Искусственный интеллект меняет мир — и заодно создаёт новый язык, чтобы об этом рассказывать. На совещаниях, презентациях и панельных дискуссиях всё чаще мелькают термины: LLMs, RAG, RLHF. На прошлой неделе к ним добавился ещё один — «непрозрачное повторение». Это метод рассуждения в новой модели OpenAI Astra, и он поставил в тупик исследователей безопасности ИИ. Язык сферы ИИ меняется так стремительно, что даже опытные специалисты порой теряются.
Этот глоссарий поможет сориентироваться. Здесь собраны простые определения терминов, которые часто встречаются в сфере ИИ. Они пригодятся и тем, кто разрабатывает ИИ‑решения, и инвесторам, и просто тем, кто следит за новостями — читает TechCrunch или слушает подкасты. Мы регулярно обновляем глоссарий: он развивается вместе с технологиями.
AGI
AGI — это искусственный интеллект общего назначения. Понятие расплывчатое, но в целом так называют ИИ, который справляется с большинством задач лучше человека.
У разных компаний своё видение AGI:
- Сэм Альтман (CEO OpenAI) сравнивал AGI с «обычным человеком, которого можно нанять в качестве сотрудника».
- В уставе OpenAI AGI — это «высокоавтономные системы, превосходящие людей в самой ценной с экономической точки зрения работе».
- Google DeepMind определяет AGI как «ИИ, который как минимум не уступает человеку в решении большинства когнитивных задач».
Разные трактовки — норма для передовой области. Поэтому они могут сбивать с толку.
ИИ‑агент
ИИ‑агент — это инструмент на базе ИИ, который выполняет задачи от вашего имени. Он умеет больше, чем обычный чат‑бот. Например, может вести учёт расходов, бронировать билеты, заказывать столик, писать и поддерживать код.
Термин понимают по‑разному, а нужная инфраструктура ещё только развивается. Но суть одна: это автономная система, которая объединяет несколько ИИ‑инструментов, чтобы решать многоэтапные задачи.
API‑интерфейсы
Представьте API как набор «кнопок» внутри программы. Другие программы нажимают эти кнопки, чтобы заставить систему что‑то сделать.
Разработчики используют API, чтобы связывать разные сервисы. Например, чтобы одно приложение получало данные из другого или чтобы ИИ‑агент управлял сторонними сервисами без ручного вмешательства.
Такие интерфейсы есть почти везде — в устройствах умного дома, в сетевых платформах. Пользователи их не видят, но они работают. По мере того как ИИ‑агенты становятся мощнее, они всё чаще сами находят и используют эти точки доступа. Так появляются новые, иногда неожиданные варианты автоматизации.
Логическая цепочка
На простой вопрос мозг отвечает мгновенно: «Кто выше — жираф или кошка?» А вот сложные задачи требуют пошагового подхода. Например, в задаче про кур и коров (40 голов и 120 ног) нужно составить уравнение. Ответ: 20 кур и 20 коров.
В ИИ логическая цепочка — это разбиение задачи на мелкие шаги. Так результат получается точнее. Ответ приходит чуть медленнее, но надёжнее — особенно в логике и программировании.
Модели рассуждений строят на базе больших языковых моделей. Их специально обучают последовательно мыслить — в том числе с помощью обучения с подкреплением.
