Глоссарий ИИ

AutoML автоматизирует ключевые этапы построения моделей машинного обучения: очистку данных, подбор алгоритмов, оптимизацию параметров. Техно…

Машина без водителя, которая сама ориентируется в пространстве с помощью камер, сенсоров и алгоритмов искусственного интеллекта. Она анализи…

Нейронная сеть сжимает входные данные в сжатый код, а потом пытается восстановить их обратно. Автоэнкодеры помогают упрощать сложные данные,…

Четкий набор действий, который ведет к решению задачи или обработке информации. Алгоритмы управляют логикой ИИ, превращая данные в результат…

Метод машинного анализа текста, который определяет эмоциональный подтекст — например, распознаёт гнев, одобрение или безразличие в отзывах и…

Метки или теги добавляют к необработанным данным, чтобы создать структурированный датасет. Разметка помогает алгоритмам машинного обучения п…

Объединяя предсказания нескольких моделей, ансамблевое обучение создаёт более точный итоговый прогноз, чем каждая отдельная. Например, бэгги…

Архитектура Transformer обрабатывает информацию параллельно, анализируя связи между элементами с помощью механизма self-attention. Она лежит…

Создает новые варианты данных на основе имеющихся — например, слегка поворачивает или затемняет изображения. Такой подход расширяет обучающу…

Масштабные нейросети, натренированные на обширных датасетах, становятся универсальной основой для разных задач ИИ — от генерации текста до а…

Графическая модель показывает зависимости между переменными через направленный граф, где узлы — случайные величины, а ребра — условные вероя…

Алгоритм бинарной классификации учится разделять входные данные на две чёткие группы — например, спам и не спам. Такую модель тренируют на р…

Искусственный интеллект, который анализирует и создает текст, обучаясь на миллиардах книг, статей и диалогов. Такие модели пишут код, объясн…

Объемные и разнородные наборы данных — от текстов до показаний датчиков — анализируют с помощью алгоритмов машинного обучения, чтобы находит…

Программа имитирует действия человека, выполняя повторяющиеся задачи по жёстким правилам или адаптивным алгоритмам. В ИИ такие системы общаю…

Бустинг строит сильную модель, постепенно обучая цепочку простых алгоритмов. Каждый следующий алгоритм фокусируется на ошибках предшественни…

Бэггинг обучает множество моделей на случайных выборках из исходных данных, затем усредняет их предсказания. Такой подход уменьшает влияние …

Отдельный набор данных помогает проверить, насколько хорошо модель справляется с новыми примерами, и подобрать оптимальные настройки. Его не…

Генеративная модель в машинном обучении сжимает входные данные в компактное скрытое пространство. На основе сэмплирования из этого пространс…

Преобразует текст, изображения или категориальные данные в числовые векторы — последовательности чисел. Так алгоритмы машинного обучения обр…

Векторная база данных хранит и обрабатывает данные в виде числовых векторов, которые отражают смысл или признаки объектов. Она позволяет быс…

Специализированное хранилище, которое быстро ищет и сохраняет векторы — числовые представления данных (например, текста или изображений). По…

Слова переводят в числа — каждому слову присваивают вектор из координат, где похожие по смыслу слова оказываются рядом. Алгоритмы обработки …

Модель предсказывает возможные исходы, опираясь на вероятности, а не точные значения — так ИИ оценивает неопределенность и делает выводы даж…

Числа, которые нейросеть использует для регулировки влияния одних нейронов на другие. Во время обучения алгоритм подбирает оптимальные значе…

Последовательность значений, собранных через фиксированные интервалы, помогает анализировать изменения и строить прогнозы. В ИИ временные ря…

Языковая модель иногда выдаёт правдоподобный ответ, который не соответствует реальности или полностью выдуман. Такие ошибки — галлюцинации И…

Галлюцинация модели — это ситуация, когда ИИ уверенно выдаёт ложную или вымышленную информацию, не соответствующую реальности. Модель может …

Две нейросети работают в паре: одна генерирует поддельные данные, другая пытается отличить их от настоящих. В ходе такого противостояния сис…

