Глосарій AI & Вайбкодингу
Фундаментальний довідник нової ери розробки від Andriy Orlov: автономні агенти, loop engineering, протокол MCP, розширення контексту, інфраструктура VPS та профілактика вигорання в еру AI.
A
ENAdvanced Voice Mode (Жива розмова з ШІ в реальному часі)
Технологія нативного двостороннього голосового спілкування в реальному часі (ChatGPT Advanced Voice, Gemini Live). Дозволяє розмовляти з моделлю з затримкою до 300 мс, перебивати на півслові та чути живі емоції.
AI-апскейлінг (Суперроздільна здатність / Super Resolution)
Технологія збільшення роздільної здатності та відновлення деталей зображень (Real-ESRGAN, Magnific AI, Topaz Photo). На відміну від простого збільшення пікселів (бікубічної інтерполяції), нейромережа буквально генерує нові реалістичні мікротекстури: пори шкіри, вії, волоски та тканину.
AI-відеоінструменти (Runway, Kling, Luma Dream Machine)
Провідні сучасні платформи генерації відео за допомогою штучного інтелекту (Text-to-Video та Image-to-Video). Дозволяють оживляти статичні фотографії, керувати рухом віртуальної камери та створювати кінематографічні відеоролики високої роздільної здатності без знімальної групи.
Alibaba Qwen (Лідер відкритого кодингу та математики)
Серія високоефективних відкритих моделей від хмарного підрозділу Alibaba (Qwen 2.5, Qwen Coder). Визнаний лідер серед відкритих моделей у написанні коду, математиці та багатомовній обробці тексту.
Apple Silicon для ШІ (M-серія та Unified Memory)
Архітектура процесорів Apple (M1/M2/M3/M4) з об'єднаною пам'яттю (Unified Memory Architecture). Дозволяє всьому масиву оперативної пам'яті (аж до 128-192 ГБ) бути доступним графічному чипу як VRAM, уможливлюючи запуск гігантських нейромереж без серверних відеокарт.
Apple Silicon MLX Framework
Нативна бібліотека машинного навчання від Apple, спроєктована для максимального використання уніфікованої пам'яті та графічних ядер чіпів серії M (M2/M3/M4) при запуску великих LLM.
AWQ & Activation-Aware GPU Quantization
Методи 4-бітного стиснення ваг мовних моделей, оптимізовані під архітектуру тензорних ядер NVIDIA для максимальної пропускної здатності та збереження критичних каналів активації.
C
ENClaude Haiku (Швидкісні компактні моделі Anthropic)
Найкомпактніша та найшвидша модель у лінійці Anthropic. Створена для блискавичних відповідей, масової класифікації текстів, витягування даних та агентської маршрутизації за мінімальну вартість.
Claude Opus (Флагманська інтелектуальна модель Anthropic)
Найпотужніша важковагова модель у сімействі Anthropic. Створена для складного філософського та наукового аналізу, написання багатошарових текстів і глибокого розуміння контексту.
Claude Sonnet (Claude 3.7 / 3.5 Sonnet)
Еталонна інженерна модель від Anthropic, оптимізована для складного програмування, роботи з великими кодовими базами, гібридного міркування (Extended Thinking) та автономних агентських циклів.
Continuous / Dynamic Batching
Механізм групування вхідних запитів до нейромережі на рівні окремих ітерацій токенів (Iteration-Level Scheduling), що усуває простої графічних процесорів при паралельному навантаженні.
ControlNet: керування позами та геометрією
Нейромережева надбудова для дифузійних моделей (Stable Diffusion), що дозволяє керувати просторовою композицією генерації за допомогою карт глибини, контурів ліній (Canny edge) та «скелетів» людських поз (OpenPose). Перетворює хаотичну генерацію на точний інструмент дизайнера.
D
ENDeepSeek (Китайський прорив у відкритому ШІ)
Серія проривних відкритих моделей від китайської лабораторії DeepSeek (V3, R1). Демонструє найвищий рівень у кодингу та міркуванні за вартістю у 10–20 разів нижчою за західні комерційні аналоги.
