Словарь AI-жаргона (март 2026 года), рекомендуется сохранить

marsbitОпубликовано 2026-03-11Обновлено 2026-03-11

Введение

Словарь AI-жаргона (март 2026): краткий обзор. Статья объясняет ключевые термины искусственного интеллекта для новичков. Основные понятия включают LLM (большие языковые модели), AI Agent (интеллектуальные агенты), Multimodal (мультимодальность), Prompt (промпты), Generative AI (генеративный ИИ) и Token (токены). Также рассматриваются Context Window (контекстное окно), Memory (память), Training (обучение) и Inference (вывод). Продвинутые термины охватывают Transformer (архитектура трансформера), Attention (механизм внимания), Hallucination (галлюцинации ИИ), RAG (извлечение-усиление-генерация) и Fine-tuning (тонкая настройка). Статья полезна для понимания современной AI-терминологии и основных тенденций. Рекомендуется к сохранению для быстрого ознакомления.

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 разбираешься в базовых концепциях AI, и каждый раз спрашиваешь у Douban, что означают аббревиатуры в предложениях? Или ты чувствуешь себя потерянным среди всех этих специальных терминов на оффлайн-мероприятиях по AI, пытаясь сделать вид, что всё понимаешь?

Хотя быстро войти в индустрию AI нереально, но знать высокочастотную базовую лексику AI-индустрии 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 глубого обучения модель, обученная на огромных данных, которая擅长 (хорошо умеет) понимать и генерировать язык, она может обрабатывать текст, а теперь всё чаще и другие типы контента.

Ей противопоставляется SLM (Маленькая языковая модель) — языковые модели, которые обычно подчёркивают более низкую стоимость, более лёгкое развёртывание 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 пошагово и при необходимости даже делать планирование и проверку. Google определяет agent 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, а может одновременно обрабатывать и выводить различные формы ввода-вывода: текст, изображения, аудио, видео и др. Google чётко 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)

Подчёркивает «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. Тарификация, 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 ходе которого модель изучает параметры из данных.

Inference (Вывод / Инференс)

Противопоставляется обучению, означает процесс, когда модель после запуска принимает входные данные и генерирует вывод. В индустрии часто говорят «обучение дорогое, вывод ещё дороже», потому что на этапе реальной коммерциализации много затрат происходит именно на inference. Соответствующее разделение на обучение/вывод также является базовой框架 (фреймворк) при обсуждении затрат на развёртывание среди основных производителей.

Tool Use / Tool Calling (Использование инструментов / Вызов инструментов)

Означает, что модель не просто выводит текст, а может использовать 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 (Трансформерная архитектура)

Архитектура модели, которая позволяет AI лучше понимать контекстные отношения, также является техническим фундаментом для большинства больших языковых моделей сегодня. Главная особенность — способность одновременно видеть отношения между каждым словом и другими словами во всём отрезке内容 (контента).

Attention (Механизм внимания)

Это ключевой核心 (ядро) механизм Transformer, его作用 (функция) — позволить модели при чтении фразы автоматически определять «какие слова最值得 (наиболее заслуживают) внимания».

Agentic / Agentic Workflow (Агентский / Агентский workflow)

Это очень популярное最近 (в последнее время) выражение. Означает, что система больше не просто «вопрос-ответ», а с определённой自主性 (автономностью) разбирает задачи, решает, что делать дальше, использует внешние возможности. Многие производители считают это признаком «перехода от Chatbot 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 распространённым. Это устанавливаемые, переиспользуемые, комбинируемые модули способностей/инструкции по操作 (операциям) для AI Agent, но также特别提醒 (особо提醒 (напоминают)) о рисках злоупотребления инструментами и утечки данных.

Hallucination (Машинные галлюцинации)

Означает, что модель уверенно говорит чепуху, «воспринимая несуществующие模式 (шаблоны)», тем самым генерируя ошибочный или абсурдный вывод. Это кажущийся合理льным (разумным), но на самом деле ошибочный, излишне уверенный вывод модели.

Latency (Задержка)

Время, которое проходит с момента получения запроса моделью до вывода результата. Один из самых распространённых инженерных жаргонизмов, часто появляется при обсуждении внедрения и产品化 (продуктивизации).

Guardrails (Ограждения / Защитные барьеры)

Используются для ограничения того, что может делать модель/агент, когда остановиться, какой контент нельзя выводить.

