8 новых терминов в области ИИ, которые полезно знать

Как ИИ-энтузиаст и технический писатель, который уже более пяти лет пишет об ИИ, я и так знаком со многими терминами. Но потом я подумал: «Есть же термины из области ИИ, которые людям стоит знать, в том числе и более новые».

Поэтому я написал эту статью, чтобы рассказать о 8 терминах и объяснить их как можно проще, не углубляясь в технические детали. В следующий раз, когда вы услышите или прочитаете о них, вы будете знать, что они означают.

1. Harness (обвязка)

Чистая модель — это мозг в банке. Она может думать. Но сама по себе она не способна открыть Slack, отправить письмо от вашего имени или даже понять, когда пора остановиться.

Harness (Харнесс) — это программная оболочка вокруг модели, которая позволяет ей всё это делать (обвязка). Она даёт модели доступ к инструментам и информации, управляет правами доступа и определяет, когда модели следует повторить попытку, остановиться или обратиться к вам за помощью.

Проще всего описать его формулой:

Агент = Модель + Harness

Для агента, пишущего код, обвязка даёт инструменты: читать файлы, редактировать код, запускать тесты. Кроме того, она управляет инструкциями и обратной связью, которые получает модель.

Два приложения могут работать на одной и той же модели, но вести себя по-разному — просто потому, что их обвязка даёт модели разные инструменты, разные инструкции и разные способы для проверки своей работы.

Именно поэтому программная среда вокруг модели так важна. В статье OpenAI об инженерии harness рассказывается, как команда создала среду, в которой Codex мог писать код, запускать проверки и реагировать на обратную связь.

Так что, сравнивая ИИ-инструменты, смотрите не только на то, какая модель используется, но и на то, как сам инструмент помогает ей решать вашу задачу.

2. Агенты

Агент — это система, которая может выполнять задачу в несколько шагов, используя инструменты.

Например, вы можете попросить агента помочь с оформлением возврата. При наличии соответствующих прав доступа он сможет найти заказ, проверить правила возврата, составить запрос и запросить ваше одобрение перед его отправкой.

Основной процесс выглядит следующим образом: планирование, действие, проверка результата и принятие решения о дальнейших действиях. В описании агентов от компании Anthropic объясняется, как эти системы используют обратную связь для определения своих следующих действий.

На схеме ниже показан автономный агент, который в цикле использует инструменты, ориентируясь на обратную связь из окружающей среды.

Представьте агента как ассистента, у которого есть список задач и разрешение пользоваться определёнными программами. Вы ставите ему цель, а он шаг за шагом её выполняет.

Что именно он сможет довести до конца, зависит от его инструментов и прав доступа. Агент, который умеет только искать в интернете, — это совсем не то же самое, что агент, подключённый к вашей почте, файлам и календарю.

Прежде чем пользоваться агентом, проверьте, к чему у него есть доступ, что он может менять и в каких случаях ему требуется ваше подтверждение.

3. MCP (Model Context Protocol)

MCP — это, по сути, USB-C для искусственного интеллекта.

Протокол даёт ИИ-приложениям единый стандартный способ подключаться к инструментам и источникам данных.

Без общего стандарта разработчикам приходится создавать отдельные интеграции под каждое ИИ-приложение. MCP же позволяет сделать одно подключение, которым смогут пользоваться все совместимые приложения.

MCP-сервер открывает ИИ-приложению доступ к определённым инструментам или данным. Например, он может позволить ассистенту поиск по документам компании или создавать задачи в системе управления проектами.

В документации по MCP вы можете прочитать, как работают такие подключения.

Сравнение с USB-C облегчает понимание идеи единого стандарта, но определённая настройка всё же требуется. У ИИ-приложения должна быть поддержка подключения, а вам нужно выдать соответствующие разрешения.

Если в разработчики продукта заявили о поддержке MCP, проверьте, какие сервисы можно подключить и что ассистент сможет делать через них.

4. Loop engineering (инжиниринг циклов)

Агент часто работает в цикле: выбрать действие, выполнить его, проверить результат и при необходимости попробовать снова.

Агент для написания кода может отредактировать файл, запустить тест, прочитать ошибку и внести очередное изменение.

Этот процесс становится проблемой, когда агент снова и снова повторяет неудачное действие или останавливается до того, как задача выполнена.

Инжиниринг циклов — это проектирование того, как устроен этот цикл, включая то, как агент получает обратную связь и решает, продолжать ли работу. Это новое направление в разработке агентов, про которое вы можете прочитать в исследованиях по loop engineering.

Вам необходимо ответить на следующие вопросы:

• Что считается завершением задачи?

• Сколько раз агент может повторять попытку?

• Сколько времени или средств он может потратить?

• Когда ему следует обращаться за помощью? Кто или что проверяет результат?

Например, вы можете потребовать, чтобы перед тем, как сообщить об успешном завершении задачи, агент-программист сдал определенные тесты. Также вы можете настроить его так, чтобы он останавливался после трех неудачных попыток и объяснял, в чем заключается проблема.

Обвязка предоставляет инструменты и элементы управления. Инженерия циклов помогает определить, как агент многократно использует их, чтобы завершить работу.

5. Skills (навыки, скиллы)

Навык — это сохраненный алгоритм действий, которому агент может следовать при выполнении соответствующей задачи.

В случае отчета о расходах такой алгоритм может объяснять, какие поля следует включить, как группировать расходы и что делать, если отсутствует чек.

