Словарь AI: что означают все эти термины, которые вы слышите каждый день

Когда речь заходит об искусственном интеллекте, неминуемо появляются странные слова: hallucinations, fine-tuning, embeddings, transformer. Люди кивают, но мало кто понимает, что имеется в виду. Пришло время это исправить.

Почему словарь нужен сейчас

За последние два года AI вышел из нишевых технических кругов в общее пространство. Все говорят о ChatGPT, Claude, Gemini — но исходная терминология осталась той же: технической, запутанной, полной англицизмов. Люди слышат слова в подкастах, видят в статьях, слышат на конференциях и на работе, но реально не понимают их смысла. Проблема не в глупости людей, а в том, что AI-сообщество привыкло говорить на своём языке, построенном на десятилетиях исследований. Пришло время перевести эти идеи на обычный русский — и не маркетинговый блеск, а реальные, работающие объяснения, которые помогут вам не выглядеть растеряно в разговоре.

Основные категории AI-терминов

Все AI-слова условно делятся на несколько групп, и каждая группа имеет свою логику. Если вы разберётесь в логике одной группы, остальные термины будут встраиваться органично. Модели и архитектуры — это фундаментальные понятия о том, как устроена сама нейросеть: transformer, diffusion model, large language model (LLM), convolutional neural network.

Это как архитектурные стили здания — каждый определяет, как будет устроено всё остальное. Обучение и адаптация — процессы, через которые проходит модель, чтобы научиться: fine-tuning, prompt engineering, reinforcement learning, backpropagation. Это как система упражнений для спортсмена — она определяет, какие навыки модель приобретёт.

Проблемы и ограничения — это то, с чем реально сталкиваются разработчики и пользователи: hallucination, bias, alignment, overfitting, mode collapse. Это как болезни, которые может иметь система, и их нужно учитывать.

От hallucinations к prompt engineering

Возьмём пять самых важных и часто используемых слов: * Hallucinations — когда AI генерирует информацию, которой нет в обучающих данных. Выдумывает ссылки, цитаты, цифры, которых не было. Звучит как мистические фантазии, но на самом деле это ошибка в предсказании текста.

Fine-tuning — дополнительное обучение уже готовой модели на специализированных данных. Как если бы вы взяли готовый учебник и переделали его под конкретную школу. Embeddings — преобразование слов или текста в математические векторы, которые модель понимает.

Это перевод человеческого языка на язык чисел. * Transformer — архитектура сетей, лежащая в основе всех современных LLM (GPT, Claude, Llama). Это был прорыв в 2017 году, изменивший весь мир AI.

* Prompt engineering — искусство правильно сформулировать задачу для AI, чтобы получить нужный результат. Не просто команда, а команда, которая работает.

Почему это важно Словарь — это не просто справочник.

Это пропуск в мир серьёзных разговоров об AI. Когда вы понимаете, что hallucination — это конкретная, объяснимая ошибка в работе модели, разговоры становятся совсем другими. Вы уже не киваете вслепую на конференциях, а задаёте правильные вопросы. На работе вы не просто слушаете коллег, а участвуете в обсуждении. Понимание терминологии — это первый шаг к пониманию того, что может AI и что не может, почему это работает и почему это порой сломалось.