Vibe Coding (Атмосферное программирование / Vibe-кодинг)

Это слово также один из самых популярных AI-жаргонизмов на сегодня. Означает, что пользователь直接 (напрямую) через диалог выражает需求 (потребности), AI пишет код, а пользователю не нужно具体懂 (конкретно понимать), как писать код.

Parameters (Параметры)

Внутренние数字规模 (цифровые масштабы) модели, используемые для хранения способностей и знаний. Часто используются для грубого измерения размера модели. «Сто миллиардов параметров», «Триллион параметров» — самые распространённые в AI-сообществе唬人 (пугающие/впечатляющие) выражения.

Reasoning Model (Модель с сильным推理 (рассуждением))

Обычно означает модели, которые更擅长 (лучше справляются) с многошаговыми рассуждениями, планированием, проверкой, выполнением сложных задач.

MCP (Протокол контекста модели)

Это очень热门 (горячий) новый жаргонизм за последний год. Его作用 (функция)类似 (похожа) на создание универсального интерфейса между моделью и внешними инструментами/источниками данных.

Fine-tuning / Tuning (Тонкая настройка / Настройка)

Это продолжение обучения на базовой модели, чтобы она лучше适应 (адаптировалась) к конкретным задачам, стилю или области. Глоссарий терминов Google напрямую определяет tuning и fine-tuning как связанные概念 (концепции).

Distillation (Дистилляция)

Сжатие возможностей большой модели для маленькой модели, как будто «учитель» учит «ученика».

RAG (Генерация с усилением retrieval / поиском)

Это几乎 (почти) стало базовой конфигурацией корпоративного AI. Microsoft определяет это как模式 (модель) «поиск + LLM», использующую внешние данные для grounding (обоснования) ответов, решая проблемы устаревания训练数据 (тренировочных данных) 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 творчестве». Microsoft в документации по RAG чётко определяет grounding как核心价值 (ключевую ценность).

Embedding (Векторное嵌入 (вложение) / Семантический вектор)

Это кодирование текста, изображений, аудио и другого контента в высокоразмерные数字向量 (числовые векторы) для вычисления семантического сходства.

Benchmark (Бенчмарк / Эталонный тест)

Способ тестирования возможностей модели по единому набору стандартов, также язык рейтингов, который любят использовать различные производители моделей, чтобы «доказать, что они сильные».

Рекомендуемая литература

11 ключевых вопросов о лобстере: самое通俗易懂 (доступное) объяснение принципов OpenClaw

Трендовые криптовалюты

Связанные с этим вопросы

QЧто такое LLM в контексте искусственного интеллекта?

ALLM (Large Language Model) — это большая языковая модель, обученная на огромных объемах данных и способная понимать и генерировать текст. Она обрабатывает информацию с помощью токенов и может работать с различными типами контента.

QЧто означает термин 'AI Agent' (ИИ-агент)?

AAI Agent — это интеллектуальная система, которая понимает цели, использует инструменты, выполняет задачи пошагово, а также способна к планированию и проверке. Это не просто чат-бот, а более сложная автономная система.

QЧто такое 'Hallucination' (галлюцинация) в работе ИИ-моделей?

AГаллюцинация — это ситуация, когда модель генерирует ошибочный или абсурдный вывод, который кажется правдоподобным. Модель 'видит' несуществующие паттерны и уверенно выдаёт неправильную информацию.

QДля чего используется RAG (Retrieval-Augmented Generation)?

ARAG (Retrieval-Augmented Generation) — это подход, сочетающий поиск информации и генерацию с помощью LLM. Он использует внешние данные (например, документы или базы знаний) для обеспечения точности ответов, решая проблему устаревания данных и работы с приватной информацией.

QЧто такое 'Context Window' (контекстное окно) в языковых моделях?

AКонтекстное окно — это максимальное количество токенов, которое модель может обработать за один раз. Оно определяет, какой объём информации модель 'видит' и использует для генерации ответа, влияя на длину и качество output.