Генеративный ИИ создает оригинальный контент — от текстов до музыки — анализируя закономерности в обучении на больших данных. В отличие от к…

Алгоритм имитирует эволюцию: популяция решений меняется через отбор лучших особей, скрещивание и случайные мутации. Постепенно он находит вс…

Разработчик вручную настраивает гиперпараметры перед обучением модели машинного обучения. Они управляют поведением алгоритма — например, ско…

Метод машинного обучения, где алгоритмы работают как многослойные нейросети. Они учатся выявлять сложные закономерности в данных без явных и…

Метод машинного обучения строит ансамбль моделей, где каждая новая исправляет недочёты предыдущих. Работает итеративно, комбинируя простые а…

Метод учит нейросеть настраивать внутренние параметры, постепенно сдвигая их в сторону, где ошибка уменьшается быстрее всего. На каждом шаге…

ИИ сверяет свои ответы с достоверными источниками, чтобы избежать вымысла и повысить точность. Такой подход — граундинг — снижает риск ошибо…

Граф знаний структурирует информацию в виде узлов (сущности) и связей между ними (отношения). Такую модель используют семантические поискови…

Графовые нейронные сети обрабатывают данные, представленные в виде узлов и связей между ними — например, друзей в соцсетях или атомов в моле…

Модель предсказывает результат, последовательно проверяя условия по ветвящейся структуре. Работает как алгоритм классификации или регрессии,…

Джейлбрейк модели — обход ограничений ИИ-системы, который позволяет получить ответы на запрещённые или опасные запросы. Пользователи использ…

Мера того, насколько предсказания модели меняются при небольших изменениях в обучающих данных. Если дисперсия велика, модель запоминает шум …

Компактную модель обучают имитировать предсказания или решения сложной модели-учителя. Такой подход упаковывает мощь большого ИИ в меньший ф…

Дистилляция знаний — процесс передачи информации от сложной модели (учителя) к более простой (ученику), сохраняя ключевые закономерности. Ме…

Генеративные модели учатся создавать изображения, текст или другие данные, медленно удаляя шум из случайного набора точек. Они работают в об…

Диффузионная модель — это алгоритм машинного обучения, который генерирует данные, постепенно преобразуя шум в структурированный результат. О…

Статистика входных данных для модели ИИ со временем меняется, и из-за этого предсказания становятся менее точными. Чтобы модель работала кор…

Дрейф модели — изменение статистических свойств данных или условий работы модели машинного обучения со временем, что снижает её точность. Мо…

ИИ-модель постепенно теряет точность, когда реальные данные или условия меняются, а алгоритм остаётся прежним. Например, предсказания перест…

При обучении нейронной сети дропаут временно отключает случайные нейроны, чтобы модель не полагалась слишком сильно на отдельные элементы. Т…

ИИ-агент — автономная или полуавтономная программа, которая воспринимает среду, анализирует данные и действует для достижения цели. Она може…

Программный или аппаратный модуль, способный анализировать окружение и принимать решения для выполнения задач. В обучении с подкреплением аг…

Находит скрытые связи и паттерны в огромных объемах информации. Использует статистику, алгоритмы машинного обучения и работу с базами данных…

Выявляет полезные сведения и неочевидные связи в текстах — например, в статьях или соцсетях. Алгоритмы обрабатывают слова, вычленяют смыслы,…

Инференс в ИИ — процесс применения обученной модели для получения предсказаний на новых данных. Он включает вычисления, которые преобразуют …

Обученная модель машинного обучения обрабатывает новые данные и выдает предсказания — так работает инференс. В этот момент ИИ применяет усво…

Информационный поиск исследует способы находить релевантные данные в неупорядоченных коллекциях — от текстов до мультимедиа. Современные сис…

Вычислительная модель, которая копирует принципы работы нервных клеток живого мозга. Взаимосвязанные искусственные нейроны обрабатывают сигн…

Компьютерные системы, которые учатся, анализируют данные и принимают решения, как человек. В основе лежат алгоритмы машинного обучения и ней…

Модель ИИ верно определяет, что у объекта нет искомого признака — фактически его и нет. Такие случаи учитывают при проверке качества классиф…

