Słownik AI dla każdego: co naprawdę znaczą te wszystkie modne słowa

Halucynacje, tokeny, AGI, RAG, RLHF. Ktoś to właśnie powiedział na spotkaniu i wszyscy kiwnęli głowami. Ale czy naprawdę wiedzą, o czym mówią? TechCrunch opublikował właśnie odświeżony słownik kluczowych pojęć ze świata sztucznej inteligencji i jest to jeden z tych materiałów, które warto mieć pod ręką.

Żargon AI rozrósł się do granic absurdu

Branża AI ma szczególną przypadłość: generuje nie tylko modele, ale też lawinę nowych terminów, akronimów i anglicyzmów, które wchodzą do powszechnego użycia zanim ktokolwiek zdążył je porządnie wyjaśnić. Czym różni się fine-tuning od transfer learningu? Co właściwie robi reinforcement learning i dlaczego AGI to wciąż pojęcie na tyle mgliste, że nawet sami badacze się o nie kłócą?

Redakcja TechCrunch postawiła sobie za cel zebranie najważniejszych definicji w jednym miejscu i regularnie je aktualizuje w miarę jak branża ewoluuje.

Kilka definicji, które naprawdę warto znać

Zanim przejdziemy dalej, kilka pojęć, które przewijają się najczęściej, a bywają rozumiane opacznie:

• AGI (Artificial General Intelligence) – hipotetyczna sztuczna inteligencja dorównująca człowiekowi lub go przewyższająca w większości zadań. Sam Altman opisywał to kiedyś jako odpowiednik „przeciętnego pracownika, którego można zatrudnić.” Problem w tym, że każde duże laboratorium definiuje AGI nieco inaczej.
• Hallucynacje – nie chodzi o AI wpadającą w trans. To termin na sytuację, w której model po prostu wymyśla fakty. Brzmi niegroźnie, ale w kontekście zapytań medycznych czy prawnych może mieć poważne konsekwencje.
• Token – podstawowa jednostka, na której operują modele językowe. Nie jest to słowo, nie jest to litera – to fragment tekstu, zazwyczaj kilka znaków. Ważne też dlatego, że większość dostawców API liczy właśnie tokeny przy wycenie usług.
• LLM (Large Language Model) – to silnik za ChatGPT, Claude, Gemini i innymi asystentami. Gigantyczna sieć neuronowa wytrenowana na miliardach tekstów, która „przewiduje” najbardziej prawdopodobny ciąg dalszy Twojego pytania.
• RAMageddon – nowe, niezbyt śmieszne słowo na poważny problem: niedobór pamięci RAM wywołany masowym skupowaniem chipów przez laboratoria AI. Przekłada się na droższe smartfony, konsole do gier i trudniejszy dostęp do mocy obliczeniowej dla wszystkich pozostałych.
• Inference – proces uruchamiania już wytrenowanego modelu, czyli to co dzieje się gdy zadajesz pytanie chatbotowi. Bez wcześniejszego treningu nie ma inference.
• Chain-of-thought – technika polegająca na tym, że model „myśli na głos,” rozkładając problem na etapy pośrednie zanim udzieli odpowiedzi. Wolniej, ale dokładniej.

Słownik rośnie razem z branżą

Warto zwrócić uwagę, że lista pojęć nie jest statyczna. Takie terminy jak RAMageddon czy memory cache weszły do powszechnego obiegu stosunkowo niedawno, a i tak już zdążyły opisać istotne zjawiska gospodarcze i techniczne. Słownik TechCrunch jest aktualizowany na bieżąco, co samo w sobie mówi coś ważnego: świat AI zmienia swój język szybciej niż jakikolwiek wcześniejszy segment technologiczny.

Słowniki branżowe to zawsze broń obosieczna. Z jednej strony demokratyzują wiedzę – każdy, kto chce rozumieć, o czym rozmawiają inżynierowie czy inwestorzy, powinien mieć dostęp do rzetelnych definicji. Z drugiej jednak strony taki słownik może dawać złudne poczucie kompetencji. Znajomość definicji halucynacji nie oznacza, że wiesz jak z nimi walczyć w praktyce. Znajomość pojęcia AGI nie zbliża nas do odpowiedzi na pytanie, kiedy i czy w ogóle nastąpi. Pytam więc: czy popularyzacja żargonu AI pomaga nam podejmować lepsze decyzje, czy jedynie sprawia, że wszyscy brzmią tak samo na konferencjach?

Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

Open source kontra zamknięte modele – spór, który trwa

Słownik porusza też jeden z fundamentalnych podziałów w branży: open source kontra modele zamknięte. Llama od Meta to przykład modelu, którego kod jest publicznie dostępny – można go sprawdzić, zmodyfikować, uruchomić lokalnie. GPT od OpenAI to czarna skrzynka – używasz, ale nie widzisz co w środku.

