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 за чат-асистентами. По суті він робить одне: передбачає наступне слово, знову і знову, щоб побудувати текст.ТемператураРегулятор ризику. Низька тримає відповіді безпечними й передбачуваними; висока робить їх несподіваними й креативними.MCP (Model Context Protocol)Відкритий стандарт (Anthropic, 2024), що дає будь-якому AI-застосунку під'єднуватися до будь-якого інструмента через один спільний «порт», замість окремого конектора на кожну пару.HostAI-застосунок, яким ти користуєшся, — чат, IDE, агент. Він веде розмову й вирішує, які інструменти викликати.ClientКонектор усередині host, що відкриває й підтримує один зв'язок з одним server.ServerНевелика програма, що надає один інструмент чи джерело даних — твої файли, Slack, базу даних — будь-якому MCP-host.JSON-RPCПростий текстовий формат запитів і відповідей, яким MCP передає повідомлення між AI-застосунком та інструментом.ТренуванняПоказати AI величезну кількість тексту й змусити його тренуватися передбачати наступне слово, знову і знову, поки закономірності не осядуть. Ужатий результат — це модель.Межа знаньМомент у часі, на якому закінчуються тренувальні дані AI. Про події після цієї дати він знає мало або нічого.ГалюцинаціяКоли AI подає щось хибне так, ніби це правда, — правдоподібний на вигляд здогад, що заповнює прогалину в тому, що він насправді знає. Це не брехня; він не знає, що помиляється.PretrainingПерший етап тренування: читання величезного шматка інтернету, щоб увібрати знання й мову. Дає базову модель.Базова модельМодель щойно з тренування, що вміє лише продовжувати текст. Вона багато прочитала, але її ще не навчили поводитись як корисний помічник.ДонавчанняДругий етап тренування, що вчить базову модель, як поводитися — відповідати корисно, ввічливо, безпечно, — показуючи їй багато зразкових розмов.Контекстне вікноОбсяг тексту, який AI може тримати в полі зору водночас, — уся твоя розмова досі. Він перечитує це при кожній відповіді й не має пам'яті поза цим; коли воно заповнюється, найстаріша частина випадає.Відкриті вагиМодель, чиї натреновані «нутрощі» опубліковано, тож будь-хто може завантажити її й запустити сам — з повним контролем і приватністю. Протилежність — закрита модель, доступна лише через сервіс компанії.Reasoning-модельМодель, що опрацьовує задачу крок за кроком, перш ніж відповісти, замість миттєвої відповіді. Повільніша, але сильніша на складних, багатокрокових питаннях.АгентAI, якому ти даєш ціль, а не покрокові інструкції. Він працює в циклі думати-діяти-спостерігати — користуючись інструментами й реагуючи на кожен результат — поки не досягне цілі.Використання інструментівКоли AI діє у світі через під'єднаний інструмент — шукає в інтернеті, надсилає лист, звертається до твоїх файлів — а не лише видає текст.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: вони починають із поля випадкового шуму й прибирають його крок за кроком, керуючись твоїми словами, доки не лишиться 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, який ти передаєш фотографу чи дизайнеру: об'єкт, стиль, композиція й освітлення задані наперед, а не з'ясовуються через чат туди-сюди.Співвідношення сторінФорма кадру зображення — наскільки він широкий проти того, наскільки високий: 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 ти даєш інструменту приклад-зображення й просиш такий самий вигляд, замість описувати стиль словами. Інструмент переймає настрій — кольори, фактуру, атмосферу — і застосовує до твого об'єкта.SeedОдне число, що фіксує стартовий клапоть випадкового шуму інструмента. Той самий промпт із тим самим seed завжди дає точнісінько ту саму картинку — тож seed це спосіб відтворити результат чи зробити невеликі керовані правки до вдалого.InpaintingПеремалювати лише одну замасковану ділянку наявного зображення, не чіпаючи решту, — спосіб виправити чи замінити одну частину, не перегенеровуючи всю картинку. Його «зовнішній» близнюк, що розширює картинку за краї, — outpainting.Image-to-imageДати інструменту стартову картинку — фото, ескіз, попередній результат — замість старту з чистого шуму. Твоя картинка стає основою, а слова керують, наскільки сильно вона зміниться.