Bazele
Aceasta e versiunea de referință: 55 de termeni, definiția întâi, detaliul al doilea. Dacă vrei turul mai blând, doar cu cuvintele care contează în prima ta săptămână, citește în schimb Termenii de IA explicați și revino aici când un termen de aici te trimite mai departe.
Inteligența artificială
Inteligența artificială este softul care îndeplinește sarcini ce necesită de obicei judecată umană, cum ar fi scrisul, raționamentul sau recunoașterea a ce se află într-o imagine.
În folosirea de zi cu zi din 2026, "IA" înseamnă aproape mereu asistenții de chat construiți pe modele de limbaj mari, nu domeniul academic mai larg.
Învățarea automată
Învățarea automată este tehnica de a instrui softul arătându-i exemple, nu programându-l cu reguli.
Fiecare asistent modern de IA e construit așa: comportamentul vine din tipare din datele de antrenament, motiv pentru care același model poate fi excelent la sarcini comune și șubred la cele rare.
Model
Un model este un sistem specific de IA antrenat, artefactul căruia îi trimiți efectiv un prompt.
GPT, Claude și Gemini sunt familii de modele; o familie conține modele individuale cu dimensiuni, viteze și prețuri diferite. Alegerea între ele în funcție de sarcină este abilitatea de bază a folosirii IA cu succes.
LLM (model de limbaj mare)
Un LLM, sau model de limbaj mare, este un model antrenat pe cantități uriașe de text pentru a prezice ce text ar trebui să urmeze.
Acel singur truc, făcut la scară, este ce produce răspunsuri, ciorne, cod și rezumate. "Mare" se referă atât la datele de antrenament, cât și la numărul de parametri.
Chatbot
Un chatbot este interfața conversațională învelită în jurul unui model, lucrul cu caseta de mesaje.
Distincția contează când compari produse: două chatbot-uri pot învelui același model și pot simți diferit, iar un chatbot poate oferi mai multe modele, ceea ce e felul în care funcționează Whizi.
Prompt
Un prompt este tot ce trimiți modelului: întrebarea, instrucțiunile și orice text sau fișiere pe care le incluzi.
Calitatea răspunsului urmărește îndeaproape calitatea promptului. Contextul, constrângerile și formatul de rezultat pe care îl vrei sunt cele trei lucruri pe care începătorii le omit cel mai des.
Token
Un token este bucata mică de text pe care un model chiar o citește și o scrie, cam trei sferturi dintr-un cuvânt englezesc în medie.
Prețul, viteza și ferestrele de context sunt toate măsurate în tokeni, motiv pentru care cuvântul apare pe fiecare pagină de prețuri de IA. Un document de 1.000 de cuvinte are aproximativ 1.300 de tokeni.
Fereastra de context
O fereastră de context este cantitatea maximă de text, măsurată în tokeni, pe care un model o poate lua în considerare deodată.
Promptul tău, conversația de până acum, documentele atașate și răspunsul o împart toate. Tabelul comparației ferestrelor de context listează cifra actuală pentru fiecare model important, iar explicația acoperă de ce explică majoritatea plângerilor de tipul "IA a uitat".
Parametrii
Parametrii sunt numerele interne pe care un model le-a învățat în timpul antrenamentului, și măsura obișnuită a dimensiunii sale.
Numărați în miliarde, mai mulți parametri înseamnă vag mai multă capacitate și mai mult cost. E o metrică slabă de cumpărare de una singură; benchmark-urile și testele tale proprii bat numărul de parametri.
Răspuns
Un răspuns este rezultatul modelului pentru un prompt, numit și completare.
Răspunsurile sunt generate din nou de fiecare dată, motiv pentru care regenerarea aceluiași prompt dă o formulare diferită și uneori un răspuns diferit.
Vorbind cu un model
Prompt de sistem
Un prompt de sistem este instrucțiunea permanentă pe care un model o primește înainte de mesajul tău, stabilindu-i rolul, tonul și regulile.
Fiecare produs are unul chiar și atunci când nu îl poți vedea. Când un chatbot "are o personalitate", promptul de sistem e de obicei locul unde locuiește.
Ingineria prompturilor
Ingineria prompturilor este practica de a scrie prompturi în mod deliberat pentru a obține în mod fiabil rezultate mai bune.
În ciuda numelui pompos, majoritatea e claritate obișnuită: enunță scopul, dă context, arată un exemplu, numește formatul. Ghidul pentru începători acoperă tehnicile care chiar mișcă rezultatele.
