Kluczowe pojęcia
Zrozum fundamenty nowoczesnej sztucznej inteligencji i poznaj technologie, które zmieniają świat.
Agenci AI to przyszłość technologii - systemy zdolne do samodzielnego działania, podejmowania decyzji i współpracy z człowiekiem.
Poniżej znajdziesz najważniejsze koncepcje, które pomogą Ci lepiej zrozumieć i wykorzystać potencjał tej rewolucyjnej technologii.
Agent AI
Program AI, który potrafi samodzielnie podejmować decyzje i działania, żeby osiągnąć wyznaczony cel. W odróżnieniu od zwykłego chatbota, agent AI może nie tylko prowadzić rozmowę, ale też wykonywać zadania - przeszukiwać internet, uruchamiać funkcje w aplikacji czy obsługiwać urządzenia.
LangGraph
Framework do budowania agentów AI w formie grafu, stworzony jako rozszerzenie możliwości LangChain. Pozwala projektować elastyczne schematy z pętlami i rozgałęzieniami, definiując agenta AI jako zestaw powiązanych ze sobą modułów (węzłów).
Duży model językowy (LLM)
Model AI przeszkolony na ogromnych zbiorach tekstu, zdolny do generowania i rozumienia języka naturalnego na zaawansowanym poziomie. Taki model ma miliardy parametrów, dzięki czemu może zapamiętać wiele wzorców językowych.
Pamięć kontekstowa
Zdolność systemu AI do pamiętania poprzednich interakcji i informacji podczas dalszej rozmowy lub działania. Dzięki niej agent nie zapomina, o czym rozmawialiście przed chwilą i może wykorzystać wcześniejsze ustalenia.
Inżynieria promptów
Sztuka odpowiedniego formułowania poleceń dla modeli AI, aby uzyskać od nich jak najlepsze rezultaty. Może to obejmować wskazanie modelowi roli, określenie formatu odpowiedzi albo podanie przykładów.
Chatbot
Program komputerowy zaprojektowany do prowadzenia rozmowy z człowiekiem w języku naturalnym. Współczesne chatboty wykorzystujące LLM potrafią rozumieć kontekst rozmowy i udzielać szczegółowych odpowiedzi.
Narzędzia dla agenta AI
Zewnętrzne funkcje lub usługi, z których agent może korzystać, by wykonać swoje zadania. Dzięki narzędziom agent nie jest ograniczony tylko do tego, co "wie" jego model językowy – może aktywnie zdobywać nowe informacje.
LangChain
Framework ułatwiający tworzenie aplikacji opartych o modele językowe (LLM). LangChain dostarcza gotowe komponenty, dzięki którym programista może łączyć modele AI z różnymi źródłami danych, narzędziami i logiką biznesową.
Retrieval-Augmented Generation (RAG)
Technika tworzenia odpowiedzi przez model AI, która łączy generowanie tekstu z wyszukiwaniem informacji. Model najpierw przeszukuje zewnętrzne źródła danych, a następnie generuje odpowiedź na ich podstawie.
Wektorowa baza danych
Specjalny rodzaj bazy danych zaprojektowany do przechowywania i wyszukiwania wektorów (np. embeddingów tekstu). Potrafi szybko odnaleźć wektory najbardziej zbliżone do zadanego.
Embedding
Technika polegająca na zamianie danych (np. słów, zdań) na wektory liczb, tak aby liczby te oddawały znaczenie tych danych. Embeddingi pozwalają AI porównywać znaczenie tekstów.
Przetwarzanie języka naturalnego (NLP)
Dziedzina sztucznej inteligencji skupiona na zrozumieniu i generowaniu ludzkiego języka przez maszyny. Systemy NLP starają się pojąć tekst lub mowę w taki sposób, jak robi to człowiek.
Generatywna sztuczna inteligencja
Rodzaj AI, która tworzy nowe treści: teksty, obrazy, muzykę czy inne dane, zamiast tylko je klasyfikować czy analizować. Pozwala np. na tworzenie unikalnych obrazów z opisu tekstowego.
Prompt
Wejściowe zapytanie lub instrukcja, którą przekazujemy modelowi językowemu. Promptem może być pytanie zadane do chatbota, prośba o wygenerowanie tekstu lub kawałek rozpoczętego zdania do dokończenia.
Halucynacje AI
Sytuacja, gdy AI wymyśla odpowiedź, która brzmi przekonująco, ale nie jest zgodna z prawdą. Model językowy, próbując odpowiedzieć na pytanie, może podać zmyślone "fakty" – np. wymyślone liczby czy fałszywe informacje.
Pipeline
Szereg kroków, które wykonujemy kolejno, aby osiągnąć rezultat. W kontekście agentów i modeli językowych pipeline to często ułożenie kilku operacji po sobie dla uzyskania ostatecznego wyniku.
Fine-tuning
Dodatkowe trenowanie modelu AI, który już wcześniej został wstępnie wytrenowany, w celu przystosowania go do konkretnego zadania lub dziedziny. Dzięki temu model lepiej radzi sobie w wąskiej specjalizacji.
AutoGPT
Eksperymentalny projekt autonomicznego agenta AI, który sam inicjuje kolejne działania, by osiągnąć ogólny cel zadany przez użytkownika, z minimalnym nadzorem człowieka.
Uczenie głębokie
Specjalny rodzaj uczenia maszynowego, który wykorzystuje bardzo złożone, wielowarstwowe sieci neuronowe. Im więcej warstw, tym bardziej złożone zależności może nauczyć się model.
Etyka AI
Zbiór zagadnień dotyczących odpowiedzialnego tworzenia i używania sztucznej inteligencji. Obejmuje m.in. dbałość o prywatność, unikanie dyskryminacji i uprzedzeń oraz zapewnienie bezpieczeństwa.