Референс-каркасПроста картинка-структура — скелет пози, контур країв чи мапа глибини, — яку ти даєш інструменту, щоб результат зберіг саме цю форму. Інструмент вигадує поверхню (обличчя, кольори, світло), але дотримується твоєї структури. Цей прийом часто називають ControlNet.UpscalingЗбільшення зображення з вигадуванням дрібних деталей, яких у ньому не було, — чіткіші краї, тонша фактура, — щоб малий мʼякий результат тримався на великих розмірах. Зазвичай останній крок, коли картинка вже правильна.Text-to-videoОписати сцену словами й отримати від AI-інструмента короткий рухомий кліп, згенерований з нуля кадр за кадром, а не знятий чи змонтований з наявного матеріалу.Image-to-videoДати інструменту одну нерухому картинку — фото, яке ти зняв, або згенероване зображення — плюс коротку вказівку, як воно має рухатися, щоб він лишив твою картинку першим кадром і додав лише рух.KeyframeКадр, який ти закріплюєш у вибраний момент — часто перший і останній кадр кліпу. Ти задаєш ці якорі, а інструмент генерує рух, що плавно тече між ними.Temporal consistencyНаскільки кожен кадр кліпу узгоджується з сусідніми — те саме обличчя, кольори й форми від початку до кінця. Це найскладніше для відео-інструментів, і воно слабшає, що довше триває кліп, тож об'єкт поволі «дрейфує».Lip-syncПідлаштування форм рота обличчя під звуки мовлення, кадр за кадром, щоб нерухомий портрет чи аватар виглядав так, ніби справді вимовляє слова.DubbingЗаміна усного діалогу у відео новим записом — часто іншою мовою — з повторним підлаштуванням рота під нові слова, щоб той самий матеріал «говорив» нову доріжку.ТокенОдиниця, яку AI насправді 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: висока стопка майже однакових шарів, що передають твій текст угору у вигляді чисел, уточнюючи їх на кожному кроці, аж поки верхній шар не зможе передбачити наступний токен.ПараметриМільярди налаштовуваних чисел усередині моделі — її «ваги», — які підлаштували під час тренування. Це те, що модель вивчила, і запустити модель означає провести твій текст крізь усі них.УвагаТе, як модель з'ясовує, на які попередні слова кожне слово має зважати. Для кожного слова вона озирається на весь текст, зважує інші за релевантністю й вбирає зміст із тих, що важать, — саме так вона розуміє, на що вказує слово на кшталт «it». Це головний механізм усередині трансформера.Закони масштабуванняВідкриття, що похибка моделі спадає плавно й передбачувано, коли її масштабують угору — більше параметрів, більше тренувальних даних, більше обчислень. Крива настільки регулярна, що можна спрогнозувати, наскільки кращою буде більша модель, ще до її побудови.Емерджентні здібностіУміння, які модель раптово отримує, щойно переходить певний розмір — надійний правопис, арифметику, виконання багатокрокових інструкцій, — і яких просто не мала меншою. Їх ніхто не програмує; вони з'являються як побічний ефект масштабу.Навчання в контекстіНавчання моделі задачі під час використання, поклавши кілька готових прикладів просто в промпт, замість того щоб її перетреновувати. Модель бачить патерн у твоїх прикладах і продовжує його — це також звуть few-shot-промптингом. Сама модель не змінюється; приклади лише скеровують її для одного цього повідомлення.ПіслятренуванняУсе, що роблять із базовою моделлю після предтренування, щоб перетворити її на корисного асистента — показують приклади діалогів, а потім дають попрактикуватися через навчання з підкріпленням. Це формує те, *як* модель поводиться, а не те, що вона знає.Навчання з підкріпленнямНавчання методом спроб і винагороди, а не копіювання. Модель береться за задачу багато разів, і спроби, що дають добрий результат, підкріплюються — стають імовірнішими, — тож 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 вчить їхній смак, а асистента підлаштовують так, щоб він отримував високу оцінку. Саме так моделі опановують важко описувані якості — бути корисними, доброзичливими, безпечними.