Sztuczna inteligencja zmienia świat, jednocześnie tworząc zupełnie nowy język do opisywania tego, jak to robi. Pięć minut lektury o AI i napotkasz LLM, RAG, RLHF oraz dziesiątki innych terminów, które mogą sprawić, że nawet bardzo inteligentni ludzie z branży technologicznej poczują się niepewnie. Ten słownik AI od TechCrunch to próba naprawienia tej sytuacji — żywy dokument regularnie aktualizowany wraz z ewolucją tej dziedziny.
Kluczowe wnioski
- AGI (sztuczna inteligencja ogólna) to mglisty termin opisujący AI bardziej zdolną od przeciętnego człowieka w większości zadań, choć eksperci nie są zgodni co do definicji.
- Agenci AI to narzędzia wykonujące złożone zadania autonomicznie — od składania wydatków po pisanie kodu — wykraczając daleko poza możliwości chatbotów.
- Łańcuch myślenia (chain of thought) to technika rozbijania problemów na mniejsze kroki, która poprawia jakość odpowiedzi modeli językowych kosztem czasu.
- Głębokie uczenie wykorzystuje wielowarstwowe sztuczne sieci neuronowe inspirowane mózgiem ludzkim do identyfikacji wzorców w danych.
- Terminologia AI rozwija się tak szybko, że nawet eksperci mają problem z nadążeniem za nowymi pojęciami.
Podstawowe pojęcia AI
Sztuczna inteligencja ogólna (AGI) pozostaje jednym z najbardziej spornych terminów w branży. Sam Altman, CEO OpenAI, opisał AGI jako „równowartość przeciętnego człowieka, którego można zatrudnić jako współpracownika”. Statut OpenAI definiuje go jako „wysoce autonomiczne systemy przewyższające ludzi w większości ekonomicznie wartościowej pracy”. Google DeepMind ma nieco inną wizję: „AI przynajmniej równie zdolną jak ludzie w większości zadań poznawczych”. Jak przyznają sami eksperci z pierwszej linii badań nad AI — definicja AGI wciąż pozostaje kwestią sporną.
Agenci AI to narzędzia wykorzystujące technologie sztucznej inteligencji do wykonywania serii zadań w imieniu użytkownika — znacznie wykraczających poza możliwości podstawowych chatbotów. Mogą składać wydatki, rezerwować bilety czy stoliki w restauracjach, a nawet pisać i utrzymywać kod. W tej rozwijającej się przestrzeni wciąż buduje się infrastrukturę, więc „agent AI” może oznaczać różne rzeczy dla różnych ludzi. Podstawowa koncepcja zakłada autonomiczny system mogący korzystać z wielu systemów AI do wykonywania wieloetapowych zadań.
Techniki i metodologie
Łańcuch myślenia (chain of thought) to technika rozumowania dla dużych modeli językowych, polegająca na rozbijaniu problemów na mniejsze, pośrednie kroki w celu poprawy jakości końcowego rezultatu. Podobnie jak człowiek potrzebuje kartki i długopisu do rozwiązania równania o kurczakach i krowach (jeśli farmer ma zwierzęta o łącznie 40 głowach i 120 nogach, to ma 20 kurczaków i 20 krów), tak AI używa tego podejścia do bardziej złożonych problemów. Uzyskanie odpowiedzi trwa dłużej, ale prawdopodobieństwo poprawności jest wyższe, szczególnie w kontekście logiki i kodowania.
Agenci kodujący to wyspecjalizowana wersja agentów AI stosowana w rozwoju oprogramowania. Zamiast jedynie sugerować kod do przeglądu przez człowieka, mogą pisać, testować i debugować kod autonomicznie, obsługując iteracyjną pracę metodą prób i błędów, która zazwyczaj pochłania dzień developera. Działają w całych bazach kodu, wykrywając błędy, uruchamiając testy i wprowadzając poprawki przy minimalnym nadzorze człowieka.
Głębokie uczenie to podzbiór samodoskonalącego się uczenia maszynowego, w którym algorytmy AI projektuje się z wielowarstwową strukturą sztucznych sieci neuronowych. Pozwala to na tworzenie bardziej złożonych korelacji w porównaniu z prostszymi systemami uczenia maszynowego, takimi jak modele liniowe czy drzewa decyzyjne. Struktura algorytmów głębokiego uczenia czerpie inspirację z połączonych ścieżek neuronów w ludzkim mózgu.
Słownik terminów AI nieustannie się rozwija, odzwierciedlając dynamiczny charakter tej dziedziny. Dla profesjonalistów i entuzjastów technologii znajomość kluczowej terminologii staje się nie luksusem, ale koniecznością w świecie coraz bardziej kształtowanym przez sztuczną inteligencję.