Модель предсказывает, что объект обладает нужным признаком, и оказывается права. Например, алгоритм обнаруживает болезнь у пациента, и диагн…

Нейросеть иногда забывает старые навыки, когда осваивает новые данные — так проявляется катастрофическое забывание. Проблема мешает создават…

Квантизация модели — это процесс уменьшения точности числовых параметров в нейросетях, например, переход от 32-битных чисел к 8-битным. Тако…

Сокращает битность чисел в весах нейросети, что делает модель компактнее и быстрее без серьезной потери точности. Позволяет запускать сложны…

Модель ИИ обучают распределять объекты по заданным категориям, анализируя их признаки. После обучения она может определять, к какому классу …

Машинное разбиение текстов на заданные категории по их смыслу. Одна из ключевых задач NLP, которая помогает сортировать письма, определять э…

Алгоритмы кластеризации автоматически группируют неразмеченные данные по сходству признаков, выявляя закономерности без подсказок. В отличие…

Алгоритм автоматически разбивает данные на группы (кластеры), где объекты внутри каждой группы похожи друг на друга. Количество кластеров k …

Коллаборативная фильтрация предсказывает, что понравится пользователю, анализируя выбор похожих людей. Алгоритм сравнивает поведение или сво…

Компьютерное зрение помогает машинам анализировать изображения и видео, выделяя объекты, паттерны или события. Алгоритмы обрабатывают пиксел…

Преобразуют сырые данные в информативные переменные, чтобы улучшить работу моделей. Инженеры выделяют ключевые признаки, опираясь на знание …

Контекстное обучение — подход в искусственном интеллекте, при котором модель учитывает окружающие данные или условия для принятия решений. О…

Контекстное окно — диапазон данных, которые модель ИИ учитывает при обработке текущего запроса. Оно определяет, сколько предыдущих слов, ток…

Модель учится выделять общие и отличительные черты, сравнивая похожие и разные объекты. Такой подход извлекает полезные паттерны из данных б…

Копайлот — это вспомогательный ИИ-инструмент, который помогает пользователям выполнять задачи, предлагая подсказки, автоматизируя рутинные д…

Модель тестируют, многократно разбивая данные на обучающую и проверочную выборки. Так оценивают, насколько хорошо алгоритм справляется с нез…

Латентное пространство — сжатое представление данных в нейросетях, где ключевые признаки выделены, а шум отброшен. Оно позволяет моделям эфф…

Метод предсказывает числовую величину, вычисляя её как взвешенную сумму других переменных. Линейная регрессия находит закономерности в данны…

Логистическая регрессия предсказывает вероятность бинарного события (например, купит клиент товар или нет). Алгоритм анализирует признаки об…

Система масштабируема, если при росте данных или нагрузки она сохраняет производительность без сбоев. В ИИ это значит, что платформа позволя…

Таблица, которая сравнивает предсказания модели классификации с реальными значениями. В ней видны правильные ответы (истинные положительные …

Разбивает исходную матрицу на несколько компактных, выделяя скрытые закономерности. В рекомендательных системах алгоритм анализирует взаимод…

Системы на основе машинного обучения улучшают свои результаты, анализируя данные и выявляя в них закономерности — вместо следования жестким …

Автоматически переводит текст или устную речь между языками, применяя алгоритмы искусственного интеллекта. Нейросетевые модели анализируют к…

Алгоритм предсказывает результат, сравнивая новый объект с k ближайшими известными образцами из данных. Работает для классификации и регресс…

Алгоритмы метода Монте-Карло многократно генерируют случайные данные, чтобы численно решить сложные задачи. В ИИ их используют для оптимизац…

Метод главных компонент находит основные направления вариативности в данных и переводит их в меньший набор некоррелированных признаков. Он с…

Алгоритм обучает нейронную сеть, вычисляя, как нужно изменить её параметры, чтобы уменьшить ошибки. Он распространяет градиенты от выходного…

Метод опорных векторов строит границу между классами данных так, чтобы она была максимально удалена от ближайших точек каждого класса. Работ…

