Słownik AI — 50 pojęć, które musisz znać (terminologia AI)

Zaczynasz przygodę z AI? Ten słownik AI wyjaśni Ci 50 najważniejszych pojęć związanych ze sztuczną inteligencją, prompt engineeringiem i modelami językowymi.

Dlaczego musisz znać terminologię AI?

Bez podstawowej znajomości pojęć AI ciężko efektywnie korzystać z narzędzi takich jak ChatGPT, Midjourney czy Claude. Zamiast błądzić po forach i FAQ, sprawdź ten słownik AI — 50 pojęć wyjaśnionych prosto i konkretnie.

Słownik AI — 50 kluczowych pojęć

AI (Artificial Intelligence) — sztuczna inteligencja. Dziedzina nauki o tworzeniu maszyn wykonujących zadania wymagające inteligencji.
ML (Machine Learning) — uczenie maszynowe. Podzbiór AI, w którym programy uczą się na podstawie danych.
Deep Learning — uczenie głębokie, podzbiór ML wykorzystujący sieci neuronowe z wieloma warstwami.
Model językowy (Language Model) — system AI generujący, rozumiejący lub tłumaczący tekst (np. GPT-4).
Prompt — polecenie lub instrukcja, którą wpisujesz do AI, by uzyskać konkretną odpowiedź lub efekt.
Prompt engineering — sztuka i technika tworzenia skutecznych promptów, by uzyskać lepsze rezultaty.
Chain of Thought — sposób prowadzenia AI przez kolejne kroki rozumowania w promptach.
Few-shot — prompt zawierający kilka przykładów, by nauczyć model odpowiedniego wzorca odpowiedzi.
Zero-shot — prompt bez przykładów, AI ma wykonać zadanie „od zera”.
Fine-tuning — dostrajanie modelu na konkretnych danych, by lepiej odpowiadał potrzebom użytkownika.
Inference — proces generowania odpowiedzi przez model AI na podstawie promptu.
Token — jednostka tekstu przetwarzana przez model (może być to słowo, sylaba lub znak).
Overfitting — przeuczenie, model uczy się zbyt dokładnie danych treningowych i gorzej radzi sobie z nowymi danymi.
Underfitting — niedouczenie, model nie nauczył się wystarczająco, by dobrze przewidywać wyniki.
Bias — uprzedzenie modelu, wynikające z danych treningowych.
Dataset — zbiór danych używany do trenowania lub testowania modelu.
Supervised Learning — uczenie nadzorowane, model uczy się na danych z etykietami (prawidłowymi odpowiedziami).
Unsupervised Learning — uczenie nienadzorowane, model samodzielnie znajduje wzorce w danych bez etykiet.
Reinforcement Learning — uczenie przez wzmacnianie, model uczy się na zasadzie nagród i kar.
GPT (Generative Pre-trained Transformer) — rodzina modeli językowych OpenAI (np. GPT-3, GPT-4).
LLM (Large Language Model) — duży model językowy, np. ChatGPT, Claude, Llama.
OpenAI — firma rozwijająca modele GPT, ChatGPT, DALL-E i inne.
Midjourney — narzędzie AI do generowania obrazów na podstawie promptów tekstowych.
DALL-E — model AI OpenAI do generowania obrazów na podstawie opisu tekstowego.
Stable Diffusion — opensourcowy model do generowania obrazów AI.
Claude — model językowy firmy Anthropic.
Embeddings — numeryczna reprezentacja znaczenia słowa lub zdania.
Natural Language Processing (NLP) — przetwarzanie języka naturalnego przez AI.
Classification — klasyfikacja, przypisywanie elementów do kategorii.
Regression — regresja, przewidywanie wartości liczbowej na podstawie danych.
Output — wynik działania modelu AI.
Input — dane wejściowe (prompt, obraz, tekst), które przekazujesz AI.
Context window — liczba tokenów, którą model może przetworzyć naraz (np. 8k, 32k tokenów).
Hallucination — sytuacja, gdy AI wymyśla odpowiedzi, które nie mają pokrycia w faktach.
Parameter — zmienna uczona przez model podczas treningu (GPT-4 ma setki miliardów parametrów).
API (Application Programming Interface) — interfejs do komunikacji z modelem AI.
Prompt chaining — łączenie kilku promptów w sekwencję (workflow, pipeline).
RAG (Retrieval-Augmented Generation) — łączenie generowania AI z wyszukiwaniem informacji w bazie wiedzy.
Inference time — czas generowania odpowiedzi przez model.
Latency — opóźnienie między wysłaniem promptu a otrzymaniem odpowiedzi.
Temperature — parametr sterujący losowością odpowiedzi (wyższa wartość = bardziej kreatywne odpowiedzi).
Top-p (nucleus sampling) — parametr ograniczający wybór tokenów do najbardziej prawdopodobnych.
Prompt leakage — przypadkowe ujawnienie przez AI fragmentów promptu w odpowiedzi.
Prompt injection — atak polegający na wstrzyknięciu nowych poleceń do promptu.
Zero-shot chain of thought — poproszenie AI o rozumowanie krok po kroku bez przykładów.
Grounding — zapewnienie, że AI korzysta z aktualnych, sprawdzonych danych.
Assistant persona — sztuczna osobowość AI, np. ekspert, nauczyciel, programista.
System prompt — ukryte polecenie, które ustawia zachowanie modelu (często używane w API).
Safety — zabezpieczenia, które mają chronić przed niepożądanymi odpowiedziami AI.
Knowledge cutoff — data, do której model zna fakty (np. „model wie o świecie do czerwca 2026”).

Jak korzystać z tego słownika AI?

Wracaj do tego artykułu, gdy trafisz na nowe pojęcie z zakresu AI czy prompt engineeringu. Jeśli chcesz szybko sprawdzić definicję — użyj tego promptu w ChatGPT:

Wyjaśnij pojęcie: „[tu wstaw pojęcie AI]” w 2 zdaniach, prostym językiem, bez lania wody. Dodaj 1 przykład praktycznego zastosowania.

To przydatne, gdy trafisz np. na „RAG” lub „prompt injection” i nie chcesz szukać w Google.

Tipy: jak szybko przyswajać terminologię AI?

Nie ucz się wszystkich pojęć na raz — korzystaj ze słownika wtedy, gdy natrafisz na niezrozumiały termin.
Testuj nowe pojęcia w praktyce — np. ustaw „temperature” w narzędziu do generowania tekstu i zobacz różnicę.
W promptach proś AI o tłumaczenie pojęć na prosty język lub przykłady z życia codziennego.
Śledź aktualizacje: nowe modele i narzędzia regularnie wprowadzają zupełnie nowe terminy.

Im lepiej znasz terminologię AI, tym skuteczniej korzystasz z narzędzi takich jak ChatGPT czy Midjourney. Warto mieć ten słownik w zakładkach!

Podsumowanie

Ten słownik AI to szybki start w świat sztucznej inteligencji. Znajomość pojęć takich jak prompt, chain of thought czy hallucination pozwoli Ci pisać lepsze prompty, lepiej rozumieć narzędzia AI i unikać typowych błędów. Sprawdź inne „przepisy” na prompty na kwestiaprompta.pl!