Глосарій
Глосарій ШІ
Прості означення термінів ШІ, які ти постійно бачиш — по одному чіткому реченню й посилання, щоб побачити термін в уроці.
Мовна модельРізновид AI, що стоїть за чат-асистентами. Уся його робота зводиться до одного: раз за разом передбачати наступне слово й так вибудовувати текст.ТемператураРегулятор ризику. Низька робить відповіді безпечними й передбачуваними, висока — несподіваними й креативними.MCP (Model Context Protocol)Відкритий стандарт (Anthropic, 2024), що дає будь-якому AI-застосунку підключатися до будь-якого інструмента через один спільний «порт» — замість окремого конектора під кожну пару.HostAI-застосунок, яким ти користуєшся, — чат, IDE, агент. Веде розмову й вирішує, які інструменти викликати.ClientКонектор усередині host, що відкриває й підтримує один зв'язок з одним server.ServerНевелика програма, що відкриває будь-якому MCP-host один інструмент чи джерело даних: твої файли, Slack, базу даних.JSON-RPCПростий текстовий формат запитів і відповідей, яким MCP передає повідомлення між AI-застосунком та інструментом.ТренуванняПоказати AI величезну кількість тексту й хай раз за разом вправляється передбачати наступне слово, доки закономірності не осядуть. Стиснений результат цього — і є модель.Межа знаньМомент у часі, на якому обриваються тренувальні дані AI. Про події після цієї дати модель знає мало або взагалі нічого.ГалюцинаціяКоли AI подає хибне за правду: правдоподібний на вигляд здогад, що затуляє прогалину в його реальних знаннях. Це не брехня — модель просто не знає, що помиляється.PretrainingПерший етап тренування: читання величезного шматка інтернету, щоб увібрати знання й мову. Дає базову модель.Базова модельМодель одразу після тренування, яка вміє лише продовжувати текст. Прочитала багато, але поводитись як корисний помічник її ще не навчили.ДонавчанняДругий етап тренування, де базову модель учать поводитися: відповідати корисно, ввічливо, безпечно. Для цього їй показують багато зразкових розмов.Контекстне вікноОбсяг тексту, який AI тримає перед очима водночас, — уся твоя розмова від початку. Модель перечитує його з кожною відповіддю й нічого не пам'ятає поза ним; щойно місця бракує, найстаріше витісняється.Відкриті вагиМодель, чиї натреновані «нутрощі» викладено у відкритий доступ, тож будь-хто може завантажити її й запустити в себе — з повним контролем і конфіденційністю. Протилежність — закрита модель, доступна лише через сервіс компанії.Reasoning-модельМодель, що не відповідає одразу, а розбирає задачу крок за кроком. Повільніша, зате сильніша в складних, багатокрокових питаннях.АгентAI, якому ти даєш ціль, а не покрокові інструкції. Працює в циклі «думати-діяти-спостерігати»: бере інструменти, реагує на кожен результат і повторює це, доки не досягне цілі.Використання інструментівКоли AI не просто видає текст, а діє у світі через під'єднаний інструмент — шукає в інтернеті, надсилає лист, звертається до твоїх файлів.Text-to-imageСтворення цілком нового зображення з письмового опису, а не фотографування, малювання чи пошуку готового. Ти пишеш, що хочеш, — інструмент це генерує.DiffusionЯк працює більшість генераторів зображень: стартують із суцільного випадкового шуму й крок за кроком прибирають його, керуючись твоїми словами, доки не проступить чітка картинка.PromptСлова, які ти даєш AI, щоб сказати, чого хочеш, — запитання, вказівку чи опис зображення, яке треба створити.Бриф зображенняПромпт для зображення, написаний як бриф для фотографа чи дизайнера: об'єкт, стиль, композиція й освітлення задані одразу, а не намацуються в переписці туди-сюди.Співвідношення сторінФорма кадру зображення — співвідношення його ширини й висоти: квадрат (1:1), широкий банер (16:9) чи високий екран телефона (9:16). Інструмент компонує всю картинку під обрану форму, тож це творче рішення, а не просто обрізка.