Механизм внимания помогает нейросети выделять ключевые фрагменты входных данных, когда она формирует ответ. Его реализация в трансформерах п…

Модель «мешок слов» преобразует текст в числовой вектор, подсчитывая, сколько раз каждое слово встречается в документе. Порядок слов и их св…

Нейронная сеть с прямой связью, где сигнал проходит через входной, минимум один скрытый и выходной слой. MLP распознает сложные закономернос…

Модель вознаграждения оценивает качество действий или ответов ИИ, имитируя человеческие предпочтения. Её обучают на примерах, где люди выбир…

Мультимодальность в ИИ означает способность системы обрабатывать и объединять данные разных типов — текст, изображения, звук, видео. Такие м…

ИИ работает с разными форматами данных — текстом, картинками, звуком, видео — в рамках одной системы. Он анализирует их совместно, как это д…

Наивный байесовский классификатор предсказывает категории объектов, используя теорему Байеса и предполагая, что их признаки статистически не…

Объединяет математику, статистику и программирование, чтобы находить закономерности в массивах информации — от таблиц до текстов. С её помощ…

Модель недообучается, если она чересчур примитивна для выявления скрытых взаимосвязей в информации. Тогда её прогнозы ошибаются даже на тех …

Математическая модель учится находить закономерности в данных, как мозг — но без сознания. Слои взаимосвязанных узлов обрабатывают информаци…

Способность ИИ-модели постепенно улучшаться, анализируя свежие данные прямо во время работы. Такой алгоритм не застывает после тренировки — …

Неразмеченные данные не содержат меток или подсказок, объясняющих их смысл. В машинном обучении такие наборы помогают алгоритмам выявлять за…

Логика, где утверждения могут быть частично верными — например, на 30% или 80%, а не просто «истина» или «ложь». Она помогает алгоритмам раб…

Преобразуют числовые данные в общий диапазон, например от нуля до единицы. Так модели учатся быстрее, а отдельные признаки не перевешивают о…

Метод находит в данных необычные паттерны, которые сильно отличаются от стандартных. С его помощью выявляют подозрительные транзакции, атаки…

Компьютеры учатся работать с человеческой речью — анализировать, осмысливать и создавать её — благодаря методам обработки естественного язык…

Алгоритмы ассоциативных правил выявляют скрытые паттерны в данных, например, какие товары часто покупают вместе. Они работают с большими мас…

Алгоритмы учатся на сырых данных, где нет правильных ответов. Они выявляют закономерности и группируют информацию без подсказок. Так работаю…

Языковые модели могут решать новые задачи, если в запросе привести несколько примеров. Они не перестраивают внутренние параметры, а использу…

Модель учится решать задачи или классифицировать объекты, изучив всего несколько примеров — например, определяет новый вид животных по паре …

Модель, обученная классифицировать объекты без примеров из целевого класса, предсказывает результат через логические связи и дополнительные …

Transfer learning применяют, когда модель, уже обученную на одной задаче, адаптируют для новой — похожей, но не идентичной. Такой подход эко…

Агент в обучении с подкреплением экспериментирует с действиями, чтобы найти оптимальную стратегию поведения в среде. Он получает сигналы-наг…

Модель изучает готовые примеры, где каждому входу соответствует правильный ответ. На основе таких размеченных данных алгоритм настраивается …

Объяснимый ИИ раскрывает логику работы алгоритмов, чтобы человек мог понять, как система приходит к решениям. Такие методы делают предсказан…

Прямоугольная область на изображении отмечает объект, который нужно распознать. Модели ИИ анализируют его границы и положение, чтобы идентиф…

Нахождение наилучшего решения путем изменения параметров модели, чтобы максимизировать или минимизировать заданный показатель. В машинном об…

Архитектура ResNet применяет «перемычки» (skip connections), которые пропускают информацию через несколько слоёв напрямую. Такой подход реша…

Выбирая наиболее значимые переменные из исходных данных, отбор признаков сокращает их число для обучения модели. Такой подход ускоряет работ…

Открытые веса — параметры обученной нейросети, которые разработчики публикуют для свободного использования и модификации. Такие модели можно…

