Zrozum AI w pracy

Słownik AI — pojęcia sztucznej inteligencji

Słownik AI wyjaśnia po polsku pojęcia związane ze sztuczną inteligencją. Przy każdym haśle znajdziesz angielską nazwę, przykład zastosowania i ograniczenia, o których warto pamiętać. Możesz przeglądać hasła alfabetycznie lub wyszukać termin w obu językach.

A

Agent AI

AI agent

System, który realizuje cel przez dobieranie kolejnych kroków i korzystanie z dostępnych narzędzi.

Akcelerator AI

AI accelerator

Układ obliczeniowy zaprojektowany do szybkiego wykonywania operacji potrzebnych modelom AI.

Architektura enkoder–dekoder

Encoder–decoder architecture

Układ, w którym enkoder reprezentuje dane wejściowe, a dekoder na tej podstawie wytwarza wynik.

Architektura transformerowa

Transformer

Rodzina architektur sieci wykorzystujących mechanizmy uwagi do łączenia informacji między elementami danych.

Augmentacja danych

Data augmentation

Tworzenie dodatkowych wariantów przykładów treningowych z zachowaniem znaczenia istotnego dla zadania.

B

Baza danych wektorowych

Vector database

System przechowywania wektorów i powiązanych danych, umożliwiający wyszukiwanie podobnych reprezentacji.

Bezpośrednia optymalizacja preferencji

Direct preference optimization

Metoda dostrajania na parach odpowiedzi preferowanych i odrzucanych, bez typowej osobnej pętli uczenia polityki z modelem nagrody.

Bot konwersacyjny

Chatbot

Program prowadzący rozmowę za pomocą tekstu lub głosu.

C

ChatGPT — aplikacja konwersacyjna AI

ChatGPT

Nazwa aplikacji do interakcji z modelami AI rozwijanej przez OpenAI.

Czas do ostatniego tokenu

Time to last token

Czas od przyjętego początku pomiaru do otrzymania ostatniego tokenu odpowiedzi.

Czas do pierwszego tokenu

Time to first token

Czas od określonego momentu wysłania lub przyjęcia zapytania do otrzymania pierwszego tokenu odpowiedzi.

Człowiek w pętli działania

Human in the loop

Sposób organizacji procesu, w którym określony etap wymaga udziału człowieka, na przykład oceny, korekty lub zgody.

D

Dane testowe

Test data

Oddzielny zestaw przykładów przeznaczony do końcowej oceny wybranego rozwiązania.

Dane treningowe

Training data

Przykłady używane do wyznaczania parametrów modelu.

Dane uporządkowane opisujące treść

Structured data

Zapis informacji według określonego schematu, umożliwiający programom rozpoznawanie ich znaczenia.

Dane walidacyjne

Validation data

Dane używane do porównywania wariantów modelu i wyboru ustawień podczas jego opracowywania.

Dekoder

Decoder

Komponent tworzący wynik na podstawie dostępnej reprezentacji i wcześniej wygenerowanych elementów.

Dekodowanie spekulacyjne

Speculative decoding

Przyspieszanie generowania przez proponowanie kilku tokenów tańszą metodą i weryfikowanie ich modelem docelowym.

Dobór hiperparametrów

Hyperparameter tuning

Poszukiwanie odpowiednich ustawień procesu uczenia lub architektury, na przykład współczynnika uczenia i rozmiaru partii.

Dostosowanie AI do ludzkich celów i wartości

AI alignment

Prace nad tym, aby zachowanie systemu AI odpowiadało zamierzonym celom, ograniczeniom i wartościom ludzi.

Dostrajanie instrukcyjne

Instruction tuning

Uczenie modelu na przykładach łączących instrukcję z oczekiwaną odpowiedzią.

Dostrajanie modelu

Fine-tuning

Dalsze uczenie już wytrenowanego modelu na danych dobranych do konkretnego zadania, stylu lub dziedziny.

Dostrajanie z ograniczoną liczbą uczonych parametrów

Parameter-efficient fine-tuning

Rodzina metod adaptacji modelu przez uczenie niewielkiej części parametrów lub dodatkowych komponentów.

Dostrajanie za pomocą adapterów

Adapter tuning

Adaptacja modelu przez uczenie dodatkowych modułów przy zachowaniu większości lub wszystkich wag bazowych bez zmian.

Dostrajanie za pomocą macierzy niskiego rzędu

Low-rank adaptation

Metoda dostrajania dodająca niewielkie uczone macierze do wybranych przekształceń modelu przy zamrożeniu jego bazowych wag.

Duży model językowy

Large language model

Model językowy o dużej skali, uczony na obszernych danych do przewidywania i przetwarzania sekwencji tokenów.

Dzielenie materiału na fragmenty

Chunking

Podział materiału na części przeznaczone do indeksowania lub przekazania modelowi.

E

Eksplozja inteligencji

Intelligence explosion

Hipotetyczny proces, w którym doskonaląca się AI coraz skuteczniej przyspiesza dalsze własne ulepszenia.