DeepSeek-R1 (Модель міркування DeepSeek)
Проривна відкрита модель міркування (Open Weights Reasoning Model) на базі 671B MoE архітектури, що довела можливість формування надскладного логічного мислення через чисте навчання з підкріпленням (GRPO).
E
ENF
ENFLUX.1 (Сучасний король фотореалістичних зображень)
Провідна модель генерації зображень від Black Forest Labs (творців Stable Diffusion). Відома бездоганним фотореалізмом, ідеальним малюванням пальців рук та здатністю рендерити чіткий друкований текст.
Frontier Models (Фронтирні моделі ШІ)
Найпотужніший клас штучного інтелекту на передньому краї світових досліджень (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), що визначає межу сучасних можливостей міркування, автономності та кодування.
G
ENGemini Flash & Pro (Google Gemini)
Сімейство мультимодальних моделей від Google DeepMind, що поєднує рекордне контекстне вікно (до 2 млн токенів), екстремальну швидкість генерації (понад 150 токенів/с) та нативне сприйняття відео й аудіо.
Gemini Nano & Edge AI (ШІ прямо у смартфоні без інтернету)
Найкомпактніша версія штучного інтелекту від Google, оптимізована для локального запуску на чіпах смартфонів (NPU). Забезпечує саммарі аудіозаписів, розумні відповіді та обробку фото повністю офлайн.
GGUF & Modern Quantization Standards
Універсальний бінарний формат файлів для зберігання та миттєвого завантаження квантованих мовних моделей на процесорах та відеокартах у llama.cpp, Ollama та LM Studio.
Google AI Studio (Безкоштовна студія для тестування ШІ)
Офіційна веб-пісочниця від Google для швидкого тестування моделей Gemini. Дозволяє безкоштовно експериментувати з 2-мільйонним контекстом, налаштовувати системні промпти та отримувати API-ключі без кредитної картки.
Google Gemini Pro (Модель Google із бездонним контекстом)
Основна робоча модель від Google DeepMind із рекордним вікном контексту у 2+ мільйони токенів. Здатна за один запит аналізувати цілі книги, часові відеозаписи та масивні кодові бази.
GPT Image / DALL-E (Генерація зображень у ChatGPT)
Вбудований інструмент генерації візуального контенту безпосередньо у діалозі з ChatGPT. Дозволяє створювати ілюстрації, концепт-арт, постерні написи та локально редагувати фрагменти зображень.
GPT Mini (Компактні моделі серії GPT-4o mini)
Економічна та ультрашвидка версія флагманських моделей OpenAI. Оптимізована для масових щоденних задач, миттєвих відповідей, класифікації текстів та економії лімітів.
GPU чи CPU для ШІ: у чому різниця
Глибоке порівняння центрального (CPU) та графічного процесорів (GPU) для задач машинного навчання. Пояснення фундаментальної різниці між затримкою (Latency-oriented) та пропускною здатністю (Throughput-oriented), пропускної здатності шини пам'яті (DDR5 vs HBM3e) та бенчмаркінг у CLI.
GRPO & DPO Modern Alignment Algorithms
Новітні алгоритми оптимізації політики моделей (Direct Preference Optimization та Group Relative Policy Optimization), що позбавляють потреби у важких окремих моделях-критиках під час навчання міркувань.
H
ENI
ENK
ENL
ENLLM (Large Language Model - Велика мовна модель)
Фундаментальний клас нейромережевих архітектур на базі авторегресійного трансформера, що передбачає ймовірнісний розподіл наступних токенів і демонструє емерджентні властивості абстрактного мислення, синтезу коду та логічного висновку.
LM Studio
Безкоштовний десктопний додаток для Windows, macOS та Linux, який дозволяє знаходити, завантажувати й запускати відкриті LLM в один клік без використання термінала. Має вбудований локальний сервер, сумісний з OpenAI API.