Последовательность автоматизированных шагов обрабатывает данные и обучает модели, ускоряя разработку в машинном обучении. Пайплайн упрощает …

Нормализует входные данные слоя нейросети на лету, во время обучения. Такой подход стабилизирует процесс, ускоряет сходимость и позволяет ув…

В процессе обучения модель ИИ настраивает числовые значения — параметры, такие как веса связей между нейронами. От их количества и точности …

Переобучение возникает, когда модель ИИ слишком точно подстраивается под обучающие данные и теряет способность обобщать. Она начинает запоми…

Модель страдает от переобучения, когда чересчур цепляется за детали тренировочных данных — даже за случайные ошибки и шум. Из-за этого она р…

Алгоритмы искусственного интеллекта работают прямо на устройстве — смартфоне, камере или датчике. Так данные обрабатываются мгновенно, без о…

Один из первых алгоритмов машинного обучения имитирует работу нейрона, суммируя взвешенные входные сигналы и выдавая бинарный ответ. Перцепт…

Настраивая алгоритм машинного обучения, подбирают гиперпараметры — например, скорость обучения или глубину дерева — которые влияют на его ра…

Алгоритмы автоматически подбирают архитектуру нейросети, исключая ручной подбор параметров. NAS анализирует множество вариантов и выбирает о…

Показывает, сколько релевантных объектов модель смогла выловить из всех возможных. Чем выше полнота, тем меньше пропусков — но за это иногда…

Нейросеть сначала обучают на большом объеме разнородных данных, чтобы она усвоила общие закономерности — например, структуру языка или базов…

Когда у данных слишком много параметров, алгоритмам машинного обучения становится сложно находить устойчивые закономерности — нужные объёмы …

Промпт-инжиниринг — это практика составления эффективных запросов для взаимодействия с моделями искусственного интеллекта. Она включает подб…

Разработка и тонкая настройка текстовых запросов помогают языковым моделям точнее понимать задачи и выдавать качественные результаты. Промпт…

Метод подсказок, заставляющий ИИ раскладывать сложный вопрос на цепочку промежуточных рассуждений. Так модель не прыгает к ответу, а выстраи…

Число образцов данных, которые нейросеть анализирует за один шаг перед корректировкой весов. Большие батчи ускоряют обучение, но требуют бол…

Назначают метки или описания необработанным данным — текстам, картинкам, видео — чтобы алгоритмы могли их анализировать. От точности разметк…

Разметка данных — процесс добавления меток или аннотаций к исходным данным, чтобы алгоритмы машинного обучения могли их анализировать. Она п…

Называют объекты, текст или события в данных метками, чтобы алгоритм учился их распознавать. Чем точнее разметка, тем лучше модель понимает …

В наборах данных или моделях ИИ большинство элементов часто нулевые или пропущены — такое свойство называют разреженностью. Обрабатывать так…

С помощью алгоритмов компьютерного зрения ИИ находит и классифицирует объекты, лица или события на изображениях и в видеопотоке. Обычно прим…

Системы находят в тексте упоминания людей, компаний, географических точек и других значимых объектов, затем помечают их тип. Такие алгоритмы…

ИИ находит и отмечает предметы на изображениях или видео, определяя их границы с помощью прямоугольников. Алгоритмы распознают объекты — люд…

ИИ анализирует устную речь, выделяя слова и фразы, затем переводит их в текст. С его помощью голосовые помощники понимают команды, а програм…

В машинном обучении регрессия помогает предсказывать числовые значения — например, стоимость акций или расход топлива. Она работает с непрер…

Добавляя штраф к функции потерь, регуляризация снижает склонность модели к переобучению. Она упрощает алгоритм, чтобы тот точнее работал с н…

Алгоритмы рекомендательных систем изучают поведение и вкусы пользователя, чтобы предугадать, какие фильмы, товары или музыка ему понравятся.…

Нейронные сети с рекуррентной архитектурой замыкают связи в цикл, чтобы учитывать историю предыдущих вычислений. Такие модели хорошо подходя…

Раздел инженерии и прикладных наук, где разрабатывают и применяют роботов. Сегодня такие системы часто оснащают алгоритмами искусственного и…

