Angielskie słownictwo dotyczące sztucznej inteligencji weszło do polskich firm szybciej, niż zdążyło się przetłumaczyć. Mówimy prompt, model i fine-tuning, ale w rozmowie po angielsku używamy tych słów w innych konstrukcjach niż native speakerzy.
Dodatkowo część tych pojęć jest mylona. Hallucination i bias to dwa różne problemy, a w polskich dyskusjach traktuje się je często jako jedno.
Poniższe dwadzieścia słów pozwala uczestniczyć w rozmowie o AI na spotkaniu z zagranicznym zespołem i nie zgubić się przy drugim zdaniu.
Dlaczego akurat te słowa mają znaczenie
Pierwszy powód jest zawodowy i pilny. Rozmowy o wdrożeniach AI toczą się dziś w każdej większej firmie, a prowadzone są po angielsku nawet w polskich zespołach. Kto nie zna słownictwa, ten nie bierze w nich udziału, choć często ma najwięcej do powiedzenia merytorycznie.
Drugi powód to precyzja. Model, tool i agent opisują trzy różne rzeczy, a używane zamiennie prowadzą do nieporozumień kosztujących tygodnie pracy. Ta różnica jest w angielskim wyraźna i warto ją utrzymać także w polskiej rozmowie.
20 słówek w czterech grupach
Cztery grupy: podstawy, praca z modelem, ryzyka i wdrożenie.
Podstawy
Pięć pojęć, od których zaczyna się każda rozmowa o AI.
- model: model. Samo narzędzie, nie aplikacja zbudowana wokół niego.
Which model are you using for this? - prompt: polecenie dla modelu. Jako rzeczownik i czasownik.
The prompt needs more context. - training data: dane treningowe. To, na czym model się uczył.
We do not know the training data. - output: wynik działania. Input to dane wejściowe.
The output was surprisingly good. - accuracy: trafność, dokładność. Mierzalna, w odróżnieniu od jakości ogólnej.
Accuracy dropped on longer documents.
Praca z modelem
Słowa, które padają, gdy rozmowa schodzi na konkrety.
- fine-tune: doszkolić model. Zawsze z myślnikiem jako czasownik.
We fine-tuned it on our own data. - context window: okno kontekstu. Ile tekstu model widzi naraz.
The context window is not big enough. - token: jednostka rozliczeniowa tekstu. Na tokenach opiera się cała wycena.
How many tokens does that use? - iterate: poprawiać w kolejnych podejściach. Najważniejsze słowo w pracy z promptami.
We iterate on the prompt until it works. - benchmark: test porównawczy. To samo słowo co w negocjacjach, inny kontekst.
It scores well on that benchmark.
Ryzyka
Pięć pojęć, które w polskich rozmowach najczęściej się zlewają.
- hallucination: zmyślona odpowiedź. Model podaje nieprawdę z pełną pewnością.
Watch out for hallucinations in the citations. - bias: skrzywienie, uprzedzenie. Wynika z danych treningowych, nie z błędu modelu.
There is a clear bias in the results. - compliance: zgodność z przepisami. Pierwsze pytanie działu prawnego przy każdym wdrożeniu.
Is this compliant with data protection rules? - oversight: nadzór człowieka. Human oversight to standardowy wymóg.
We keep human oversight on every output. - sensitive data: dane wrażliwe. Nie wolno ich wklejać do narzędzi zewnętrznych.
Never paste sensitive data into the tool.
Wdrożenie
Ostatnie pięć słów pojawia się w rozmowach o projekcie, nie o technologii.
- use case: zastosowanie. Pierwsze pytanie na każdym spotkaniu o AI.
What is the actual use case here? - pilot: projekt pilotażowy. Ograniczone wdrożenie testowe.
We are running a pilot with one team. - roll out: wdrożyć szeroko. Jako czasownik dwa wyrazy, jako rzeczownik rollout.
We will roll it out next quarter. - adoption: przyjęcie przez użytkowników. Główny problem większości wdrożeń.
Adoption is lower than expected. - workflow: proces pracy. AI wpina się w workflow, nie zastępuje go.
It fits into the existing workflow.
Trzy błędy, które słychać najczęściej
Używanie AI jako rzeczownika policzalnego
Nie mówi się an AI ani AIs w kontekście biznesowym. Poprawnie jest AI tools, AI models albo AI jako pojęcie ogólne. Ten błąd pojawia się w polskich prezentacjach bardzo często.
Mylenie hallucination z bias
Hallucination to zmyślony fakt, bias to systematyczne skrzywienie wynikające z danych. Pierwsze naprawia się weryfikacją, drugie doborem danych. Zamiana tych słów prowadzi do złych decyzji projektowych.
Mówienie the model knows
W rozmowie technicznej lepiej brzmi the model was trained on albo the model produces. Sformułowanie knows sugeruje rozumienie i bywa poprawiane przez rozmówców z działów technicznych.
Jak zapamiętać te słówka na stałe
Lista przeczytana raz znika w ciągu dwóch dni. Poniżej krótki tryb pracy, który sprawdza się u dorosłych uczących się między jednym a drugim spotkaniem.