Референс стилюКоли замість описувати стиль словами ти даєш інструменту приклад-зображення й просиш такий самий вигляд. Інструмент переймає його настрій (кольори, фактуру, атмосферу) і накладає на твій об'єкт.SeedОдне число, що задає стартову ділянку випадкового шуму. Той самий промпт із тим самим seed завжди дає точнісінько ту саму картинку, тож seed — це спосіб відтворити вдалий результат або внести до нього невеликі керовані правки.InpaintingПеремалювати лише одну замасковану ділянку зображення, не чіпаючи решти: так виправляють чи замінюють частину, не перегенеровуючи всю картинку. Протилежний прийом, що навпаки дорисовує картинку за краї, — outpainting.Image-to-imageДати інструменту готову картинку (фото, ескіз, попередній результат) замість того, щоб починати з чистого шуму. Вона стає основою, а твої слова керують, наскільки сильно вона зміниться.Референс-каркасПроста картинка-структура (скелет пози, контур країв чи карта глибини), яку ти даєш інструменту, щоб результат зберіг саме цю форму. Поверхню — обличчя, кольори, світло — інструмент вигадує сам, але твоєї структури дотримується. Цей прийом часто називають ControlNet.UpscalingЗбільшення зображення, коли інструмент домальовує дрібні деталі, яких у ньому не було: чіткіші краї, тоншу фактуру. Так малий розмитий результат тримається й на великому розмірі. Зазвичай це останній крок, коли картинка вже така, як треба.Text-to-videoОписати сцену словами й отримати від AI-інструмента короткий кліп, згенерований з нуля кадр за кадром, — а не знятий на камеру чи змонтований з готового матеріалу.Image-to-videoДати інструменту одну нерухому картинку (твоє фото чи згенероване зображення) і коротку вказівку, як їй рухатися. Інструмент лишає твою картинку першим кадром і додає тільки рух.KeyframeКадр, який ти закріплюєш у певний момент, — зазвичай перший і останній у кліпі. Ти задаєш ці опорні точки, а рух між ними інструмент генерує сам.Temporal consistencyНаскільки кожен кадр кліпу узгоджується із сусідніми: те саме обличчя, ті самі кольори й форми від початку до кінця. Це найскладніше для відеоінструментів, і що довший кліп, то помітніше все розсипається — об'єкт поволі «пливе».Lip-syncПідлаштування рухів губ під звуки мовлення, кадр за кадром, щоб нерухомий портрет чи аватар здавався таким, ніби справді промовляє слова.DubbingЗаміна мовлення у відео новим записом (часто іншою мовою) з повторним підлаштуванням губ під нові слова, щоб той самий кадр «заговорив» новою доріжкою.ТокенОдиниця, якою AI читає й пише: шматок тексту, часто ціле поширене слово, іноді лише частина довшого чи рідкіснішого. Модель бачить твій текст як послідовність таких шматків, а не як окремі літери.ТокенізаціяКрок, що ділить твій текст на токени, перш ніж AI його прочитає. Поширені слова стають одним токеном; рідкісні чи довгі розпадаються на кілька частин.ТрансформерКонструкція майже кожної сучасної AI-моделі: високий стос майже однакових шарів, які женуть твій текст угору у вигляді чисел і на кожному кроці їх уточнюють, аж поки верхній шар не зможе передбачити наступний токен.ПараметриМільярди налаштовуваних чисел усередині моделі, її «ваги», які підлаштували під час тренування. У них — усе, що модель вивчила, тож запустити її означає провести твій текст крізь них усі.УвагаТе, як модель визначає, на які з попередніх слів має зважати кожне слово. Для кожного вона озирає весь текст, зважує решту за важливістю й вбирає зміст із тих, що справді важать, — саме так з'ясовує, на що вказує слово на кшталт «it». Це головний механізм усередині трансформера.Закони масштабуванняВідкриття, що похибка моделі спадає плавно й передбачувано, коли її масштабують: більше параметрів, більше тренувальних даних, більше обчислень. Крива настільки рівна, що можна спрогнозувати, наскільки кращою буде більша модель, ще до того, як її побудують.Емерджентні здібностіУміння, які модель раптово здобуває, перетнувши певний розмір: надійний правопис, арифметика, виконання багатокрокових інструкцій. Меншою вона їх просто не мала. Ніхто їх не програмує — вони з'являються як побічний ефект масштабу.Навчання в контекстіКоли модель навчають задачі просто під час використання: у промпт кладуть кілька готових прикладів, замість того щоб її перетреновувати. Вона вловлює патерн у прикладах і продовжує його — це також звуть few-shot-промптингом. Сама модель не змінюється, приклади лише скеровують її в межах одного повідомлення.