Искусственный интеллект — это стремительно развивающаяся область технологий, которая уже сегодня трансформирует все сферы нашей жизни. В данном глоссарии мы собрали ключевые термины и понятия, связанные с ИИ, чтобы помочь вам разобраться в этой сложной, но чрезвычайно перспективной сфере.
Искусственный интеллект (ИИ) — Технология создания компьютерных систем, способных выполнять задачи, традиционно требующие человеческого интеллекта: обучение, распознавание образов, принятие решений и творчество. Включает машинное обучение, нейросети и когнитивные вычисления. Применяется в медицине, финансах, робототехнике. Отличается от традиционных программ способностью адаптироваться к новым данным без явного перепрограммирования.
Сильный искусственный интеллект (AGI) —Гипотетическая форма ИИ, обладающая сознанием и способностью понимать, учиться и применять знания в различных областях как человек. В отличие от узкого ИИ, AGI мог бы выполнять любые интеллектуальные задачи, проявлять креативность и эмоции. Пока не реализован, но является целью многих исследований. Поднимает философские вопросы о природе разума.
Нейронная сеть- Вычислительная система, моделирующая структуру биологических нейронных сетей мозга. Состоит из взаимосвязанных искусственных нейронов, обрабатывающих информацию. Способна обучаться на примерах, распознавать сложные паттерны. Используется в распознавании изображений, прогнозировании, обработке естественного языка. Бывают сверточные, рекуррентные и другие архитектуры.
Генеративная нейросеть- Особый класс нейросетей, создающий новые данные (изображения, текст, музыку). Работает на принципах выявления и воспроизведения скрытых закономерностей. Примеры: GAN (генеративно-состязательные сети), диффузионные модели. Широко применяется в дизайне, искусстве, создании контента.
Промпт- Текстовый запрос или инструкция, подаваемая пользователем в генеративные ИИ-системы для получения желаемого результата. Должен быть точным и детализированным для лучшего соответствия ожиданиям. В сложных системах может включать стилистические указания, параметры композиции. Качество промпта напрямую влияет на результат работы ИИ.
Токен- Минимальная значимая единица данных в обработке естественного языка. Может представлять слово, часть слова или символ. В языковых моделях текст разбивается на токены перед обработкой. Разные языки требуют разного количества токенов: английский более экономичен. Учет токенов важен для управления затратами и длиной ответов в ИИ-системах.
Волшебные токены- Маркетинговый термин, используемый некоторыми сервисами для обозначения единиц расчета при работе с ИИ. Часто не соответствует техническому пониманию токена, что может вводить пользователей в заблуждение. Может подразумевать символы вместо смысловых единиц. Важно проверять реальное соотношение таких «токенов» с общепринятыми стандартами.
Модель (чекпойнт)-Сохраненное состояние нейросети на определенном этапе обучения, позволяющее продолжить процесс или использовать наработки. В генеративных ИИ разные чекпойнты могут специализироваться на различных стилях или типах контента. Позволяет сообществу развивать и адаптировать базовые модели под конкретные задачи без обучения с нуля.
Denoising Strength (DenS)- Параметр в генеративных моделях изображений, определяющий степень отклонения от исходного изображения. Высокие значения приводят к более творческим, но менее предсказуемым результатам. Важен при работе в режиме img2img для баланса между сохранением исходных черт и внесением изменений. Требует экспериментального подбора для каждого случая.
Img2img-Технология преобразования изображений с помощью ИИ, включающая множество методов: стилизацию, дополнение, ретушь, расширение. Позволяет на основе исходного изображения создавать новые вариации с заданными параметрами. Широко используется в дизайне, фотообработке, создании концепт-артов. Требует тщательного подбора параметров для достижения нужного эффекта.
CFG Scale-Коэффициент в генеративных моделях, регулирующий степень следования промпту. Низкие значения дают ИИ больше свободы в интерпретации, высокие — заставляют строже придерживаться запроса. Оптимальное значение зависит от конкретной задачи и желаемого уровня креативности. Слишком высокие значения могут приводить к неестественным результатам.
Сэмплер-Алгоритм выборки в генеративных моделях, определяющий способ создания новых данных на основе обученной модели. Разные сэмплеры предлагают различные компромиссы между скоростью обработки, качеством результата и стабильностью. В Stable Diffusion популярны Euler a, DPM++ 2M Karras. Выбор влияет на детализацию и артефакты изображения.
DeepFace- Технология замены лиц на изображениях, основанная на глубоком обучении. Позволяет реалистично переносить черты одного лица на другое с сохранением освещения и ракурса. Использует методы компьютерного зрения и генеративные модели. Применяется в кинематографе, но также поднимает вопросы этики и возможного злоупотребления.
ChatGPT- Диалоговая ИИ-система на основе архитектуры GPT, разработанная OpenAI. Способна вести осмысленные беседы, писать код, создавать контент. Обучается на огромных массивах текстовых данных. Версии постоянно улучшаются, добавляя мультимодальность.
Stable Diffusion (SD)- Популярная модель генерации изображений с открытым исходным кодом. Позволяет создавать высококачественные изображения по текстовым описаниям. Отличается относительно низкими требованиями к оборудованию. Активно развивается сообществом, породив множество специализированных чекпойнтов. Поддерживает множество плагинов и расширений.
