Недавно я встречался с бывшими коллегами и друзьями вживую. Зная, что я занимаюсь материалами об ИИ, они все очень заинтересованы, и наши разговоры часто естественным образом переходят на тему ИИ.
Но по мере общения я заметил одну проблему.
Я привычно упоминал термины вроде Agent, Skill и MCP, полагая, что они всем знакомы. Однако мой собеседник останавливался и спрашивал: «А что такое Agent?» «Что значит Skill?»
В этот момент я осознал, что попал в «ловушку знаний». Когда вы слишком часто видите и используете слово, вы забываете, что и сами когда-то путались, встретив его впервые.
Несколько месяцев назад я тоже был перегружен этими английскими аббревиатурами. Тогда я опубликовал серию «Ежедневные основы ИИ для новичков», изучая по одному слову в день почти 30 дней и разбирая по порядку целый ряд часто используемой лексики об ИИ.
Поскольку в последнее время вопросы задают всё чаще, я решил сделать этот материал ещё более полным.
Я собрал 66 терминов из области ИИ, которые считаю наиболее употребительными, и объяснил их простым языком. Для каждого слова я расскажу: что это такое, где вы с ним столкнётесь и какая житейская ситуация поможет запомнить его лучше всего.
Не нужно запоминать всё сразу. Просто прочитайте один раз, чтобы в следующий раз, когда вы увидите LLM, RAG, Agent, MCP, API или CLI, вы хотя бы примерно понимали, какое место они занимают в мире ИИ.
I. Сначала разберёмся с ИИ и большими моделями
Эта группа отвечает на два вопроса: что такое ИИ и что обрабатывают большие языковые модели, когда они говорят? Как только вы поймёте эту карту, следующие термины станут гораздо понятнее.
ИИ — это способность машин выполнять задачи, которые обычно требуют человеческого понимания, суждения, прогнозирования или творчества. Разблокировка телефона по лицу, прогноз пробок на картах, рекомендации видео на платформах и ответы чат-ботов — всё это относится к ИИ. Это широкое понятие; чат-инструменты — лишь один из видов приложений.
Алгоритм — это чёткая последовательность шагов для решения задачи, очень похожая на рецепт. Рецепт предписывает сначала нарезать овощи, затем разогреть сковороду и, наконец, добавить приправы; алгоритм указывает, что компьютер читает сначала, как сравнивает и что выводит в итоге. Многие традиционные алгоритмы вообще не умеют общаться; алгоритмы ИИ — лишь часть большого семейства алгоритмов.
NLP (обработка естественного языка) — это область технологий, позволяющая компьютерам обрабатывать человеческий язык. Перевод, суммаризация, поиск, распознавание речи и общение — всё это связано с ней. Когда вы вводите разговорный вопрос, а ИИ понимает общий смысл и отвечает, он использует возможности обработки естественного языка.
LLM (большие языковые модели) — это языковые модели, обученные на огромных объёмах текста и вычислений, специализирующиеся на понимании и генерации текста. Распространённые модели или семейства моделей включают GPT от OpenAI, Claude от Anthropic, Gemini от Google, а также DeepSeek и Qwen. Важно различать продукт и модель: ChatGPT — это продукт, который вы открываете и используете, а GPT — семейство моделей, которые могут вызываться на его фоне.
SLM (малые языковые модели) — это языковые модели меньшего размера и с меньшими вычислительными требованиями. В настоящее время не существует единой мировой границы параметров. Распространённые примеры включают серию Phi от Microsoft и малопараметрические версии семейств моделей вроде Gemma и Qwen. Их область знаний может быть уже, но для фиксированных задач, таких как суммаризация, классификация или встроенные ассистенты, они могут быть быстрее, дешевле и проще в запуске на телефонах или обычных компьютерах.
Токены — это маленькие фрагменты, которые модели используют при чтении и написании текста. Они не равны в точности одному китайскому иероглифу, одному английскому слову или одному знаку пунктуации. Модель разбивает предложение на множество токенов перед вычислением. Тарификация и ёмкость контекста также часто считаются в токенах. Просто представляйте их как «кубики», которыми ИИ оперирует при обработке текста.