Похожее

Неправомерно пострадавшие A-акции: Устойчивость, ожидания и основание

В июле глобальные технологические акции столкнулись с коррекцией, начавшейся с распродаж в Южной Корее и затронувшей рынки США, Японии и Китая (A-shares). Однако китайский рынок продемонстрировал устойчивость благодаря нескольким факторам. Во-первых, базовые показатели технологического сектора Китая остаются прочными. Такие подотрасли, как оптические модули и оптическое волокно, показывают высокий рост прибыли (например, New Eastsoft, Changfei Optical Fiber). В отличие от южнокорейского рынка, сильно зависящего от полупроводников памяти, китайский технологический сектор диверсифицирован (компьютеры, связь, электроника) и опирается как на глобальные цепочки поставок (например, для NVIDIA), так и на политику импортозамещения. Во-вторых, государственные институты («команда страны») активно поддерживают рынок, выделив сотни миллиардов юаней на выкуп акций и ETF через такие компании, как China Reform Holdings и China Chengtong. Этот шаг направлен на стабилизацию ликвидности и формирование позитивных ожиданий, сигнализируя о возможном достижении локального дна. В-третьих, другие ключевые секторы A-shares демонстрируют внутренний потенциал для восстановления: * **Потребительский сектор:** CPI стабильно превышает 1%, указывая на улучшение маржи. Ключевые игроки, такие как Kweichow Moutai, повышают цены, а розничные продажи алкоголя растут. * **Сырьевой сектор (например, алюминий):** Высокая рентабельность, сохраняющийся дефицит предложения и низкие оценки создают потенциал для роста. * **Финансовый сектор:** Банки предлагают высокие дивиденды, а брокеры и страховщики выигрывают от оживления на рынке капитала. Таким образом, текущая коррекция в основном вызвана внешними факторами, а не ухудшением фундаментальных показателей. При поддержке государства и наличии внутренних драйверов роста в нескольких секторах рынок A-shares обладает значительной устойчивостью для возвращения к стабильности.

marsbit10 мин. назад

Неправомерно пострадавшие A-акции: Устойчивость, ожидания и основание

marsbit10 мин. назад

Квантовые компьютеры ещё не пришли, а 1,1 миллион биткоинов Сатоши Накамото уже стали проблемой

**Квантовые компьютеры еще не прибыли, а 1,1 миллион биткоинов Сатоши уже стали проблемой** Инструмент на основе доказательств с нулевым разглашением (ZK) от Project Eleven обещает помочь владельцам современных кошельков (после 2012 года) безопасно мигрировать активы перед квантовой атакой. Однако для ранних биткоинов, включая примерно 1,1 миллион монет, добытых Сатоши Накамото и хранящихся в устаревших адресах P2PK, этот инструмент бесполезен. У этих «старых» монет нет иерархической структуры ключей (HD), что делает их криптографически незащищенными. Сообщество Bitcoin столкнулось с политической, а не технической дилеммой: как защитить сеть, не нарушая ее основные принципы? Предлагается четыре спорных пути, каждый со своими последствиями: бездействие (риск массовой кражи), принудительная заморозка старых монет (нарушение прав собственности), ограничение их расходования («песочные часы») или принудительное перераспределение (разрушение неизменности реестра). Рынок уже реагирует на этот кризис управления. Например, Jefferies сократил свои биткоин-холдинги, ссылаясь именно на неопределенность в вопросе уязвимых монет. Угроза не только в будущих атаках, но и в «отложенном» взломе: злоумышленники уже сейчас сохраняют данные блокчейна для последующей расшифровки. Ключевой вопрос остается без ответа: как Bitcoin может пережить смену технологических эпох, не отказавшись от своих фундаментальных основ? Квантовый вызов уже породил кризис доверия.

marsbit19 мин. назад

Квантовые компьютеры ещё не пришли, а 1,1 миллион биткоинов Сатоши Накамото уже стали проблемой

marsbit19 мин. назад

Где будет главное поле битвы следующего бычьего рынка? Ответ скрыт в этих двух классах активов

