# Глоссарий

Термины курса и страницы «Частые вопросы» простыми словами. Порядок тематический: от общих понятий к агентам и базам знаний. У каждого термина – английский вариант, который встречается в программах и статьях, а у большинства терминов – ссылка на вопрос или тему курса, где о нём рассказано подробнее.

## Искусственный интеллект и машинное обучение

Эти понятия часто смешивают, хотя они вложены друг в друга.

### Искусственный интеллект (ИИ)
*artificial intelligence, AI*

Общее название программ, которые решают задачи, где обычно нужен человек: понимают текст и речь, распознают изображения, делают выводы. Сюда входят и программы на правилах, записанных вручную, и машинное обучение. Подробнее – [вопрос 1](../../faq.html#q01).

### Машинное обучение
*machine learning, ML*

Подход, при котором программа не получает правила от человека, а сама подбирает их по примерам. Результат обучения – модель. Подробнее – [вопрос 1](../../faq.html#q01).

### Классическое машинное обучение
*classical machine learning*

Методы машинного обучения для таблиц и чисел: прогноз величины (регрессия), отнесение к классу (классификация), поиск групп похожих объектов (кластеризация). Подходят, например, чтобы предсказать отказ по показаниям датчиков. Подробнее – [вопрос 2](../../faq.html#q02).

### Нейронная сеть
*neural network*

Модель из множества простых вычислительных элементов, собранных в слои. У каждого соединения между ними свой вес, и обучение сводится к подбору этих весов. Посмотреть, как это работает, можно в лаборатории «Цифра. Слой за слоем»: https://neural-network-digit-recognition.pikov.expert/

### Глубокое обучение
*deep learning*

Обучение нейронных сетей со многими слоями на больших объёмах данных. Большие языковые модели – один из его результатов.

### Большая языковая модель (LLM)
*large language model*

Нейронная сеть с миллиардами параметров, обученная на огромном объёме текстов предсказывать продолжение текста. На таких моделях работают чат-сервисы и агенты. Подробнее – [вопрос 1](../../faq.html#q01).

### Генеративный ИИ
*generative AI*

Модели, которые создают новый материал: текст, изображения, программный код, звук. Большие языковые модели – самый известный пример.

## Модель

Что такое модель физически и почему для неё нужно мощное оборудование.

### Модель
*model*

Набор чисел, подобранных при обучении, вместе с описанием того, как по ним считать ответ. Хранится в файлах; работает внутри программы, которая эти файлы загружает. Подробнее – [вопрос 4](../../faq.html#q04).

### Параметры, веса
*parameters, weights*

Числа внутри модели, которые подбираются при обучении. Размер модели обычно называют числом параметров: 8B – 8 миллиардов. Подробнее – [вопрос 5](../../faq.html#q05).

### Обучение модели
*training*

Подбор параметров модели по большому массиву примеров. Обучают модель один раз, а пользуются готовой много раз.

### Дообучение
*fine-tuning*

Продолжение обучения готовой модели на небольшом наборе своих примеров, чтобы она лучше справлялась с определённой задачей или писала в нужном стиле.

### Вывод, работа модели
*inference*

Этап, когда обученная модель получает запрос и вычисляет ответ. Каждый ваш вопрос в чате – это вывод.

### Открытые веса
*open weights*

Модель, файлы которой разработчик выложил для скачивания. Её можно запустить на своём оборудовании, без передачи данных поставщику. Подробнее – [вопрос 24](../../faq.html#q24).

### Квантование
*quantization*

Сжатие модели: каждый параметр хранится меньшим числом битов, например 4 вместо 16. Модель становится в несколько раз меньше, а качество немного снижается. Сможет ли она работать дома, зависит от её размера и оборудования. Подробнее – [вопрос 6](../../faq.html#q06).