Контекст — это вся информация, к которой ИИ может обратиться в данный момент, включая ваш вопрос, предыдущие диалоги, загруженные файлы, системные правила и результаты работы инструментов. Как на приёме у врача: одна и та же фраза «мне нездоровится» приведёт к разным выводам в зависимости от того, есть ли возраст, симптомы и результаты анализов. Чем яснее контекст, предоставленный ИИ, тем более обоснованным будет его ответ.
Контекстное окно — это максимальный объём информации, который модель может обработать за один раз, обычно выражаемый в токенах. Это как стол ограниченного размера: есть предел тому, сколько документов можно разложить одновременно. Когда содержимое превышает этот лимит, система вынуждена обрезать, суммаризировать, обрабатывать порциями или позволять более ранней информации покидать окно.
Длина контекста часто имеет два значения: максимальное количество токенов, разрешённое моделью, или фактическое количество токенов, использованных в конкретном запросе. Первое — как максимальная площадь стола, второе — как документы, которые вы на самом деле разложили в этот раз. Когда продукты рекламируют «сверхдлинный контекст», они обычно имеют в виду максимальную ёмкость.
MLLM (мультимодальные большие языковые модели) могут обрабатывать информацию, выходящую за рамки текста, например изображения, аудио или видео. Если вы дадите ей фотографию холодильника, она увидит продукты и сможет порекомендовать ужин на основе текстовых требований; если вы загрузите запись совещания, она может после прослушивания выделить ключевые моменты. «Мультимодальность» здесь означает несколько форм информации.
VLM (модели «визия-язык») специально связывают зрение и язык, в основном занимаясь задачами вроде «посмотреть на картинку и понять или ответить текстом». Она может подписывать фотографии, определять содержание диаграмм или находить кнопки по скриншотам. VLM подчёркивает координацию зрения и речи, и её область действия обычно более конкретна, чем общий термин «мультимодальная модель».
MoE (смесь экспертов) организует внутри модели несколько наборов «экспертов», позволяя только части из них участвовать в вычислениях каждый раз. Это как сортировка в больнице: проблемы с кожей — к дерматологу, травмы костей — к ортопеду, а не все врачи консультируют одновременно. Это расширяет возможности модели, контролируя объём вычислений, необходимый для каждого запуска.
Прочитав эту группу, вам нужно лишь различать: LLM в основном обрабатывает язык, VLM связывает изображения и язык, а MLLM может работать с несколькими типами информации. Токены — это текстовые блоки, а контекст — это материал, к которому модель может обратиться в этот раз.
II. Самые распространённые термины при общении с ИИ
Эта группа используется ежедневно. Промпты отвечают за постановку задач, контекст предоставляет материалы, а ИИ генерирует ответы на основе этой информации.
Промпт — это весь ввод, который вы даёте ИИ: это может быть фраза, вопрос, документ или изображение. «Суммируй этот контракт по пяти пунктам риска» — это промпт. Промпты не нужно писать как магические заклинания; если цель, материалы, ограничения и требования к выводу чётко сформулированы, ИИ с большей вероятностью сделает всё правильно.
Промпт-инжиниринг — это метод разработки, тестирования и улучшения промптов. Это очень похоже на постановку задачи коллеге: если первый результат неправильный, вы проверяете, была ли задача ясна, достаточны ли материалы, указан ли формат, а затем корректируете инструкции. Его ценность в снижении количества ошибок при передаче информации и переделок.
Системный промпт — это набор правил высокого приоритета, заданных в фоне приложения ИИ для определения личности, тона, диапазона возможностей и границ безопасности. Это как справочник сотрудника компании; пользователи обычно не видят его полностью. Если ваш запрос конфликтует с системными правилами, модель в целом будет следовать системному промпту.
Пользовательский промпт — это текущее требование, введённое пользователем, то есть содержимое, которое вы отправляете в чат. Системный промпт — это как правила работы магазина, а пользовательский промпт — как «Пожалуйста, дайте мне горячий напиток с меньшим количеством сахара». Оба влияют на результат, поэтому одна и та же фраза в разных продуктах ИИ может давать разные ответы.
Инструкция — это чёткое действие, которое вы просите ИИ выполнить в рамках промпта, например суммаризировать, перевести, сравнить, классифицировать или проверить. Полный промпт также может включать справочную информацию и ограничения. Например, «Прочитай письмо ниже, извлеки дату и не добавляй информацию, которой нет в оригинальном тексте» содержит две инструкции.
