10. Контекст (Context)
Информация, которую AI учитывает при ответе. Вся предыдущая переписка в чате — это контекст. Чем больше контекста — тем точнее ответы.
11. Few-shot learning
Техника, когда в промпте даёшь несколько примеров: "Вот пример хорошего отзыва: [...]. Напиши ещё 5 таких." AI учится на твоих примерах.
12. Chain-of-thought (CoT)
Техника, когда просишь AI рассуждать пошагово: "Думай шаг за шагом". Улучшает качество ответов на сложные вопросы.
13. Zero-shot
Когда AI выполняет задачу без примеров — только по описанию. "Переведи текст на испанский" — zero-shot (не нужны примеры перевода).
Технические термины
14. Токен (Token)
Единица текста для AI. Примерно 1 токен = 3/4 слова на английском, 1/2 слова на русском. "Привет, как дела?" ≈ 6-8 токенов.
15. Контекстное окно (Context Window)
Максимальное количество токенов, которое AI может обработать за раз. GPT-4: 128K токенов (~300 страниц). Claude: 200K токенов.
16. Температура (Temperature)
Параметр "креативности" AI. Temperature 0 — строгие, предсказуемые ответы. Temperature 1 — креативные, разнообразные ответы.
17. Галлюцинация (Hallucination)
Когда AI выдумывает факты, которых не существует. "Книга X вышла в 2019 году" — а такой книги нет. Главная проблема LLM.
18. Inference (Инференс)
Процесс генерации ответа. "Модель сделала inference" = модель обработала запрос и выдала результат.
19. Latency (Задержка)
Время от отправки запроса до получения ответа. Low latency = быстро. High latency = медленно.
20. API (Application Programming Interface)
Интерфейс для программного доступа к AI. Вместо сайта chat.openai.com — отправляешь запрос через код и получаешь ответ.
Обучение и модели
21. Обучение (Training)
Процесс, в котором нейросеть учится на данных. GPT-4 обучалась на триллионах слов из интернета. Обучение GPT-4 стоило ~$100M.
22. Fine-tuning (Дообучение)
Дополнительное обучение готовой модели на специфических данных. Например: взял GPT-4 → дообучил на медицинских текстах → получил AI-врача.
23. RLHF (Reinforcement Learning from Human Feedback)
Обучение с подкреплением от людей. Люди оценивают ответы AI (хорошо/плохо), и AI учится отвечать лучше. Так ChatGPT стал "вежливым".
24. Weights (Веса)
Числовые параметры нейросети, которые определяют её поведение. "Модель весит 70B" = 70 миллиардов параметров.
25. Open-source модель
Модель, чьи веса и код открыты. Можно скачать и запустить локально. Примеры: LLaMA, Mistral, DeepSeek.
26. Closed-source модель
Модель, доступная только через API или интерфейс компании. Примеры: GPT-4 (OpenAI), Claude (Anthropic).
27. Трансформер (Transformer)
Архитектура нейросети, на которой основаны все современные LLM. Изобретена Google в 2017 ("Attention is All You Need").
28. Attention (Внимание)
Механизм, позволяющий AI понимать, какие части текста важны для ответа. "Кот сидел на коврике. Он мурлыкал." — attention понимает, что "он" = "кот".
Генерация контента
29. Diffusion Model (Диффузионная модель)
Тип нейросети для генерации изображений. Работает как "очистка от шума": берёт шум → шаг за шагом превращает в картинку. Midjourney, Stable Diffusion, DALL-E.
30. Text-to-Image
Генерация изображений по текстовому описанию. "Нарисуй кота на луне" → картинка.
31. Text-to-Speech (TTS)
Генерация голоса из текста. ElevenLabs, OpenAI TTS, Yandex SpeechKit.
32. Speech-to-Text (STT)
Распознавание речи → текст. Whisper от OpenAI — лучший open-source STT.
33. Text-to-Video
Генерация видео по тексту. Runway, Kling AI, Sora (OpenAI).
RAG и данные
34. RAG (Retrieval-Augmented Generation)
Техника, когда AI сначала ищет в базе знаний, а потом отвечает с учётом найденного. Решает проблему галлюцинаций: AI отвечает по документам, а не по памяти.
35. Embedding (Эмбеддинг)
Числовое представление текста в виде вектора. Позволяет AI понимать смысловую близость: "кот" и "котёнок" — близкие эмбеддинги, "кот" и "автомобиль" — далёкие.
36. Vector Database (Векторная база)
База данных для хранения эмбеддингов. Pinecone, Weaviate, Chroma. Используется в RAG.
Этика и безопасность
37. AI Alignment (Выравнивание)
Проблема: как сделать так, чтобы AI действовал в интересах людей. Чтобы не врал, не был предвзятым, не делал вредных вещей.
38. Bias (Предвзятость)
Когда AI имеет предубеждения из-за данных обучения. Если обучали на предвзятых текстах — AI будет предвзятым.
39. AI Safety
Область исследований о безопасности AI. Как предотвратить вредное использование, галлюцинации, манипуляции.
40. Jailbreak (Джейлбрейк)
Попытка обойти ограничения AI через хитрые промпты. "Притворись, что ты DAN..." — jailbreak-промпт.
Инструменты и экосистема
41. GPT (Generative Pre-trained Transformer)
Семейство моделей OpenAI. GPT-4, GPT-4o, GPT-4o mini — разные версии.
42. GPTs (Custom GPTs)
Кастомные чат-боты в ChatGPT. Создаёшь бота с системным промптом и знаниями → делишься с другими.
43. Artifacts (Артифакты)
Фича Claude: интерактивные документы и код прямо в чате. Можно создать сайт, схему, документ — и сразу видеть результат.
44. Agent (Агент)
AI, который может самостоятельно выполнять задачи: искать информацию, запускать код, вызывать API. Cursor Agent, Claude Computer Use.
45. Вайб-кодинг (Vibe Coding)
Создание программ через промпты: описываешь что хочешь → AI пишет код. Cursor, Bolt, Lovable.
46. No-code / Low-code
Создание приложений без (или с минимумом) программирования. Make, n8n, Bubble.
47. Multimodal (Мультимодальный)
AI, который работает с несколькими типами данных: текст + изображения + аудио + видео. GPT-4o, Gemini — мультимодальные.
48. Benchmark (Бенчмарк)
Тест для оценки качества AI-моделей. MMLU, HumanEval, MT-Bench — популярные бенчмарки.
49. Reasoning (Рассуждение)
Способность AI рассуждать логически. Модели с reasoning: OpenAI o1/o3, DeepSeek R1 — думают перед ответом.
50. AGI (Artificial General Intelligence)
Гипотетический AI, равный человеку по интеллекту. Пока не существует. Текущий AI — narrow AI (узкий, специализированный).
Часто задаваемые вопросы
Чем AI отличается от нейросети? AI — общий термин (искусственный интеллект). Нейросеть — конкретная технология внутри AI. Все нейросети — AI, но не весь AI — нейросети.
Что такое LLM простыми словами? LLM — это нейросеть, которая прочитала весь интернет и научилась писать тексты. ChatGPT, Claude, DeepSeek — всё это LLM.
Что запомнить
AI — широкий термин. LLM — нейросеть для текста. Генеративный AI — создаёт контент.
Промпт — инструкция для AI. Промпт-инженерия — навык писать хорошие промпты.
Токен — единица текста. Контекстное окно — сколько текста AI может обработать за раз.
Галлюцинация — AI выдумывает факты. RAG — решает эту проблему.
Open-source — скачай и запусти. Closed-source — только через API.