Zero-shot
Zero-shot înseamnă a cere unui model să facă o sarcină fără să-i dai niciun exemplu.
Modelele moderne se descurcă cu majoritatea sarcinilor de zi cu zi în regim zero-shot. Termenul supraviețuiește mai ales ca un contrast cu prompting-ul few-shot.
Few-shot
Few-shot înseamnă includerea câtorva exemple lucrate în prompt, ca modelul să copieze tiparul.
Este cea mai ieftină îmbunătățire a fiabilității pentru munca sensibilă la formatare: două sau trei exemple de intrare și rezultat dorit bat un paragraf de descriere.
Lanțul de gândire
Lanțul de gândire este un model care parcurge pași intermediari înainte de a da răspunsul final.
A cere unui model să raționeze pas cu pas îmbunătățește măsurabil problemele grele, iar modelele de raționament fac acum o versiune a asta intern, implicit.
Temperatura
Temperatura este setarea care controlează cât de multă aleatorietate adaugă un model la alegerea fiecărui token următor.
O temperatură scăzută dă rezultate consistente, conservatoare; o temperatură ridicată dă varietate și ocazional non-sens. Produsele de chat aleg de obicei o valoare medie pentru tine.
Streaming
Streaming înseamnă că modelul își trimite răspunsul token cu token pe măsură ce îl generează, nu tot deodată la final.
De aceea răspunsurile par să se scrie singure, și de aceea un răspuns prost poate fi oprit din timp în loc să fie așteptat până la capăt.
Regenerare
Regenerarea înseamnă a cere un răspuns nou pentru același prompt.
Pentru că generarea e probabilistică, o regenerare e o extragere cu adevărat nouă, nu o reîncercare a aceluiași calcul. Compararea a două extrageri, sau a aceluiași prompt pe două modele, este o verificare rapidă a calității.
Cum sunt făcute modelele
Antrenarea
Antrenarea este procesul de ajustare a parametrilor unui model față de date până când predicțiile lui devin bune.
Se întâmplă înainte să întâlnești vreodată modelul și costă furnizorul o cantitate uriașă de putere de calcul. Nimic din ce tastezi într-un chat nu reantrenează modelul pe loc, deși furnizorii pot folosi conversațiile pentru a antrena versiuni viitoare, în funcție de politica lor.
Datele de antrenament
Datele de antrenament sunt textul și celelalte materiale din care a învățat un model.
Amploarea lor explică ce știe un model, lacunele lor explică punctele oarbe sistematice, iar intervalul lor de date stabilește data limită a cunoștințelor.
Preantrenarea
Preantrenarea este prima și cea mai amplă fază a antrenamentului, în care un model învață limbajul și cunoștințele despre lume din text în masă.
Rezultatul este capabil, dar brut. Tot ce face un model să se comporte ca un asistent util vine după aceea.
Fine-tuning
Fine-tuning-ul este antrenament suplimentar pe un set de date mai restrâns, pentru a specializa sau modela un model preantrenat.
Furnizorii fac fine-tuning pentru utilitate și siguranță; companiile fac fine-tuning pentru sarcini de domeniu. Pentru majoritatea utilizatorilor, un prompting bun plus un model general capabil bate plata pentru un fine-tune.
RLHF
RLHF, învățare prin recompensă din feedback uman, este antrenarea unui model față de evaluările oamenilor asupra răspunsurilor lui.
Este o mare parte din motivul pentru care asistenții moderni sunt politicoși, structurați și precauți. Dus la exces, produce și ezitarea care face unele modele să refuze sau să bată câmpii.
Alinierea
Alinierea este munca de a face comportamentul unui model să corespundă intenției și valorilor umane.
În practică acoperă tot, de la refuzarea cererilor dăunătoare până la simpla urmare corectă a instrucțiunilor. Când un model face ceva impresionant din punct de vedere tehnic, dar nedorit, acela e un gol de aliniere.
Inferența
Inferența este rularea unui model antrenat pentru a produce un răspuns, spre deosebire de antrenarea lui.
Fiecare mesaj pe care îl trimiți declanșează inferență, iar costul de inferență e ce măsoară prețul pe token. Modelele ieftine de rulat pot fi remarcabil de capabile; Indicele de costuri al modelelor de IA arată o diferență de preț de 2.000x.
Transformer
Transformer-ul este arhitectura de rețea neuronală din spatele practic fiecărui model de limbaj modern.
