Оригинал | Odaily Planet Daily(@OdailyChina)
Автор | Golem(@web 3_golem)
Сейчас, если человек из криптосферы не следит за AI, его легко высмеять (да, мой друг, подумай, почему ты нажал сюда).
Ты абсолютно не понимаешь базовые концепции AI и спрашиваешь у Douban, что означают все аббревиатуры в каждой фразе? Или ты чувствуешь себя потерянным среди различных специальных терминов на оффлайн-мероприятиях по AI, притворяясь, что все понимаешь?
Хотя быстро войти в индустрию AI нереально, знать высокочастотную базовую лексику индустрии AI всегда полезно. К счастью, следующая статья как раз для тебя↓ Искренне советую выучить и сохранить.
Базовая лексика (12)
LLM (Большая языковая модель)
Суть LLM — это модель глубокого обучения, обученная на огромных объемах данных, которая хорошо понимает и генерирует язык. Она обрабатывает текст, а теперь все больше и другие типы контента.
В противоположность ей — SLM (малая языковая модель) — языковые модели, которые обычно подчеркивают более низкую стоимость, более легкое развертывание и удобство локального использования.
AI Agent (AI-агент / Интеллектуальный агент AI)
AI Agent означает не просто «модель, которая умеет болтать», а систему, которая может понимать цели, использовать инструменты, выполнять задачи по шагам и при необходимости делать планирование и проверку. Google определяет агента как программное обеспечение, которое может рассуждать на основе мультимодального ввода и выполнять действия от имени пользователя.
Multimodal (Мультимодальность)
Такая AI-модель читает не только текст, но и может обрабатывать различные формы ввода и вывода, такие как текст, изображения, аудио, видео и т.д. Google четко определяет мультимодальность как способность обрабатывать и генерировать不同类型的 контента.
Prompt (Промпт)
Инструкция, которую пользователь вводит модели, это самый базовый способ взаимодействия человека и машины.
Generative AI (Генеративный AI / AIGC)
Подчеркивает «генерацию» AI, а не просто классификацию или предсказание. Генеративные модели могут генерировать текст, код, изображения, мемы, видео и другой контент на основе промпта.
Token (Токен)
Это одна из концепций в AI-сообществе, больше всего похожая на «единицу Gas». Модель понимает контент не по «количеству слов», а обрабатывает ввод и вывод по токенам. Тарифы, длина контекста, скорость ответа обычно сильно связаны с токенами.
Context Window (Окно контекста / Длина контекста)
Означает общее количество токенов, которое модель может «увидеть» и использовать за один раз. Также может называться количеством токенов, которое модель может учитывать или «помнить» при единичной обработке.
Memory (Память)
Позволяет модели или агенту сохранять предпочтения пользователя, контекст задачи, историческое состояние.
Training (Обучение)
Процесс, в котором модель изучает параметры из данных.
Inference (Вывод / Инференс)
Противоположно обучению, означает процесс, когда модель после запуска получает ввод и генерирует вывод. В индустрии часто говорят «обучение дорогое, вывод еще дороже», потому что на этапе реальной коммерциализации многие затраты происходят на inference. Разделение на обучение/вывод также является базовой框架 (framework) при обсуждении затрат на развертывание среди основных производителей.
Tool Use / Tool Calling (Использование инструментов / Вызов инструментов)
Означает, что модель выдает не только текст, но и может вызывать инструменты, такие как поиск, выполнение кода, базы данных, внешние API и т.д. Это уже считается ключевой способностью Agent.
API (Интерфейс программирования приложений)
Инфраструктура, когда AI-продукты, приложения, агенты подключаются к сторонним сервисам.
Продвинутая лексика (18)
Transformer (Трансформер / Архитектура трансформера)
Архитектура модели, которая позволяет AI лучше понимать контекстные отношения, также является технической основой для большинства больших языковых моделей сегодня. Самая большая особенность — возможность одновременно видеть отношения между каждым словом и другими словами во всем отрезке内容 (контента).
Attention (Механизм внимания)
Это ключевой核心 (core) механизм Transformer. Его роль — позволить модели при чтении фразы автоматически определять, «какие слова最值得 (наиболее достойны) внимания».