Крипторынок показывает признаки достижения дна. С 1 июля биткойн вырос на 9%, тогда как индекс Nasdaq 100 упал на 6%. Вопрос о том, какие активы возглавят следующий бычий цикл, становится актуальным. По мнению Мэтта Хоугена, главным нарративом следующего бума криптовалют станет слияние традиционных финансов (TradFi) и ончейн-финансов (DeFi). Это будет включать стейблкоины, токенизацию активов, круглосуточную торговлю, мгновенные расчеты и рост институционального DeFi до масштаба в триллионы долларов. Два ключевых направления для инвестиций выделяются в этой тенденции: 1. **Нативные криптопроекты с реальными доходами и качественной токеномикой**, такие как Hyperliquid (HYPE). Эта L1-сеть для деривативов привлекает пользователей удобством и быстро расширяется на торговлю традиционными активами (нефть, индексы). Платформа генерирует значительные доходы, 99% из которых направляются на выкуп и сжигание токена HYPE. 2. **Устоявшиеся традиционные компании, активно внедряющие криптоинфраструктуру**, такие как Robinhood (HOOD). Брокер не только предлагает торговлю криптовалютами, но и запустил собственную L2-сеть Robinhood Chain для круглосуточной торговли токенизированными акциями и использования DeFi-протоколов в 120 странах, демонстрируя серьезные намерения. Автор считает, что будущий бычий рынок, движимый реальной полезностью и нацеленный на глобальные финансы, может стать крупнейшим в истории. Инвесторам стоит обратить внимание на проекты и компании, которые уже сегодня активно строят мосты между двумя мирами финансов.

Foresight News23 мин. назад

Где будет главное поле битвы следующего бычьего рынка? Ответ скрыт в этих двух классах активов

Foresight News23 мин. назад

Путь к принятию закона Clarity: Дорога двухпартийных компромиссов в США усыпана терниями

Закон о регулировании крипторынка Clarity сталкивается со значительными трудностями на пути к принятию в Конгрессе США. Несмотря на двухпартийное согласие о необходимости законодательства, ключевые разногласия по этическим нормам для избранных лиц, вопросам «доходности» и защите разработчиков блокируют прогресс. В мае законопроект прошел комитет Сената по сельскому хозяйству без поддержки демократов, которые настаивают на строгих этических гарантиях. К июлю давление возросло: республиканцы стремятся к голосованию, а демократы и некоторые республиканцы, а также правоохранительные органы выражают озабоченность по поводу потребительских рисков и отмывания денег. Хотя работа над поиском компромисса продолжается, включая переговоры с Белым домом, сенаторы-демократы четко дают понять, что без приемлемых этических положений их поддержки не будет. Несмотря на оптимизм в отрасли, путь к принятию закона остается крайне сложным и зависит от способности сторон найти взаимоприемлемое решение по спорным вопросам.

marsbit31 мин. назад

Путь к принятию закона Clarity: Дорога двухпартийных компромиссов в США усыпана терниями

marsbit31 мин. назад

Основатели Kalshi и Polymarket враждуют? Эта бизнес-война оказалась гораздо ожесточеннее, чем можно представить

В 2024 году основатель Polymarket Шейн Коплан столкнулся с обыском ФБР, который, по мнению его команды, мог быть инициирован его главным конкурентом — CEO Kalshi Тареком Мансуром. Два основателя предсказательных рынков, оба ставшие миллиардерами, ведут ожесточенную борьбу, выходящую далеко за рамки обычной бизнес-конкуренции и переходящую в личную вражду. Их противостояние основано на разных подходах: Kalshi делает ставку на полное соблюдение правил США, в то время как Polymarket долгое время работал через офшорную платформу, доступную американским пользователям через VPN. Мансур публично осуждает методы Polymarket как «незаконные и неэтичные». Конфликт проявляется во всем: в попытках сорвать сделки друг друга (как в случае с переговорами о финансировании от Intercontinental Exchange), в переманивании сотрудников, в публичных нападках и даже в предположениях о слежке. Kalshi неоднократно жаловалась регуляторам на Polymarket. Несмотря на давление, Polymarket, получившая крупные инвестиции и купившая лицензированную платформу, вернулась на рынок США. Сейчас Kalshi лидирует по объему торгов и оценке, но война за доминирование на быстрорастущем рынке предсказаний продолжается, привлекая все больше внимания регуляторов.

marsbit38 мин. назад

Основатели Kalshi и Polymarket враждуют? Эта бизнес-война оказалась гораздо ожесточеннее, чем можно представить

marsbit38 мин. назад

Торговля

Спот

Популярные статьи

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

2025 год — год институциональных инвесторов, в будущем он будет доминировать в приложениях реального времени.

1.9k просмотров всегоОпубликовано 2025.12.16Обновлено 2025.12.16

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на AI (AI) представлены ниже.

活动图片