AI-терміни: словник українською

Словник AI-термінів українською — картотека понять зі світу штучного інтелекту

Проблема зі світом AI не в тому, що він складний. Проблема в тому, що там говорять сотнею англійських слів, половина яких означає одне й те саме, а друга половина звучить однаково, але означає різне.

Ця сторінка розкладає все по поличках. Почни згори — терміни йдуть від базових до складніших, і кожен наступний спирається на попередні.

Якщо хочеш спершу загальну картину, а не окремі визначення — почни з програми курсу, а про свідоме використання AI у навчанні є окрема стаття.

1. Фундамент — що таке що

Тут головна плутанина новачків: ці слова не синоніми, вони вкладені одне в одне як матрьошка.

Модель — детально

Модель — це не сховище відповідей, а натренована інтуїція.

Уяви людину, яка прочитала величезну бібліотеку, а потім здає іспит без конспектів. Книжок при собі немає — є лише те, що осіло в голові. Модель так само: у ній немає текстів, на яких її вчили, є тільки «відчуття», які слова зазвичай ідуть за якими.

Фізично модель — це файл із числами. Коли кажуть «модель на 70 мільярдів», мають на увазі 70 мільярдів параметрів.

2. Як модель бачить текст

Токен — детально

Модель не бачить букв. Вона ріже текст на шматочки, і для української це важливо.

Грубе правило: одне англійське слово ≈ 1 токен, одне українське слово ≈ 2–3 токени. Кирилиця розпадається на дрібніші шматки, бо більшість моделей тренували переважно на англійських текстах.

Практичні наслідки:

• Запит українською коштує дорожче за той самий запит англійською — інколи вдвічі.
• Ліміт контексту в токенах українською вичерпується швидше.
• Модель гірше рахує букви в словах — вона їх просто не бачить окремо. Звідси класичний провал із питанням «скільки букв «р» у слові».

Контекстне вікно — детально

Це робочий стіл моделі, а не її пам'ять.

Усе, що не лежить на столі просто зараз, для моделі не існує. Кожне нове повідомлення в чаті — це насправді пересилання всієї попередньої розмови наново. Тому:

• довга розмова дорожчає з кожним кроком;
• коли вікно переповнюється, найстаріше випадає — модель «забуває» початок;
• модель не пам'ятає вчорашню сесію, якщо застосунок не підсунув їй конспект.

Розміри вимірюють у токенах: 8K, 128K, 1M. Мільйон токенів — приблизно як кілька товстих книжок одночасно.

3. Архітектури

MoE — детально

Уяви поліклініку замість одного лікаря-універсала. На вході сидить реєстратура, яка дивиться на запит і відправляє його до двох-трьох профільних спеціалістів із сотні наявних.

Результат: модель має, скажімо, 400 мільярдів параметрів загалом, але на кожен токен працюють лише 30 мільярдів активних. Якість як у великої, швидкість і ціна ближчі до малої.

Тому в описах моделей часто пишуть два числа: total parameters і active parameters. Друге визначає, скільки це коштує й наскільки швидко працює.

4. Як моделі навчають

Base vs Instruct — важлива відмінність

Практично всі моделі, з якими ти стикаєшся, — instruct-версії. Base-версії викладають для тих, хто хоче тренувати щось своє.

5. Типи моделей

Open-weight, open-source, closed — три різні речі

Це плутають постійно, хоча різниця принципова.

Більшість «відкритих» моделей насправді open-weight, а не open-source: ваги дають, а склад навчальних даних — ні.

6. Як із моделями працюють

RAG — детально

RAG = Retrieval-Augmented Generation, тобто «генерація, підсилена пошуком».

Проблема: модель не знає твоїх внутрішніх документів і не знає нічого після своєї data cutoff. Дотренувати її на кожну зміну — дорого й повільно.

Рішення в три кроки:

1. Твої документи ріжуть на шматки й перетворюють на вектори — складають у векторну базу.
2. Коли приходить питання, його теж перетворюють на вектор і шукають найближчі шматки.
3. Знайдене підкладають у промпт: «ось витяги з документів, відповідай на їх основі».

Модель при цьому не вчиться — їй просто щоразу підсовують шпаргалку.

Агент — детально

Різниця між чатом і агентом — це різниця між консультантом і виконавцем.

Чат: ти питаєш → модель відповідає → кінець. Один крок.

Агент: ти ставиш мету → модель складає план → викликає інструмент (читає файл, запускає команду, шукає в мережі) → дивиться результат → вирішує, що далі → повторює, доки не закінчить.

Саме через цей цикл агенти витрачають у десятки разів більше токенів, ніж звичайний чат.

7. Проблеми й обмеження

Чому виникають галюцинації

Це не баг, а прямий наслідок конструкції.

Модель завжди обирає найімовірніше продовження тексту. У неї немає окремого механізму перевірки істинності — є лише правдоподібність. Правдоподібне й правдиве збігаються здебільшого, але не завжди.

Найчастіше ламається на:

• точних цифрах, датах, цитатах;
• назвах бібліотек і методів (особливо свіжих);
• посиланнях — URL виглядає ідеально й веде в нікуди;
• вузьких темах, яких у навчальних даних було мало.

Правило: усе, що можна перевірити за півхвилини, перевіряй за півхвилини.

8. Метрики й бенчмарки

9. Залізо, гроші й масштаб

Чому вхід дешевший за вихід

Вхідний промпт модель обробляє паралельно — усі токени одразу. Вихід вона генерує послідовно, по одному токену, і кожен наступний вимагає нового проходу крізь усю мережу.

Звідси практичний висновок: довгий промпт коштує недорого, а довга відповідь — дорого. Якщо просиш стислість, ти економиш не лише свій час.

10. Хто є хто

Як цим користуватися

Не намагайся вивчити все одразу. Тримай сторінку у закладках і повертайся, коли зустрінеш незнайоме слово.

Мінімальний набір, який варто розуміти вже зараз, якщо ти тільки починаєш: токен, контекстне вікно, галюцинація, промпт, агент. Цих п'яти вистачає, щоб свідомо користуватися будь-яким AI-інструментом і не наступати на типові граблі.

Далі — як не зіпсувати собі навчання за допомогою AI, а якщо хочеш розібратися в самій розробці — програма курсу безкоштовна й починається з нуля.