Группа автономных агентов действует сообща, следуя элементарным алгоритмам — так работает роевой интеллект. Модель заимствована у стай птиц …

Модель учится на сырых данных, формируя учебные задачи сама — например, восстанавливая пропущенные фрагменты изображений или текста. Такой п…

Специальная архитектура нейросетей, которая лучше всего справляется с анализом изображений. Сверточные слои в ней самостоятельно выявляют кл…

Семантический поиск учитывает не только слова в запросе, но и их смысл, а также намерение пользователя. Алгоритмы на базе ИИ распознают конт…

Плавно сжимает любые числа в интервал от нуля до единицы, рисуя гладкую S-кривую. Нейросети применяют её в финальных слоях, когда нужно пред…

Искусственный интеллект общего уровня (AGI) решает любые интеллектуальные задачи так же гибко, как человек: учится, рассуждает, переносит на…

Метод разложения матрицы на три компонента — векторы и их сингулярные числа. SVD помогает упрощать сложные данные, сокращая их размерность б…

Искусственные данные, которые по структуре и свойствам похожи на реальные, но генерируются алгоритмами. Их применяют для тренировки ИИ-модел…

Синтетические данные — искусственно созданные наборы информации, которые имитируют реальные данные. Их генерируют алгоритмы для обучения мод…

Системный промпт — заранее заданный набор инструкций, который определяет поведение ИИ-модели в диалоге. Он задает тон, стиль и границы ответ…

Шаг, с которым модель ИИ корректирует веса в процессе обучения. От него зависит, как быстро нейросеть найдет оптимальное решение — слишком б…

Между входными и выходными узлами нейросети находятся скрытые слои — они преобразуют сырые данные, выявляя в них сложные взаимосвязи. Здесь …

Случайный лес объединяет множество решающих деревьев, каждое из которых обучается на разных подмножествах данных и признаков. Их совместный …

Случайный поиск подбирает гиперпараметры модели машинного обучения, хаотично выбирая значения из возможного диапазона. Он обходит сеточный п…

Нейросеть со смесью экспертов объединяет несколько узкоспециализированных подсетей и механизм выбора между ними. При обработке запроса систе…

Смещение в машинном обучении — систематическая ошибка, когда модель слишком упрощает закономерности в данных. Также bias называют параметр н…

Преобразуют сложные данные в компактную форму, оставляя только ключевые признаки. Так модели быстрее работают, меньше шума ловят, но не теря…

Две модели машинного обучения конкурируют, чтобы одна совершенствовала генерацию данных, а другая лучше их оценивала. Так работают генератив…

Метрика RMSE показывает, насколько в среднем ошибаются предсказания модели. Её вычисляют как корень из среднего значения квадратов отклонени…

Алгоритм оптимизации, который шаг за шагом корректирует параметры модели, выбирая случайный пример из данных для каждого обновления. Работае…

Стриминг ответа — технология передачи данных в реальном времени, при которой ИИ постепенно выдает сгенерированный текст или контент по мере …

Отбираем часть данных из всего массива, чтобы быстрее обучать модели и анализировать информацию. Сэмплирование сохраняет ключевые свойства и…

Алгоритмы тематического моделирования находят скрытые смысловые паттерны в текстах без заранее заданных меток. Они анализируют, как часто сл…

Параметр настройки языковой модели, который влияет на вариативность её ответов. Чем выше температура, тем чаще модель генерирует неожиданные…

Температура генерации — параметр в языковых моделях, который влияет на степень случайности выходных данных. Чем выше значение, тем более раз…

Многомерный массив чисел, который расширяет идеи скаляров, векторов и матриц на произвольное количество измерений. В машинном обучении тензо…

Алан Тьюринг предложил эксперимент, где человек общается с машиной и другим человеком, не видя их. Если судья не может уверенно отличить про…

Модель проверяют на данных, которые она раньше не обрабатывала, — так оценивают её реальную точность. Тестовая выборка помогает понять, наск…

Минимальная смысловая часть текста, которую разбирает алгоритм ИИ. Модель воспринимает входные данные как последовательность токенов — иногд…

