Словарь AI
Ключевые понятия искусственного интеллекта и корпоративных технологий — практично, без жаргона.
135 терминов
А
Автоматизация процессов с AI
Автоматизация процессов с AI использует искусственный интеллект для принятия на себя и оптимизации сложных бизнес-процессов, требующих анализа и решений.
Читать далее →Автономные агенты
Автономные агенты — это системы AI, способные самостоятельно планировать, принимать решения и выполнять сложные задачи с минимальным надзором.
Читать далее →Агентный AI (Agentic AI)
Системы AI, способные автономно планировать, принимать решения и выполнять многошаговые задачи без постоянного контроля человека.
Читать далее →Анализ тональности
Техника NLP, определяющая эмоциональную окраску текста — позитивную, негативную или нейтральную — ключевая для мониторинга бренда и голоса клиента.
Читать далее →Аннотация данных (Data Labeling)
Процесс присвоения обучающим данным меток, необходимый для обучения моделей с учителем.
Читать далее →Анонимизация данных AI
Автоматическое удаление или маскирование персональных данных (PII) в обучающих наборах и запросах к моделям AI, в соответствии с GDPR.
Читать далее →Аудит AI
Систематическая оценка систем искусственного интеллекта с точки зрения безопасности, регуляторного соответствия, качества результатов и бизнес-рисков.
Читать далее →Б
Базовая модель (Foundation Model)
Крупная, предварительно обученная модель AI, которая служит фундаментом — адаптируется через fine-tuning под конкретные применения.
Читать далее →Безопасность цепочки поставок AI
Управление рисками в цепочке поставок систем AI — от предобученных моделей до библиотек и обучающих данных.
Читать далее →Бенчмарк AI
Стандартизированные наборы тестов для объективного сравнения производительности и возможностей моделей искусственного интеллекта.
Читать далее →В
Векторная база данных
Специализированная база данных, хранящая данные в виде числовых векторов — обеспечивает семантический поиск «похожего» контента.
Читать далее →Версионирование моделей
Систематическое отслеживание версий моделей AI вместе с обучающими данными, конфигурацией и метриками — фундамент воспроизводимости.
Читать далее →Внедрение AI — дорожная карта
Дорожная карта внедрения AI — это план поэтапного внедрения искусственного интеллекта в организации — от пилота до промышленного масштабирования.
Читать далее →Г
Генеративный AI (Generative AI)
Системы искусственного интеллекта, способные создавать новый контент — текст, изображения, код, музыку — на основе паттернов, усвоенных из обучающих данных.
Читать далее →Генерация видео AI
Генерация видео AI — это создание видеоматериалов из текстовых описаний, изображений или существующих клипов с помощью генеративных моделей.
Читать далее →Генерация изображений AI
Генерация изображений AI — это создание графики, иллюстраций и фотографий на основе текстовых описаний с помощью генеративных моделей.
Читать далее →Генерация кода с AI
Генерация кода с AI — это использование языковых моделей для автоматического создания, дополнения и рефакторинга исходного кода.
Читать далее →Гиперавтоматизация
Стратегия, объединяющая AI, RPA, process mining и другие технологии для максимальной автоматизации бизнес-процессов — end-to-end, без силосов.
Читать далее →Д
Дипфейк и детекция дипфейков
Технология генерации реалистичного фальшивого мультимедийного контента с использованием AI, а также методы её обнаружения.
Читать далее →Дистилляция моделей (Knowledge Distillation)
Процесс передачи знаний от крупной модели AI («учителя») к меньшей («ученику»), сохраняющий большую часть возможностей при значительно меньших затратах.
Читать далее →З
Закупка решений AI (AI Procurement)
Закупка решений AI — это процесс отбора, оценки и заключения контрактов с поставщиками искусственного интеллекта, учитывающий специфику технологии AI.
Читать далее →Зрелость AI (AI Maturity)
Модель зрелости AI определяет, на каком этапе внедрения искусственного интеллекта находится организация — от экспериментов до полной интеграции.
Читать далее →И
Интеграция AI с ИТ-системами
Интеграция AI с существующими ИТ-системами включает связывание моделей и агентов AI с базами данных, ERP, CRM и другими корпоративными приложениями.
Читать далее →Инференс AI
Процесс генерации ответа обученной моделью AI — производственный этап, на котором модель обрабатывает входные данные и возвращает результат.
