ИИ: основные понятия и терминология — полное руководство

LLM, ИИ-агенты, токены, RAG, MCP, контекстная инженерия — эти термины встречаются повсюду. Но что они на самом деле означают, зачем нужны и как связаны между собой?

Этот курс поможет разобраться в ключевых концепциях современного искусственного интеллекта и сформировать целостное представление о технологиях, лежащих в основе современных ИИ-приложений.

Вместо поверхностного знакомства с популярными терминами вы получите системное понимание языковых моделей, принципов их обучения, инструментов, ИИ-агентов и механизмов работы с информацией. Благодаря понятным объяснениям, наглядным схемам и практическим примерам даже сложные технические концепции станут доступными без специальной подготовки.

Независимо от того, только ли вы начинаете знакомство с искусственным интеллектом или уже активно используете ChatGPT, Claude и другие ИИ-инструменты, курс поможет понять, как устроены эти технологии, почему они работают определённым образом и как их отдельные компоненты взаимодействуют друг с другом.

Полученные знания позволят увереннее ориентироваться в обсуждениях искусственного интеллекта, осознанно использовать современные инструменты, эффективно общаться с техническими специалистами и подготовиться к дальнейшему изучению более сложных направлений ИИ.

Курс можно проходить последовательно, формируя единую систему знаний, или использовать в качестве справочника, возвращаясь к отдельным урокам при встрече с незнакомыми понятиями.

Чему вы научитесь

1. Основы искусственного интеллекта и языковых моделей

Разберётесь в фундаментальных концепциях современного ИИ и поймёте, как связаны между собой различные технологии.

• Искусственный интеллект (AI) и машинное обучение (Machine Learning).
• Нейронные сети и принципы их работы.
• Языковые модели и большие языковые модели (LLM).
• Различия между большими и малыми языковыми моделями.
• Мультимодальные модели и обработка различных типов данных.
• Взаимосвязь основных технологий современного искусственного интеллекта.

2. Обучение, настройка и оптимизация ИИ-моделей

Узнаете, каким образом создаются и совершенствуются современные модели, а также какие технологии позволяют повышать эффективность их использования.

• Основные принципы обучения ИИ-моделей.
• Дообучение моделей (Fine-tuning).
• Технология LoRA и её применение.
• Обучение с подкреплением на основе обратной связи от человека (RLHF).
• Дистилляция знаний (Knowledge Distillation).
• Влияние размера модели на её возможности и производительность.
• Кэширование и квантование моделей.
• Маршрутизация запросов между различными моделями (Model Routing).

Вы поймёте, чем отличаются основные подходы к обучению и оптимизации, когда они применяются и почему не всегда необходимо использовать самые большие модели.

3. Токены, промпты и управление контекстом

Изучите механизмы взаимодействия с языковыми моделями и факторы, влияющие на качество генерируемых ответов.

• Что такое токены и какую роль они играют в работе языковых моделей.
• Контекстное окно (Context Window) и его ограничения.
• Параметр Temperature и его влияние на генерацию ответов.
• Промпт-инжиниринг (Prompt Engineering).
• Контекстная инженерия (Context Engineering).
• Влияние структуры запроса и предоставленного контекста на результаты работы модели.

Вы научитесь понимать, почему одна и та же модель может давать разные ответы и как правильная организация контекста помогает получать более предсказуемые и полезные результаты.

4. Базы знаний, память и технологии RAG

Разберётесь, как современные ИИ-системы получают доступ к дополнительной информации, используют внешние источники знаний и работают с памятью.

• Привязка ответов к источникам информации (Grounding).
• Генерация с дополнением извлечённой информацией (RAG).
• Векторные представления данных (Embeddings).
• Векторные базы данных и их назначение.
• Использование внешних источников знаний языковыми моделями.
• Память ИИ-систем и сохранение важной информации.
• Сжатие контекста (Compaction).
• Деградация качества контекста (Context Rot).

Вы увидите, как эти технологии взаимодействуют между собой и позволяют создавать ИИ-приложения, способные использовать актуальную информацию, обращаться к базам знаний и учитывать предыдущие взаимодействия.

5. ИИ-агенты, инструменты и автоматизация

Познакомитесь с архитектурой современных ИИ-агентов и поймёте, каким образом языковые модели могут не только генерировать текст, но и выполнять последовательности действий.

• Что такое ИИ-агенты и чем они отличаются от обычных чат-ботов.
• Цикл работы агента (Agent Loop).
• Использование внешних инструментов языковыми моделями.
• Архитектура и управляющая инфраструктура агентов (Agent Harness).
• Протокол взаимодействия с внешними инструментами и данными (Model Context Protocol, MCP).
• Навыки и расширяемые возможности агентов (Agent Skills).
• Управление компьютером с помощью ИИ (Computer Use).
• Контроль со стороны человека (Human Oversight).

Вы разберётесь, как отдельные компоненты объединяются в полноценные агентные системы, способные взаимодействовать с внешними сервисами, использовать инструменты и выполнять многоэтапные задачи.

6. Оценка качества, ограничения и безопасность ИИ

Научитесь оценивать возможности современных ИИ-систем, понимать их ограничения и распознавать потенциальные риски.

• Бенчмарки и их роль в сравнении ИИ-моделей.
• Оценка качества ИИ-систем (AI Evals).
• Различия между результатами тестирования и реальной эффективностью моделей.
• Галлюцинации языковых моделей и причины их возникновения.
• Атаки через внедрение вредоносных инструкций (Prompt Injection).
• Риски раскрытия конфиденциальных данных.
• Открытые веса моделей (Open Model Weights).
• Локальный запуск ИИ-моделей и его особенности.

Вы узнаете, почему высокие результаты в тестах не всегда гарантируют качественную работу в реальных сценариях, какие проблемы могут возникать при использовании ИИ и на что следует обращать внимание при выборе и внедрении технологий.

Для кого этот курс

Новичкам в области искусственного интеллекта

Если вы хотите разобраться в современном ИИ, но не знаете, с чего начать, курс предоставит необходимую теоретическую базу. Вы последовательно познакомитесь с основными технологиями, освоите профессиональную терминологию и поймёте взаимосвязи между различными направлениями искусственного интеллекта.

Пользователям ChatGPT, Claude и других ИИ-инструментов

Если вы уже используете искусственный интеллект в работе или повседневной жизни, курс поможет понять принципы работы привычных инструментов, причины различий в их ответах, возможности и ограничения современных моделей.

Разработчикам и техническим специалистам

Если вы работаете в IT и хотите систематизировать знания об искусственном интеллекте, курс позволит устранить пробелы в понимании ключевых концепций, разобраться в современной терминологии и увереннее обсуждать архитектуру ИИ-систем с коллегами.

Требования к участникам

• Предварительные знания в области искусственного интеллекта не требуются.
• Опыт программирования не обязателен.
• Знание высшей математики не требуется.
• Платные подписки на ИИ-сервисы и API-ключи не нужны.
• Установка дополнительного программного обеспечения не требуется.

Главная цель курса — сформировать целостное понимание современного искусственного интеллекта. После обучения вы сможете не просто узнавать популярные термины, но и понимать, какие технологии за ними стоят, как они связаны между собой и какую роль играют в создании современных ИИ-приложений.