Słownik pojęć AI

Agent AI

System, w którym model językowy sam decyduje o kolejnych krokach i korzysta z narzędzi, żeby osiągnąć zadany cel.

AGI (ogólna sztuczna inteligencja)

Artificial General Intelligence

Hipotetyczny system AI, który radzi sobie z większością zadań intelektualnych na poziomie człowieka, a nie tylko z jedną wąską dziedziną.

AI Act

Akt o sztucznej inteligencji

Rozporządzenie Unii Europejskiej regulujące systemy sztucznej inteligencji według czterech poziomów ryzyka.

API

Application Programming Interface

Interfejs, przez który jeden program prosi drugi o dane albo o wykonanie działania. Na nim stoi każda integracja i każda automatyzacja.

Automatyzacja AI

Łączenie modeli językowych z narzędziami do automatyzacji: model interpretuje treść, a przepływ wykonuje kolejne kroki w systemach firmy.

Baza wektorowa

Baza danych przechowująca embeddingi i umożliwiająca szybkie wyszukiwanie najbardziej podobnych znaczeniowo fragmentów.

Benchmark

Standardowy zestaw zadań, na którym porównuje się modele AI. Wynik mówi, jak model radzi sobie z tym zestawem, a nie z Twoim procesem.

Bias (obciążenie modelu)

Systematyczne przechylenie wyników modelu wynikające z danych treningowych lub sposobu jego budowy.

Chain of thought

łańcuch myśli

Technika, w której model rozpisuje kolejne kroki rozumowania, zanim poda ostateczną odpowiedź.

Chunking (dzielenie dokumentów)

Podział dokumentów na mniejsze fragmenty przed zapisaniem ich w bazie wektorowej. Od niego w dużej mierze zależy jakość odpowiedzi w RAG.

Context window (okno kontekstowe)

Maksymalna ilość tekstu, którą model może wziąć pod uwagę w jednym zapytaniu - liczona w tokenach.

Deep learning (uczenie głębokie)

Uczenie maszynowe oparte na sieciach neuronowych o wielu warstwach, które same wyodrębniają cechy z surowych danych.

Embedding (osadzenie)

Zamiana tekstu na listę liczb reprezentującą jego znaczenie - podstawa wyszukiwania semantycznego.

Few-shot prompting

Technika, w której w prompcie podaje się modelowi kilka przykładów zadania z poprawnym wynikiem, zanim dostanie właściwe polecenie.

Fine-tuning (dostrajanie)

Dalsze trenowanie gotowego modelu na własnych przykładach, żeby zmienić sposób, w jaki odpowiada.

Function calling (wywoływanie funkcji)

Mechanizm pozwalający modelowi zgłosić potrzebę wywołania funkcji z konkretnymi parametrami.

Halucynacja

Odpowiedź modelu, która brzmi wiarygodnie, ale jest nieprawdziwa - nieistniejące źródła, wymyślone dane, fikcyjne cytaty.

LLM

Large Language Model

Duży model językowy - sieć neuronowa trenowana na ogromnych zbiorach tekstu, przewidująca kolejne tokeny.

MCP (Model Context Protocol)

Model Context Protocol

Otwarty standard łączenia modeli i agentów AI z narzędziami oraz danymi. Jedno podłączenie działa w wielu aplikacjach.

Model open-weight (otwarte wagi)

Model, którego wagi można pobrać i uruchomić na własnym sprzęcie. Nie zawsze jest to open source w pełnym znaczeniu.

Model rozumujący

Model językowy wytrenowany tak, żeby przed odpowiedzią przeprowadzić dłuższe wewnętrzne rozumowanie. Lepiej radzi sobie z zadaniami wieloetapowymi, ale działa wolniej i zużywa więcej tokenów.

Multimodalność

Zdolność modelu do przetwarzania więcej niż jednego rodzaju danych naraz - tekstu, obrazu, dźwięku, wideo.

No-code i low-code

Budowanie aplikacji i przepływów w edytorze wizualnym, bez pisania kodu (no-code) albo z jego niewielką ilością (low-code).

OCR

Optical Character Recognition

Rozpoznawanie tekstu na obrazie lub skanie. Pierwszy krok automatyzacji wszędzie tam, gdzie dokumenty przychodzą jako PDF albo zdjęcie.

Overfitting (przeuczenie)

Sytuacja, w której model nauczył się danych treningowych na pamięć i zawodzi na nowych przypadkach.

Physical AI

Sztuczna inteligencja działająca w świecie fizycznym: w robotach, dronach i pojazdach. Łączy postrzeganie otoczenia, planowanie i sterowanie ruchem.

Prompt

Instrukcja przekazana modelowi - wszystko, co trafia na wejście: polecenie, kontekst, przykłady i dane.

Prompt injection

Atak polegający na umieszczeniu w danych wejściowych instrukcji, które model potraktuje jak polecenie.

RAG

Retrieval-Augmented Generation

Technika, w której system wyszukuje pasujące fragmenty dokumentów i dokłada je do zapytania, zamiast polegać na pamięci modelu.

RLHF

Reinforcement Learning from Human Feedback

Etap treningu, w którym model uczy się preferowanych odpowiedzi na podstawie ocen wystawianych przez ludzi.

ROI (zwrot z inwestycji)

Return on Investment

Wskaźnik pokazujący, ile zarabiasz na każdej złotówce wydanej na wdrożenie. W automatyzacji liczy się go z oszczędzonego czasu i mniejszej liczby błędów.

RPA

Robotic Process Automation

Oprogramowanie, które wykonuje pracę w interfejsie aplikacji tak jak człowiek: klika, przepisuje i kopiuje dane. Ratunek dla systemów bez API.

Sztuczna inteligencja (AI)

Zbiorcza nazwa systemów komputerowych wykonujących zadania wymagające zwykle ludzkiej inteligencji.

Temperatura

Parametr sterujący losowością wyboru kolejnych tokenów - im wyższy, tym bardziej nieprzewidywalna odpowiedź.

Token

Najmniejsza jednostka tekstu przetwarzana przez model - fragment słowa, całe słowo lub znak interpunkcyjny.

Transformer

Architektura sieci neuronowej z mechanizmem uwagi, na której opierają się wszystkie współczesne modele językowe.

Uczenie maszynowe

Podejście, w którym algorytm sam wyszukuje zależności w danych, zamiast wykonywać reguły napisane przez człowieka.

Webhook

Powiadomienie, które system sam wysyła pod wskazany adres, gdy zajdzie zdarzenie. Dzięki niemu przepływ startuje od razu, bez ciągłego odpytywania.

Znak wodny (watermark)

Niewidoczny sygnał umieszczany w treści wygenerowanej przez AI, po którym można później rozpoznać jej pochodzenie.