Markdown — это формат для оформления текста с помощью простых символов.
- # может обозначать заголовок,
- — может обозначать список,
- \\текст\\ может обозначать полужирное начертание.
Многие ответы ИИ выглядят чётко структурированными, потому что используют Markdown; вы часто будете с ним сталкиваться при написании статей, документов или описаний проектов.
JSON — это структурированный формат данных, обычно используемый программами, состоящий из фигурных скобок, имён полей и соответствующего содержимого. Это как электронная таблица с фиксированными полями, которую могут читать люди и легко обрабатывать программы. Просьба к ИИ «вывести в JSON» часто нужна для того, чтобы другое программное обеспечение могло автоматически использовать результаты.
История диалога — это сообщения, которые появлялись ранее в текущем чате. ИИ может продолжать тему, начатую пять минут назад, обычно потому, что приложение повторно отправляет предыдущие записи чата модели. После того как чат становится слишком длинным, раннее содержимое может быть обрезано или суммаризировано, поэтому ИИ иногда забывает, что вы сказали в самом начале.
Галлюцинация — это когда ИИ генерирует содержимое, которое звучит разумно, но на самом деле неверно или не существует, например выдумывает названия книг, ссылки, данные или личный опыт. Это как человек с отличными языковыми навыками, который отказывается признать, что «не знает», и заполняет пробелы. Всегда проверяйте первоисточники для дат, чисел, цитат и важных решений.
Самое важное, что нужно запомнить из этой группы: Промпт определяет, как вы спрашиваете, контекст определяет, к чему может обратиться ИИ, а галлюцинация напоминает, что ответы всё равно нужно проверять.
III. Даём ИИ читать данные: RAG и поиск
Когда вы видите «позволить ИИ читать файлы компании» или «создать личную базу знаний», вы, скорее всего, столкнётесь с этой группой слов. Весь путь сводится к одной фразе: сначала найти соответствующие материалы, затем позволить модели ответить.
RAG (генерация с дополнением поиском) позволяет ИИ перед ответом искать релевантное содержимое в указанных материалах, а затем передаёт найденные фрагменты модели для составления ответа. Это как экзамен с открытой книгой: ученик сначала листает учебник, а затем отвечает на основе прочитанного. RAG может уменьшить количество выдумок, но может и найти неправильные материалы, поэтому на цитаты всё равно нужно проверять вручную.
База знаний — это коллекция материалов, централизованно хранящихся, организованных и доступных для запросов системы. Руководства по продуктам, политики компании и часто задаваемые вопросы, собранные вместе, могут стать базой знаний для службы поддержки; заметки, статьи и записи о прочитанном одного человека также могут образовать базу знаний. Точность и актуальность материалов напрямую влияют на качество ответов.
Поиск (retrieval) — это нахождение наиболее релевантного содержимого из большого объёма материалов. Библиотекарь, который, выслушав ваш вопрос, приносит три самые подходящие книги из десятков тысяч, — это поиск. В RAG модель обычно не читает всю базу данных целиком, а сначала извлекает несколько фрагментов, чтобы ответить.
Ключевой поиск (keyword search) в основном ищет, встречаются ли определённые слова напрямую. Если вы ищете «срок возврата», он будет в первую очередь искать содержимое, содержащее «срок» и «возврата». Этот метод быстрый и хорошо подходит для проверки номеров продуктов, названий и фиксированных терминов; он может упустить ответы, если стиль вопроса и исходная формулировка сильно различаются.
Семантический поиск (semantic search) больше ориентируется на то, насколько близки значения двух фрагментов. Если вы ищете «Я больше не хочу это, как вернуть», он может также найти документ с заголовком «Политика возврата». Он подходит для вопросов на естественном языке, но понимание может отклоняться, поэтому в важных сценариях его часто комбинируют с ключевым поиском.
Гибридный поиск (hybrid search) использует вместе ключевой и семантический поиск. Идентификационные номера и номера контрактов подходят для точного совпадения; «как подать заявку на возмещение» требует понимания смысла. Результаты обоих методов объединяются и ранжируются, учитывая как буквальное соответствие, так и схожесть значений — такой метод применяют многие системы RAG.
