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