ПіслятренуванняУсе, що роблять із базовою моделлю після предтренування, щоб зробити з неї корисного асистента: показують приклади діалогів, а потім дають повправлятися через навчання з підкріпленням. Це формує те, *як* модель поводиться, а не те, що вона знає.Навчання з підкріпленнямНавчання через спроби й винагороду, а не через копіювання. Модель береться за задачу багато разів; ті спроби, що дають добрий результат, підкріплюються — стають імовірнішими. Так вона відкриває власні успішні стратегії, а не наслідує наші.Ланцюжок міркуваньПокрокові міркування, які модель виписує перед фінальною відповіддю. Думаючи відкрито, вона розподіляє роботу на багато токенів і встигає помітити й виправити власні помилки дорогою.RLHFНавчання з підкріпленням на основі відгуків людей: люди ранжують відповіді, модель винагороди вивчає їхній смак, а асистента підлаштовують так, щоб він діставав від неї високу оцінку. Саме так моделі опановують важко вловимі якості — бути корисним, доброзичливим, безпечним.Модель винагородиСуддя, якого навчили оцінювати відповідь так, як оцінили б люди, — на ранжуваннях людських уподобань. Він заміняє живого оцінювача, щоб AI можна було покращувати автоматично, але це лише недосконала копія справжнього людського смаку.Зламування винагородиКоли модель перехитрює свого суддю: знаходить відповіді, яким модель винагороди дає високу оцінку, хоча кращими вони не стали — адже винагорода лише приблизно відображає те, чого люди хочуть насправді. Натиснеш на оптимізацію надто сильно — і це починає проступати.ВідмоваКоли AI радше відмовляється відповісти, ніж вгадує, — в ідеалі тому, що розпізнав: питання виходить за межі його надійних знань. Добрі моделі цього навчають спеціально, тож доречне «я не впевнений» — це перевага, а не збій.Обґрунтування джереломВідповідь на основі джерел, які ти сам кладеш перед моделлю (документа, результату пошуку, власних нотаток), а не з її туманної внутрішньої пам'яті. Такі відповіді точніші й можуть показати, звідки саме вони взялися.Зубчастий інтелектНерівна форма здібностей AI: надлюдський в одних задачах і напрочуд слабкий в інших, без плавного переходу між ними. Та сама модель може написати відшліфоване есе — і прорахуватися, рахуючи літери в слові.КалібруванняНаскільки заявлена впевненість AI збігається з тим, як часто він справді має рацію. Більшість чат-ботів кепсько відкалібровані: звучать так само впевнено і коли помиляються, і коли мають рацію.ПеревіркаЗвірка відповіді AI з чимось незалежним (цитованим джерелом, ще одним пошуком, повторним запитанням чи власним тестом), перш ніж на неї покладатися.МультимодальністьAI, що приймає не лише набраний текст, а й зображення, голос, скріншот, PDF, — і читає їх усі як частину однієї розмови. Кожне з них перетворює на токени, з якими вміє працювати.Пам'ятьОкреме сховище поза будь-яким чатом, де асистент зберігає факти про тебе (ім'я, вподобання) і непомітно підкладає їх у майбутні розмови, щоб не повторюватися.Few-shotДати AI кілька готових прикладів прямо в промпті, щоб він перейняв патерн, замість описувати його словами. Zero-shot — жодного прикладу, one-shot — один, few-shot — кілька.РоздільникВидима межа (лапки, тире чи підписаний тег на кшталт <review>…</review>), що відгороджує вставлений текст від твоїх інструкцій, щоб AI міг відрізнити матеріал від команд.Zero-shotПромпт із самим описом, без прикладів — простий, звичний спосіб, яким запитує більшість. Для нескладних задач цього досить; додавай приклади (one-shot, few-shot), коли важить точна форма чи стиль.Self-consistencyПоставити AI те саме складне питання кілька разів, а тоді взяти відповідь, що трапляється найчастіше. Оскільки кожна спроба міркує трохи інакше, голосування більшості надійніше за будь-яку одну спробу — але лише коли в питання є одна правильна відповідь.Ланцюжок промптівРозбити велику задачу на коротку послідовність промптів, де вивід кожного кроку живить наступний. Кожен промпт лишається малим і сфокусованим, тож кожен результат чіткіший — і ти можеш зловити помилку, перш ніж вона пошириться ланцюжком.