Инструкции хранятся в файле SKILL.md в формате Agent Skills. Также пакет может включать скрипты, шаблоны и справочные документы. Формат описан в документации по навыкам от Anthropic.

Добавить собственные или шаблонные навыки в Claude можно на вкладке Skills.

В ChatGPT навыки вы можете добавить на странице «Настройки»

Сначала агент видит название и описание навыка. Когда он находит подходящий навык, загружаются подробные инструкции. Это означает, что ему не нужно читать всю процедуру перед выполнением каждой задачи.

MCP предоставляет оператору доступ к инструментам и данным. Навыки объясняют, как выполнять с их помощью конкретные задачи.

Например, подключение может предоставить оператору доступ к вашим таблицам. Навык может подсказать ему, как подготовить ежемесячный отчет о продажах вашей компании.

Вместо того, чтобы объяснять весь процесс в каждом чате, вы пишете инструкцию один раз и затем повторно её используете.

6. GEO/AEO

Этот пункт не о создании агентов. Он о том, как быть ими найденным.

Раньше люди гуглили и кликали по десяти ссылкам в поисковой выдаче. Это SEO — Search Engine Optimization (поисковая оптимизация).

Теперь они спрашивают ChatGPT, Claude, Perplexity или AI Overview от Google и просто читают ответ. Кликов стало меньше.

• GEO (Generative Engine Optimization — оптимизация под генеративные системы): фокусируется на том, упоминают ли ответы, сгенерированные ИИ, ваш бизнес, цитируют ли ваш контент и рекомендуют ли ваш продукт.

• AEO (Answer Engine Optimization — оптимизация под системы ответов): она фокусируется на том, чтобы сделать контент полезным для прямых ответов, включая блоки ответов в поисковых системах и ИИ-ассистентов.

SEO = «попасть на первую страницу».

GEO/AEO = «стать источником, на который ссылается ИИ».

Эти термины частично пересекаются, и компании не всегда проводят между ними четкое разграничение. В руководстве Microsoft по AEO и GEO рассматриваются оба подхода.

Например, кто-то может спросить у ИИ-помощника: «Какой бухгалтерский инструмент подходит для малого бизнеса?» Если вы продаете бухгалтерское программное обеспечение, то вам хотелось бы, чтобы ваш продукт был упомянут в этом ответе.

Четкие объяснения, точные сведения о продукте и надежные источники могут помочь сделать ваш контент полезным. Ничто из этого не гарантирует, что ИИ-помощник упомянет в ответе именно его.

Если у вас есть сайт или бизнес, вам может быть интересно проверить, есть ли упоминания вас в ответах ИИ, наряду с вашими позициями в поисковой выдаче и трафиком.

7. Использование компьютера (Computer Use)

Computer Use позволяет ИИ взаимодействовать с экраном: кликать, набирать текст, делать прокрутку страницы и выбирать элементы.

Это работает это примерно так:

Скриншот → решение, что делать → клик или ввод текста → повторная проверка экрана.

Таким образом агент может заполнить форму или выполнить задачу через интерфейс сайта.

Почти во всех популярных ИИ-чатботах, таких как ChatGPT, Claude, Perplexity или Grok, уже есть поддержка функции Computer Use. В ChatGPT эту функцию вы можете активировать в меню Integrations на странице настроек.

8. AGI / Суперинтеллект

AGI, или общий искусственный интеллект (artificial general intelligence) – это ИИ, который может выполнять широкий спектр интеллектуальных задач на уровне, сопоставимом с человеческим.

Сюда может входить изучение незнакомых предметов, решение различных типов задач и применение знаний в разных областях.

Исследователи расходятся во мнениях относительно точного определения и методов его проверки. Фреймворк «Уровни AGI» (Levels of AGI) от Google DeepMind предлагает один из подходов, основанный на том, насколько широки возможности системы и насколько хорошо она работает.

Суперинтеллект идет ещё дальше. Под ним понимается ИИ, который значительно превосходит человека по широкому спектру интеллектуальных задач. Простой способ запомнить это различие:

• AGI — искусственный интеллект с широким спектром возможностей, который часто описывают с точки зрения производительности, сопоставимой с человеческой.

• Superintelligence (суперинтеллект) — искусственный интеллект с широким спектром возможностей, производительность которого превосходит человеческую.

Превосходные результаты в одной задаче не означают наличия ни того, ни другого. Система может писать качественный код или решать сложные математические задачи, но при этом испытывать трудности с другими видами работы.

Когда компания использует эти термины, проверьте, что она под ними подразумевает и какие результаты продемонстрировала её система. Это даст вам гораздо больше информации, чем просто название.

И на случай, если вы это пропустили: правительство США официально переименовало ИИ в «суперинтеллект».

Надеюсь, что прочитав эту статью, вы узнали что-то новое.

В следующий раз, когда вы услышите о компании, которая заявляет, что в её продукте есть агенты, вы сможете спросить, для каких конкретных задач они предназначены. Если продукт поддерживает MCP, вы сможете проверить, к каким приложениям он подключается. Если агент может использовать ваш компьютер, вы будете знать, что нужно спросить, к чему у него есть доступ и когда ему требуется ваше разрешение.

Также вам будет проще следить за новостями об ИИ. Заголовок про AGI или суперинтеллект обретёт больше смысла, когда вы понимаете, что означают эти слова и почему их определения до сих пор вызывают споры.

В следующий раз, когда вы встретите эти термины, вы будете знать их значения и сможете решить, полезен ли вам этот инструмент или идея.