В стремительно меняющемся мире технологий искусственный интеллект становится все более распространённым и одновременно всё сложнее для понимания. В свежем разборе эксперт представил семь ключевых терминов, которые помогают лучше ориентироваться в современном ИИ.
Агентный ИИ
Агентные системы способны самостоятельно рассуждать и действовать для достижения целей. В отличие от обычных чат-ботов, отвечающих лишь на ввод пользователя, такие агенты проходят несколько стадий: восприятие окружения, рассуждение, планирование действий, выполнение и анализ результата.
Агент может выступать в роли персонального турагента, аналитика данных или инженера DevOps, автоматически выполняющего рутинные технические операции.
Модели рассуждений (Large Reasoning Models)
Эти специализированные модели обучаются решению задач пошагово. В отличие от стандартных LLM, они генерируют последовательности рассуждений, что особенно важно для многоэтапных задач. Такие модели тренируются на задачах с проверяемыми ответами, включая математику и программирование, что позволяет им формировать точные логические цепочки.
Векторные базы данных
В векторной базе данные не хранятся в виде исходных файлов. Сначала они преобразуются моделью эмбеддингов в набор чисел — вектор, отражающий смысловое содержание объекта. Это позволяет выполнять поиск по смысловой близости, будь то изображения, тексты или аудиофайлы.
RAG — генерация с дополнением поиском
RAG использует векторные базы данных для расширения запросов к языковым моделям. Запрос пользователя преобразуется в вектор, затем система находит релевантные материалы и добавляет их в промпт, обеспечивая более точный и фактологичный ответ.
Model Context Protocol (MCP)
MCP стандартизирует взаимодействие ИИ с внешними сервисами — базами данных, репозиториями кода, почтовыми серверами и другими инструментами. Вместо множества уникальных интеграций разработчики могут использовать единый протокол для подключения ИИ к необходимым ресурсам.
Mixture of Experts (MoE)
MoE делит большую модель на множество «экспертов» — специализированных нейросетей. При обработке каждого токена активируются только нужные эксперты, после чего их вывод объединяется. Это позволяет масштабировать модели без пропорционального роста вычислительных затрат.
Например, модели серии IBM Granite 4.0 могут иметь десятки экспертов, но используют лишь их часть при генерации ответа.
Искусственный сверхинтеллект (ASI)
ASI — гипотетический этап развития ИИ, превосходящий человеческий интеллект и способный к самосовершенствованию. Сегодня даже AGI — искусственный общий интеллект — остаётся теорией, но ASI рассматривается как возможный следующий шаг. Такой прорыв может как решить глобальные проблемы человечества, так и создать новые риски.
На основе 7 AI Terms You Need to Know: Agents, RAG, ASI & More