Словник термінів ШІ: 55 понять простими словами

Основи

Це довідникова версія: 55 термінів, спершу визначення, потім деталі. Якщо вам потрібна м'якіша екскурсія лише словами, що важать у перший тиждень, прочитайте замість цього терміни штучного інтелекту простими словами і повертайтеся сюди, коли якийсь термін надішле вас назад.

Штучний інтелект

Штучний інтелект, це програмне забезпечення, що виконує завдання, які зазвичай потребують людського судження, як-от письмо, міркування чи розпізнавання того, що зображено на фото.

У повсякденному вжитку 2026 року «ШІ» майже завжди означає чат-асистентів, збудованих на великих мовних моделях, а не ширшу академічну галузь.

Машинне навчання

Машинне навчання, це техніка навчання програмного забезпечення через приклади, а не через програмування правилами.

Кожен сучасний ШІ-асистент збудований саме так: поведінка походить із закономірностей у навчальних даних, і саме тому та сама модель може бути блискучою на типових завданнях і хиткою на рідкісних.

Модель

Модель, це одна конкретна навчена система ШІ, той артефакт, якому ви фактично надсилаєте промпт.

GPT, Claude і Gemini, це сімейства моделей; сімейство містить окремі моделі різного розміру, швидкості й ціни. Вибирати між ними під завдання, це основна навичка доброго користування ШІ.

LLM (велика мовна модель)

LLM, або велика мовна модель, це модель, навчена на величезних обсягах тексту передбачати, який текст має йти далі.

Саме цей один трюк, виконаний у масштабі, і породжує відповіді, чернетки, код та резюме. Слово «велика» стосується і навчальних даних, і кількості параметрів.

Чат-бот

Чат-бот, це розмовний інтерфейс, обгорнутий навколо моделі, та штука з віконцем повідомлень.

Ця різниця важить, коли порівнюєте продукти: два чат-боти можуть обгортати ту саму модель і відчуватися по-різному, а один чат-бот може пропонувати багато моделей, і саме так працює Whizi.

Промпт

Промпт, це все, що ви надсилаєте моделі: питання, інструкції та будь-який текст чи файли, які ви додаєте.

Якість відповіді тісно слідує за якістю промпту. Контекст, обмеження й формат результату, якого ви хочете, це три речі, які новачки найчастіше пропускають.

Токен

Токен, це маленький шматок тексту, який модель фактично читає й пише, у середньому приблизно три чверті англійського слова.

Ціни, швидкість і контекстні вікна вимірюють у токенах, і саме тому це слово трапляється на кожній сторінці з цінами на ШІ. Документ на 1000 слів, це приблизно 1300 токенів.

Контекстне вікно

Контекстне вікно, це максимальний обсяг тексту, виміряний у токенах, який модель може враховувати одночасно.

Ваш промпт, розмова дотепер, прикріплені документи й відповідь, все ділить це вікно. Таблиця порівняння контекстних вікон наводить актуальну цифру для кожної великої моделі, а пояснення розкриває, чому саме воно пояснює більшість скарг «ШІ забув».

Параметри

Параметри, це внутрішні числа, які модель засвоїла під час навчання, і звичний спосіб виміряти її розмір.

Їх рахують мільярдами, і більше параметрів приблизно означає більше можливостей і більшу вартість. Сам собою це поганий показник для вибору; тести й ваші власні перевірки б'ють кількість параметрів.

Відповідь

Відповідь, це результат моделі на один промпт, який ще називають комплішеном.

Відповіді генерують заново щоразу, і саме тому повторна генерація того самого промпту дає інше формулювання, а іноді й іншу відповідь.

Розмова з моделлю

Системний промпт

Системний промпт, це постійна інструкція, яку модель отримує перед вашим повідомленням, і яка задає її роль, тон і правила.

Він є в кожному продукті, навіть коли ви його не бачите. Коли кажуть, що в чат-бота «є характер», зазвичай саме тут він і живе.

Промпт-інжиніринг

Промпт-інжиніринг, це практика свідомо писати промпти, щоб надійно отримувати кращий результат.

При всій гучній назві, здебільшого це звичайна ясність: назвати мету, дати контекст, показати приклад, назвати формат. Посібник для початківців розбирає прийоми, які справді змінюють результат.

Zero-shot

Zero-shot означає просити модель виконати завдання, не даючи жодного прикладу.

Сучасні моделі справляються з більшістю щоденних завдань у режимі zero-shot. Термін тримається здебільшого як протиставлення few-shot промптингу.

Few-shot

Few-shot означає додати в промпт кілька готових прикладів, щоб модель скопіювала шаблон.

Це найдешевший спосіб підвищити надійність у роботі, чутливій до форматування: два-три приклади вводу й бажаного результату б'ють абзац опису.