### Видеокарта, ускоритель
*GPU, accelerator*

Устройство для быстрых параллельных вычислений. На нём работают нейронные сети. Главная характеристика для языковой модели – объём собственной памяти: для быстрой работы модель должна в неё поместиться. Подробнее – [вопрос 6](../../faq.html#q06).

## Токены и текст внутри модели

Как модель читает и пишет текст.

### Токен
*token*

Кусочек текста, с которым работает модель: короткое слово целиком, часть слова или знак препинания. Длину запросов, лимиты и цену считают в токенах. Подробнее – [вопрос 7](../../faq.html#q07).

### Токенизатор
*tokenizer*

Программа, которая режет текст на токены и заменяет их номерами из своего словаря. У каждого семейства моделей свой словарь, поэтому один и тот же текст занимает у разных моделей разное число токенов. Подробнее – [вопрос 8](../../faq.html#q08).

### Эмбеддинг, вектор
*embedding, vector*

Набор из нескольких тысяч чисел, которым модель представляет токен. Близкие по смыслу кусочки текста получают похожие наборы чисел. Подробнее – [вопрос 9](../../faq.html#q09).

### Трансформер
*transformer*

Устройство нейронной сети, на котором построены современные языковые модели. Его основа – механизм внимания. Подробнее – [вопрос 9](../../faq.html#q09).

### Механизм внимания
*attention*

Часть модели, которая для каждого токена определяет, какие другие токены текста для него важны, и учитывает их.

### Контекстное окно, контекст
*context window*

Всё, что модель видит в одном запросе: инструкции, диалог, приложенные файлы. Объём ограничен числом токенов; в очень длинном диалоге начало может учитываться хуже. Подробнее – [вопрос 9](../../faq.html#q09).

### Температура
*temperature*

Настройка случайности при выборе следующего токена. Чем она ниже, тем чаще модель выбирает самый вероятный вариант. Даже при нулевой температуре полное совпадение ответов не гарантируется. Подробнее – [вопрос 10](../../faq.html#q10).

### Галлюцинация
*hallucination*

Правдоподобный по форме, но неверный ответ модели: выдуманный факт, число, ссылка. Поэтому ответы модели всегда проверяют. Подробнее – тема 1.1 курса.

## Изображения

### Мультимодальная модель
*multimodal model*

Модель, которая принимает не только текст, но и изображения, а иногда звук и видео. Подробнее – [вопрос 11](../../faq.html#q11).

### Кодировщик изображений
*vision encoder*

Отдельный блок модели, который превращает картинку в векторы, понятные языковой модели. Подробнее – [вопрос 11](../../faq.html#q11).

### Фрагмент изображения, патч
*patch*

Квадратик картинки, например 16×16 пикселей. Каждый фрагмент становится для модели «визуальным токеном». Подробнее – [вопрос 12](../../faq.html#q12).

## Промпт

### Промпт, запрос
*prompt*

Всё, что модель получает на входе: задача, условия, примеры, файлы. Подробнее – [вопрос 13](../../faq.html#q13).

### Системный промпт, инструкция
*system prompt*

Постоянная инструкция, которую сервис или программа добавляет к каждому запросу: роль, правила, ограничения. Пользователь её обычно не видит.

### Пример в запросе
*few-shot example*

Образец «вход – нужный результат», который кладут в запрос, чтобы модель повторила формат и подход. Пример может уменьшить зависимость ответа от формулировки. Подробнее – [вопрос 13](../../faq.html#q13).

### Промпт-инженерия
*prompt engineering*

Умение составлять запросы так, чтобы модель выполнила задачу. Подробнее – [вопрос 14](../../faq.html#q14).

### Инженерия контекста
*context engineering*

Следующий шаг промпт-инженерии: подбор всего, что попадает модели на вход, – инструкций, документов, результатов инструментов, – чтобы она справилась с задачей. Подробнее – [вопрос 14](../../faq.html#q14).