LMSYS Chatbot Arena (Рейтинг ELO)
Краудсорсингова відкрита платформа сліпого A/B-тестування LLM, що визначає відносну силу мовних моделей на базі статистичної моделі Бредлі-Террі та шахового рейтингу Elo.
LoRA-файли для стилів та облич (Low-Rank Adaptation)
Технологія швидкого та легковагового донавчання моделей зображень (Stable Diffusion, FLUX). Створює компактні файли розміром від 20 до 200 МБ, які підключаються до основної моделі як змінний плагін, додаючи конкретного персонажа, стиль художника або візуальну естетику.
M
ENMeta Llama (Головний відкритий стандарт штучного інтелекту)
Флагманська серія відкритих мовних моделей від компанії Meta (Llama 3, 3.3). Доступна для вільного скачування, модифікації та локального запуску на власних серверах без обмежень і цензури.
Midjourney (Провідна платформа художнього дизайну)
Провідний закритий генератор зображень із найвищим рівнем художньої естетики. Стандарт індустрії для дизайнерів, кінематографістів, концепт-артистів та рекламних креативників.
Mistral AI (Європейські відкриті та ефективні моделі)
Серія високоефективних відкритих та комерційних моделей від французького стартапу Mistral AI (Mistral 7B, Mixtral 8x7B, Mistral Large). Відомі компактністю, швидкістю та повагою до приватності даних.
Model Distillation & Reasoning Transfer
Методологія передачі знань та ланцюжків міркувань від гігантської моделі-вчителя (Teacher Model) до компактної моделі-учня (Student Model) для швидкого та дешевого інференсу.
Model Merging & Frankensteining
Техніка об'єднання ваг двох або більше різних мовних моделей без повторного тренування на GPU (SLERP, DARE, Ties-Merging), що створює гібридні моделі з синергетичними навичками.
MoE (Mixture of Experts - Суміш експертів)
Архітектурний підхід у глибокому навчанні, де важкі повнозв'язні шари трансформера розбиваються на десятки спеціалізованих підмереж («експертів»), а динамічний маршрутизатор активує лише невелику частину з них для кожного окремого токена.
N
ENO
ENOCR проти Vision LLM: еволюція розпізнавання тексту
Порівняння традиційного оптичного розпізнавання символів (OCR — Tesseract, ABBYY FineReader) із сучасними мультимодальними зоровими моделями (Vision LLM). Чому старі алгоритми сліпо копіюють пікселі з помилками, а нові моделі виправляють почерк, розуміють таблиці та підраховують підсумки.
Ollama (Платформа локального запуску моделей)
Провідний відкритий інструмент для простого завантаження, конфігурації та локального виконання мовних моделей (Llama, DeepSeek, Qwen) із вбудованим REST API, сумісним з OpenAI.
Open Weights vs Truly Open Source AI
Юридичний та інженерний аналіз фундаментальної різниці між доступними числовими вагами моделей (Llama, DeepSeek) та повністю відкритими проєктами з вихідними даними, кодом і архітектурою (OSI Standard).
OpenAI GPT (Флагманські моделі серії GPT)
Головна універсальна лінійка великих мовних моделей від OpenAI (GPT-4, GPT-4o). Оптимізована для складного текстового аналізу, програмування, творчості та щоденної інтелектуальної роботи.
OpenAI o-серія / Reasoning (Моделі поглибленого міркування)
Нове покоління штучного інтелекту від OpenAI (серія o1, o3), оптимізоване для багатоетапного прихованого мислення, вищої математики, квантової фізики та складного алгоритмічного кодингу.
OpenAI Whisper (Золотий стандарт розпізнавання мови)
Відкрита модель розпізнавання мови (STT) від OpenAI. Розпізнає понад 100 мов світу, стійка до фонового шуму, діалектів і бурмотіння. Стандарт для автоматичної розшифровки аудіо та голосового кодингу.
OpenRouter (Уніфікований API-шлюз моделей)
Уніфікований шлюз штучного інтелекту, що надає стандартизований доступ до сотень закритих та відкритих мовних моделей від десятків інференс-провайдерів через єдиний баланс, єдиний API-ключ та механізм автоматичного відмовостійкого перемикання (Fallback).