Ланцюжок міркувань

Ланцюжок міркувань, це коли модель проходить проміжні кроки, перш ніж дати остаточну відповідь.

Прохання міркувати крок за кроком вимірювано покращує результат на складних задачах, а моделі з міркуваннями тепер роблять якусь версію цього внутрішньо за замовчуванням.

Температура

Температура, це налаштування, яке контролює, скільки випадковості модель додає, обираючи кожен наступний токен.

Низька температура дає стабільний, обережний результат; висока дає різноманіття й подекуди нісенітниці. Чат-продукти зазвичай обирають середнє значення за вас.

Стрімінг

Стрімінг, це коли модель надсилає відповідь токен за токеном у міру генерації, а не всю одразу після завершення.

Саме тому відповіді виглядають так, ніби друкуються самі, і саме тому невдалу відповідь можна зупинити рано, а не чекати до кінця.

Перегенерувати

Перегенерувати означає попросити нову відповідь на той самий промпт.

Оскільки генерація ймовірнісна, перегенерація, це справді нове випробування, а не повтор того самого обчислення. Порівняння двох спроб, або того самого промпту на двох моделях, це швидка перевірка якості.

Як роблять моделі

Навчання

Навчання, це процес підлаштування параметрів моделі під дані, поки її передбачення не стануть добрими.

Воно відбувається задовго до того, як ви взагалі зустрінете модель, і коштує постачальнику величезних обчислень. Ніщо з того, що ви друкуєте в чаті, не перенавчає модель просто зараз, хоча постачальники можуть використовувати розмови для навчання майбутніх версій, залежно від їхньої політики.

Навчальні дані

Навчальні дані, це текст та інші матеріали, з яких модель училася.

Їхня широта пояснює, що модель знає, їхні прогалини пояснюють системні сліпі плями, а їхній часовий діапазон встановлює дату відсічення знань.

Попереднє навчання

Попереднє навчання, це перша, найбільша фаза навчання, де модель засвоює мову й знання про світ із масиву тексту.

Результат здібний, але сирий. Усе, що змушує модель поводитися як корисний асистент, додається згодом.

Донавчання

Донавчання, це додаткове навчання на вужчому наборі даних, щоб спеціалізувати чи сформувати попередньо навчену модель.

Постачальники донавчають заради корисності й безпеки; компанії донавчають під галузеві завдання. Для більшості користувачів добрий промптинг разом зі здібною універсальною моделлю б'є оплату донавчання.

RLHF

RLHF, навчання з підкріпленням на людському відгуку, це навчання моделі на людських оцінках її відповідей.

Велика частина того, чому сучасні асистенти ввічливі, структуровані й обережні, походить саме звідси. У надмірі це також породжує обережність, через яку деякі моделі відмовляються чи ухиляються від відповіді.

Узгодження (Alignment)

Узгодження (alignment), це робота над тим, щоб поведінка моделі відповідала людським намірам і цінностям.

На практиці це охоплює все, від відмови у шкідливих проханнях до простого точного виконання інструкцій. Коли модель робить щось технічно вражаюче, але небажане, це і є прогалина в узгодженні.

Інференс

Інференс, це запуск навченої моделі, щоб отримати відповідь, на відміну від її навчання.

Кожне повідомлення, яке ви надсилаєте, запускає інференс, і саме вартість інференсу вимірюють ціни за токен. Дешеві в експлуатації моделі можуть бути напрочуд здібними; індекс вартості моделей ШІ показує розкид цін у 2000 разів.

Трансформер

Трансформер, це архітектура нейронної мережі, яка стоїть практично за кожною сучасною мовною моделлю.

Її ключовий механізм, увага (attention), дає змогу моделі зважувати кожну частину вводу відносно кожної іншої частини. Деталі вам ніколи не знадобляться, але це слово всюди в текстах про ШІ.

Коли щось йде не так

Галюцинація

Галюцинація, це коли модель заявляє щось хибне з цілковитою впевненістю.

Це не баг, який виправлять у наступному релізі; вона випливає з того, як працює генерація. Частота сильно різниться залежно від моделі й завдання. Вважайте будь-який конкретний факт, число чи цитату неперевіреними, доки не звірите. Чому ШІ помиляється розбирає механіку.

Прив'язка до джерела (Grounding)

Grounding, це коли моделі дають авторитетний матеріал, з якого відповідати, замість того щоб покладатися на пам'ять.

Вставити договір, прикріпити звіт чи увімкнути веб-пошук, все це grounding. Це найефективніший щоденний захист від галюцинацій.

Упередженість (Bias)

Упередженість, це коли модель систематично спотворює свої результати у способи, успадковані від навчальних даних.