## Модели, цены и подписки

### Режим рассуждения
*reasoning, thinking*

Режим, в котором модель перед ответом пишет для себя промежуточные шаги. На многошаговых задачах это помогает, но расходует больше токенов и времени. Подробнее – [вопрос 18](../../faq.html#q18).

### Уровень усилий
*effort, reasoning effort*

Настройка того, насколько долго и подробно модель рассуждает. Высокий уровень даёт больше шансов справиться со сложной задачей, но тратит больше токенов. Подробнее – [вопрос 18](../../faq.html#q18).

### API, программный доступ
*API*

Доступ к модели из своей программы. Оплата идёт по числу токенов на входе и на выходе. Подробнее – [вопрос 17](../../faq.html#q17).

### Подписка
*subscription*

Помесячная плата за чат-сервис или программу-агента с лимитами на объём работы. Подробнее – [вопрос 19](../../faq.html#q19).

### Лимит использования
*usage limit, rate limit*

Ограничение на объём работы с моделью за период: число сообщений, токенов, запросов. Подробнее – [вопрос 20](../../faq.html#q20).

### Бенчмарк
*benchmark*

Набор заданий для сравнения моделей. Для русского языка есть отдельные наборы. Подробнее – [вопрос 15](../../faq.html#q15).

## Данные

### Персональные данные
*personal data*

По закону № 152-ФЗ – любая информация, относящаяся к прямо или косвенно определённому или определяемому человеку. Подробнее – [вопрос 23](../../faq.html#q23) и тема 2.1 курса.

### Обезличивание
*de-identification, anonymization*

Действия, после которых без дополнительной информации нельзя определить, к какому человеку относятся данные. Обезличивание не даёт права отправлять документ во внешний сервис. Подробнее – [вопрос 23](../../faq.html#q23).

### Трансграничная передача
*cross-border transfer*

Передача персональных данных на территорию иностранного государства – его органу власти, иностранной организации или иностранному гражданину. Закон требует от оператора отдельных действий до её начала. Подробнее – [вопрос 23](../../faq.html#q23).

### Локальная модель
*local model*

Модель, которая работает на вашем компьютере или сервере организации, а не у внешнего поставщика. Подробнее – [вопрос 24](../../faq.html#q24).

### Шлюз безопасности ИИ
*AI gateway*

Программа между сотрудником и моделью: находит в запросе чувствительные сведения, заменяет их метками, а в ответе подставляет обратно. Подробнее – тема 5.1 курса.

## Агенты

### Агент
*AI agent*

Программа, в которой модель сама выбирает следующее действие: вызывает инструменты, смотрит на результат и продолжает, пока задача не решена. Подробнее – [вопрос 27](../../faq.html#q27).

### Инструмент, вызов инструмента
*tool, tool call*

Функция, которую агент может вызвать: поиск, чтение файла, расчёт, запрос в систему учёта. Модель возвращает не текст, а указание вызвать инструмент с нужными данными. Подробнее – [вопрос 27](../../faq.html#q27).

### Командная строка, CLI
*command-line interface*

Способ работать с программой, набирая команды текстом в окне терминала. Многие программы-агенты устроены именно так. Подробнее – [вопрос 26](../../faq.html#q26).

### Харнес
*harness*

Всё, что стоит вокруг модели: инструкции, доступ к одним данным и запрет на другие, инструменты, проверки, журнал, точки, где решает человек. Подробнее – тема 5.1 курса.

### Скилл, навык
*skill, Agent Skills*

Папка для одной работы: инструкция для агента в файле SKILL.md, а если нужно – ещё шаблоны и скрипты. Агент загружает её, когда задача подходит. Подробнее – [вопрос 28](../../faq.html#q28).

### Режим разрешений
*permission mode*

Настройка программы-агента: что она делает сама, а на что спрашивает разрешение. Подробнее – [вопрос 26](../../faq.html#q26) и [вопрос 31](../../faq.html#q31).

