Słownik AI

Autonomiczny system AI, który samodzielnie planuje i wykonuje wieloetapowe zadania, korzystając z narzędzi i podejmując decyzje bez ciągłego nadzoru człowieka.

Hipotetyczna AI dorównująca człowiekowi w dowolnym zadaniu intelektualnym. Dziś nie istnieje i pozostaje celem oraz przedmiotem debaty.

Interfejs, przez który aplikacje i narzędzia komunikują się ze sobą. To dzięki API podłączysz model AI do własnych programów i automatyzacji.

Łączenie narzędzi i kroków tak, by powtarzalne zadania wykonywały się same, bez udziału człowieka. Fundament odzyskiwania czasu.

Standardowy test, którym mierzy się i porównuje możliwości modeli AI. Pozwala ocenić, który model jest lepszy w danym zadaniu.

Uprzedzenie modelu wynikające z danych, na których się uczył. Prowadzi do niesprawiedliwych lub jednostronnych odpowiedzi.

Technika promptowania, w której prosisz model, by rozumował krok po kroku. Wyraźnie poprawia wyniki w zadaniach wymagających logiki.

Program prowadzący rozmowę w języku naturalnym. Nowoczesne chatboty opierają się na dużych modelach językowych.

Zdalne serwery, na których działają modele AI. Dzięki chmurze korzystasz z potężnych modeli bez własnego sprzętu.

Maksymalna ilość tekstu, jaką model widzi naraz. Większe okno to dłuższe dokumenty i rozmowy bez gubienia wątku.

Zbiór tekstów, obrazów lub dźwięków, na których uczy się model. Ich jakość wprost przekłada się na jakość modelu.

Odmiana uczenia maszynowego oparta na wielowarstwowych sieciach neuronowych. Napędza dzisiejszy przełom w AI.

Realistycznie zmanipulowane wideo lub audio stworzone przez AI. Potężne narzędzie, ale i źródło dezinformacji.

Technika generowania obrazów, w której model uczy się odtwarzać obraz z szumu. Stoi za większością generatorów grafiki.

Zamiana tekstu na ciąg liczb oddający jego znaczenie. Pozwala AI porównywać i wyszukiwać treści po sensie, nie po słowach.

Zasady odpowiedzialnego tworzenia i używania AI: uczciwość, prywatność, przejrzystość i bezpieczeństwo.

Technika promptowania, w której dajesz modelowi kilka przykładów, zanim poprosisz o wynik. Zwykle wyraźnie podnosi jakość odpowiedzi.

Douczanie gotowego modelu na własnych danych, by lepiej pasował do konkretnego zastosowania.

Dwie sieci neuronowe rywalizujące ze sobą: jedna tworzy treści, druga je ocenia. Dawniej podstawa generowania realistycznych obrazów.

Model zamieniający opis tekstowy w obraz. Podajesz prompt, dostajesz grafikę. Działa najczęściej na technice dyfuzji.

AI, która tworzy nowe treści: tekst, obraz, dźwięk czy kod. Przeciwieństwo AI, która jedynie klasyfikuje lub przewiduje.

Rodzina modeli językowych (Generative Pre-trained Transformer) napędzających między innymi ChatGPT.

Układ pierwotnie do grafiki, dziś silnik treningu i działania AI dzięki masowym obliczeniom równoległym.

Reguły i filtry, które ograniczają, co model może powiedzieć lub zrobić. Mają chronić przed szkodliwymi albo niebezpiecznymi odpowiedziami.

Sytuacja, w której model pewnie podaje nieprawdziwą informację. Dlatego odpowiedzi AI zawsze warto weryfikować.

Etap używania wytrenowanego modelu, czyli generowania odpowiedzi. Przeciwieństwo treningu.

Sztuka precyzyjnego formułowania poleceń, by wydobyć z modelu najlepszy możliwy wynik.

Próba obejścia zabezpieczeń modelu, by skłonić go do odpowiedzi, których normalnie by odmówił.

Zadanie AI polegające na przypisaniu danych do kategorii, na przykład spam albo nie-spam.

Tajny ciąg znaków, który uwierzytelnia Cię przy łączeniu z usługą AI przez API. Działa jak hasło, więc nie udostępniaj go.