Вона проявляється як припущення про людей, місця й значення за замовчуванням. Для важливих рішень перевіряйте результат ШІ так само, як перевіряли б роботу розумного, але неперевіреного стажера.

Захисні бар'єри (Guardrails)

Захисні бар'єри, це обмеження, які постачальник вбудовує навколо моделі, щоб блокувати шкідливий чи заборонений політикою результат.

Різні постачальники проводять межі по-різному, і це справжня різниця між продуктами: той самий запит одна модель виконає, а інша відмовиться.

Джейлбрейк

Джейлбрейк, це промпт, складений так, щоб обманом змусити модель ігнорувати свої захисні бар'єри.

Постачальники безперервно латають такі діри. Для звичайних користувачів термін важить здебільшого як поняття безпеки: все, у чому модель можна переконати, хтось спробує переконати.

Red teaming

Red teaming, це навмисна атака на модель перед релізом, щоб знайти шкідливі режими збою.

Постачальники запускають внутрішні й зовнішні red team, а опубліковані картки моделей часто підсумовують знайдене. Це аналог тестування на проникнення у світі ШІ.

Дата відсічення знань

Дата відсічення знань, це дата, після якої закінчуються навчальні дані моделі.

Запитайте про щось новіше, і модель або визнає незнання, або шукає в мережі, якщо вміє, або галюцинує. Знання дати відсічення моделі, якою ви користуєтеся, запобігає цілій категорії помилок.

Пошук і ваші дані

RAG (генерація з пошуком)

RAG, генерація, доповнена пошуком, це коли спершу дістають потрібні документи, а тоді модель відповідає на їхній основі.

Саме так під капотом працюють продукти «чат з вашою базою знань», і саме тому вони можуть цитувати джерела. RAG зменшує галюцинації, але успадковує якість того, що знайшов.

Ембединг

Ембединг, це список чисел, що представляє значення шматка тексту.

Тексти зі схожим значенням отримують близькі числа, і це дає програмі змогу математично знаходити споріднені уривки. Ембединги, це механізм, що стоїть за семантичним пошуком і RAG.

Векторна база даних

Векторна база даних, це база даних, збудована зберігати ембединги й швидко знаходити найближчі.

Якщо продукт каже, що «проіндексував» ваші документи для пошуку ШІ, ембединг для кожного шматка сидить саме в такій базі.

Семантичний пошук

Семантичний пошук, це пошук тексту за значенням, а не за збігом ключових слів.

Пошук «грошові проблеми» може підняти уривок про напругу з грошовим потоком, навіть якщо жодне слово не збігається. Це ембединги в роботі.

Чанкінг

Чанкінг, це розбиття довгих документів на шматки, достатньо малі, щоб добре їх ембедити й діставати.

Звучить як сантехніка, бо так воно і є, але поганий чанкінг, це поширена причина, чому інструменти чату з документами відповідають з не тієї частини файлу.

Веб-пошук (у ШІ)

Веб-пошук у ШІ означає, що модель дістає актуальні сторінки перед тим, як відповісти, замість того щоб покладатися на пам'ять із навчання.

Він міняє швидкість на свіжість і дає відповідям цитати, які можна відкрити. Для всього, що сталося після дати відсічення знань моделі, це різниця між відповіддю і здогадкою.

База знань

База знань, це підібраний набір документів, який компанія дає своєму ШІ як джерело для відповідей.

Якість на вході, якість на виході: асистент, прив'язаний до застарілої вікі, впевнено видає застарілі відповіді, та ще й з цитатами.

Три терміни в цьому словнику називають конкурентні відповіді на те саме питання, як зробити модель кращою у вашому завданні, і сплутати їх, це найпоширеніша помилка з жаргоном на нарадах про продукт. Поруч:

Підхід	Що змінюється	Вартість і швидкість	Коли перемагає
Кращий промптинг (zero-shot, few-shot)	Лише текст, який ви надсилаєте	Безкоштовно, займає хвилини	Майже завжди перший крок; два-три готові приклади виправляють більшість проблем із форматуванням
RAG	Що модель читає перед відповіддю	Помірна складність побудови, без перенавчання	Відповіді, які мають лишатися актуальними або цитувати ваші власні документи
Донавчання	Власні параметри моделі	Повільно й дорого, а потім зафіксовано	Стабільні вимоги до стилю й формату у великому масштабі, майже ніколи для окремої людини

Поза текстом

Мультимодальність

Мультимодальність означає модель, що працює одразу з кількома медіа, наприклад текст плюс зображення, звук чи відео.

Саме тому ви можете зробити скриншот помилки й запитати, що не так. Посібник з мультимодального ШІ розповідає, що насправді працює сьогодні.