Модель винагородиНавчений суддя, що оцінює відповідь так, як це зробили б люди, натренований 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 обманює свого суддю — знаходить відповіді, які модель винагороди високо оцінює, хоча вони насправді не кращі, бо винагорода — лише проксі того, чого люди справді хочуть. Якщо тиснути на оптимізацію надто сильно, це починає проступати.ВідмоваКоли AI відмовляється відповідати замість того, щоб вгадувати — в ідеалі тому, що розпізнає: питання поза межами того, що він надійно знає. Добрі моделі спеціально цього навчають, тож доречне «я не впевнений» — це перевага, а не збій.Обґрунтування джереломВідповідь на основі джерел, які ти кладеш перед моделлю, — документа, результату пошуку, твоїх нотаток, — а не з її туманної внутрішньої пам'яті. Обґрунтовані відповіді точніші й можуть показати, звідки саме вони взялися.Зубчастий інтелектНерівна форма здібностей AI: надлюдський у одних задачах і напрочуд слабкий в інших, без плавної лінії між ними. Та сама модель може написати відшліфоване есе — і прорахуватися, рахуючи літери в слові.КалібруванняНаскільки виражена впевненість AI збігається з тим, як часто він насправді має рацію. Більшість чат-ботів кепсько відкалібровані — вони звучать так само впевнено, коли помиляються, як і коли мають рацію.ПеревіркаЗвірка відповіді AI з чимось незалежним — його цитованим джерелом, другим пошуком, повторним запитанням чи власною перевіркою — перш ніж на неї покладатися.МультимодальністьAI, що може приймати більше, ніж набраний текст, — зображення, голос, скріншот, PDF — і читати їх усі як частину однієї розмови. Кожне він перетворює на токени, з якими вміє працювати.Пам'ятьОкреме сховище поза будь-яким окремим чатом, де асистент може зберігати факти про тебе — ім'я, вподобання — і непомітно підкладати їх у майбутні розмови, щоб не повторюватися.Few-shotДати AI кілька готових прикладів усередині промпту, щоб він копіював патерн, замість описувати патерн словами. Zero-shot — це 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 лише з описом і без прикладів — простий, звичний спосіб, яким запитує більшість. Для простих задач цього досить; додавай приклади (one-shot, few-shot), коли важлива 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 налаштовуєш раз під конкретну справу — з власними інструкціями, довідковими файлами й уміннями, — тоді зберігаєш і використовуєш повторно чи ділишся. Код не потрібен.Code InterpreterВбудований інструмент, що дає ChatGPT писати й запускати справжній код (зазвичай Python), щоб рахувати, аналізувати дані чи будувати графіки, — тож він обчислює відповідь замість вгадувати.Кастомні інструкціїПостійні нотатки, які ти даєш ChatGPT раз, — хто ти і як хочеш відповіді, — і які він застосовує до кожного нового чату, тож ти не повторюєш свої вподобання щоразу.Deep ResearchРежим, де ChatGPT кілька хвилин сам гортає багато джерел, тоді повертає довший, упорядкований звіт із посиланнями, — дослідження делеговано, а не набрано.CanvasБічна панель для тексту чи коду, яку ти редагуєш разом із ChatGPT, — зміни один рядок на місці й лиши решту, замість перегенерувати 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.APIМетрований спосіб звернутися до моделі AI з власного коду чи продукту з оплатою за використання — тарифікується за токенами, на відміну від фіксованої споживчої підписки.Кешування промптуЗнижка, коли модель повторно використовує вже опрацьований шматок промпту замість перечитувати його, зменшуючи вартість повторюваного входу (часто приблизно до 10% звичайної ставки).Токени міркуванняПриховані токени «думання», які модель-міркувальник генерує перед видимою відповіддю. Ти їх не бачиш, але їх тарифікують за ставкою виходу — тому міркування дорожче.Пакетна обробкаНадсилання багатьох нетермінових запитів разом, щоб модель опрацювала їх, коли зручно, в обмін на велику знижку (часто близько 50%) проти запитів у реальному часі.АртефактиБічна панель у Claude, де його результат — документ, застосунок, графік чи діаграма — з'являється 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. Він допомагає на складних задачах і марний на простих, тож його вмикають лише коли питання непросте.