Informacje, które dajesz modelowi w poleceniu. Im lepszy kontekst, tym trafniejsza odpowiedź.

Opóźnienie między wysłaniem zapytania a otrzymaniem odpowiedzi modelu.

Model przewidujący kolejne słowa, wytrenowany na ogromnych ilościach tekstu. To serce narzędzi takich jak ChatGPT czy Claude.

Wytrenowany system, który na podstawie danych wejściowych generuje przewidywania lub treści.

Duży, ogólny model wytrenowany na ogromnych danych, będący bazą dla wielu różnych zastosowań.

Zdolność modelu do obsługi wielu form naraz: tekstu, obrazu, dźwięku i wideo.

Dział AI zajmujący się rozumieniem i generowaniem ludzkiego języka.

Budowanie narzędzi i automatyzacji bez pisania kodu, w gotowych aplikacjach z klockami. Najniższy próg wejścia w automatyzację AI.

Model z publicznie dostępnym kodem lub wagami, który można uruchomić i modyfikować samodzielnie.

Wewnętrzna wartość, którą model dostraja podczas treningu. Liczba parametrów to przybliżona miara jego wielkości.

Polecenie, które wydajesz modelowi AI. Od jego jakości wprost zależy jakość odpowiedzi.

Atak, w którym ukryte polecenie w treści przejmuje kontrolę nad modelem i zmusza go do działania wbrew intencji użytkownika.

Ukryta instrukcja nadająca modelowi rolę, ton i zasady działania, zanim zacznie rozmowę.

Sytuacja, w której model zbyt mocno dopasuje się do danych treningowych i słabo radzi sobie z nowymi.

Technika, w której model przed odpowiedzią sięga do zewnętrznej bazy wiedzy. Ogranicza halucynacje i daje aktualne dane.

Model, który przed odpowiedzią prowadzi wewnętrzne rozumowanie krok po kroku. Lepiej radzi sobie z matematyką, logiką i złożonymi zadaniami.

Dostrajanie modelu na podstawie ocen ludzi, by jego odpowiedzi były bardziej pomocne i bezpieczne.

Zamiana nagrania głosu na tekst. Napędza transkrypcje, napisy i dyktowanie.

Struktura obliczeniowa luźno inspirowana mózgiem, ucząca się rozpoznawać wzorce. Podstawa głębokiego uczenia.

Technologia zamieniająca tekst w naturalnie brzmiący głos. Stoi za lektorami AI i asystentami głosowymi.

Systemy wykonujące zadania, które dotąd wymagały ludzkiej inteligencji: rozumienie języka, rozpoznawanie obrazu, podejmowanie decyzji.

Parametr sterujący losowością odpowiedzi. Niska daje wyniki przewidywalne, wysoka bardziej kreatywne.

Najmniejsza jednostka tekstu, jaką przetwarza model: fragment słowa lub znak. W tokenach liczy się i rozlicza pracę modelu.

Architektura sieci neuronowej z 2017 roku, która stoi za niemal wszystkimi nowoczesnymi modelami językowymi.

Dziedzina, w której systemy uczą się z danych, zamiast działać według sztywno zapisanych reguł.

Uczenie na danych z gotowymi odpowiedziami (etykietami), z których model wyciąga wzorce.

Uczenie metodą prób i nagród: system odkrywa, które działania prowadzą do najlepszego wyniku.

Liczbowe wartości wyuczone przez model, w których zapisana jest cała jego wiedza.

Niewidoczny znacznik wstawiany w treści generowane przez AI, pozwalający rozpoznać, że powstały maszynowo.

Baza, która przechowuje znaczenie tekstów jako wektory liczb. Pozwala AI błyskawicznie wyszukiwać treści po sensie. Serce techniki RAG.

Dział AI uczący maszyny rozumieć obraz i wideo: rozpoznawać obiekty, twarze i sceny.

Zaprojektowana sekwencja połączonych kroków, którą automatyzacja wykonuje od początku do końca.

Uporządkowany zbiór informacji używany do trenowania lub testowania modelu.

Poproszenie modelu o wykonanie zadania bez podania ani jednego przykładu. Sprawdza, jak radzi sobie od razu.