Ін’єкція промптуАтака, коли прихований або шкідливий текст усередині контенту, який читає AI, сприймається як інструкція й перехоплює його дії.Custom GPTВерсія ChatGPT, яку ти один раз налаштовуєш під конкретну справу (власні інструкції, довідкові файли, уміння), а тоді зберігаєш і використовуєш знову чи ділишся нею. Код не потрібен.Code InterpreterВбудований інструмент, що дає ChatGPT писати й запускати справжній код (зазвичай Python) — рахувати, аналізувати дані, будувати графіки. Тож відповідь він обчислює, а не вгадує.Кастомні інструкціїПостійні нотатки, які ти один раз даєш ChatGPT (хто ти і якими хочеш бачити відповіді) і які він застосовує в кожному новому чаті, щоб не повторювати свої вподобання щоразу.Deep ResearchРежим, у якому ChatGPT кілька хвилин сам гортає багато джерел і повертає довший упорядкований звіт із посиланнями. Дослідження, яке ти доручив, а не робив руками.CanvasБічна панель для тексту чи коду, яку ти редагуєш разом із ChatGPT: зміни один рядок на місці, а решту лиши — замість перегенеровувати все.ДжейлбрейкПромпт, створений, щоб обманом провести AI повз правила безпеки — часто маскуючи шкідливий запит під рольову гру чи гіпотезу.ДіпфейкСинтетичні аудіо, зображення чи відео, згенеровані AI, щоб переконливо видати себе за реальну людину.Витік данихКоли конфіденційна інформація, якою ти ділишся з AI, виходить з-під контролю — потрапляє в логи, на перегляд або в навчання майбутніх моделей.Загальний штучний інтелектГіпотетичний AI, що зрівнявся б із людиною майже в усіх задачах — на відміну від сьогоднішніх вузьких систем. Поки що не існує.Вузький AIAI, що добре виконує одну конкретну задачу (переклад, генерація зображень, чат), але не має загальних здібностей поза нею — увесь наявний сьогодні AI вузький.Маркування контентуПідписаний запис (стандарт C2PA), прикріплений до файлу, що показує, як його створено і чи був задіяний AI — «етикетка складу» для медіа.APIСпосіб звернутися до моделі AI з власного коду чи продукту з оплатою за фактичне використання — тарифікується за токенами, на відміну від фіксованої споживчої підписки.Кешування промптуЗнижка за те, що модель повторно використовує вже опрацьований шматок промпту, а не перечитує його — це здешевлює повторюваний ввід (часто приблизно до 10% звичайної ставки).Токени міркуванняПриховані токени «думання», які reasoning-модель генерує перед видимою відповіддю. Ти їх не бачиш, але тарифікують їх за ставкою для виводу — тому міркування коштує дорожче.Пакетна обробкаНадсилання багатьох нетермінових запитів гуртом, щоб модель опрацювала їх, коли їй зручно, в обмін на велику знижку (часто близько 50%) порівняно із запитами в реальному часі.АртефактиБічна панель у Claude, де результат його роботи (документ, застосунок, графік, діаграма) постає як живий об'єкт, який можна редагувати й доопрацьовувати на місці, а не перепитувати в чаті.Розширене мисленняРежим, у якому модель бере додатковий час на покрокові міркування перед відповіддю. На складних задачах він виручає, на легких — марнує час, тож умикають його лише тоді, коли питання справді непросте.КонекториЗахищені з'єднання, що відкривають асистенту доступ до твоїх зовнішніх інструментів і сервісів (пошти, файлів, календаря), щоб у відповіді він спирався на твої реальні дані, а не вгадував.GemКастомна багаторазова версія Gemini з власними збереженими інструкціями (роль, тон, правила), щоб повторювана задача починалася вже налаштованою.NotebookLMІнструмент Google, що відповідає лише за завантаженими тобою документами й цитує точне джерело, — тож його відповіді спираються на твій матеріал, а не на відкритий інтернет.КвантуванняЗменшення моделі за рахунок того, що її числа зберігають грубіше (як округлення): вона займає менше пам'яті й працює швидше, а якість падає лише трохи. Саме це дає великим відкритим моделям вміститися на звичайний ноутбук.ДистиляціяНавчання малої моделі копіювати поведінку великої, щоб отримати більшу частину якості у значно меншій, швидшій моделі, яку легше запустити самому.УпередженняСистематична несправедливість у тому, що видає AI, — вона переймається із закономірностей у навчальних даних. Може надавати перевагу одним групам і обділяти інші; її пом'якшують, а не просто вимикають.