INPAINT- Технология восстановления поврежденных или заполнения удаленных областей изображения с помощью ИИ. Использует контекстное понимание содержимого для правдоподобного воссоздания недостающих частей. Применяется в реставрации фото, удалении нежелательных объектов. Требует аккуратного использования во избежание создания артефактов или искажений.
Машинное обучение (ML)- Раздел ИИ, изучающий алгоритмы, способные обучаться на данных без явного программирования. Включает обучение с учителем (классификация), без учителя (кластеризация) и с подкреплением. Лежит в основе современных систем рекомендаций, прогнозирования, распознавания образов. Требует качественных данных и тщательной настройки параметров.
Глубокое обучение (DL)- Подраздел машинного обучения, использующий многослойные нейронные сети для обработки сложных данных. Особенно эффективно для изображений, речи, естественного языка. Требует значительных вычислительных ресурсов и больших наборов данных. Достигло прорывов в компьютерном зрении и генеративном моделировании.
Компьютерное зрение —Область ИИ, занимающаяся автоматическим анализом и пониманием визуальной информации. Включает распознавание объектов, классификацию изображений, трекинг движения. Применяется в медицине, безопасности, автономных системах. Современные системы достигают точности, превышающей человеческую в узких задачах.
NLP (Обработка естественного языка)- Направление ИИ, изучающее взаимодействие компьютеров с человеческой речью. Включает машинный перевод, анализ тональности, генерацию текста. Современные системы на основе трансформеров демонстрируют впечатляющие результаты в понимании контекста и семантики.
GPT (Generative Pre-trained Transformer) — Серия языковых моделей от OpenAI, основанная на архитектуре трансформеров. Отличается способностью генерировать связный, контекстно-релевантный текст. Последние версии поддерживают мультимодальность (работа с текстом и изображениями). Широко используется в чат-ботах, автоматизации контента.
DALL-E / MidJourney- Генеративные модели для создания изображений по текстовым описаниям. DALL-E разработан OpenAI, MidJourney — отдельный коммерческий продукт. Позволяют создавать высокохудожественные изображения в различных стилях. Вызывают дискуссии о природе творчества и авторском праве.
Биометрический ИИ —Системы идентификации по уникальным биологическим характеристикам: лицу, отпечаткам пальцев, радужке глаза. Обеспечивают высокую точность аутентификации. Применяются в безопасности, финансовых услугах. Поднимают вопросы приватности и защиты персональных данных.
Рекомендательные системы- Алгоритмы, анализирующие поведение пользователей для персонализированных предложений. Используют методы коллаборативной фильтрации и контент-анализа. Критикуются за создание «фильтрующих пузырей», ограничивающих информационное разнообразие.
Чат-бот —Программный агент, имитирующий человеческое общение. Современные версии на основе LLM (больших языковых моделей) обеспечивают естественное взаимодействие. Применяются в поддержке клиентов, образовании, развлечениях.
Тьюринг-тест- Эксперимент для оценки способности машины демонстрировать интеллектуальное поведение, неотличимое от человеческого. Предложен Аланом Тьюрингом в 1950 году. Современные ИИ-системы приближаются к его прохождению в узких областях.
Слабый ИИ (Narrow AI) —Системы, предназначенные для решения конкретных задач. Не обладают сознанием или общей интеллектуальной способностью. Все современные коммерческие ИИ-приложения относятся к этому типу.
Супер-ИИ (ASI)- Гипотетический ИИ, значительно превосходящий человеческий интеллект во всех аспектах. Обсуждается в контексте технологической сингулярности. Вызывает дебаты о потенциальных рисках и способах контроля.
Этика ИИ-Область, изучающая моральные аспекты разработки и применения ИИ. Рассматривает вопросы предвзятости алгоритмов, приватности, автономного оружия. Становится важной частью корпоративных политик и законодательства.
Обучение с подкреплением —Метод ML, где агент учится через взаимодействие со средой, получая награды за правильные действия. Применяется в робототехнике, играх, управлении ресурсами. Известные примеры: AlphaGo, системы для автономного вождения.
Большие данные (Big Data) —Огромные объемы структурированных и неструктурированных данных, требующие специальных технологий обработки. Являются основой для обучения современных ИИ-систем. Обрабатываются распределенными системами типа Hadoop, Spark.
Трансформеры —Архитектура нейросетей, революционизировавшая NLP. Основана на механизме внимания, позволяющем анализировать контекстные зависимости. Лежит в основе GPT, BERT и других современных языковых моделей.
Квантовый ИИ- Перспективное направление, исследующее применение квантовых вычислений для ускорения алгоритмов ML. Пока находится на ранних стадиях развития. Может привести к прорывам в сложных оптимизационных задачах.
Автономные системы- ИИ-системы, способные функционировать без постоянного человеческого контроля. Включают беспилотные автомобили, дроны, промышленных роботов. Поднимают вопросы ответственности за принимаемые решения.
Эмоциональный ИИ- Технологии распознавания и генерации эмоциональных состояний. Анализируют мимику, голос, физиологические показатели. Применяются в маркетинге, психологии, человеко-машинном взаимодействии.
Сингулярность- Гипотетический момент, когда ИИ превзойдет человеческий интеллект и сможет самосовершенствоваться без внешнего вмешательства. Обсуждается в футурологии как возможный переломный момент в истории цивилиза-