Mecanismul său cheie, atenția, lasă modelul să cântărească fiecare parte a intrării față de fiecare altă parte. Nu ai nevoie niciodată de detalii, dar cuvântul e peste tot în scrisul despre IA.
Când lucrurile merg prost
Halucinația
O halucinație este un model care afirmă ceva fals cu încredere deplină.
Nu e un bug care va fi reparat la următoarea lansare; urmează din felul în care funcționează generarea. Frecvența variază mult în funcție de model și sarcină. Tratează orice fapt, cifră sau citare specifică drept neverificată până e verificată. De ce greșește IA acoperă mecanica.
Ancorarea
Ancorarea înseamnă a da unui model material autoritar din care să răspundă, în loc să-l lași să se bazeze pe memorie.
Lipirea contractului, atașarea raportului sau activarea căutării web sunt toate ancorare. Este cea mai eficientă apărare de zi cu zi împotriva halucinației.
Bias-ul
Bias-ul este un model care își distorsionează sistematic rezultatele în moduri moștenite din datele de antrenament.
Apare ca presupuneri despre oameni, locuri și valori implicite. Pentru decizii cu consecințe, verifică rezultatul IA așa cum ai verifica munca unui stagiar deștept, dar neverificat.
Plasele de siguranță
Plasele de siguranță (guardrails) sunt restricțiile pe care un furnizor le construiește în jurul unui model pentru a bloca rezultate dăunătoare sau contrare politicii.
Furnizori diferiți trag liniile diferit, ceea ce e o diferență reală de produs: aceeași cerere poate primi răspuns de la un model și poate fi refuzată de altul.
Jailbreak
Un jailbreak este un prompt conceput pentru a păcăli un model să-și ignore plasele de siguranță.
Furnizorii le repară continuu. Pentru utilizatorii obișnuiți, termenul contează mai ales ca un concept de securitate: orice poate fi convins un model să facă, cineva va încerca să-l convingă.
Red teaming
Red teaming înseamnă atacarea deliberată a unui model înainte de lansare pentru a găsi moduri de eșec dăunătoare.
Furnizorii rulează echipe roșii interne și externe, iar fișele de model publicate rezumă adesea ce au găsit. E echivalentul IA al testării de penetrare.
Data limită a cunoștințelor
Data limită a cunoștințelor este data după care se termină datele de antrenament ale unui model.
Întreabă despre ceva mai recent și modelul fie recunoaște că nu știe, fie navighează pe web dacă poate, fie halucinează. Cunoașterea datei limită a modelului pe care îl folosești previne o întreagă categorie de erori.
Regăsirea informației și datele tale
RAG (generare augmentată prin regăsire)
RAG, generare augmentată prin regăsire, înseamnă a aduce mai întâi documentele relevante și a pune modelul să răspundă din ele.
Așa funcționează în culise produsele de tipul "discută cu baza ta de cunoștințe", și de aceea pot cita surse. RAG reduce halucinația, dar moștenește calitatea a orice regăsește.
Embedding
Un embedding este o listă de numere care reprezintă înțelesul unei bucăți de text.
Textele cu înțeles similar primesc numere apropiate, ceea ce lasă softul să găsească pasaje înrudite matematic. Embeddingurile sunt mecanismul din spatele căutării semantice și al RAG.
Baza de date vectorială
O bază de date vectorială este o bază de date construită pentru a stoca embeddinguri și a găsi rapid cele mai apropiate.
Dacă un produs spune că ți-a "indexat" documentele pentru căutare cu IA, un embedding pentru fiecare fragment stă într-una din acestea.
Căutarea semantică
Căutarea semantică înseamnă găsirea textului după înțeles, nu prin potrivirea cuvintelor cheie.
Căutarea "probleme de bani" poate scoate la iveală un pasaj despre presiunea fluxului de numerar, deși niciun cuvânt nu se potrivește. Este embeddingurile puse la treabă.
Fragmentarea
Fragmentarea (chunking) înseamnă împărțirea documentelor lungi în bucăți suficient de mici pentru a fi bine incluse în embedding și regăsite.
Sună a instalații sanitare, și chiar este, dar o fragmentare proastă e un motiv comun pentru care uneltele de chat cu documente răspund din partea greșită a unui fișier.
Căutarea web (în IA)
Căutarea web în IA înseamnă că modelul aduce pagini curente înainte de a răspunde, în loc să se bazeze pe memoria de antrenament.
Schimbă viteza pe prospețime și lasă răspunsurile să poarte citări pe care le poți deschide. Pentru orice e după data limită a cunoștințelor modelului, e diferența dintre un răspuns și o presupunere.