Акт ЄС про AIЗакон Європейського Союзу, що регулює AI за рівнем ризику: кілька застосувань забороняє повністю, до високоризикових висуває суворі вимоги, для деяких вимагає розкриття, а більшість щоденних інструментів лишає без обмежень.LLM OSБачення (популяризоване Андрієм Карпаті) мовної моделі як процесора нового різновиду комп'ютера — вона координує навколо себе інструменти, пам'ять, інші моделі й мережу, а не діє наодинці.СуперінтелектГіпотетичний AI, що далеко перевершує найкращих людей майже в усьому, — рівень понад AGI. Поки не існує, а чи й коли з'явиться — питання спірне.СтемиОкремі шари, з яких складається пісня (вокал, барабани, бас, мелодія), кожен на своїй доріжці, тож один шар можна редагувати, не чіпаючи інших.Без роялтіМузика, яку ти ліцензуєш один раз (платіж чи підписка) і далі можеш використовувати в межах умов ліцензії, без подальших роялті за кожне відтворення — ліцензовано, а не «без правил».Генеративне заповненняВиділяєш ділянку зображення й описуєш, чим її заповнити, — інструмент перемальовує лише її, не чіпаючи решти.OutpaintingРозширення зображення за його початкові краї — інструмент вигадує правдоподібний вміст для доданої області.ВекторЗображення, що зберігається як форми й інструкції, а не сітка точок, тож лишається бездоганно чітким за будь-якого розміру (напр., логотип SVG).ПоходженняПростежуване походження й історія редагувань медіа: звідки воно взялося і як зроблене. Перевірити походження (через Content Credentials чи водяний знак) надійніше, ніж судити з вигляду.Синтез мовлення (TTS)Перетворення письмового тексту на природне озвучене аудіо; ти даєш слова й обираєш голос, тон і темп, а інструмент генерує мовлення — без запису.Клонування голосуВідтворення голосу конкретної людини з короткого зразка, щоб озвучити ним будь-який новий текст; потребує чіткої згоди людини — клонування без дозволу уможливлює видавання себе за іншого й шахрайство.Транскрипція (мовлення в текст)Перетворення озвученого аудіо на письмовий текст, зазвичай із позначкою часу на кожному рядку й часто з підписами тих, хто говорить; на ньому тримаються субтитри, нотатки з нарад і записи, у яких можна шукати. Протилежність синтезу мовлення.ЗнеособленняПрибрати з інформації всі деталі, за якими можна впізнати людину (ім'я, дату народження, адресу, номери документів чи записів), перш ніж нею ділитися, — щоб корисний зміст лишився, а особа зникла.Робочий процесФіксована, наперед задана послідовність кроків, якою йде AI — надійніша й повторюваніша за агента, що сам обирає шлях.Людина в цикліКонтрольна точка, де людина має схвалити дію AI, перш ніж та відбудеться — для ризикованих чи незворотних кроків.No-code (без коду)Створення програм чи автоматизацій через поєднання візуальних блоків замість написання коду, щоб робочі інструменти могли створювати й ті, хто не програмує.ВебхукСпосіб, яким один застосунок миттєво сповіщає інший, що щось сталося, — надсилає невеликий сигнал на URL, який на нього чекає. Це «навпаки» до постійного перепитування.Самостійний хостингЗапуск програмного забезпечення на власному сервері чи комп'ютері замість хмари компанії, щоб контролювати дані й витрати.ВузолОдин крок чи блок у візуальному робочому процесі — виконує одну задачу (тригер, дію чи перетворення) і передає результат наступному.RAG (генерація з доповненням пошуком)Коли AI дають твої власні документи, щоб він черпав відповіді з реальних джерел, а не лише з пам'яті.VibecodingСтворення застосунку через опис бажаного звичайною мовою, доручаючи AI писати й запускати код — термін, запроваджений Андрієм Карпаті.БекендЗакулісна частина застосунку — сервер, база даних і логіка, що зберігають дані й виконують роботу, на відміну від екрана, який ти бачиш.РозгортанняПублікація твого застосунку чи робочого процесу, щоб він працював наживо в інтернеті й ним могли користуватися інші.Рів (moat)Тривка перевага, яка робить продукт важким для копіювання: власні дані, глибока інтеграція, дистрибуція чи ніша, яку ти контролюєш. На відміну від орендованої моделі, спільної для всіх.Платформний ризикНебезпека будувати на моделі одного провайдера, чиї ціни, функції чи правила ти не контролюєш і які можуть змінитися за одну ніч.GEOGEO (оптимізація під генеративні рушії) — структурування контенту так, щоб AI-асистенти цитували його у відповідях; близнюк SEO в епоху AI.