IV. Agent, инструменты и MCP
Это самая популярная и часто самая запутанная группа слов в последнее время. Agent, Skill и MCP, которые я чаще всего упоминал в разговорах с друзьями, все находятся в этой главе.
Сначала посмотрим на самый короткий путь:
1Вы предлагаете цель2→ Agent решает следующий шаг3→ Вызывает инструменты для чтения данных или выполнения действий4→ Продолжает обработку на основе результатов5→ Человек проверяет ключевые шаги
Чат-бот — это программное обеспечение, которое в основном отвечает на вопросы посредством диалога. Ранние чат-боты могли отвечать только на основе фиксированных ключевых слов; сейчас многие чат-боты подключаются к большим моделям для более естественных ответов. Его основная функция остаётся «вы спрашиваете, он отвечает», и обычно он не выполняет самостоятельно длинную цепочку внешних операций.
AI Assistant или Copilot — это продукт ИИ, который помогает людям выполнять задачи, например помогает писать, организовывать встречи, работать с таблицами или программировать. Метафору «второй пилот» легко запомнить: он может наблюдать, напоминать и помогать, но руль по-прежнему в руках человека, и окончательный результат нужно проверять человеку.
Рабочий процесс (workflow) — это заранее заданный набор фиксированных шагов. После получения счёта сначала определить сумму, затем записать её в таблицу и, наконец, уведомить бухгалтерию — это рабочий процесс. Каждый шаг обычно определён заранее, что делает его стабильным и лёгким для проверки; он не будет гибко решать следующий шаг, как Agent, при возникновении незапланированных ситуаций.
AI Agent (агент ИИ) — это система, которая может сама решать, какой шаг сделать для достижения цели, вызывать инструменты, наблюдать за результатами и продолжать действовать. Обычный чат скажет вам, как купить билет; Agent может открыть сервис бронирования, запросить рейсы и заполнить информацию в пределах разрешённого. Он может действовать, поэтому права доступа, обработка ошибок и подтверждение человеком очень важны.
Agentic AI (агентный ИИ) относится к классу систем или подходов к проектированию, которые подчёркивают способность ИИ к непрерывному планированию, использованию инструментов и выполнению многошаговых задач. Этот термин широк, и разные компании используют разные названия. Когда вы видите продукт с пометкой «Agentic», вы можете задать три вопроса: какие инструменты он может использовать, сколько шагов он может выполнить самостоятельно и где обязательно нужно подтверждение человека.
Автономность (autonomy) — это степень, в которой система может самостоятельно принимать решения и действовать без пошагового руководства человека. Автоматическое создание копии файла имеет низкую автономность и риск; автоматическая отправка писем, совершение платежей или удаление данных значительно повышают риск. Чем важнее задача, тем уже должны быть права и тем больше точек подтверждения.
Планирование (planning) — это разбиение цели на шаги, которые можно выполнять последовательно. Как подготовка к поездке: сначала определить даты, затем проверить транспорт, забронировать жильё и составить список вещей. Агенты также планируют при столкновении со сложными задачами; красивый план не гарантирует успешное выполнение, и каждый завершённый шаг требует проверки фактических результатов.
Инструмент (tool) — это внешняя возможность, которую может вызывать ИИ, например веб-поиск, калькулятор, база данных, календарь и электронная почта. Сама модель больше похожа на мозг, отвечающий за суждения; инструменты дают ей руки и глаза. Без инструментов модель может отвечать только на основе существующего контекста; после подключения инструментов у неё появляется возможность запрашивать и действовать.
Вызов инструмента (tool calling) — это когда модель выбирает инструмент в соответствии с заданными форматами и заполняет необходимые параметры, после чего программа выполняет его и возвращает результат модели. Это как руководитель, заполняющий наряд на работу для сотрудника. Модель отвечает за суждение о том, «что вызвать», а конкретный код отвечает за выполнение запроса, вычисления или записи.
Плагин (plugin) — это расширение, устанавливаемое в программное обеспечение для добавления функциональности. Браузер может переводить веб-страницы после установки плагина перевода; приложение ИИ может подключаться к файлам, календарям или сторонним сервисам после установки плагина. Плагины обычно зависят от конкретных продуктов, и их возможности определяются интерфейсами и правами доступа, предоставленными продуктом.
