АБЕТКА - ШТУЧНИЙ ІНТЕЛЛЕКТ для всіх зрозуміле пояснення grow expert

АБЕТКА ШІ-ТЕРМІНІВ 2026

30 понять, які варто знати керівнику, підприємцю та фахівцю

Абетка ШІ Grow Expert пояснює основні терміни штучного інтелекту: GPT, LLM, RAG, токени, промпти, AI-агенти, API та MCP.

Зрозумілі визначення, практичні приклади й пояснення для роботи, бізнесу та навчання.

№	Термін	Повна назва	Простими словами	Приклад
01	AI / ШІ	Artificial Intelligence — штучний інтелект	Технології, які виконують завдання, що зазвичай потребують людського інтелекту.	ШІ аналізує документи, створює презентації або розпізнає зображення.
02	ML	Machine Learning — машинне навчання	Спосіб навчити систему знаходити закономірності в даних і робити прогнози.	Модель прогнозує, які клієнти можуть відмовитися від послуги.
03	Deep Learning	Глибоке навчання	Різновид машинного навчання, який використовує багатошарові нейронні мережі.	Розпізнавання мовлення, облич, предметів і рукописного тексту.
04	Нейронна мережа	Artificial Neural Network	Математична система, яка навчається на прикладах і знаходить складні зв’язки.	Нейромережа визначає, що зображено на фотографії.
05	Generative AI	Generative Artificial Intelligence — генеративний ШІ	ШІ, який створює новий контент: текст, код, зображення, музику або відео.	ChatGPT пише текст, а генератор зображень створює банер.
06	LLM	Large Language Model — велика мовна модель	Модель, навчена на великих масивах текстів, яка розуміє та генерує мову.	GPT, Gemini або Claude аналізують документ і готують резюме.
07	GPT	Generative Pre-trained Transformer	Сімейство генеративних моделей на архітектурі Transformer, попередньо навчених на великих масивах даних.	GPT створює програму курсу, лист, таблицю або фрагмент коду.
08	Transformer	Трансформер	Архітектура нейронної мережі, яка визначає зв’язки між частинами тексту й ураховує контекст.	Модель розуміє, до якого слова належить займенник у довгому реченні.
09	Prompt	Промпт, запит або інструкція	Завдання, яке користувач передає ШІ, щоб отримати потрібний результат.	«Створи програму дводенного курсу з лідерства для керівників».
10	Prompt engineering	Проєктування промптів	Створення і вдосконалення інструкцій для отримання точніших результатів від ШІ.	У промпті задають роль, мету, контекст, формат і критерії якості.
11	System prompt	Системна інструкція	Базові правила, що визначають роль, стиль і межі поведінки AI-помічника.	«Працюй як бізнес-аналітик і подавай висновки у вигляді таблиці».
12	Context	Контекст	Інформація, яку модель має врахувати під час підготовки відповіді.	Опис компанії, аудиторії, продукту, завдання та попередні повідомлення.
13	Context window	Контекстне вікно	Максимальний обсяг інформації, який модель може опрацювати в межах одного запиту або діалогу.	До контексту входять промпт, вкладений документ, історія діалогу та відповідь.
14	Token	Токен	Невелика одиниця тексту, якою модель обробляє інформацію: частина слова, слово або символ.	Слово чи речення перед обробкою поділяється на декілька токенів.
15	Multimodal AI	Мультимодальний ШІ	Модель, яка працює з кількома типами інформації: текстом, зображеннями, аудіо або відео.	Користувач завантажує скриншот, а ШІ знаходить помилку та пояснює її.
16	Embedding	Векторне представлення	Перетворення змісту тексту, зображення або іншого об’єкта на набір чисел.	Схожі за змістом запити й документи отримують близькі числові представлення.
17	Vector database	Векторна база даних	Сховище, яке знаходить інформацію за змістовою схожістю, а не лише за однаковими словами.	Система знаходить потрібний пункт договору, навіть якщо запит сформульовано іншими словами.
18	Semantic search	Семантичний пошук	Пошук за змістом і наміром запиту.	Запит «як повернути товар» знаходить документ із назвою «Політика відшкодування».
19	RAG	Retrieval-Augmented Generation — генерація з доповненим пошуком	Метод, за якого ШІ спочатку знаходить інформацію в наданих джерелах, а потім формує відповідь на її основі.	Корпоративний помічник відповідає за регламентами, інструкціями та базою знань компанії.
20	Grounding	Прив’язування до джерел	Формування відповіді на основі конкретних документів, даних або перевірених джерел.	ШІ готує висновок лише за завантаженим договором і вказує відповідні пункти.
21	Hallucination	Галюцинація ШІ	Переконлива, але неточна або вигадана відповідь моделі.	ШІ називає дослідження, якого не існує, або вигадує цифри.
22	Fine-tuning	Доопрацювання або додаткове навчання моделі	Налаштування поведінки моделі на спеціально підготовлених прикладах.	Модель навчають відповідати у визначеному форматі служби підтримки.
23	Inference	Інференс, виконання моделі	Процес, під час якого вже навчена модель обробляє новий запит і створює результат.	Користувач вводить промпт, а модель генерує відповідь.
24	AI agent	Агент штучного інтелекту	AI-система, яка планує кроки, використовує інструменти та виконує багатокрокове завдання.	Агент знаходить листи, виділяє завдання, оновлює таблицю та готує звіт.
25	Tool calling	Виклик інструментів	Можливість моделі звертатися до пошуку, калькулятора, бази даних або іншої функції.	ШІ викликає календар, перевіряє вільний час і пропонує дату зустрічі.
26	API	Application Programming Interface — програмний інтерфейс застосунку	Спосіб, за допомогою якого різні програми обмінюються даними й командами.	CRM надсилає текст через API до AI-моделі та отримує готовий підсумок.
27	MCP	Model Context Protocol — протокол контексту моделі	Відкритий стандарт для підключення AI-застосунків до зовнішніх даних, інструментів і робочих процесів.	AI-помічник через MCP працює з файлами, базою даних, календарем або GitHub.
28	Zero-shot	Виконання без прикладів	Модель виконує завдання лише за інструкцією, без готового зразка.	«Класифікуй відгуки клієнтів як позитивні, нейтральні або негативні».
29	Few-shot	Виконання з кількома прикладами	Користувач показує моделі декілька зразків бажаного результату.	Перед створенням листа ШІ отримує три приклади корпоративного стилю.
30	Guardrails	Захисні правила та обмеження	Налаштування, які допомагають контролювати дії й відповіді AI-системи.	Агент може підготувати лист, але надсилає його лише після підтвердження людиною.

Користувач створює промпт → LLM обробляє контекст і токени → RAG знаходить потрібні дані → AI-агент використовує API, MCP та інструменти → людина перевіряє результат.