### Песочница
*sandbox*

Среда, которая по настройкам ограничивает доступ выполняемых команд к файлам, сети и другим ресурсам. Что именно она охватывает, зависит от программы. Подробнее – [вопрос 31](../../faq.html#q31).

## Подключение к сервисам

### MCP
*Model Context Protocol*

Открытый стандарт подключения агента к внешним данным и сервисам: файлам, почте, календарю, базам. Подробнее – [вопрос 29](../../faq.html#q29).

### Сервер MCP
*MCP server*

Программа, которая открывает агенту доступ к одному сервису и описывает его инструменты. Подробнее – [вопрос 29](../../faq.html#q29).

### Область доступа
*scope*

Набор разрешений, который приложение получает при подключении к сервису: например, «только чтение календаря» или «отправка писем». Подробнее – [вопрос 30](../../faq.html#q30).

### Внедрение команд
*prompt injection*

Атака, при которой в текст, который читает модель, – письмо, документ, веб-страницу – прячут команду, и модель принимает её за задание. Подробнее – [вопрос 30](../../faq.html#q30) и тема 2.1 курса.

### Избыточная самостоятельность
*excessive agency*

Риск, когда у агента больше функций, прав или свободы действий, чем нужно для задачи. Подробнее – [вопрос 30](../../faq.html#q30).

## Несколько агентов

### Оркестрация
*orchestration*

Организация работы нескольких агентов: ведущий делит задачу, раздаёт части и собирает результат. Подробнее – [вопрос 31](../../faq.html#q31).

### Субагент
*subagent*

Помощник ведущего агента со своей инструкцией, своим набором инструментов и своими правами. Подробнее – [вопрос 31](../../faq.html#q31).

### Подтверждение человеком
*human-in-the-loop*

Шаг, на котором действие агента с последствиями выполняется только после согласия человека. Подробнее – [вопрос 30](../../faq.html#q30).

## База знаний

### RAG, генерация с поиском
*retrieval-augmented generation*

Способ, при котором программа перед ответом находит фрагменты в базе документов, а модель отвечает по ним. Подробнее – [вопрос 32](../../faq.html#q32).

### База знаний
*knowledge base*

Собранные документы и заметки, по которым агент или помощник ищет ответы. Подробнее – [вопрос 32](../../faq.html#q32).

### Markdown
*Markdown*

Простой формат текстовых файлов: заголовки отмечаются знаком «#», списки – дефисом. Такие файлы одинаково удобно читать человеку и модели.

### Obsidian
*Obsidian*

Бесплатная программа для заметок, которая хранит их файлами Markdown в папке на вашем диске. Подробнее – [вопрос 32](../../faq.html#q32).

### Файл инструкций агента
*CLAUDE.md, AGENTS.md*

Текстовый файл в рабочей папке, который агент читает в начале работы: кто вы, что за проект, какие правила. Подробнее – [вопрос 32](../../faq.html#q32).

### Память
*memory*

Функция чат-сервиса или агента, которая переносит сведения из прошлых разговоров в новые. Подробнее – [вопрос 32](../../faq.html#q32).

## Источники

Определения в глоссарии – пересказ материалов курса и страницы «Частые вопросы»; все ссылки, на которые они опираются, приведены в разделе «Источники» той страницы. Отдельно:

- Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных», ст. 3 (определения персональных данных, обезличивания, трансграничной передачи). https://www.consultant.ru/document/cons_doc_LAW_61801/4f41fe599ce341751e4e34dc50a4b676674c1416/
- Vaswani A. и соавт. Attention Is All You Need // NeurIPS. 2017. https://doi.org/10.48550/arXiv.1706.03762
- Model Context Protocol. Specification. https://modelcontextprotocol.io/specification/latest
- Agent Skills. Открытый стандарт. https://agentskills.io
- Obsidian. Data storage. https://obsidian.md/help/data-storage
- Лаборатория «Цифра. Слой за слоем». https://neural-network-digit-recognition.pikov.expert/