Навык (skill) — это набор повторно используемых инструкций, скриптов и ресурсов, которые обучают Agent стабильно выполнять определённый тип задач. Это как стандартное руководство по эксплуатации для сотрудника: какие материалы сначала прочитать, каким шагам следовать и как проверять результаты — всё чётко прописано. Промпт часто решает разовую задачу, а навык больше подходит для многократного выполнения однотипной работы.
MCP (протокол взаимодействия моделей) — это открытый протокол, позволяющий приложениям ИИ подключаться к внешним данным и инструментам. Лучшая метафора — USB-C в мире ИИ: раньше каждый инструмент нужно было адаптировать индивидуально; теперь они могут предоставлять возможности по одному и тому же стандарту подключения. Он решает вопрос «как подключиться», но не определяет цели задач для Agent.
MCP Host (хост MCP) — это приложение ИИ, которое фактически использует пользователь, например настольный ассистент, редактор кода или платформа Agent. Он отвечает за управление пользователями, моделями, правами безопасности и несколькими подключениями. Думайте о Host как о компьютере: это вся среда использования, и именно в нём находится MCP Client.
MCP Client (клиент MCP) находится внутри Host и отвечает за установление и поддержание связи с конкретным MCP Server. Он обнаруживает, какие инструменты и материалы предоставляет Server, и отправляет запросы на вызов. Как при подключении компьютера к принтеру: внутри необходим выделенный канал связи для управления этим соединением.
MCP Server (сервер MCP) — это программа, предоставляющая инструменты, материалы или шаблоны промптов приложениям ИИ в соответствии со спецификациями MCP. Наличие «Server» в названии не означает, что он должен быть удалённым; он может работать и на вашем компьютере. Например, локальный файловый Server может позволить ИИ читать файлы в разрешённых каталогах.
MCP Tool (инструмент MCP) — это конкретное действие, которое Server предоставляет для выполнения ИИ по запросу, например запрос погоды, создание расписания, чтение базы данных или отправка сообщения. Каждый Tool указывает, какие параметры ему нужны. Действия по запросу имеют меньший риск, а отправка, удаление или оплата должны иметь чёткие права доступа и подтверждение.
MCP Resource (ресурс MCP) — это содержимое, предоставляемое через MCP для чтения ИИ, например файлы, записи базы данных, структуры проектов или состояния приложений. Это больше похоже на материалы, разложенные на столе, а Tool — больше на кнопку, которую можно нажать. Возможность чтения ресурса по-прежнему зависит от прав доступа, установленных Host и Server.
MCP Prompt (промпт MCP) — это повторно используемый шаблон промпта, предоставляемый Server, чтобы помочь пользователям инициировать задачи фиксированным образом. Это как предустановленный шаблон таблицы, в котором поля и структура задачи уже расположены. Он не выполняет действия автоматически; его всё ещё нужно выбрать пользователю и обработать модели.
Память (memory) — это информация, которую система сохраняет и использует позже; она может включать текущие резюме чата, предпочтения пользователя, историю задач и долгосрочные данные. Когда ИИ «помнит вас», это обычно означает, что эта информация сохранена и снова предоставляется модели в последующих диалогах. Память влияет на взаимодействие, а также требует внимания к конфиденциальности и способам удаления.
Человек в цикле (human in the loop) означает, что ключевые шаги должен проверять, выбирать или утверждать человек. ИИ может составить список возвратов и заполнить черновики, но фактический перевод денег подтверждает бухгалтерия. Это использует скорость ИИ, избегая при этом необратимых последствий из-за неполной информации или неверного суждения.
Мультиагентность (multi-agent) — это совместная работа нескольких Agent, например один извлекает данные, другой пишет статью, третий проверяет цитаты. Это как проектная команда; при разумном разделении труда они могут параллельно обрабатывать сложные задачи. Однако больше участников также увеличивает объём общения, дублирующую работу и распространение ошибок, поэтому больше Agent — не всегда лучше.
A2A (Agent-to-Agent) — это способ коммуникации между Agent для обмена задачами, состоянием и результатами. MCP больше фокусируется на том, как Agent подключаются к инструментам и данным, а A2A — на том, как один Agent передаёт задачу другому. Думайте о первом как о «подключении устройств», а о втором — как о «передаче работы между коллегами».