Модель зору

Модель зору, це модель, здатна тлумачити зображення: фото, скриншоти, графіки й документи.

Читати, не те саме, що створювати; модель може ідеально описати вашу діаграму і водночас не вміти намалювати таку саму.

Генерація зображень

Генерація зображень, це створення нових зображень з текстового опису.

Якість, діапазон стилів і відображення тексту всередині зображень сильно різняться між генераторами, і саме тому серйозні користувачі порівнюють кілька. Огляд генераторів зображень тримає руку на пульсі галузі.

Дифузійна модель

Дифузійна модель генерує зображення, починаючи з шуму й покроково уточнюючи його в напрямку опису.

Це панівна техніка за сучасними генераторами зображень. Слово важить здебільшого для того, щоб «diffusion» у назві продукту підказувало, що він робить.

Розпізнавання мовлення

Розпізнавання мовлення, це перетворення усного звуку на письмові слова.

Сучасна транскрипція достатньо точна, щоб зробити наради, голосові нотатки й інтерв'ю доступними для пошуку, і саме так працює голосовий ввід у чат-застосунках.

Синтез мовлення

Синтез мовлення, це генерація усного звуку з письмових слів.

Сучасні системи створюють природні, виразні голоси, і саме на цьому працюють функції читання вголос і голосові розмови зі ШІ.

Екосистема

API

API, це програмні двері, якими розробники надсилають промпти моделі зі свого власного софту.

Ціни на API рахують за токен, і саме звідси врешті бере початок економіка кожної відповіді в кожному продукті ШІ.

Відкриті ваги

Відкриті ваги означають, що навчені параметри моделі опубліковано, і будь-хто може їх завантажити й запустити.

Це дає змогу самостійного хостингу й дозволяє іншим постачальникам подавати модель на своїй інфраструктурі. DeepSeek і Llama, найвідоміші приклади.

Модель з відкритим кодом

Модель з відкритим кодом, це, приблизно кажучи, модель, випущена для публічного використання й модифікації, хоча ліцензії сильно різняться.

Практичні питання завжди ті самі два: чи можна використовувати її комерційно, і хто хостить її для вас. Екосистема відкритих ваг важить найбільше, коли приватність чи вартість виключають хостовані флагманські моделі.

Бенчмарк

Бенчмарк, це стандартний тест, який використовують для оцінки й порівняння моделей.

Корисний для першого наближення, і його регулярно перегинають у маркетингу. Модель, що очолює бенчмарк, все одно може програти на вашій реальній роботі, і саме тому прогнати власне порівняння на трьох завданнях б'є читання графіків.

Агент

Агент, це система ШІ, яка робить кроки до мети, а не просто відповідає один раз.

Бронювання, дослідження, написання коду й подача заявок, все це територія агентів. Можливості справжні й швидко зростають; так само зростає й потреба перевіряти, що агент зробив, перш ніж це стане важливим.

Використання інструментів

Використання інструментів, або виклик функцій, це коли модель звертається до зовнішніх можливостей, як-от пошук, калькулятори, код чи ваш календар.

Саме так чат-асистенти діють у світі, а не лише описують його, і це механізм, на якому стоять агенти.

Модель з міркуваннями

Модель з міркуваннями, це та, що витрачає додаткові обчислення на внутрішнє обмірковування задачі, перш ніж відповісти.

Обмін, це час і вартість заради точності на складних задачах. На простих питаннях додаткове обмірковування нічого не дає, і це ще один аргумент перемикати моделі під завдання.

Затримка

Затримка, це скільки ви чекаєте між надсиланням промпту й тим, коли відповідь приходить або починає стрімитися.

Вона залежить від розміру моделі, навантаження й того, чи є модель моделлю з міркуваннями. Для інтерактивної роботи швидка достатньо добра модель часто б'є повільну блискучу.

Ліміт швидкості

Ліміт швидкості, це стеля, яку постачальник ставить на кількість запитів чи токенів, які ви можете використати за проміжок часу.

Його досягнення, це звична причина, чому чат-продукт каже вам зачекати або оновити план. Ліміти повідомлень у планах підписки, це ліміти швидкості з приязнішим брендингом.

Як словник лишається корисним

Терміни в цій сфері старіють швидко. Ця сторінка ведеться як довідник: записи переписують, коли змінюється вжиток, а прив'язані поглиблені посібники несуть деталі, які не влазять у визначення.

Якщо термін, на який ви натрапили десь у житті, тут відсутній, найшвидший шлях, це вставити речення, де ви його знайшли, у здібну модель і попросити визначення в контексті. У Whizi ви можете спитати дві моделі одразу й помітити, коли вони не погоджуються, а для нового жаргону це напрочуд часто.