P
ENPagedAttention & KV-Cache Management
Алгоритм керування пам'яттю графічного процесора, що розбиває KV-кеш мовної моделі на неперервні віртуальні сторінки (як у ядрі ОС), усуваючи фрагментацію та збільшуючи пропускну здатність у 4 рази.
Perplexity AI (Пошуковий асистент нового покоління)
ШІ-пошуковик нового покоління (Answer Engine). Замість списку рекламних посилань синтезує вичерпну структуровану відповідь із клікабельними посиланнями на першоджерела в реальному часі.
Pinokio AI Браузер
Десктопний автономний браузер та менеджер додатків («App Store для відкритого ШІ»), що дозволяє встановлювати, конфігурувати та запускати складні середовища штучного інтелекту (ComfyUI, Stable Diffusion, Whisper, FaceFusion) без знання Git, Python чи термінала.
R
ENS
ENSampling Parameters (Temperature, Top-p, Min-p)
Математичні гіперпараметри стохастичного декодування (Temperature, Top-P, Min-P, Penalties), що керують розподілом ймовірностей вибору наступного токена, визначаючи рівень детермінізму, точності та креативності моделі.
Seed та детермінізм (Повторення результату генерації)
Числовий ідентифікатор генератора випадкових чисел (Seed). Дозволяє зафіксувати випадковість у мовних моделях та генераторах зображень, щоб отримувати стабільний, відтворюваний результат при повторенні того самого запиту.
SLMs (Small Language Models 1B–3B)
Ультракомпактні моделі нового покоління розміром 1B–3B параметрів (Llama 3.2, SmolLM, Qwen 2.5), спроєктовані для локального виконання на телефонах, в браузері та на дешевих edge-серверах.
Sora та ШІ-відео (Генерація відео з тексту)
Новітній клас генеративних нейромереж, здатних створювати фотореалістичні динамічні відеоролики з тексту чи статичних картинок (OpenAI Sora, Runway Gen-3, Kling, Luma Dream Machine).
Speculative Decoding & Draft Models
Технологія апаратного прискорення інференсу великих мовних моделей у 2–3 рази без втрати якості за рахунок паралельної перевірки передбачень швидкої драфт-моделі.
Sub-Quadratic Attention & Mamba / State Space Models
Новітні нейромережеві архітектури з лінійною складністю обчислень O(N), що дозволяють обробляти мільйони токенів контексту з постійним використанням оперативної пам'яті.
Synthetic Data Generation & Pretraining
Технологія генерації, автоматичної фільтрації та формальної верифікації навчальних датасетів за допомогою штучного інтелекту для подолання дефіциту якісних людських даних.
T
ENTensorRT-LLM & SGLang High-Speed Engines
Глибоко компільовані обчислювальні рушії для екстремальної оптимізації інференсу мовних моделей на серверах NVIDIA з оптимізацією графів, FlashAttention-3 та розширеним роутингом.
Test-Time Compute Scaling
Нова парадигма розвитку ШІ на кінець 2026 року: підвищення якості відповідей не за рахунок гігантських розмірів моделей під час навчання, а за рахунок виділення додаткових секунд на роздуми перед генерацією.
Top-P / Nucleus Sampling (Відсікання марення в текстах)
Метод імовірнісної фільтрації слів (Nucleus Sampling). Дозволяє відсікати «довгий хвіст» малоймовірних, дивних і безглуздих слів, залишаючи лише найадекватніші варіанти з сумарною ймовірністю P (зазвичай 0.9).
TTFT vs TPS (Inference Latency Metrics)
Дві ключові інженерні метрики продуктивності інференсу: Time To First Token (латентність початку відповіді) та Tokens Per Second (пропускна здатність генерації коду).
V
ENX
ENА
UAАвтономний локальний ШІ та приватність даних
Практика виконання моделей машинного навчання повністю на власному фізичному обладнанні без підключення до інтернету (Air-Gapped AI). Гарантує 100% захист від витоку комерційної таємниці, персональних даних (GDPR/HIPAA) та відмови хмарних провайдерів.