Computer Use (использование компьютера) — это возможность ИИ управлять программным обеспечением, наблюдая за экраном, перемещая мышь, нажимая и печатая. Это как удалённый оператор, который может использовать веб-приложения и настольные программы без специальных API. Изменения интерфейса могут привести к тому, что он нажмёт не туда; обязательное подтверждение человека требуется для платежей, удалений и исходящих сообщений.
Песочница (sandbox) — это изолированная среда, ограничивающая диапазон действий программы. Это как огороженная песочница для ребёнка: он может в ней экспериментировать, и если что-то пойдёт не так, это не затронет важные файлы или систему. Когда вы позволяете Agent запускать код, загружать файлы или изменять проекты, песочница снижает зону поражения, но не заменяет все проверки безопасности.
Запомните из этой главы одну фразу: Agent отвечает за принятие решений и действия, Tool предоставляет конкретные возможности, Skill обучает его, как это делать, а MCP отвечает за соединение ИИ с внешними возможностями.
V. Компьютерные термины, которые вы встретите в уроках по ИИ
Эти слова не были изобретены в области ИИ, но они часто встречаются при изучении Agent, автоматизации и локальных моделей. Если вы их поймёте, многие уроки перестанут казаться иностранным языком.
API (интерфейс программирования приложений) — это точка входа для общения программного обеспечения в соответствии с соглашением. Вам не нужно врываться на кухню в ресторане; вы просто делаете заказ через официанта. API — это как официант в мире программного обеспечения: он принимает ваш запрос, передаёт его на бэкенд и приносит результат. Приложения погоды, платёжные сервисы и большие модели могут вызываться другими программами через API.
API-ключ (API Key) — это секретный учётный идентификатор, используемый при доступе программы к сервису; он используется для идентификации вызывающего и часто связан с лимитами использования и тарификацией. Это как PIN-код банковской карты: любой, кто его получит, сможет использовать ваш лимит. Не размещайте полные ключи в публичном коде, скриншотах, уроках или групповых чатах.
SDK (набор средств разработки) — это коллекция кода, инструкций, примеров и инструментов, обычно используемых при разработке приложений для платформы. Если API говорит вам «как заказать», то SDK готовит меню, столовые приборы и демонстрационные блюда, избавляя разработчиков от написания большого объёма базового кода. Для разных языков программирования обычно существуют свои SDK.
CLI (интерфейс командной строки) — это интерфейс для управления компьютером путём ввода текстовых команд. Графический интерфейс позволяет вам нажать «Новая папка», а CLI — ввести команду для того же самого. Это выглядит как чёрное окно, но на самом деле это просто другой способ управления; установка и запуск инструментов с открытым исходным кодом для ИИ часто используют CLI.
Терминал — это окно, в котором отображаются и вводятся команды, например, «Терминал» на Mac или Windows Terminal. Представьте его как окно чата между вами и компьютером, где команды CLI — это сообщения, отправляемые компьютеру. Терминал — это окно, CLI — это метод работы с текстом; они часто встречаются вместе.
Репозиторий (часто сокращённо «репо») — это место, где централизованно хранятся файлы проекта и история их изменений. Это как папка проекта с записями версий, куда можно помещать код, инструкции, изображения и конфигурации. Когда говорят «склонировать репо», обычно имеют в виду копирование этого проекта и его истории на ваш собственный компьютер.
Git — это инструмент для записи изменений в версиях файлов. Он может показать, какой контент был изменён и кем, а также сохранять версии на разных этапах. Это как сохранять каждую правку при написании статьи, но более системно. Git работает локально и не требует постоянного подключения к интернету, и это не то же самое, что GitHub.
GitHub — это веб-сайт для размещения Git-репозиториев и поддержки совместной работы нескольких человек. Разработчики публикуют код, пишут инструкции, сообщают о проблемах и совместно изменяют проекты на нём. Git — это инструмент управления версиями, а GitHub — платформа, предоставляющая онлайн-хостинг и совместную работу; при изучении инструментов с открытым исходным кодом для ИИ вы часто будете начинать со ссылки на GitHub.
Не нервничайте, когда впервые видите CLI. Прежде чем копировать команду, проверьте, будет ли она что-то читать, изменять, удалять или загружать, и при работе с важными файлами практикуйтесь на копии.