Разбивает текст на фрагменты — слова, символы или их части — перед обработкой в нейросети. Токенизатор структурирует входные данные, чтобы м…

Токенизация — процесс разбиения текста на отдельные элементы, такие как слова, символы или фразы, для дальнейшей обработки в моделях ИИ. Она…

Разбивает текст на минимальные значимые единицы — слова, символы или фразы. Модели NLP анализируют такие токены, чтобы уловить закономерност…

Предварительно обученную модель ИИ дорабатывают на узком наборе данных, чтобы она лучше решала конкретную задачу. Такой подход экономит ресу…

Доля верных предсказаний модели среди всех проверенных примеров. Метрика объединяет корректно распознанные положительные и отрицательные слу…

Доля верно распознанных положительных случаев среди всех, которые алгоритм определил как положительные. Хорошая точность означает, что модел…

Нейросетевая архитектура, которая обрабатывает последовательные данные — например, текст — через механизм самовнимания, анализируя связи меж…

Снижение влияния ИИ на окружающую среду требует оптимизации алгоритмов и инфраструктуры: от энергоэффективных моделей до питания дата-центро…

Модель машинного обучения обучают одновременно на множестве устройств — смартфонах, датчиках, серверах — без выгрузки сырых данных в единый …

Функциональный вызов — запрос к системе ИИ, при котором она выполняет конкретную задачу, например, обработку данных или генерацию ответа. Он…

Преобразует вектор произвольных чисел в набор значений от 0 до 1, которые можно интерпретировать как вероятности — их сумма всегда равна еди…

Преобразует взвешенную сумму входов нейрона, добавляя в нейросеть нелинейность. Без нее сеть не смогла бы обучаться на сложных данных — напр…

Функция потерь измеряет, насколько предсказания модели отклоняются от фактических данных. Алгоритм обучения использует ее значения, чтобы ко…

Последовательность событий, где вероятность следующего шага зависит исключительно от текущего состояния. Такие модели используют в ИИ для пр…

Метод обучает модель на смеси данных: немного с метками, много без. Так экономят на ручной разметке, но улучшают качество предсказаний. Особ…

Программа с элементами ИИ, которая общается с людьми через текст или голос, как живой собеседник. Многие боты теперь умеют улавливать смысл …

Программа на основе искусственного интеллекта анализирует базу знаний, собранную из опыта экспертов, и помогает решать сложные задачи в конк…

Эмбеддинг — это числовое представление данных (слов, изображений, звуков) в виде вектора, которое сохраняет их смысл и взаимосвязи. Алгоритм…

Нейронная сеть за одну эпоху обрабатывает весь набор обучающих данных. Чем больше эпох, тем лучше модель усваивает закономерности, но слишко…

Разработка и применение ИИ с учетом моральных принципов и законов. Такие системы избегают дискриминации, работают предсказуемо и не вредят л…

AGI (Artificial General Intelligence) — гипотетический тип искусственного интеллекта, способный понимать, обучаться и выполнять любые интелл…

Объединяет несколько простых алгоритмов в сильную модель, последовательно исправляя их ошибки. На каждом шаге AdaBoost увеличивает вес непра…

BERT от Google анализирует слова в тексте с учетом их окружения слева и справа, что позволяет точнее улавливать смысл фраз. Модель на основе…

Chain-of-Thought (CoT) — метод в ИИ, при котором модель разбивает сложную задачу на последовательность промежуточных рассуждений, имитируя ч…

Разработанная OpenAI языковая модель ChatGPT генерирует осмысленные ответы и поддерживает диалог, имитируя человеческую речь. В основе лежит…

F1-мера учитывает одновременно точность и полноту предсказаний модели, помогая объективно оценить её эффективность. Особенно полезна, когда …

Few-shot обучение — метод машинного обучения, при котором модель решает задачу, изучив всего несколько примеров. Такой подход особенно полез…

Генеративный предварительно обученный трансформер (GPT) — разновидность языковой модели, построенной на архитектуре трансформера. Его обучаю…

Guardrails — это набор ограничений и правил, которые встраивают в ИИ-системы, чтобы предотвратить вредные или нежелательные действия. Они по…