Enkoder

Encoder

Komponent przekształcający dane wejściowe w reprezentację przydatną do dalszego zadania.

F

Format plików modeli GGUF

GGUF

Format przechowywania tensorów modelu i potrzebnych metadanych, stosowany między innymi w lokalnym uruchamianiu modeli.

Funkcja celu

Objective function

Wielkość, którą algorytm ma maksymalizować lub minimalizować.

Funkcja straty

Loss function

Funkcja przypisująca liczbowy koszt rozbieżności między wynikiem modelu a oczekiwanym rezultatem.

G

Generatywna sieć przeciwstawna

Generative adversarial network

Układ uczenia, w którym generator tworzy próbki, a dyskryminator ocenia, czy przypominają dane treningowe.

Generatywna sztuczna inteligencja

Generative artificial intelligence

AI tworząca nowe treści, takie jak tekst, obrazy, dźwięk lub kod, na podstawie wzorców przyswojonych podczas uczenia.

Generatywny transformer wstępnie wytrenowany

Generative pre-trained transformer

Określenie modelu językowego opartego na transformerze, wstępnie uczonego generowania kolejnych tokenów.

Generowanie wspomagane wyszukiwaniem

Retrieval-augmented generation

Sposób budowy aplikacji, w którym najpierw wyszukuje się materiały potrzebne do odpowiedzi, a następnie przekazuje je modelowi jako kontekst.

Grupowanie podobnych obiektów

Clustering

Dzielenie danych na grupy według podobieństwa określonego przez wybraną reprezentację i algorytm.

Gwałtowna zmiana zdolności lub zachowania AI

Sharp left turn

Określenie scenariusza, w którym zdolności lub zachowanie zaawansowanej AI zmieniają się gwałtownie, a wcześniejsze metody kontroli przestają wystarczać.

H

Halucynacja modelu

Hallucination

Wygenerowanie informacji, która jest fałszywa, zmyślona lub nie ma oparcia w dostarczonym materiale.

Hiperparametry

Hyperparameters

Ustawienia określające architekturę lub przebieg uczenia, na przykład tempo uczenia i siłę regularyzacji.

I

Instrukcja systemowa

System prompt

Instrukcja przekazywana w roli systemowej, która określa zasady i sposób działania modelu w danej aplikacji.

Instrukcja wejściowa dla modelu

Prompt

Treść przekazana modelowi jako punkt wyjścia do wykonania zadania.

Interfejs programistyczny aplikacji

Application programming interface

Ustalony sposób komunikacji między programami, opisujący dostępne operacje i format danych.

K

Klasyfikacja

Classification

Przypisywanie obiektom jednej lub wielu kategorii, na przykład oznaczanie wiadomości jako reklamacji.

Kodowanie pozycyjne

Positional encoding

Sposób przekazania modelowi informacji o kolejności lub względnym położeniu elementów.

Kodowanie przez łączenie par

Byte-pair encoding

Metoda budowania reprezentacji podwyrazowych przez stopniowe łączenie często występujących par symboli.

Kompromis między obciążeniem a wariancją

Bias–variance trade-off

Zależność między błędem wynikającym z upraszczających założeń modelu a wrażliwością modelu na dobór danych treningowych.

Kontrastowe uczenie reprezentacji obrazu i tekstu

Contrastive Language–Image Pre-training

Podejście do uczenia wspólnej reprezentacji obrazów i ich opisów, tak aby pasujące pary znajdowały się bliżej siebie.

Konwolucyjna sieć neuronowa

Convolutional neural network

Sieć stosująca uczone filtry do lokalnych fragmentów danych, na przykład sąsiadujących pikseli.

Koordynowanie pracy agenta

Agent orchestration

Sterowanie kolejnością kroków, przepływem danych, wywołaniami narzędzi i stanem zadania.

Dostęp dla agentów / Agent access

Indeks JSON słownika AI zawiera polskie definicje, angielskie nazwy, aliasy, kategorie, przykłady i powiązane hasła. Koperta: schemaVersion, contentVersion, language, categories, terms. Pobierz plik i przeszukaj go lokalnie. Parametry adresu JSON nie uruchamiają wyszukiwania na serwerze.

Fetch the static JSON index and filter locally. In a WebMCP-capable browser, use the read-only tools search_ai_glossary and get_ai_glossary_term. Search is lexical, not semantic. WebMCP support depends on the browser.

search_ai_glossary({"query":"RAG","limit":10,"offset":0})
get_ai_glossary_term({"id":"rag"})

Wyszukiwanie przyjmuje query (do 200 znaków), opcjonalną kategorię, limit (1–50) i offset (od 0). Zwraca liczbę wyników, hasMore i nextOffset. Puste zapytanie listuje hasła. Błędy: INVALID_INPUT — niepoprawne dane, NOT_FOUND — nieznany identyfikator, UNAVAILABLE — narzędzie niedostępne. Brak wyników wyszukiwania to poprawna odpowiedź z total: 0. Po wczytaniu indeksu odpowiedzi zawierają jego contentVersion.