ყოველი AI ამბავი ადრე თუ გვიან იყენებს ტერმინს — „ტოკენი", „RLHF", „საკონტექსტო ფანჯარა", „ჰალუცინაცია" — თითქოს მკითხველმა უკვე იცის, რას ნიშნავს ის. ეს ლექსიკონი მარტივი ენით განმარტავს ყველაზე ხშირად გამოყენებულ ტერმინებს და თითოეულთან სრულ ახსნას გიბმავთ.
საბაზისო ცნებები
ხელოვნური ინტელექტი (AI) — პროგრამული უზრუნველყოფაა, რომელიც ასრულებს ისეთ ამოცანებს — სურათების ამოცნობას, ტექსტის გენერირებას, პროგნოზირებას — რომლებიც ჩვეულებრივ ადამიანურ განსჯას საჭიროებს.
მანქანური სწავლება — თანამედროვე AI-ის მთავარი მეთოდია: სისტემა კონკრეტული წესებით პროგრამირების ნაცვლად, მაგალითებზე დაყრდნობით სწავლობს კანონზომიერებებს.
ხელოვნური ნეირონული ქსელები — სტრუქტურაა, რომელზეც აგებულია მანქანური სწავლების უმეტესი სისტემა: ერთმანეთთან დაკავშირებული, მარტივი კვანძების ფენები, ტვინის ნეირონების მოდელის მიხედვით, რომლებიც გამოთვლას სწორი პასუხისკენ მიმართავენ.
დიდი ენობრივი მოდელი (LLM) — ნეირონული ქსელია, გაწვრთნილი უზარმაზარ ტექსტურ მასივზე შემდეგი სიტყვის პროგნოზირებისთვის — სწორედ ეს ტექნოლოგია დგას ChatGPT-ის, Claude-ისა და Gemini-ის უკან.
გენერაციული AI აღწერს ნებისმიერ AI სისტემას, რომელიც ქმნის ახალ კონტენტს — ტექსტს, სურათებს, აუდიოს, კოდს — და არა მხოლოდ ახდენს კლასიფიკაციას თუ რიცხვის პროგნოზირებას.
როგორ სწავლობს მოდელი
სავარჯიშო მონაცემები (training data) — მასალაა, ტექსტი, სურათები, კოდი — რომელზეც მოდელი სწავლობს, სანამ საერთოდ გამოყენებას დაიწყებენ. ამ მონაცემების ხარისხი და მრავალფეროვნება განსაზღვრავს, რა შეუძლია მოდელს და რა — არა.
პარამეტრები — შიდა რიცხვებია, რომლებსაც მოდელი სავარჯიშო პროცესში არეგულირებს, რათა თავის ამოცანაში გაუმჯობესდეს; თანამედროვე LLM-ებს რამდენიმე მილიარდიდან ტრილიონზე მეტ პარამეტრამდე აქვთ.
fine-tuning (დახვეწა) — უკვე გაწვრთნილი მოდელის მეორადი, უფრო მცირე სავარჯიშო ეტაპია, რომელიც მას კონკრეტულ ამოცანასთან ან სფეროსთან ერგებს, თავიდან დაწყების გარეშე.
RLHF (ადამიანის უკუკავშირზე დაფუძნებული განმტკიცებითი სწავლება) — მეთოდია, რომლითაც ლაბორატორიები ხდიან მოდელის პასუხებს უფრო სასარგებლოს და ნაკლებად საზიანოს — მას ავარჯიშებენ იმაზე, თუ რომელ პასუხს ანიჭებენ ადამიანები უპირატესობას.
ტერმინები, რომლებსაც AI-ის გამოყენებისას შეხვდებით
პრომფტი — ინსტრუქცია ან შეკითხვაა, რომელსაც აკრეფთ; მისი ფორმულირების ხერხს — პრომფტ-ინჟინერიას — რეალური გავლენა აქვს პასუხის ხარისხზე.
ტოკენი — ტექსტის მცირე ნაწილია — ხშირად სიტყვა ან სიტყვის ნაწილი — რომელსაც მოდელი რეალურად კითხულობს და აგენერირებს; მოხმარებაზე დაფუძნებული ფასდადება ტოკენების მიხედვით ითვლება.