Читать далее →К
Карточка модели AI (Model Card)
Стандартизированный документ, описывающий модель AI — её возможности, ограничения, обучающие данные и предполагаемые применения.
Читать далее →Квантование моделей
Техника уменьшения размера моделей AI путём снижения числовой точности весов, позволяющая запускать крупные модели на менее мощном оборудовании.
Читать далее →Классификация риска AI Act
Система четырёх уровней риска в регламенте AI Act, определяющая правовые требования для систем искусственного интеллекта.
Читать далее →Компетенции AI (AI Literacy)
Обязательное с февраля 2025 г. умение понимать и ответственно пользоваться AI для сотрудников — требование ст. 4 AI Act.
Читать далее →Контекстное окно
Максимальный объём текста (токенов), который модель AI может обработать за один запрос — ключевое ограничение производительности LLM.
Читать далее →М
Масштабирование AI в организации
Масштабирование AI — это переход от отдельных пилотов к систематическому использованию искусственного интеллекта во многих процессах и подразделениях.
Читать далее →Машинный перевод AI
Машинный перевод AI использует языковые модели для автоматического перевода текстов между языками с сохранением контекста и естественности.
Читать далее →Механизм внимания (Attention)
Техника, позволяющая нейронным сетям выборочно фокусироваться на наиболее значимых фрагментах входных данных при обработке информации.
Читать далее →Мониторинг моделей AI
Непрерывный надзор за моделями AI в продакшне — обнаружение деградации качества, дрейфа данных и аномалий в реальном времени.
Читать далее →Мультиагентные системы
Архитектура AI, в которой десятки специализированных агентов сотрудничают над задачами — каждый обладает уникальными компетенциями и ролью.
Читать далее →Мультимодальный AI
Модели AI, обрабатывающие одновременно текст, изображение, звук и видео — понимающие контекст из многих источников информации.
Читать далее →О
Объяснимый AI (XAI)
Техники, позволяющие понять, почему модель AI приняла то или иное решение — критически важно для доверия, аудита и соответствия AI Act.
Читать далее →Оркестрация AI
Координация нескольких моделей и агентов AI, работающих вместе над сложными задачами — от распределения ресурсов до управления потоком данных.
Читать далее →Ответственный AI (Responsible AI)
Подход к проектированию и внедрению систем AI с учётом этики, прозрачности, fairness и социальной ответственности.
Читать далее →Оценка моделей AI
Систематический процесс оценки качества, надёжности и пригодности моделей AI до и после промышленного внедрения.
Читать далее →С
Синтетические данные
Искусственно сгенерированные наборы данных, сохраняющие статистические свойства оригинала — для обучения AI без нарушения конфиденциальности.
Читать далее →Состязательные атаки на AI
Целенаправленная манипуляция входными данными системы AI с целью вызвать ошибочные предсказания или обойти механизмы безопасности.
Читать далее →Стратегия AI для компании
Стратегия AI — это план внедрения искусственного интеллекта в организации, связывающий бизнес-цели с технологическими возможностями и ресурсами.
Читать далее →Суммирование документов AI
Автоматическое суммирование документов AI сжимает объёмные тексты до ключевой информации, экономя время на анализ.
Читать далее →Т
Температура и Top-P
Параметры, контролирующие случайность и креативность ответов моделей AI — от точных, детерминированных до творческих и разнообразных.
Читать далее →Теневой AI (Shadow AI)
Несанкционированное использование инструментов AI сотрудниками компании — без ведома и контроля ИТ-отдела, с риском утечки данных.
Читать далее →Тесты соответствия AI
Систематическая проверка того, соответствуют ли системы AI регуляторным, этическим и техническим требованиям перед промышленным внедрением.
Читать далее →Токенизация в AI
Процесс превращения текста в токены (фрагменты слов/символов), понятные модели AI — напрямую влияет на затраты и качество.
Читать далее →У
Управление знаниями с AI
Управление знаниями с AI использует искусственный интеллект для сбора, организации и предоставления доступа к организационным знаниям.
Читать далее →Управление AI (AI Governance)
Организационные рамки управления искусственным интеллектом в компании — политики, процессы, ответственность и регуляторное соответствие.
