TechCrunch обновил свой живой AI-глоссарий — и это не просто справочник. Искусственный интеллект меняет мир и одновременно изобретает новый язык для его описания: LLM, RAG, RLHF — термины, от которых порой теряются даже опытные технари. По мере роста AI-инвестиций число специалистов, которым нужно разбираться в этих понятиях, стремительно растёт: продакты, инвесторы, руководители — все теперь должны ориентироваться в концепциях, ещё три года назад бывших сугубо академическими.

Ключевые термины: что они означают

LLM (Large Language Model)

LLM (Large Language Model, большая языковая модель) — это AI-модели, лежащие в основе таких ассистентов, как ChatGPT, Claude, Google Gemini, Meta Llama и Microsoft Copilot. Когда вы общаетесь с AI-ассистентом, вы взаимодействуете именно с LLM — она обрабатывает ваш запрос напрямую или с помощью инструментов вроде веб-поиска.

LLM — это глубокие нейронные сети с миллиардами числовых параметров, которые обучаются на данных из миллиардов книг, статей и транскриптов, создавая многомерную «карту языка».

AGI (Artificial General Intelligence)

AGI (Artificial General Intelligence, общий искусственный интеллект) — размытый термин, который в целом означает AI, способный превзойти среднего человека в большинстве задач. Глоссарий охватывает как широкие цели вроде AGI, так и прикладные методы — например, RLHF, и фиксирует различия в том, как OpenAI и Google DeepMind определяют AGI.

ℹ Как разные компании определяют AGI
  • OpenAI: «высокоавтономные системы, превосходящие людей в большинстве экономически ценных задач»
  • Google DeepMind: «AI, способный выполнять большинство когнитивных задач как минимум наравне с человеком»
  • Эксперты: единого мнения нет — и это само по себе показательно

AI Agent (AI-агент)

AI-агент — это система, способная самостоятельно выполнять последовательности действий и принимать решения для достижения цели. Если обычная модель просто отвечает на вопросы, то агент умеет просматривать веб, запускать код, читать файлы и вызывать API для выполнения многошаговых задач.

Агентные системы всё активнее применяются в бизнес-процессах — от автоматического исследования и составления отчётов до управления почтой и ввода данных. Они открывают как новые возможности для продуктивности, так и новые вопросы управления.

RAG (Retrieval-Augmented Generation)

RAG (Retrieval-Augmented Generation, генерация с дополнительным поиском) — техника, подключающая языковую модель к внешней базе знаний. Без RAG LLM может отвечать только на основе того, чему научилась при обучении. С RAG модель сначала извлекает релевантные документы, а затем генерирует более точный и обоснованный ответ.

Именно RAG является основным методом, который бизнес использует для доступа AI к проприетарным данным без полного дообучения модели.

💡 RAG vs Fine-tuning: что выбрать?
RAG лучше подходит для подключения новых фактов и актуальных данных. Fine-tuning больше нужен для формирования стабильного поведения модели — например, конкретного тона или формата ответа. Для большинства бизнес-задач RAG — более простая и экономичная отправная точка.

Chain-of-Thought (Цепочка рассуждений)

Chain-of-thought — это пошаговый процесс рассуждения, который AI-система использует для достижения вывода или принятия решения. Метод приходит к результатам, имитируя человекоподобное мышление. Reasoning-модели (модели рассуждения) — класс LLM, которые перед генерацией ответа обдумывают сложные проблемы шаг за шагом, повышая точность в задачах логики, математики и многоступенчатого анализа.

Hallucination (Галлюцинации)

Hallucination (галлюцинация) — явление, при котором AI генерирует контент, выглядящий правдоподобно, но фактически неверный, бессмысленный или не связанный с реальностью. Grounding (заземление) снижает вероятность галлюцинаций, предоставляя модели доступ к конкретным источникам данных.

Fine-tuning (Дообучение)

Fine-tuning дополнительно обучает модель на ваших данных, чтобы она усвоила конкретный тон, формат или поведение. Например, можно дообучить модель так, чтобы она всегда использовала голос вашего бренда или следовала заданному формату вывода.

Deep Learning (Глубокое обучение)

Deep learning — это вид машинного обучения на основе многослойных нейронных сетей, способных самостоятельно выявлять важные характеристики данных без ручной разметки признаков человеком.

RLHF (Reinforcement Learning from Human Feedback)

RLHF — техника обучения, используемая для согласования языковых моделей с предпочтениями людей. Сначала тренируется reward-модель на основе человеческих оценок выводов, затем языковая модель дообучается через reinforcement learning, чтобы получать высокие оценки. Именно так сделаны ChatGPT и Claude.

Как термины связаны между собой


graph TD
    A[LLM] --> B[Fine-tuning]
    A --> C[RAG]
    A --> D[AI Agent]
    D --> E[Coding Agent]
    A --> F[Chain-of-Thought]
    F --> G[Reasoning Model]
    A --> H[Hallucination]
    C --> I[Vector DB]
    H --> C
    A --> J[RLHF]
    J --> K[Выравнивание модели]

Сравнительная таблица ключевых концепций

ТерминСутьДля кого важно
LLMЯзыковая модель, предсказывающая токеныВсе
RAGПоиск данных перед генерацией ответаРазработчики, бизнес
Fine-tuningДообучение под конкретную задачуML-инженеры
AI AgentАвтономное выполнение многошаговых задачПродакты, разработчики
Chain-of-ThoughtПошаговое рассуждение для точного ответаИсследователи, пользователи
RLHFОбучение с обратной связью от людейКоманды по безопасности AI
HallucinationЛожный, но правдоподобный вывод моделиВсе пользователи AI
AGIAI умнее человека в большинстве задачСтратеги, инвесторы

Почему это важно сейчас

Термины AI вышли за пределы лабораторий: они звучат на совещаниях, в питчах инвесторам и в разговорах у кулера — но пропасть между частотой употребления и реальным пониманием никогда не была шире.

Вечнозелёный формат глоссария важен именно потому, что AI-терминология продолжает эволюционировать. Такой формат позволяет обновлять определения по мере появления новых концептов и уточнения существующих через реальное применение.

⚠ Осторожно с хайпом
Многие термины — особенно AGI — не имеют единого общепринятого определения. Компании нередко используют их в маркетинговых целях. Всегда уточняйте, что конкретно имеет в виду автор, когда говорит «мы достигли AGI» или «наш агент автономен».

Понимание языка AI стало профессиональной необходимостью: инструменты AI вышли в мейнстрим, и каждая компания спешит интегрировать машинное обучение в свои процессы. Хорошая новость — разобраться в базовых концептах вполне реально, и этот глоссарий — отличная точка старта.