Baza de cunoștințe
O bază de cunoștințe este setul curat de documente pe care o companie îl dă IA-ului ei ca să răspundă din el.
Calitate la intrare, calitate la ieșire: un asistent ancorat pe un wiki învechit servește cu încredere răspunsuri învechite, cu citări.
Trei termeni din acest glosar numesc răspunsuri concurente la aceeași întrebare, cum faci un model mai bun la sarcina ta, iar confuzia dintre ele e cea mai comună greșeală de jargon din ședințele de produs. Alăturat:
| Abordare | Ce se schimbă | Cost și viteză | Când câștigă |
|---|---|---|---|
| Prompting mai bun (zero-shot, few-shot) | Doar textul pe care îl trimiți | Gratuit, durează minute | Aproape mereu prima mișcare; două sau trei exemple lucrate rezolvă majoritatea problemelor de formatare |
| RAG | Ce citește modelul înainte să răspundă | Moderat de construit, fără reantrenare | Răspunsuri care trebuie să rămână actuale sau să citeze documentele tale |
| Fine-tuning | Parametrii proprii ai modelului | Lent și scump, apoi fix | Cerințe stabile de stil și format la scară, aproape niciodată pentru un individ |
Dincolo de text
Multimodal
Multimodal înseamnă un model care funcționează pe mai mult de un mediu, cum ar fi text plus imagini, audio sau video.
De aceea poți face captură de ecran unei erori și poți întreba ce e în neregulă. Ghidul IA multimodală acoperă ce chiar funcționează azi.
Modelul de viziune
Un model de viziune este un model care poate interpreta imagini: fotografii, capturi de ecran, grafice și documente.
Cititul nu e la fel cu generarea; un model poate descrie diagrama ta perfect și tot să nu poată desena una.
Generarea de imagini
Generarea de imagini înseamnă producerea de imagini noi dintr-o descriere text.
Calitatea, gama de stiluri și redarea textului în interiorul imaginilor variază puternic între generatoare, motiv pentru care utilizatorii serioși compară mai multe. Clasamentul generatoarelor de imagini rămâne actual pe acest domeniu.
Modelul de difuzie
Un model de difuzie generează imagini pornind de la zgomot și rafinându-l pas cu pas către descriere.
Este tehnica dominantă din spatele generatoarelor moderne de imagini. Cuvântul contează mai ales ca "difuzie" într-un nume de produs să-ți spună ce face produsul.
Vorbire în text
Vorbire în text înseamnă transcrierea audioului vorbit în cuvinte scrise.
Transcrierea modernă e suficient de precisă ca să facă ședințele, notele vocale și interviurile căutabile, și așa funcționează intrarea vocală în aplicațiile de chat.
Text în vorbire
Text în vorbire înseamnă generarea de audio vorbit din cuvinte scrise.
Sistemele actuale produc voci naturale, expresive, ceea ce alimentează funcțiile de citire cu voce tare și conversațiile vocale cu IA.
Ecosistemul
API
Un API este ușa programatică pe care dezvoltatorii o folosesc pentru a trimite prompturi unui model din propriul lor soft.
Prețul API e per token, de unde vine în cele din urmă economia per răspuns a fiecărui produs de IA.
Ponderi deschise
Ponderi deschise (open weights) înseamnă că parametrii antrenați ai unui model sunt publicați pentru ca oricine să-i descarce și să-i ruleze.
Asta permite găzduirea proprie și lasă alți furnizori să servească modelul pe propria lor infrastructură. DeepSeek și Llama sunt exemplele celebre.
Modelul open source
Un model open source este, în linii mari, un model lansat pentru uz și modificare publică, deși licențele variază mult.
Întrebările practice sunt mereu aceleași două: îl poți folosi comercial, și cine ți-l găzduiește. Ecosistemul ponderilor deschise contează cel mai mult când confidențialitatea sau costul exclud modelele de vârf găzduite.
Benchmark
Un benchmark este un test standard folosit pentru a puncta și compara modele.
Util pentru o primă impresie, suprasolicitat de rutină în marketing. Un model care conduce un benchmark poate încă pierde la munca ta reală, motiv pentru care rularea propriei comparații pe trei sarcini bate citirea graficelor.
Agentul
Un agent este un sistem de IA care ia acțiuni în pași către un scop, în loc să răspundă doar o dată.
