Poziom: Podstawowy — dobry na początek | Czas czytania: około 2 minuty

Prompt, chatbot, token, model, agent…Zanim człowiek poprosi AI o pomoc, może odnieść wrażenie, że najpierw powinien zdać egzamin ze słówek. Nie powinien. Warto jednak znać kilka pojęć, bo podpowiadają, co technologia potrafi, gdzie ma ograniczenia i jak mądrzej z niej korzystać.

Dlaczego nie wszystko tłumaczymy na polski?

Dokumentacja, premiery i interfejsy nowych technologii najczęściej pojawiają się najpierw po angielsku. Zanim polski odpowiednik się upowszechni, angielska nazwa jest już obecna w aplikacjach, mediach i pracy. Czasem tłumaczenie jest naturalne, jak „sztuczna inteligencja”. Innym razem okazuje się dłuższe lub mniej precyzyjne.

Nie trzeba walczyć z każdym angielskim słowem ani używać go dla efektu. Najpraktyczniej znać oba warianty: polski, żeby rozumieć zjawisko, i angielski, żeby rozpoznać nazwę na ekranie. To nie popis językowy, lecz cyfrowa samodzielność.

Od AI do modelu: kto nam właściwie odpowiada na pytania?

Sztuczna inteligencja (ang. Artificial Intelligence [artifiszel intelidżens]), czyli AI [ej-aj], to szeroka nazwa technologii rozpoznających mowę, obrazy i zależności albo tworzących treści. Nie oznacza jednej aplikacji ani jednego „elektronicznego umysłu”.

Gdy narzędzie pisze lub tłumaczy, zwykle działa w nim model językowy (ang. Language Model [lengłydż model]), system wytrenowany na przykładach języka. Jego rozbudowaną odmianą jest LLM, czyli duży model językowy (ang. Large Language Model [lardż lengłydż model]). Chatbot [czatbot] jest interfejsem rozmowy, przez który kontaktujemy się z modelem. Aplikacja może dodawać wyszukiwanie, analizę plików i zabezpieczenia, których sam model nie posiada.

Prompt nie jest magiczną komendą

Tekst, który wpisujemy, to polecenie dla AI (ang. prompt [prompt]). Może zawierać nie tylko pytanie, ale też cel, kontekst, przykłady i oczekiwany sposób odpowiedzi. Im precyzyjniej opiszemy sytuację, tym mniej model musi się domyślać.

Model dzieli tekst na fragmenty języka (ang. tokens [tołkens]). Tokenem może być słowo, część słowa albo znak. Ich liczba wpływa na długość materiału, który narzędzie może przetworzyć, czas odpowiedzi, a w usługach dla firm także koszt. Z tokenami wiąże się okno kontekstu (ang. context window [kontekst łindoł]) — ilość informacji, którą model może uwzględnić w danym momencie. Gdy rozmowa lub dokument przekracza ten zakres, część wcześniejszych informacji może przestać wpływać na odpowiedź.

Płynna odpowiedź nie zawsze oznacza fakt

Kiedy AI podaje zmyśloną informację tak, jakby była pewna, mówimy o halucynacji modelu (ang. AI hallucination [ej-aj halusinejszyn]). Nazwa jest obrazowa, choć model niczego nie widzi ani nie przeżywa. Po prostu tworzy najbardziej prawdopodobną wypowiedź, a prawdopodobne nie zawsze znaczy prawdziwe. Znajomość tego terminu przypomina, by sprawdzać źródła, szczególnie w sprawach zdrowotnych, prawnych i finansowych.

Coraz częściej spotkamy też agenta AI (ang. AI agent [ej-aj ejdżent]). Chatbot odpowiada, agent może natomiast zaplanować kilka kroków i użyć narzędzi, aby osiągnąć cel. Większa samodzielność technologii wymaga większej kontroli użytkownika.

Oswajać zamiast zapamiętywać

Nie trzeba uczyć się tych pojęć na pamięć. Wystarczy stopniowo łączyć nazwę z działaniem i ograniczeniem. Dzięki temu łatwiej sformułować polecenie, ocenić odpowiedź, ochronić dane i świadomie wybrać narzędzie. Język, który początkowo wyklucza, po zrozumieniu zaczyna dawać sprawczość.

Taki jest również cel Mądrych Cyfrowo. Zaawansowana technologia działa tu pod maksymalnie przystępnym interfejsem, który prowadzi użytkownika przez konkretne tematy i codzienne potrzeby. Serwis nie wymaga biegłości w cyfrowym słowniku — pomaga zdobywać ją krok po kroku, we własnym tempie i bez obawy, że „wszyscy inni już to wiedzą”.

Źródła i inspiracje

Google for Developers: Machine Learning Glossary
IBM: What is generative AI?
IBM: What are AI agents?