VI. Общие термины для локальных моделей и оборудования
Вам нужно внимательно изучить эту группу слов только тогда, когда вы готовы запускать модели на своём компьютере. Если вы обычно используете онлайн-продукты ИИ, достаточно знать общее значение.
Локальное развертывание — это запуск модели или программы на вашем собственном компьютере, телефоне или рабочей машине. Данные проходят через меньшее количество внешних сервисов и могут использоваться офлайн; однако установку, обновления, производительность и безопасность вы должны обеспечивать сами. Это подходит тем, кто ценит контроль над данными или нуждается в фиксированной среде, но это не означает, что оно автоматически абсолютно безопасно.
Облачный API — это когда модель работает на удалённом сервере провайдера, а пользователи отправляют запросы и получают результаты по сети. Это как заказывать в ресторане: вам не нужно покупать плиту и ингредиенты самим, что упрощает начало работы; в то же время на него влияют сеть, цена, лимиты вызовов, правила платформы и политики обработки данных.
Открытый исходный код (Open Source) обычно означает, что исходный код публичен под определённой лицензией, позволяющей другим просматривать, изменять и распространять его в рамках, разрешённых лицензией. Общедоступная загрузка не означает, что его можно свободно использовать в коммерческих целях; разные лицензии предъявляют совершенно разные требования. Когда вы видите «Open Source AI», вам всё равно нужно выяснить, какие части кода, данных и весов действительно открыты.
Открытые веса (Open weights) означают, что параметры после обучения модели можно загрузить, что даёт пользователям возможность запускать их или дополнительно настраивать на своих устройствах. Обучающие данные, полный код обучения и коммерческие права не обязательно открываются одновременно. Таким образом, открытые веса и полный открытый исходный код — это разные вещи; то, как именно их можно использовать, зависит от лицензии модели.
GPU изначально хорошо подходят для обработки графики, а также отлично подходят для одновременного выполнения большого количества однотипных вычислений, поэтому они широко используются для обучения и запуска моделей ИИ. Это как большая группа людей, которые могут решать задачи параллельно. При покупке компьютера для запуска локальных моделей модель GPU и объём видеопамяти обычно важнее, чем в обычных офисных сценариях.
VRAM — это высокоскоростная память, используемая самим GPU, в которую во время работы помещаются веса модели и промежуточные данные. Модель похожа на большой набор кубиков, а VRAM — на столешницу; если столешница слишком мала, кубики не поместятся, и модель может не загрузиться или потребует более медленных, но экономящих место методов.
7B или 70B в названиях моделей обычно обозначают примерно 7 миллиардов или 70 миллиардов параметров. Параметры можно понимать как огромное количество внутренних чисел, которые модель выучила после обучения. Большие числа обычно означают больше памяти и вычислительных ресурсов; это не означает напрямую более высокую производительность, так как качество обучения и конкретные задачи не менее важны.
VII. Если запомнить всего 10 слов
Вам не нужно запоминать все 66 слов. После первого прочтения сначала запомните эти 10:
- AI: Заставить машины выполнять задачи, требующие понимания, суждения, прогнозирования или создания.
- LLM: Большие модели, отвечающие за понимание и генерацию языка.
- Token: Небольшие фрагменты, которые модели используют при чтении и записи текста.
- Context: Информация, к которой модель может обратиться в этот раз.
- Prompt: Требования и материалы, которые вы даёте ИИ.
- Hallucination: ИИ выдаёт неверный контент, который звучит очень правдоподобно.
- RAG: Сначала извлечение из указанных материалов, затем составление ответа.
- Agent: Система, которая может постоянно принимать решения и действовать для достижения цели.
- MCP: Открытый протокол, соединяющий ИИ с внешними данными и инструментами.
- CLI: Интерфейс для управления компьютером с помощью текстовых команд.
Несколько месяцев назад я тоже начинал с понимания одного слова в день. Вам не нужно запоминать все 66 слов сегодня; если в следующий раз, когда вы увидите Agent, Skill или MCP, в вашем сознании появится общая картина, этот словарь уже выполнил свою задачу.
В будущем, когда вы встретите незнакомую аббревиатуру, сначала спросите, к какой категории она относится: Модель, Диалог, Данные, Агент, Интерфейс или Оборудование? Если вы сможете поместить слово в один из этих шести ящиков, большинство статей об ИИ станут гораздо понятнее.
Об авторе