Читать далее →Э
Эмерджентные способности AI
Эмерджентные способности — это умения, неожиданно появляющиеся у крупных моделей AI — без явного обучения конкретной задаче.
Читать далее →Этика AI
Дисциплина, исследующая моральные аспекты проектирования и применения искусственного интеллекта и его влияние на общество.
Читать далее →A
A/B-тестирование моделей AI
Метод сравнения двух или более вариантов модели AI на промышленном трафике для выбора лучшей версии.
Читать далее →A2A (Agent-to-Agent Protocol)
Протокол связи между агентами AI разных поставщиков — обеспечивает совместную работу агентов Google, Microsoft, Salesforce и других.
Читать далее →AI в логистике
Применения искусственного интеллекта в логистике и цепочке поставок — оптимизация маршрутов, прогнозирование спроса, автоматизация складов.
Читать далее →AI в маркетинге
Применения искусственного интеллекта в маркетинге — персонализация, автоматизация кампаний, анализ тональности, генерация контента и оптимизация бюджетов.
Читать далее →AI в медицине
Применения искусственного интеллекта в здравоохранении — от визуальной диагностики и разработки лекарств до систем профилактики и телемедицины.
Читать далее →AI в облаке vs on-premise
Выбор между облаком и инфраструктурой on-premise для AI зависит от требований безопасности, затрат, производительности и контроля над данными.
Читать далее →AI в обслуживании клиентов
Применения искусственного интеллекта в автоматизации и поддержке обслуживания клиентов — от чат-ботов до полной автоматизации сервисных процессов.
Читать далее →AI в промышленном производстве
Применения искусственного интеллекта в промышленности — контроль качества, предиктивное обслуживание, оптимизация процессов и планирование производства.
Читать далее →AI в тестировании ПО
AI в тестировании использует искусственный интеллект для автоматической генерации, выполнения и анализа тестов программного обеспечения.
Читать далее →AI в финансах
Применения искусственного интеллекта в финансовом секторе — от выявления мошенничества и оценки риска до автоматизации банковских процессов и рыночного анализа.
Читать далее →AI в юриспруденции
Применения искусственного интеллекта в юридической отрасли — анализ документов, due diligence, поиск судебной практики и автоматизация работы юрфирм.
Читать далее →AI в HR и рекрутинге
Применения искусственного интеллекта в управлении человеческими ресурсами — от скрининга резюме до анализа вовлечённости, с учётом регулирования AI Act.
Читать далее →AI и GDPR
Вызовы и требования соответствия систем искусственного интеллекта европейскому регламенту о защите персональных данных.
Читать далее →AI Act — руководство
Комплексное руководство по европейскому регламенту AI Act, регулирующему применение искусственного интеллекта в Европейском союзе.
Читать далее →AI alignment (согласование AI)
AI alignment — это дисциплина, обеспечивающая, что системы AI действуют в соответствии с намерениями, ценностями и целями создающих их людей.
Читать далее →AI as a Service (AIaaS)
Модель предоставления искусственного интеллекта в качестве облачного сервиса, позволяющая организациям использовать AI без создания собственной инфраструктуры.
Читать далее →AI Center of Excellence
AI Center of Excellence (CoE) — это команда в организации, ответственная за координацию, стандартизацию и масштабирование инициатив искусственного интеллекта.
Читать далее →AI pair programming
AI pair programming — это сотрудничество программиста с ассистентом AI в реальном времени — AI предлагает код, объясняет решения и помогает отлаживать.
Читать далее →AI pipeline
Автоматизированная цепочка обработки данных и обучения модели AI — от сырых данных до промышленных предсказаний.
Читать далее →AI Red Teaming
Тестирование безопасности систем AI путём симуляции атак — выявление уязвимостей, обхода guardrails и способов манипуляции моделью.
Читать далее →AI sandbox (песочница AI)
AI sandbox — это изолированная среда для безопасного тестирования моделей и агентов AI без влияния на промышленные системы и реальные данные.
Читать далее →C
Chain of Thought
Техника промптинга, при которой модель AI «думает вслух» — рассуждает шаг за шагом, что повышает точность ответов на сложные вопросы.
Читать далее →Chunking (сегментация документов)
Chunking — это процесс разделения документов на меньшие фрагменты (чанки), оптимальные для обработки моделями AI и векторного поиска.