Архітектура Transformer
Архітектура нейронних мереж, представлена дослідниками Google у 2017 році в статті «Attention Is All You Need». Основа всіх сучасних мовних моделей (GPT, Claude, Gemini, Llama), яка замінила повільні рекурентні мережі та навчилася паралельно обробляти весь текст одночасно.
Б
UAВ
UAВаги та зміщення нейромережі (Weights & Biases)
Фундаментальна природа навченої нейромережі. Ваги (Weights) — матричні коефіцієнти сили зв'язку між штучними нейронами, а зміщення (Biases) — поріг чутливості активації. Пояснення форматів збереження (.safetensors, bfloat16, fp8) та інспекція ваг через Python і CLI.
Відеопам'ять (VRAM) для ШІ
Відеопам'ять графічного процесора (Video RAM), у яку завантажуються ваги нейромережі та контекстне вікно. Головне апаратне вузьке місце: якщо модель не поміщається у VRAM, вона або не запуститься, або працюватиме в десятки разів повільніше на звичайному процесорі.
Відкриті ваги проти закритих API (Open vs Closed AI)
Порівняння двох фундаментальних філософій розповсюдження ШІ: відкриті ваги (Open Weights — Llama, Mistral, DeepSeek), які можна завантажити й запустити на власному сервері, проти закритих хмарних API (Closed API — OpenAI, Anthropic, Google), де доступ надається виключно через підписку.
Д
UAДифузійні моделі (Diffusion Models)
Архітектура генеративних моделей (Stable Diffusion, Midjourney, FLUX), заснована на принципах нерівноважної термодинаміки. Працює у два етапи: пряма дифузія (поступове руйнування фото випадковим шумом) та зворотна дифузія (поетапне очищення шуму до кришталево чистого образу за текстовим описом).
Діпфейки (Deepfakes: аудіо та відео)
Технологія створення високореалістичних синтетичних аудіо- та відеоматеріалів за допомогою нейромереж. Дозволяє підміняти обличчя людей на відео, клонувати голос з 3-секундного зразка або генерувати фейкові промови публічних осіб.
Е
UAЗ
UAЗабруднення бенчмарків (Data Contamination)
Проблема об'єктивності оцінки штучного інтелекту, коли запитання та відповіді зі стандартних тестових наборів (MMLU, HumanEval, GSM8K) випадково або навмисно потрапляють у тренувальні дані моделі, призводячи до штучно завищених оцінок на презентаціях.
Загальний штучний інтелект (AGI)
Штучний загальний інтелект (Artificial General Intelligence) — гіпотетична автономна система, здатна розуміти, навчатися та виконувати будь-яку інтелектуальну задачу на рівні людини або перевершувати її в більшості економічно цінних галузей праці.
Закони масштабування ШІ (Scaling Laws)
Емпіричний закон OpenAI та Google (сформульований Джаредом Капланом у 2020 році), який стверджує: продуктивність мовної моделі передбачувано зростає як степеневий закон при збільшенні трьох факторів: кількості параметрів моделі, обсягу тренувальних даних та витраченої обчислювальної потужності (Compute).
Збереження персонажа та узгодженість стилю (Consistency)
Методологія та інструменти збереження візуальної узгодженості персонажа (Character Consistency) та авторського стилю в серії генерацій. Використовується для створення ілюстрованих книг, коміксів, розкадровок до фільмів та бренд-маскотів за допомогою параметрів --cref, FaceID та LoRA.
Зорові мовні моделі (Vision Language Models / VLM)
Мультимодальні моделі, що поєднують здатність сприймати візуальні зображення (через розбиття на патчі) з текстовим інтелектом LLM. Дозволяють розпізнавати предмети на фото, аналізувати складні графіки, читати чеки та розуміти інтерфейси.
К
UAКатастрофічне забування (Catastrophic Forgetting)
Фундаментальна проблема штучних нейронних мереж, коли при навчанні новому завданню або іншій мові оновлені вагові коефіцієнти перезаписують попередні зв'язки, призводячи до раптової та повної втрати раніше набутих навичок.
