К содержимому
Дайджест

16 AI-понятий за 8 минут: от токенов до агентов

Better Stack·7 октября 2026·8:24
можно прочитать понять, как устроено промо
Открыть на YouTube
Быстрый ликбез по 16 базовым понятиям AI для тех, кто хочет наконец разложить по полочкам LLM, обучение, retrieval и агентов.

Что в ролике

За 8 минут зритель получает карту из 16 базовых понятий AI: от устройства LLM до агентов, которые соединяют всё вместе. LLM — это генеративная модель, которая обучалась на огромном корпусе текста и по сути предсказывает следующий токен, повторяя это до полного ответа. Памяти между сообщениями у неё нет: при каждом новом сообщении ей заново отправляется весь диалог, и это создаёт иллюзию запоминания. Внутри модели текст разбивается на токены (в среднем токен — это три четверти слова), а прогнозы строятся на миллиардах весов, уложенных примерно в 100 слоёв, где каждый слой сначала смешивает слова по смыслу, а затем обрабатывает каждое слово по отдельности. Обучение делится на первичное обучение на триллионах примеров с обратным распространением ошибки, дообучение на меньших наборах задач и обучение с подкреплением, где ответ получает оценку, например от людей в RLHF. Для удешевления дообучения используют LoRA — надстройку поверх замороженных весов размером менее 1% оригинала, а для запуска моделей на обычном ноутбуке — квантование, которое сжимает 8-миллиардную модель с 16 ГБ примерно до 5 ГБ при 4 битах. Чтобы модель отвечала по внутренним документам, текст превращают в эмбеддинги и кладут в векторную базу, а RAG подставляет найденные куски в запрос перед ответом. Когда модели нужно вызвать внешний сервис, она отвечает JSON-запросом с именем инструмента, а стандарт MCP позволяет подключать готовые инструменты из GitHub или Slack; агент же зацикливает этот процесс — вызывает инструмент, читает результат и решает следующий шаг до завершения задачи.

Практика

Что получишь
Понимание базовых AI-терминов на одном дыхании: как устроена языковая модель, чем отличаются этапы обучения и как RAG, MCP и агенты соединяются в рабочие схемы.
Первый шаг
Посмотреть ролик целиком или включить его с паузами и после каждого блока открывать документацию по упомянутому термину, начиная с LLM и токенов.
Цифры
  • —16 тем — столько понятий разобрано в ролике за 8 минут
  • —3/4 слова — средняя длина одного токена
  • —100 слоёв — примерно столько слоёв в LLM, каждый из которых смешивает слова и обрабатывает их по отдельности
  • —5 ГБ — столько занимает 8-миллиардная модель после квантования до 4 бит, вместо 16 ГБ в исходном виде
Честно
Ролик — чистое объяснение терминов с анимациями на экране, практических шагов для повторения нет. Автор — сервис Better Stack: в примере MCP он упоминает собственный продукт, а в середине ролика просит подписаться на канал.
Если слова незнакомы — 10 терминов

Компоненты

5 шт.

Формат: разбор · для новичков · уверенность разметки 0.9 · источник