КонекториЗахищені з'єднання, що дають асистенту доступ до твоїх зовнішніх інструментів і сервісів — пошти, файлів, календаря, — щоб він використовував твої реальні дані у відповіді, а не вгадував.GemКастомна багаторазова версія Gemini з власними збереженими інструкціями — роллю, тоном і правилами, — щоб повторювана задача починалася вже налаштованою.NotebookLMІнструмент Google, що відповідає на питання лише з документів, які ти завантажив, цитуючи точне джерело, — тож його відповіді заземлені на твоєму матеріалі, а не на відкритому інтернеті.КвантуванняЗменшення моделі шляхом грубішого зберігання її чисел (як округлення), щоб вона займала менше пам'яті й працювала швидше — з лише невеликою втратою якості. 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 виходах AI, перейнята із закономірностей навчальних даних: вона може надавати перевагу одним групам і применшувати 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 Андреєм 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. Він не існує, а чи й коли можливий — спірне питання.СтемиРоздільні шари, з яких складається пісня — вокал, барабани, бас, мелодія, — кожен на своїй доріжці, тож можна редагувати один шар, 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 заповненняВиділення ділянки зображення й опис того, чим її заповнити, — інструмент перемальовує лише цей регіон, не чіпаючи решту.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).ПоходженняПростежувані джерело й історія редагувань медіа — звідки воно взялося і як його зроблено. Перевіряти походження (через Content Credentials чи водяний знак) надійніше, ніж судити за виглядом.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 міткою часу на кожному рядку і часто з підписами тих, хто говорить; живить субтитри, нотатки з нарад і шукабельні записи — навпаки до синтезу мовлення.ЗнеособленняПрибрати з інформації деталі, за якими можна впізнати людину — ім'я, дату народження, адресу, номери документів чи записів — перед тим як нею ділитися, щоб корисний зміст лишився, а особу не було видно.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 зі з'єднання візуальних блоків замість написання коду, щоб робочі інструменти могли робити й не-програмісти.ВебхукСпосіб, яким один застосунок миттєво повідомляє інший, що щось сталося, надсилаючи невелике повідомлення на URL, який його чекає — «навпаки» до постійних повторних запитів.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)Надання AI твоїх власних документів, з яких він бере відповіді, щоб відповідати 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 створення багатьох неякісних, неоригінальних сторінок чи постів здебільшого заради того, щоб обіграти ранжування чи стрічку, — платформи й пошукові системи знижують такий контент, байдуже, людина чи AI його зробили. Ліки — оригінальність і справжня цінність, а не менший обсяг.Перепрофілювання контентуПеретворення одного основного матеріалу на кілька форматів для різних каналів — довге відео на шорти, гілку, розсилку — замість створювати 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 веде продукт, — цифра, що справді важлива (як-от утримання чи закриті звернення), на відміну від технічного балу, який може її не зрушувати.ЕмбедингиСпосіб перетворити текст на список чисел (вектор), що передає його зміст, тож тексти з близьким значенням опиняються поруч. Саме ембединги дають змогу пошуку шукати за змістом, а не за точними словами.Векторна база данихБаза даних, створена для зберігання ембедингів і швидкого пошуку векторів, найближчих до запиту — це пошукова частина RAG-системи у великому масштабі. Вона використовує індекс, щоб не порівнювати запит з кожним збереженим вектором під час кожного пошуку.GPU (графічний процесор)Графічний процесор — чип із тисячами простих ядер, що роблять легку математику всі одразу. AI-моделі працюють на GPU, бо їхня основна робота — множення довгих списків чисел — це саме така масово-паралельна математика, яку GPU робить значно швидше за CPU.БенчмаркСтандартизований тест для порівняння моделей AI. Корисний для приблизного ранжування, але його легко «підіграти» чи вибрати вибірково — високий бал бенчмарку це твердження, яке 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.