Квантування (Model Quantization)
Технологія математичного стиснення вагових коефіцієнтів та активацій нейромережі шляхом переходу від високої точності (FP16/BF16) до низькорозрядних форматів (FP8, INT8, INT4, GGUF) для радикальної економії пам'яті.
Квантування та формат GGUF
Математичний метод зменшення точності числових ваг моделі (наприклад, з 16-бітного FP16 до 4-бітного INT4) та уніфікований бінарний файл формату GGUF для миттєвого завантаження в процесори й відеокарти через рушій llama.cpp.
Кількість параметрів моделі (7B, 14B, 70B)
Позначення загальної кількості навчальних параметрів (ваг) у великій мовній моделі, де буква 'B' означає мільярди (Billion). Головний показник інтелектуальної місткості моделі, швидкості її роботи та вимог до обсягу пам'яті комп'ютера.
Клонування голосу та етика аудіо (Voice Cloning)
Технологія генерації цифрової репліки голосу конкретної людини з короткого зразка аудіозапису (від 5 секунд до кількох хвилин). Дозволяє дублювати відео власним голосом іншими мовами, але створює серйозні ризики телефонного шахрайства та вимагає суворої етичної верифікації.
Конституційний ШІ (Constitutional AI / RLAIF)
Метод вирівнювання поведінки моделей, розроблений лабораторією Anthropic (творцями Claude). Замість використання мільйонів годин ручної праці людей, модель сама критикує та виправляє власні відповіді, спираючись на чіткий звід етичних принципів («Конституцію»).
Л
UAЛіміт вихідних токенів (Чому текст обривається на півслові)
Апаратний або програмний ліміт на максимальну довжину однієї відповіді (Max Output Tokens). Пояснює, чому довгий код або стаття іноді зупиняються на півслові, та як магічне слово «Продовжуй» повертає модель до роботи.
Локальний запуск LLM (Local LLM Inference)
Практика автономного виконання великих мовних моделей безпосередньо на апаратному забезпеченні розробника (Apple Silicon, NVIDIA GPU) із гарантією абсолютної конфіденційності та нульової залежності від інтернету.
М
UAН
UAНавчання з підкріпленням відгуками людей (RLHF)
Метод навчання (Reinforcement Learning from Human Feedback), що використовує порівняльні оцінки людей для тренування моделі винагороди (Reward Model). Саме завдяки RLHF мовні моделі навчилися бути корисними, чесними та безпечними (Helpful, Honest, Harmless).
Негативні промпти в генерації зображень (Negative Prompts)
Механізм керування генерацією у дифузійних моделях (Stable Diffusion, Midjourney --no), що спрямовує математичний вектор очищення шуму в протилежний бік від небажаних образів. Використовується для фільтрації артефактів: зайвих кінцівок, розмиття, водяних знаків та мультяшності.
Нейронний процесор (NPU)
Спеціалізований апаратний мікрочип (Neural Processing Unit), спроєктований виключно для виконання штучних нейронних мереж із мінімальним енергоспоживанням. Відповідає за розмиття фону у відеодзвінках, покращення фотографій та локальні підказки AI без розряджання батареї.
П
UAПередбачення наступного токена (Next-Token Prediction)
Фундаментальний механізм авторегресійних великих мовних моделей (LLM). Розрахунок логітів, функція Softmax, вплив температури та семплінгу (Top-P/Top-K). Пояснення, чому генерація тексту є послідовним процесом O(N) і як переглядати ймовірності через API.
Перенавчання (Overfitting)
Фундаментальна проблема машинного навчання: модель надмірно підлаштовується під тренувальний датасет разом із його специфічним шумом, втрачаючи здатність до генералізації (Generalization) на нових даних. Розбір дивергенції функцій втрат, технік регуляризації та Early Stopping у коді.
