AI ლექსიკონი ხელოვნური ინტელექტის ძირითად ტერმინებს მარტივ ქართულ ენაზე ხსნის. თითო ტერმინს მოკლე განმარტება ახლავს, რომ სტატიებში უცნობი სიტყვა სწრაფად გაიგო. ლექსიკონი რეგულარულად შეივსება ახალი ტერმინებით და დეტალური გვერდებით.
ტერმინები ანბანის მიხედვით
ბ
- ბენჩმარკი (Benchmark) – სტანდარტული ტესტი, რომლითაც AI მოდელების შესაძლებლობებს ადარებენ.
გ
- გენერაციული AI (Generative AI) – AI, რომელიც ახალ კონტენტს ქმნის: ტექსტს, სურათს, აუდიოს, ვიდეოს ან კოდს.
დ
- დიდი ენობრივი მოდელი (LLM, Large Language Model) – ტექსტზე გაწვრთნილი AI მოდელი, რომელსაც ადამიანის ენაზე ტექსტის გაგება და შექმნა შეუძლია.
- დიპფეიქი (Deepfake) – AI-ით შექმნილი ან შეცვლილი რეალისტური ვიდეო, ფოტო ან ხმა.
- დიფუზიის მოდელი (Diffusion model) – გენერაციული მოდელი, რომელიც სურათს ან ვიდეოს ხმაურის ეტაპობრივი მოცილებით ქმნის.
ე
- ემბედინგი (Embedding) – ტექსტის ან სურათის რიცხვითი ვექტორი, რომელიც მისი მნიშვნელობის შედარების საშუალებას იძლევა.
- ექსპერტების ნაზავი (Mixture of Experts, MoE) – არქიტექტურა, სადაც ყოველ მოთხოვნაზე მოდელის მხოლოდ ნაწილი, „ექსპერტები“, აქტიურდება.
ვ
- ვაიბ-კოდინგი (Vibe coding) – პროგრამირების მიდგომა, სადაც კოდს AI წერს ბუნებრივ ენაზე მიცემული მითითებებით.
ზ
- ზოგადი ხელოვნური ინტელექტი (AGI) – ჰიპოთეტური AI, რომელიც ინტელექტუალურ ამოცანათა უმეტესობას ადამიანის დონეზე შეასრულებს.
ი
- ინფერენსი (Inference) – უკვე გაწვრთნილი მოდელის გაშვება პასუხის ან შედეგის მისაღებად.
კ
- კონტექსტის ფანჯარა (Context window) – ტექსტის მაქსიმალური მოცულობა ტოკენებში, რომელსაც მოდელი ერთდროულად ითვალისწინებს.
მ
- მანქანური სწავლება (Machine learning) – AI-ის მიმართულება, სადაც კომპიუტერი წესებს თავად სწავლობს მონაცემებზე დაყრდნობით.
- მსჯელობის მოდელი (Reasoning model) – მოდელი, რომელიც პასუხამდე ამოცანას ნაბიჯ-ნაბიჯ „ფიქრობს“ და რთულ ლოგიკურ საკითხებს უკეთ წყვეტს.
- მულტიმოდალური მოდელი (Multimodal model) – მოდელი, რომელიც ტექსტის გარდა სურათებს, აუდიოს ან ვიდეოსაც ამუშავებს.
ნ
- ნეირონული ქსელი (Neural network) – ტვინის ნეირონებით შთაგონებული მათემატიკური მოდელი, რომელიც მონაცემებიდან კანონზომიერებებს სწავლობს.
პ
- პრომპტი (Prompt) – ტექსტური მითითება ან კითხვა, რომელსაც AI მოდელს პასუხის მისაღებად აძლევ.
- პრომპტ ინჟინერია (Prompt engineering) – პრომპტების ისე შედგენის უნარი, რომ მოდელმა ზუსტი და სასარგებლო პასუხი გასცეს.
ს
- სუპერინტელექტი (ASI / Superintelligence) – ჰიპოთეტური AI, რომელიც თითქმის ყველა სფეროში ადამიანის შესაძლებლობებს აღემატება.
ტ
- ტოკენი (Token) – ტექსტის პატარა ნაწილი (სიტყვა ან მისი ნაწილი), რომლითაც მოდელი ტექსტს კითხულობს და წერს.
- ტრანსფორმერი (Transformer) – ნეირონული ქსელის არქიტექტურა, რომელზეც თანამედროვე LLM-ების უმეტესობაა აგებული.
ფ
- ფაინ-თიუნინგი (Fine-tuning) – უკვე გაწვრთნილი მოდელის დამატებითი წვრთნა კონკრეტული ამოცანის ან სტილისთვის.
ღ
- ღია კოდის მოდელი (Open-source / open-weight model) – მოდელი, რომლის წონები ან კოდი საჯაროა და მისი ჩამოტვირთვა და გაშვება ყველას შეუძლია.
- ღრმა სწავლება (Deep learning) – მანქანური სწავლების სახეობა, რომელიც მრავალშრიან ნეირონულ ქსელებს იყენებს.
ჩ
- ჩატბოტი (Chatbot) – პროგრამა, რომელიც მომხმარებელს ჩატის ფორმატში ესაუბრება, მაგალითად ChatGPT.
ჰ
- ჰალუცინაცია (AI hallucination) – შემთხვევა, როცა AI მოდელი დამაჯერებლად წერს მცდარ ან გამოგონილ ინფორმაციას.
A
- AI აგენტი (AI agent) – AI სისტემა, რომელიც ამოცანას დამოუკიდებლად, ეტაპობრივად და ინსტრუმენტების გამოყენებით ასრულებს.
- API – ინტერფეისი, რომლითაც პროგრამები AI მოდელს ან სერვისს უკავშირდებიან.
G
- GPU / AI ჩიპი (GPU / AI accelerator) – პროცესორი, რომელიც ბევრ გამოთვლას პარალელურად ასრულებს და AI-ის წვრთნასა და გაშვებას ემსახურება.
M
- MCP (Model Context Protocol) – ღია სტანდარტი, რომლითაც AI მოდელები გარე ინსტრუმენტებსა და მონაცემებს უკავშირდებიან.
R
- RAG (Retrieval-Augmented Generation) – მეთოდი, როცა მოდელი პასუხამდე საჭირო ინფორმაციას გარე წყაროებიდან ან დოკუმენტებიდან იღებს.