Rezervări, cercetare, programare și completarea de tichete sunt teritoriul agenților. Capacitatea e reală și se îmbunătățește rapid; la fel și nevoia de a verifica ce a făcut un agent înainte să conteze.
Folosirea uneltelor
Folosirea uneltelor, sau apelarea de funcții, înseamnă un model care invocă capacități externe precum căutarea, calculatoarele, codul sau calendarul tău.
Așa acționează asistenții de chat asupra lumii, în loc să o descrie doar, și e mecanismul din spatele agenților.
Modelul de raționament
Un model de raționament este unul care cheltuiește calcul suplimentar gândindu-se intern la o problemă înainte de a răspunde.
Compromisul e timp și cost pentru precizie la probleme grele. Pentru întrebări simple, gândirea suplimentară nu cumpără nimic, ceea ce e încă un argument pentru schimbarea modelului în funcție de sarcină.
Latența
Latența este cât timp aștepți între trimiterea unui prompt și sosirea sau începerea streaming-ului răspunsului.
Variază în funcție de dimensiunea modelului, încărcare, și dacă modelul e unul de raționament. Pentru munca interactivă, un model rapid și suficient de bun bate adesea unul lent și strălucit.
Limita de rată
O limită de rată este plafonul pe care un furnizor îl pune la câte cereri sau tokeni poți folosi într-o fereastră de timp.
Atingerea uneia e motivul obișnuit pentru care un produs de chat îți spune să aștepți sau să faci upgrade. Plafoanele de mesaje din planurile cu abonament sunt limite de rată cu un branding mai prietenos.
Păstrarea glosarului util
Termenii îmbătrânesc rapid în acest domeniu. Această pagină e întreținută ca referință: intrările sunt rescrise când folosirea se schimbă, iar ghidurile aprofundate legate poartă detaliul care nu încape într-o definiție.
Dacă un termen pe care îl întâlnești pe undeva lipsește de aici, cea mai rapidă rută e să lipești propoziția în care l-ai găsit într-un model capabil și să ceri definiția în context. În Whizi poți întreba două modele deodată și poți observa când nu sunt de acord, ceea ce pentru jargonul nou e surprinzător de des.
- Citează definiția de o propoziție; citește detaliul înainte să te bazezi pe ea
- Când două surse definesc un termen diferit, folosirea mai nouă câștigă de obicei în IA
- Învață mai întâi token, fereastră de context și halucinație; majoritatea celorlalți termeni atârnă de acești trei
- Testează afirmațiile necunoscute despre un model față de propria ta comparație pe trei sarcini
- Folosește mai întâi glosarul pentru începători dacă această pagină pare un manual de referință, pentru că exact asta este
Întrebări frecvente
Care e diferența dintre IA, învățarea automată și un LLM?
IA este scopul larg al softului care face sarcini ce au nevoie de judecată umană. Învățarea automată este tehnica de a instrui softul din exemple, și așa e construită practic toată IA modernă. Un LLM e un tip de model învățat automat, antrenat pe text, și e tipul din spatele ChatGPT, Claude și Gemini.
Ce înseamnă RAG în IA?
RAG înseamnă generare augmentată prin regăsire: sistemul aduce mai întâi documentele relevante, apoi pune modelul să răspundă din ele, nu din memorie. E tehnica standard din spatele produselor care discută cu fișierele sau baza ta de cunoștințe, și de aceea acele produse pot cita surse.
Care e diferența dintre fine-tuning și RAG?
Fine-tuning-ul schimbă modelul însuși cu antrenament suplimentar, ceea ce e lent și fix. RAG lasă modelul neatins și îi dă documentele potrivite în momentul întrebării, ceea ce e flexibil și actual. Pentru a ține un asistent la zi cu informații schimbătoare, RAG e aproape mereu unealta potrivită; fine-tuning-ul se potrivește cerințelor stabile de stil și format.
Ce este un token în IA?
Un token este unitatea de text pe care un model o citește și o scrie, cam trei sferturi dintr-un cuvânt englezesc. Totul e măsurat în tokeni: prețul, viteza și fereastra de context. Un document de 1.000 de cuvinte are aproximativ 1.300 de tokeni.
Câți dintre acești termeni am chiar nevoie?
Pentru folosirea de zi cu zi, cam cinci: model, prompt, token, fereastră de context și halucinație. Versiunea pentru începători a acestui glosar acoperă aceștia cu mai multă răbdare. Restul acestei pagini există pentru momentul în care o pagină de produs sau un articol îți aruncă un termen.