Специальная архитектура нейросетей, которая запоминает долгие последовательности данных, не теряя важную информацию со временем. В отличие о…

LangChain помогает комбинировать языковые модели с внешними системами — например, базами данных или сервисами. Фреймворк упрощает сборку цеп…

LoRA помогает адаптировать большие нейросети без перезаписи их исходных параметров — вместо этого встраивает компактные матрицы для дообучен…

MLOps помогает командам эффективно управлять моделями машинного обучения — от разработки до промышленной эксплуатации. Он заимствует принцип…

Model Context Protocol определяет, как искусственный интеллект обрабатывает и учитывает окружающую информацию при принятии решений. Он задае…

Категориальные переменные превращают в числовые векторы, где каждая категория становится уникальной позицией — единицей среди нулей. Так маш…

Метод машинного обучения, где модель классифицирует объекты, увидев лишь один образец. Полезен в задачах вроде распознавания лиц, когда собр…

Библиотека Pandas упрощает работу с таблицами и временными рядами в Python. Ее ключевой инструмент — DataFrame — помогает быстро чистить, ан…

Prompt injection — атака на ИИ-систему, когда злоумышленник встраивает в запрос скрытые команды или вредоносный текст, чтобы обойти защиту и…

Открытый фреймворк на Python для создания нейросетей и работы с глубоким обучением. Гибкая архитектура позволяет строить динамические вычисл…

Популярный язык программирования с интуитивным синтаксисом, который часто используют для анализа данных и создания ИИ. На нём легко писать к…

RAG (Retrieval-Augmented Generation) — метод в ИИ, который сочетает поиск информации с генерацией текста. Система сначала находит релевантны…

Языковые модели дополняют ответы свежими данными из внешних источников — так работает RAG. Технология снижает число выдуманных фактов, подтя…

RLHF (Reinforcement Learning from Human Feedback) — метод обучения ИИ, при котором модель улучшает свои ответы на основе оценок и корректиро…

Метод RLHF улучшает языковые модели, учитывая человеческие оценки и предпочтения при их обучении. Так ИИ учится давать более точные, безопас…

График показывает, как часто модель правильно предсказывает положительный класс по сравнению с ошибочными срабатываниями при разных порогах …

Функция активации ReLU обнуляет отрицательные входные значения и пропускает положительные без изменений. Её простота ускоряет обучение нейро…

Reasoning-модель — это алгоритм или система ИИ, которая обрабатывает информацию, делает логические выводы и принимает решения на основе вход…

Библиотека Scikit-learn помогает работать с машинным обучением на Python. В ней собраны готовые алгоритмы для классификации, регрессии и дру…

Нейросеть с архитектурой sequence-to-sequence обрабатывает входные последовательности (например, предложения) и генерирует выходные — перево…

Stable Diffusion — нейросеть с открытым кодом, которая генерирует детализированные изображения по текстовым запросам. Она использует латентн…

Библиотека TensorFlow помогает строить и обучать нейросети, обрабатывая сложные математические операции. Google открыл её исходный код, чтоб…

Метод преобразует сложные многомерные данные в 2D или 3D для наглядной визуализации. Он фокусируется на сохранении близости похожих точек, п…

Vision Transformer применяет трансформеры к анализу изображений: вместо текстовых токенов он работает с фрагментами картинки, преобразуя их …

Модель Word2Vec преобразует слова в числовые векторы, улавливая их смысл через контекст в тексте. Она обучается на простых нейросетях, предс…

Библиотека XGBoost использует ансамбль деревьев решений, улучшая предсказания шаг за шагом. Она работает быстрее аналогов, часто побеждает в…

Быстрый алгоритм компьютерного зрения обрабатывает изображение целиком за один шаг, не разбивая на регионы. Скорость и точность YOLO позволя…

Z-оценка измеряет, насколько далеко конкретное значение отстоит от среднего в распределении, выражая разницу в стандартных отклонениях. Норм…

Zero-shot обучение позволяет модели решать задачи, с которыми она не сталкивалась во время тренировки, используя обобщенные знания. Модель д…