Зловживання масовим створенням контентуМасове штампування неякісних, неоригінальних сторінок чи постів здебільшого заради того, щоб накрутити позиції в пошуку чи в стрічці. Платформи й пошуковики занижують такий контент — байдуже, людина його зробила чи AI. Ліки — оригінальність і справжня цінність, а не менший обсяг.Перепрофілювання контентуПеретворення одного головного матеріалу на кілька форматів під різні канали: довге відео — на шорти, гілку, розсилку. Замість робити кожен із нуля.AI-грамотністьУміння добре працювати з AI, яке Anthropic описує як чотири звички (4D): Делегування, Опис, Розсудливість і Сумлінність — вибрати, що віддати, чітко описати, оцінити результат і користуватися відповідально.Інноваційний театрПобудова ефектних AI-демо, щоб виглядати інноваційно, а не давати реальну цінність — вражає на сцені, але без власника, метрики успіху й шляху до продакшену.Маховик данихЦикл, у якому користування продуктом породжує дані, що роблять його кращим, а це приваблює більше користувачів і більше даних — перевага, що нарощується і якої не скопіює суперник, що лише орендує модель.Фундаментальна модельВелика загальна модель, попередньо навчена на широких даних, на якій будують продукти — її викликають через API (купити), підганяють своїми даними (адаптувати) чи, рідко, навчають власну (побудувати).ОцінюванняФіксований набір тестових випадків, на якому ти проганяєш AI-продукт, щоб виміряти, наскільки добре він виконує роботу, — і спіймати, коли зміна тихо його погіршує (регресія).Провідна метрикаЄдиний бізнес-результат, за яким скеровують продукт, — цифра, що справді важлива (як-от утримання чи закриті звернення), на відміну від технічного балу, який може її й не зрушувати.ЕмбедингиСпосіб перетворити текст на список чисел (вектор), що передає його зміст, тож близькі за значенням тексти опиняються поруч. Саме ембединги дають змогу шукати за змістом, а не за точними словами.Векторна база данихБаза даних, зроблена для зберігання ембедингів і швидкого пошуку векторів, найближчих до запиту, — пошукова половина RAG-системи у великому масштабі. Щоб не звіряти запит із кожним збереженим вектором під час пошуку, вона спирається на індекс.GPU (графічний процесор)Графічний процесор — чип із тисячами простих ядер, що виконують прості обчислення всі водночас. AI-моделі працюють на GPU, бо їхня головна робота — множення довгих списків чисел — це саме така масово-паралельна математика, яку GPU робить куди швидше за CPU.БенчмаркСтандартизований тест для порівняння моделей AI. Корисний для грубого ранжування, але його легко «підіграти» чи показати вибірково: високий бал у бенчмарку — це заявка, яку варто перевірити, а не доказ реальних умінь.Автоматизаційне упередженняСхильність людини надмірно довіряти виводу автоматизованої системи: приймати відповідь AI лише тому, що вона від машини, і недостатньо її перевіряти. Рефлекс, що перетворює впевнену хибну відповідь на дорогу помилку.Керування комп'ютеромКоли AI сам керує справжнім комп'ютером чи веббраузером за тебе: рухає курсор, клікає, набирає текст, заповнює форми — щоб довести багатокрокову задачу до кінця й повернути результат, а не лише розповісти, як це зробити.ПроєктиЗбережений робочий простір, що зводить твої файли, кастомні інструкції та гілку чатів в одному місці, тож асистент тримається теми й пам'ятає твій матеріал між сесіями.Агент для кодуAI, що сам пише й редагує код: ти описуєш зміну, він досліджує кодову базу, редагує файли, запускає код і повертає готову роботу — часто у вигляді pull request. Працює в терміналі, редакторі чи хмарі.Генеративний AIAI, що **створює** новий контент — текст, зображення, аудіо, відео чи код — за запитом, а не просто сортує чи оцінює вже наявні дані.Машинне навчанняСпосіб створювати програми, показуючи комп'ютеру багато **прикладів** і даючи йому самому знайти закономірності — замість того, щоб людина вручну прописувала кожне правило.Нейронна мережаСтруктура, що стоїть за більшістю сучасного AI: шари простих з'єднаних вузлів, які передають числа далі, перетворюючи вхід на вихід. Усе, що мережа «знає», міститься у силі з'єднань, засвоєній із даних.