- Wybierz pięć słów, nie dwadzieścia. Te, które opisują sytuację, w której znajdziesz się w najbliższym tygodniu. Reszta poczeka.
- Zbuduj własne zdanie do każdego. Nie przepisuj przykładu z tabeli, tylko wstaw swoje realia: swoje miasto, swoją firmę, swoje nazwisko.
- Powiedz je na głos pięć razy. Cicho, do siebie, przy kawie. Chodzi o to, żeby usta wykonały ruch, a nie żeby oczy przeczytały tekst.
- Wróć do nich po dwóch dniach i po tygodniu. Dwa krótkie powtórzenia w odstępach robią więcej niż godzina wkuwania jednego wieczoru.
- Użyj ich w rozmowie z człowiekiem. To jedyny krok, który zamienia słowo bierne w słowo aktywne. Bez niego zostaje rozpoznawanie, a nie mówienie.
Jak sprawdzić, czy te słowa są już Twoje
Test jest prosty i zajmuje trzy minuty. Zasłoń kolumnę z angielskim w tabeli poniżej i przejdź po polskich znaczeniach, mówiąc na głos angielski odpowiednik. Nie w myślach, na głos.
Słowo, które przychodzi w mniej niż dwie sekundy, jest Twoje. Takie, nad którym się zastanawiasz, jest wciąż bierne i w rozmowie nie wyjdzie, bo tam nie ma dwóch sekund do namysłu. Właśnie ta różnica, a nie liczba przeczytanych list, decyduje o tym, czy mówisz swobodnie.
Jeśli po pierwszym podejściu wyjdzie Ci pięć słów na dwadzieścia, to normalny wynik. Wróć do listy po dwóch dniach, a potem po tygodniu, i sprawdź, ile z nich zostało.
Tabela: wszystkie 20 słówek w jednym miejscu
Wydrukuj, zrób zrzut ekranu albo przepisz do notatek w telefonie. Kolumna z przykładem jest ważniejsza niż samo tłumaczenie, bo to zdanie, a nie słowo, wychodzi z ust w rozmowie.
| # | Angielski | Polski | Przykład użycia |
|---|---|---|---|
| 1 | model | model | Which model are you using for this? |
| 2 | prompt | polecenie dla modelu | The prompt needs more context. |
| 3 | training data | dane treningowe | We do not know the training data. |
| 4 | output | wynik działania | The output was surprisingly good. |
| 5 | accuracy | trafność, dokładność | Accuracy dropped on longer documents. |
| 6 | fine-tune | doszkolić model | We fine-tuned it on our own data. |
| 7 | context window | okno kontekstu | The context window is not big enough. |
| 8 | token | jednostka rozliczeniowa tekstu | How many tokens does that use? |
| 9 | iterate | poprawiać w kolejnych podejściach | We iterate on the prompt until it works. |
| 10 | benchmark | test porównawczy | It scores well on that benchmark. |
| 11 | hallucination | zmyślona odpowiedź | Watch out for hallucinations in the citations. |
| 12 | bias | skrzywienie, uprzedzenie | There is a clear bias in the results. |
| 13 | compliance | zgodność z przepisami | Is this compliant with data protection rules? |
| 14 | oversight | nadzór człowieka | We keep human oversight on every output. |
| 15 | sensitive data | dane wrażliwe | Never paste sensitive data into the tool. |
| 16 | use case | zastosowanie | What is the actual use case here? |
| 17 | pilot | projekt pilotażowy | We are running a pilot with one team. |
| 18 | roll out | wdrożyć szeroko | We will roll it out next quarter. |
| 19 | adoption | przyjęcie przez użytkowników | Adoption is lower than expected. |
| 20 | workflow | proces pracy | It fits into the existing workflow. |
Co dalej
Jeśli chcesz iść dalej w tym temacie, zajrzyj do tekstów o rozmowie o AI i ChatGPT, ćwiczeniu mówienia z AI oraz rozmowie o nowych technologiach.
Kolejne listy z tej samej serii: na konferencję po angielsku i o gotowaniu po angielsku. Każda zbudowana tak samo, więc jeśli ten format Ci odpowiada, następna zajmie Ci już tylko kilka minut.
Jeśli chcesz przećwiczyć te słowa na głos i usłyszeć, gdzie gubisz się w rozmowie, umów bezpłatną konsultację albo zrób test bariery językowej. To 20 minut online, bez zobowiązań.
Źródła i badania
- Nation, I. S. P. (2001). Learning Vocabulary in Another Language. Cambridge University Press.
- Boers, F., Eyckmans, J., Kappel, J., Stengers, H. & Demecheleer, M. (2006). Formulaic Sequences and Perceived Oral Proficiency. Language Teaching Research, 10(3), 245-261.
- Laufer, B. & Hulstijn, J. (2001). Incidental Vocabulary Acquisition in a Second Language: The Construct of Task-Induced Involvement. Applied Linguistics, 22(1), 1-26.
- DeKeyser, R. M. (2007). Skill acquisition theory. W: B. VanPatten & J. Williams (red.), Theories in Second Language Acquisition (s. 97-113). Routledge.