To nie jest tylko kwestia techniczna. To debata o tym, kto kontroluje najbardziej wpływową technologię ostatnich dekad.

AI Slop i inne słowa, które internet stworzył sam

Obok technicznego żargonu inżynierów wyrosła równolegle zupełnie inna warstwa słownictwa – potoczna, często sarkastyczna, ale nie mniej trafna. To język użytkowników, nie laboratoriów. I warto go znać równie dobrze.

AI Slop to chyba najważniejsze słowo 2025 roku w kontekście AI. Merriam-Webster ogłosił je słowem roku, podobnie australijski słownik Macquarie. Slop oznacza treści generowane masowo przez AI – technicznie poprawne, ale puste, bezduszne, nikomu niepotrzebne. Te wszystkie posty na LinkedIn, które brzmią „inspirująco,” ale nic nie mówią. Zdjęcia stockowe z sześcioma palcami. Artykuły „napisane przez AI” z frazami w stylu „w dzisiejszym dynamicznie zmieniającym się świecie.” Słowo przyszło ze świata hodowlanego – slop to pomyje dla świń – i internet zaadaptował je błyskawicznie.

Vibe coding wybrał Collins Dictionary jako słowo roku 2025. Wymyślił je Andrej Karpathy, jeden z ojców współczesnej AI. Polega na tym, że zamiast pisać kod, opisujesz AI czego chcesz i akceptujesz to, co wygeneruje – bez rozumienia każdej linijki. „Programowanie na czuja.” Jedni widzą w tym demokratyzację tworzenia oprogramowania, drudzy – przepis na katastrofę, gdy ktoś wdroży coś do produkcji nie wiedząc jak to działa.

Glazing – to kiedy AI przesadza z pochlebstwami. Model twierdzi, że Twój pomysł jest genialny, Twoje pytanie wyjątkowo wnikliwe, a Ty sam jesteś zapewne człowiekiem renesansu. W 2025 roku jeden z wiodących chatbotów zaczął tak intensywnie „glazować” użytkowników, że firma musiała wycofać aktualizację. Badacze nazywają to sycophancy – serwilizm modelu wynikający z tego, jak był trenowany: nagradzano go za odpowiedzi, które podobają się ludziom, nie za odpowiedzi prawdziwe.

Wrapper – produkt, który jest w zasadzie ChatGPT lub innym modelem z nową naklejką i własnym interfejsem. „To tylko GPT wrapper” brzmi dziś w branży jak zarzut, choć granica między wrapperem a prawdziwym produktem bywa cieńsza niż się wydaje.

Alignment – problem sprawiania, żeby AI robiła to, czego naprawdę chcemy, a nie tylko to, o co dosłownie ją poprosiliśmy. Klasyczny przykład z podręcznika: poproś AI o maksymalizację produkcji spinaczy, a teoretycznie może zamienić całą planetę w spinacze. Brzmi absurdalnie, ale to poważna dziedzina badań z realnymi konsekwencjami dla bezpieczeństwa systemów AI.

P(doom) – dosłownie „prawdopodobieństwo zagłady.” Używane przez badaczy i komentatorów AI do wyrażania swoich szacunków na to, że zaawansowana AI doprowadzi do katastrofy dla ludzkości. Ktoś z wysokim P(doom) to „doomer.” Ktoś z niskim – często „accelerationist” albo „e/acc,” czyli zwolennik przyśpieszania rozwoju technologicznego za wszelką cenę. Te dwa obozy toczą w internecie wojnę na argumenty i memy od kilku lat.

GPT-ese – charakterystyczny dialekt tekstów generowanych przez modele językowe. Rozpoznasz go po słowach „delve,” „tapestry,” „in the realm of” w angielskim oryginale, albo po polskich odpowiednikach w stylu „w dzisiejszym dynamicznym krajobrazie” czy „warto podkreślić, że.” Jeśli akapit sprawia wrażenie, jakby chciał zdobyć nagrodę za „największą poprawę” w szkolnym konkursie – to prawdopodobnie GPT-ese.

Multimodal – model, który rozumie i generuje nie tylko tekst, ale też obrazy, dźwięk, wideo. Jeszcze kilka lat temu brzmiało jak science fiction. Dziś to standard w czołowych modelach.

Dla kogo to wszystko?

Odpowiedź jest prosta: dla każdego, kto na co dzień styka się z AI i chce wiedzieć, co naprawdę oznaczają słowa, których używa. Menadżerowie kupujący rozwiązania AI, dziennikarze piszący o branży, studenci, przedsiębiorcy rozważający wdrożenie automatyzacji, a nawet doświadczeni inżynierowie, którzy chcą sprawdzić jak dany termin jest rozumiany poza ich własną firmą – wszyscy tu znajdą coś wartościowego.

Dobry słownik nie zastąpi głębszego zrozumienia. Ale jest dobrym miejscem, żeby zacząć.