Читать далее →CI/CD для AI
Автоматизация непрерывной интеграции, тестирования и внедрения моделей AI — расширение практик DevOps под специфику машинного обучения.
Читать далее →Computer Use (AI)
Способность моделей AI напрямую управлять компьютером — кликать, печатать, перемещаться по интерфейсам, как человек.
Читать далее →Computer vision (компьютерное зрение)
Область AI, позволяющая машинам интерпретировать и анализировать изображения и видео — от распознавания объектов до автономной инспекции качества.
Читать далее →Confidential computing
Технология аппаратной защиты данных во время обработки, обеспечивающая безопасность моделей AI и данных даже от оператора инфраструктуры.
Читать далее →Conversational AI
Системы AI, ведущие естественные разговоры с людьми — от голосовых ассистентов до продвинутых многоканальных агентов обслуживания клиентов.
Читать далее →D
Data drift (дрейф данных)
Явление изменения распределения входных данных со временем, вызывающее деградацию качества предсказаний модели AI.
Читать далее →Data poisoning (отравление данных)
Атака, заключающаяся в целенаправленной манипуляции обучающими данными с целью деградации качества или внедрения предвзятости в модель AI.
Читать далее →Differential privacy (дифференциальная приватность)
Математический метод защиты конфиденциальности персональных данных в обучающих наборах и результатах моделей AI.
Читать далее →E
Edge AI
Запуск моделей AI непосредственно на конечных устройствах — без отправки данных в облако, с минимальной задержкой.
Читать далее →Embedding (векторное представление)
Представление текста, изображения или звука в виде вектора чисел — фундамент семантического поиска и систем RAG.
Читать далее →F
Feature engineering
Процесс создания и отбора входных переменных (признаков) модели AI, критически важный для качества предсказаний.
Читать далее →Federated learning
Техника обучения моделей AI на распределённых данных без их централизации, защищающая конфиденциальность и соответствие требованиям GDPR.
Читать далее →Fine-tuning
Дообучение модели AI на специализированных данных — адаптация общей базовой модели под конкретный домен или задачу.
Читать далее →Function calling
Механизм, позволяющий моделям AI вызывать внешние инструменты и API, превращая их из генераторов текста в автономных агентов, способных действовать.
Читать далее →G
GPU и TPU в AI
Специализированные графические (GPU) и тензорные (TPU) процессоры, составляющие фундамент вычислительной инфраструктуры для обучения и инференса моделей AI.
Читать далее →Grounding AI
Техника «заземления» ответа модели AI в фактических данных — устранение галлюцинаций путём предоставления контекста из достоверных источников.
Читать далее →Guardrails AI
Защитные механизмы, ограничивающие поведение моделей AI — фильтры контента, валидация результатов, лимиты полномочий и контроль безопасности.
Читать далее →M
MCP (Model Context Protocol)
Открытый стандарт связи между моделями AI и внешними источниками данных и инструментами — «USB-C для искусственного интеллекта».
Читать далее →Mixture of Experts (MoE)
Архитектура AI, активирующая только подмножество параметров для каждого запроса, сочетающая большую ёмкость модели с эффективным использованием ресурсов.
Читать далее →MLOps
Набор практик, объединяющих ML-инженерию с DevOps для автоматизации и стандартизации жизненного цикла моделей AI в производстве.
Читать далее →Model poisoning (отравление модели)
Атака, заключающаяся в целенаправленном заражении процесса обучения модели AI с целью внедрения скрытых уязвимостей.
Читать далее →Model registry
Центральный репозиторий для версионирования, каталогизации и управления жизненным циклом моделей AI в организации.
Читать далее →Model serving
Процесс развёртывания и предоставления обученных моделей AI в качестве промышленных сервисов, включающий инфраструктуру, масштабирование и мониторинг.
Читать далее →Multimodal RAG
Multimodal RAG расширяет архитектуру поиск-генерация обработкой изображений, таблиц, графиков и других типов данных наряду с текстом.
Читать далее →N
NIS2 и искусственный интеллект
Директива NIS2 в контексте AI — требования кибербезопасности для компаний, применяющих системы искусственного интеллекта в критической инфраструктуре.
Читать далее →NLP (обработка естественного языка)
Область AI, позволяющая машинам понимать, интерпретировать и генерировать человеческий язык — фундамент чат-ботов, переводов и анализа текста.
