Słownik AI, którego potrzebujesz w 2024

Rozwój sztucznej inteligencji pociągnął za sobą lawinę nowych terminów i żargonu. W tym artykule przygotowaliśmy obszerny słownik z definicjami najważniejszych słów i fraz, z którymi możesz się spotkać.

Podstawy: Pojęcia, które musisz znać

Sztuczna Inteligencja (AI) - Ogólne pojęcie odnoszące się do systemów komputerowych, które naśladują ludzką inteligencję, takie jak uczenie się, rozwiązywanie problemów i podejmowanie decyzji. Nie jest to jedno, konkretne narzędzie, a raczej koncepcja nadrzędna.

Uczenie Maszynowe (ML) – Poddziedzina AI, w której systemy uczą się na podstawie danych, bez konieczności eksplicytnego programowania. Im więcej danych, tym lepiej system radzi sobie z zadaniami.

Uczenie Głębokiego (Deep Learning) – Zaawansowana forma uczenia maszynowego wykorzystująca sztuczne sieci neuronowe z wieloma warstwami (stąd "głębokie"). Jest to obecnie najpopularniejsza metoda treningu modeli AI do zadań takich jak rozpoznawanie obrazów i mowy.

Model AI - Algorytm, który został wytrenowany na zbiorze danych, aby wykonywać określone zadanie, np. przewidywanie, klasyfikowanie lub generowanie treści. To "serce" każdego systemu AI.

Kluczowe Technologie i Koncepcje

LLM (Large Language Model) – Duży Model Językowy. To rodzaj modelu AI wytrenowany na ogromnych zbiorach danych tekstowych, który potrafi generować tekst, tłumaczyć języki, pisać różnego rodzaju kreatywne treści i odpowiadać na pytania w sposób informacyjny. ChatGPT, Bard, Llama to przykłady LLM.

Prompt Engineering – Sztuka projektowania i optymalizacji promptów (zapytań) dla modeli AI, aby uzyskać pożądane wyniki. Odpowiedni prompt znacząco wpływa na jakość odpowiedzi generowanych przez LLM.

Token – Podstawowa jednostka, na jaką dzielony jest tekst w modelach językowych. Może to być słowo, fragment słowa, lub nawet pojedynczy znak. Zrozumienie pojęcia tokenu jest ważne, bo od niego zależy koszt korzystania z API wielu modeli.

Oto kilka innych ważnych pojęć:

Generative AI: AI, które może generować nowe treści, takie jak obrazy, muzyka, tekst czy kod.
Fine-tuning: Proces dostrajania istniejącego modelu AI do konkretnego zadania lub zbioru danych.
Reinforcement Learning: Metoda uczenia, w której model uczy się poprzez interakcję z otoczeniem i otrzymywanie nagród za pożądane działania.
Edge AI: Przetwarzanie danych AI bezpośrednio na urządzeniu (np. telefonie, kamerze) zamiast w chmurze.

Porównanie popularnych modeli LLM (stan na listopad 2023)

Poniższa tabela przedstawia przybliżone porównanie popularnych modeli LLM. Należy pamiętać, że to porównanie jest bardzo uproszczone, a wydajność modeli zależy od konkretnego zadania i wariantu (wersji).

Model	Rozmiar (przybliżony)	Zastosowania	Dostępność
GPT-4 (OpenAI)	1.76 Triliardów parametrów	Generowanie tekstu, chatboty, kodowanie, kreatywność	Subskrypcja ChatGPT Plus, API
Bard (Google)	Nie podano	Chatbot, generowanie tekstu, integracja z usługami Google	Bezpłatny dostęp przez przeglądarkę
Llama 2 (Meta)	7B, 13B, 70B parametrów (warianty)	Generowanie tekstu, badania, komercyjne zastosowania	Dostępne do pobrania i użytku

Przyszłość Słownictwa AI

Szybki rozwój AI sprawia, że nowe terminy pojawiają się niemal codziennie. Warto być na bieżąco z nowinkami i śledzić aktualizacje definicji, ponieważ znaczenie niektórych pojęć może się zmieniać. Powyższy słownik jest punktem wyjścia do zrozumienia świata AI w 2024 roku.

źródło inteligentnego przedruku: TechCrunch AI