საკონტექსტო ფანჯარა — ტექსტის მოცულობაა, რომელსაც მოდელი ერთდროულად „ხედავს" — თქვენი პრომფტი, საუბრის ისტორია და მიმაგრებული დოკუმენტები.
ჰალუცინაცია — ესაა, როცა მოდელი სრული დარწმუნებულობით აცხადებს რაღაც მცდარს, რადგან ის აგენერირებს დამაჯერებლად ჟღერად ტექსტს და არა ფაქტების შემოწმებულ პასუხს.
მულტიმოდალური ეწოდება მოდელს, რომელიც ერთდროულად ამუშავებს ერთზე მეტი სახის მონაცემს — ტექსტს, სურათებს, აუდიოს, ვიდეოს — ერთ სისტემაში.
ტერმინები AI-ზე დაფუძნებული პროდუქტების შესაქმნელად
API (აპლიკაციის პროგრამული ინტერფეისი) — გზაა, რომლითაც დეველოპერი AI მოდელს საკუთარ აპლიკაციაში თუ ვებგვერდში ამონტაჟებს, ჩატის ფანჯრის ნაცვლად.
AI აგენტი — სისტემაა, რომელიც მხოლოდ შეკითხვას არ პასუხობს, არამედ დამოუკიდებლად ასრულებს მრავალსაფეხურიან მოქმედებებს — ეძებს ინფორმაციას, წერს კოდს, იძახებს სხვა ხელსაწყოებს — ამოცანის შესასრულებლად.
ტერმინები უსაფრთხოებისა და ნდობის შესახებ
ალაინმენტი — მცდელობაა, რომ მოდელის ქცევა შეესაბამებოდეს იმას, რასაც მისი შემქმნელები და მომხმარებლები რეალურად სურთ, და არა სავარჯიშო მიზნის ზედმეტად პირდაპირ შესრულებას.
მიკერძოება — მოდელის პასუხებში სისტემური გადახრაა, რომელიც ჩვეულებრივ სავარჯიშო მონაცემებში არსებული კანონზომიერებებიდან მოდის და შეიძლება კონკრეტულ ჯგუფებს საზიანო აღმოჩნდეს.
გინდათ მეტი გაიგოთ?
თითოეული ზემოთ ჩამოთვლილი ტერმინი სრულ ახსნას უკავშირდება. კიდევ რამდენიმე, რაც ღირს ცოდნა: AI ჯეილბრეიქი, AI რედ-თიმინგი, RAG (Retrieval-Augmented Generation), ღია წონების AI მოდელები და AI მსჯელობის მოდელები.
ხშირად დასმული კითხვები
საჭიროა ყველა ამ ტერმინის ცოდნა ChatGPT-ის ან Claude-ის გამოსაყენებლად? არა — ყოველდღიური გამოყენებისთვის საკმარისია „პრომფტისა" და, შესაძლოა, „საკონტექსტო ფანჯრის" გაგება. დანარჩენი მეტად მაშინ გამოგადგებათ, როცა მოდელებს ადარებთ ან API-ზე რაღაცას აშენებთ.
რატომ იგონებენ კომპანიები მუდმივად ახალ ტერმინებს? ნაწილობრივ — რეალურად ახალი მეთოდების გამო (RLHF, RAG), ნაწილობრივ — მარკეტინგის გამო; ეჭვის შემთხვევაში იკითხეთ, კონკრეტულად რომელ პრობლემას წყვეტს ეს ტერმინი.
„პარამეტრი" და „ტოკენი" ერთი და იგივეა? არა. პარამეტრები სავარჯიშოს შემდეგ მოდელის შიგნით ფიქსირდება, ტოკენები კი ტექსტის ერთეულებია, რომლებიც მოდელში გამოყენებისას მიედინება.
წყაროები: განმარტებები გადამოწმებულია ვიკიპედიის მანქანური სწავლების სტატიასთან და საიტის საკუთარ ახსნების სერიასთან, რომლებზეც მთელი ტექსტის განმავლობაშია მითითებული.