Agentic / Agentic Workflow (Агентский / Агентский workflow (рабочий процесс))
Это очень горячее в последнее время понятие. Означает, что система больше не просто «вопрос-ответ», а с определенной автономностью разбирает задачи, решает, что делать дальше, использует внешние возможности. Многие производители рассматривают это как признак перехода «от чат-бота к исполняемой системе».
Subagents (Суб-агенты)
Один агент разбивается на несколько специализированных маленьких агентов для обработки подзадач.
Skills (Модули переиспользуемых способностей)
С взрывной популярностью OpenClaw это слово стало заметно более распространенным. Это устанавливаемые, переиспользуемые, комбинируемые модули способностей/инструкции по操作 (операциям) для AI Agent, но также特别提醒 (особостеригают) о рисках滥用 (злоупотребления) инструментами и раскрытия (разглашения) данных.
Hallucination (Галлюцинация машины)
Означает, что модель уверенно несет чушь, «воспринимая несуществующие шаблоны», тем самым генерируя ошибочный или абсурдный вывод. Это кажущийся разумным, но на самом деле ошибочный, излишне уверенный вывод модели.
Latency (Задержка)
Время, которое проходит с момента получения запроса моделью до вывода результата. Одна из самых распространенных инженерных «black话» (жаргонизмов), часто появляется при обсуждении внедрения и продуктовизации.
Guardrails (Ограждения / Защитные механизмы)
Используются для ограничения того, что может делать модель/агент, когда остановиться, какой контент нельзя выводить.
Vibe Coding (Атмосферное программирование / Vibe-кодинг)
Это слово также сейчас один из самых популярных AI-жаргонизмов. Означает, что пользователь напрямую через диалог выражает需求 (требования), AI пишет код, а пользователю не нужно具体懂 (конкретно понимать), как писать код.
Parameters (Параметры)
Внутренние数字规模 (цифровые масштабы/числа) модели, используемые для хранения способностей и знаний. Часто используются для грубого измерения размера модели. «Сотни миллиардов параметров», «триллионы параметров» — самые распространенные в AI-сообществе唬人 (пугающие/впечатляющие) выражения.
Reasoning Model (Модель с сильным выводом / Рассуждающая модель)
Обычно означает модели, которые更擅长 (более сильны) в многошаговом выводе, планировании, проверке, выполнении сложных задач.
MCP (Model Context Protocol / Протокол контекста модели)
Это очень горячий новый жаргонизм последнего года. Действует как универсальный интерфейс между моделью и внешними инструментами/источниками данных.
Fine-tuning / Tuning (Тонкая настройка / Настройка)
Продолжение обучения на базовой модели, чтобы она лучше适应 (адаптировалась) к конкретным задачам, стилю или области. Глоссарий терминов Google напрямую рассматривает tuning и fine-tuning как связанные概念 (концепции).
Distillation (Дистилляция)
Сжатие возможностей большой модели в малую модель, как будто «учитель» учит «ученика».
RAG (Retrieval-Augmented Generation / Генерация, усиленная поиском)
Это几乎已经成了 (почти стало) базовой конфигурацией корпоративного AI. Microsoft определяет это как модель «поиск + LLM», использующую внешние данные для grounding (обоснования) ответов, решая проблемы устаревания данных обучения модели и незнания приватных баз знаний. Цель — строить ответы на реальных документах и приватных знаниях, а не только на回忆 (воспоминаниях) самой модели.
Grounding (Привязка к фактам / Обоснование)
Часто появляется вместе с RAG. Означает, что ответы модели строятся на внешних источниках, таких как документы, базы данных, веб-страницы и т.д., а не только на参数记忆 (запоминании параметров) и «свободном полете». Microsoft в документации по RAG четко определяет grounding как核心价值 (ключевую ценность).
Embedding (Векторное представление / Семантический вектор)
Это кодирование текста, изображений, аудио и другого контента в высокоразмерные числовые векторы для вычисления семантического сходства.
Benchmark (Бенчмарк / Эталонный тест)
Способ тестирования возможностей модели с использованием единого набора стандартов, также язык рейтингов, который любят использовать различные производители моделей, чтобы «доказать, что они сильны».