Попереднє навчання (Pre-training)
Початковий етап створення базової великої мовної моделі (Foundation Model). Процес згодовування нейромережі трильйонів слів з інтернету, книг і коду на кластерах із тисяч відеокарт протягом місяців за десятки й сотні мільйонів доларів.
Прихований простір (Latent Space)
Багатовимірний математичний векторний простір, створений нейромережею для внутрішнього представлення концепцій, стилів та образів. Дозволяє виконувати дивовижні арифметичні операції над поняттями: наприклад, «Король» мінус «Чоловік» плюс «Жінка» дорівнює «Королева».
Пряме слухання голосу (Speech-to-Speech / Native Audio)
Нове покоління нативних мультимодальних моделей (GPT-4o Advanced Voice, Gemini Live), які обробляють звукові хвилі напряму без проміжного кроку конвертації аудіо в текст (STT) і назад (TTS). Це дозволяє моделі чути сарказм, страх, сміх, шепіт та перебивати розмову на льоту з мінімальною затримкою.
С
UAСімейство Llama (Meta Llama)
Серія фундаментальних відкритих мовних моделей від Meta (Llama 3, 3.1, 3.3), що стали промисловим стандартом екосистеми Open Weights, локального ШІ та корпоративного файн-тюнінгу.
Структура промпту для картинок (Image Prompt Engineering)
Професійна методологія складання текстових запитів для графічних нейромереж. Золота формула п'яти елементів: головний об'єкт, деталі оточення, характер освітлення, параметри віртуальної камери та художній стиль рендерингу.
Сучасний синтез мовлення (Text-to-Speech / TTS)
Технологія штучної генерації людської мови з друкованого тексту. Сучасні нейромережеві TTS-моделі (ElevenLabs, OpenAI Audio, Chatterbox) відтворюють природні інтонації, логічні наголоси, дихання, тембр та емоційне забарвлення, невідрізнені від живого диктора.
Т
UAТемпература генерації (Повзунок креативності та хаосу)
Ключовий числовий параметр генерації тексту (зазвичай від 0.0 до 1.0 або 2.0). Визначає ступінь непередбачуваності вибору наступного токена: від суворої детермінованої математики до вільного польоту фантазії.
Теорія «Стохастичного папуги» (Stochastic Parrot)
Відома наукова критика великих мовних моделей, висунута лінгвісткою Емілі Бендер та Тімніт Гебру у 2021 році. Стверджує, що LLM не володіють свідомістю чи розумінням змісту, а лише випадковим (стохастичним) чином повторюють вивчені в інтернеті комбінації слів, подібно до папуги.
Тест «Голка в копиці сіна» (Needle In A Haystack / NIAH)
Стандартний бенчмарк для тестування довжини контекстного вікна мовних моделей. У гігантський масив випадкового фонового тексту (копицю сіна) на різних позиціях ховають одне коротке випадкове речення (голку), перевіряючи здатність моделі знайти його без помилок.
Типи квантування: FP16, INT8, INT4
Технічні формати представлення ваг нейромереж. Від повної 16-бітної точності з плаваючою комою (FP16 / BF16) до цілочисельних форматів стиснення (INT8, INT4, AWQ, EXL2), що визначають баланс між споживанням пам'яті та інтелектуальною якістю відповідей.
Токени простими словами (Скільки слів у токені)
Базова одиниця вимірювання тексту в мовних моделях. Пояснення того, як слова розбиваються на токени, чому це впливає на вартість запитів і чому українські слова споживають більше токенів, ніж англійські.
Тонке донавчання (Fine-Tuning)
Процес адаптації вже навченої великої моделі до вузькоспеціалізованого завдання або стилю за допомогою невеликого якісного датасету (Supervised Fine-Tuning, SFT). Дозволяє навчити ШІ медичній термінології, корпоративному тону або форматуванню специфічного коду за кілька годин.
Ш
UAПовний стек інструментів, рейтингів та AI-скілів
Окрім глосарію, на GOTBURNOUT доступні бенчмарки нейромереж, каталог із понад 100,000 AI Agent Skills, готові перевірені VPS-скрипти та закрита Pro-спільнота розробників.