Читать далее →O
OCR с AI
Современное распознавание текста, обогащённое искусственным интеллектом — понимание макета документа, контекста и рукописного текста с беспрецедентной точностью.
Читать далее →Open source AI
Open source AI — это модели и инструменты искусственного интеллекта, распространяемые с открытым исходным кодом, позволяющие модификацию и локальный запуск.
Читать далее →P
Predictive maintenance (предиктивное обслуживание)
Использование AI и данных с датчиков IoT для предсказания поломок оборудования и планирования обслуживания до наступления незапланированного простоя.
Читать далее →Prompt engineering
Искусство и наука проектирования инструкций для моделей AI, максимизирующие качество, точность и надёжность генерируемых ответов.
Читать далее →Prompt injection
Атака, заключающаяся во внедрении злонамеренных инструкций во входные данные модели AI — с целью перехвата контроля над её поведением.
Читать далее →R
RAG (Retrieval-Augmented Generation)
Техника, объединяющая поиск информации с генерацией — модель AI отвечает на основе актуальных документов, а не только своей «памяти».
Читать далее →Reasoning AI (рассуждение AI)
Reasoning AI — это способность моделей к логическому выводу, планированию многоэтапных решений и решению сложных проблем шаг за шагом.
Читать далее →Reranking
Reranking — это этап повторной сортировки результатов поиска специализированной моделью AI, повышающий точность ответов в pipeline RAG.
Читать далее →Retrieval (поиск информации)
Retrieval — это процесс поиска релевантной информации в больших наборах данных, составляющий фундамент систем RAG и AI-ассистентов.
Читать далее →RLHF (Reinforcement Learning from Human Feedback)
Метод обучения моделей AI с использованием человеческой оценки ответов, критически важный для безопасности и полезности современных AI-ассистентов.
Читать далее →ROI от AI
Возврат инвестиций в искусственный интеллект измеряет соотношение бизнес-выгод к понесённым затратам на внедрение и обслуживание AI.
Читать далее →RPA vs AI
RPA автоматизирует повторяющиеся, регламентированные задачи, тогда как AI справляется с задачами, требующими анализа, решений и понимания контекста.
Читать далее →S
Scaling laws (законы масштабирования)
Законы масштабирования описывают предсказуемую зависимость между размером модели AI, объёмом данных, вычислительным бюджетом и качеством результатов.
Читать далее →Semantic caching
Техника кэширования ответов AI на основе смысла запросов, а не точного совпадения текста, снижающая затраты и задержки.
Читать далее →Semantic search (семантический поиск)
Семантический поиск использует эмбеддинги и модели AI для нахождения информации на основе смысла, а не только сопоставления ключевых слов.
Читать далее →SLM (малые языковые модели)
Компактные модели AI (1-7 млрд параметров), работающие локально, быстро и дёшево — идеальны для специализированных задач без затрат на облако.
Читать далее →Speech-to-text и text-to-speech
Технологии STT и TTS позволяют преобразовывать речь в текст и текст в речь, открывая новые интерфейсы взаимодействия с системами AI.
Читать далее →Streaming ответов AI
Техника передачи ответа модели AI токен за токеном в реальном времени, устраняющая ожидание полного ответа.
Читать далее →Structured output
Техника принуждения моделей AI генерировать ответы в строго определённом формате (JSON, XML), критически важная для интеграции с ИТ-системами.
Читать далее →T
TCO искусственного интеллекта
Совокупная стоимость владения (TCO) решениями AI включает расходы на инфраструктуру, лицензии, внедрение, обслуживание и развитие системы.
Читать далее →Transfer learning
Техника использования знаний из одной задачи AI для ускорения обучения в другой, снижающая потребность в больших наборах данных и вычислительных ресурсах.
Читать далее →Transformer
Архитектура нейронной сети, основанная на механизме внимания, составляющая фундамент современных языковых моделей и генеративного AI.
Читать далее →V
Vendor lock-in в AI
Vendor lock-in в AI — это зависимость организации от одного поставщика технологии, затрудняющая миграцию к альтернативным решениям.
Читать далее →Vibe coding
Создание программного обеспечения путём описания на естественном языке — программист говорит «что», AI генерирует «как».
Читать далее →