Искусственный интеллект развивается так быстро, что без базового словаря уже сложно читать новости, вакансии и обзоры. Ниже — краткий и практичный гид по 50 ключевым терминам AI, которые чаще всего встречаются в 2026 году.
- • AI (Artificial Intelligence) — искусственный интеллект, системы, имитирующие когнитивные функции человека.
- • ML — машинное обучение, когда модель учится на данных.
- • DL — глубокое обучение, ML на базе многослойных нейросетей.
- • Нейросеть — модель, состоящая из связанных вычислительных узлов.
- • LLM — большая языковая модель для работы с текстом.
- • SLM — компактная языковая модель, дешевле и быстрее LLM.
- • Мультимодальность — работа сразу с текстом, изображением, аудио и видео.
- • Токен — минимальная единица текста для обработки моделью.
- • Контекстное окно — объем информации, который модель «помнит» в рамках запроса.
- • Промпт — инструкция, которую пользователь дает модели.
- • Системный промпт — базовые правила поведения модели.
- • Prompt engineering — практика составления точных запросов.
- • Inference — запуск уже обученной модели на новых данных.
- • Training — обучение модели на датасете.
- • Fine-tuning — дообучение модели под конкретную задачу.
- • RAG — генерация ответов с подключением внешней базы знаний.
- • Embeddings — числовое представление смысла текста или объекта.
- • Vector DB — база для хранения и поиска векторных представлений.
- • Hallucination — уверенный, но ложный ответ модели.
- • Grounding — привязка ответа к проверяемым источникам.
- • AGI — гипотетический сильный ИИ уровня человека.
- • Agent — AI-система, которая может планировать действия и выполнять задачи.
- • AI agent workflow — цепочка, где агент сам вызывает инструменты и шаги.
- • Tool use — способность модели работать с внешними сервисами и API.
- • Function calling — структурированный вызов функций моделью.
- • Copilot — AI-помощник внутри рабочего инструмента.
- • Open-source model — модель с открытым доступом к весам или коду.
- • Closed model — проприетарная модель с ограниченным доступом.
- • Latency — задержка между запросом и ответом.
- • Throughput — сколько запросов система обрабатывает за время.
- • Benchmark — тест для сравнения моделей.
- • Eval — оценка качества модели по метрикам и сценариям.
- • Bias — систематическое искажение в ответах модели.
- • Safety — механизмы снижения вредных или опасных ответов.
- • Alignment — настройка модели в соответствии с целями человека.
- • RLHF — обучение с подкреплением на основе человеческой обратной связи.
- • Synthetic data — искусственно сгенерированные данные для обучения.
- • Dataset — набор данных для тренировки и тестирования.
- • Pretraining — предварительное обучение на больших массивах данных.
- • Distillation — перенос знаний из большой модели в меньшую.
- • Quantization — сжатие модели для экономии ресурсов.
- • On-device AI — запуск AI прямо на смартфоне, ПК или другом устройстве.
- • Edge AI — обработка данных ближе к источнику, без отправки в облако.
- • GPU — основной тип ускорителей для обучения и инференса AI.
- • NPU — специализированный чип для AI-задач на устройствах.
- • Diffusion model — модель генерации изображений, видео и аудио по шуму.
- • Text-to-image — генерация изображения по текстовому описанию.
- • Text-to-video — создание видео по текстовому запросу.
- • OCR — распознавание текста на изображениях и документах.
- • ASR — распознавание речи в текст 🎯
Почему это важно:
- • помогает понимать рынок AI без «переводчика»
- • упрощает выбор инструментов для работы и бизнеса
- • снижает риск попасться на маркетинговый шум
- • делает общение с разработчиками и подрядчиками предметным 💡
Минимум терминов, которые особенно полезно знать всем: LLM, токен, контекстное окно, RAG, hallucination, agent, fine-tuning