Ключевые термины AI/ML/DL: словарь новичка

Коротко по статье:

• Зачем словарь AI в 2026: вместо «магии» — выбор между ML, правилами, генеративным помощником и дисциплиной данных.
• Триггер из практики media buying: просадка CPA/ROAS → фиксируем цель, источник истины и эксперимент проверки эффекта.
• Границы терминов: AI как зонтик, ML как обучение на данных, DL как нейросети, generative AI как генерация контента.
• База данных: датасет, лейбл, признаки, фича инжиниринг; типичная боль — разрозненность трекера, CRM и аналитики.
• Почему модели ломаются: overfitting, утечка данных, drift; надежнее резать train/test по времени.
• Карта задач и оценка: классификация, регрессия, кластеризация, рекомендации; метрики accuracy, precision, recall, F1, ROC-AUC, logloss и проверка через A/B или holdout.

Определение

Словарь AI/ML/DL и генеративного AI для маркетологов и media buying, который помогает не путать уровни технологий и корректно ставить задачи. Практический цикл: фиксируем KPI, источник истины и способ проверки, затем описываем данные и тип задачи и выбираем подход (правила, ML, DL, LLM/RAG), контролируя риски overfitting, drift, утечек и галлюцинаций.

Содержание

• Зачем вам словарь AI в 2026, если вы закупаете трафик?
• AI, ML и DL: как не путать уровни
• Данные, признаки и датасеты: из чего собирается ML
  • Что считать «источником истины» в отчётах
• Что такое обучение и почему модели «ломаются» на новых кампаниях?
  • Почему overfitting опасен именно для маркетинга
  • Как распознать утечку данных до запуска в прод?
• Модели и задачи: классификация, регрессия, кластеризация, рекомендательные системы
• Генеративный AI: LLM, диффузия, мультимодальность
• Токены, эмбеддинги и контекст: как LLM «читает» ваш бриф
  • Под капотом: почему LLM уверенно говорит чушь
• Промптинг, fine-tuning и RAG: когда что выбирать
• Как мерить качество: метрики, валидация, A/B и офлайн-тесты
• Практический глоссарий и типовые риски: 30 терминов, которые чаще всего всплывают в задачах

Если вы в media buying или интернет-маркетинге, то AI-термины в 2026 лезут в каждый бриф: «дай модель предсказания CR», «подключим LLM к базе знаний», «сделаем RAG для саппорта», «зальём датасет и дообучим». Проблема новичка обычно не в том, что он «не знает математику», а в том, что он путает уровни понятий и из-за этого неверно оценивает сроки, бюджет и риски.

Зачем вам словарь AI в 2026, если вы закупаете трафик?

Чтобы перестать покупать «магическое решение» и начать покупать понятный результат: где нужен ML, где хватит правил, где нужен генеративный помощник, а где нужна дисциплина данных и аналитики.

Типичный рабочий триггер: вы приносите отчёт по открутке, видите просадку CPA/ROAS, и на созвоне звучит «давайте внедрим AI». В этот момент полезно быстро ответить себе на три вопроса: что именно хотим оптимизировать (сигнал), где возьмём данные (источник истины), как проверим эффект (эксперимент). Дальше словарь превращается из «теории» в язык постановки задач.

Совет эксперта от npprteam.shop, практик performance-маркетинга: "Если в задаче нет чёткой метрики успеха (например, снижение CPA при сохранении объёма конверсий) и способа проверки (A/B или хотя бы holdout-группа), то «внедрение AI» почти всегда превращается в дорогое творчество."

AI, ML и DL: как не путать уровни

AI — зонтик, ML — подход «учимся по данным», DL — подмножество ML на нейросетях; генеративный AI — класс моделей, которые создают контент (текст, изображения, аудио) и часто построены на DL.

На практике это означает простую вещь: если вам нужно «предсказать» (CR, LTV, риск фрода), чаще всего речь про ML; если нужно «создать» (текст, визуал, сценарий), чаще про генеративный AI; если нужно «выполнять по регламенту» (проверки, маршрутизация), нередко достаточно правил и хорошей аналитики.

Данные, признаки и датасеты: из чего собирается ML

ML не «понимает бизнес», он видит таблицу: строки — объекты (показы/клики/пользователи), столбцы — признаки, плюс целевая переменная, которую мы хотим предсказать.

Датасет — набор примеров; лейбл (разметка) — «правильный ответ» для обучения; признаки — любые измеримые свойства (источник трафика, устройство, время, частота контактов, глубина сессии); фича инжиниринг — превращение сырого лога в признаки, пригодные для модели. В маркетинге чаще всего боль не в отсутствии данных, а в том, что они «разные»: часть в трекере, часть в CRM, часть в аналитике, а часть в таблицах.

Что считать «источником истины» в отчётах

Источник истины — это место, где вы договорились фиксировать факт события и его атрибуты так, чтобы потом можно было повторить расчёт и объяснить расхождения.

Если одна команда считает конверсию по трекеру, другая по CRM, третья по аналитике, модель будет учиться на шуме. В постановке задачи полезно заранее записать: что считаем конверсией (lead, sale, approved), какое окно атрибуции, что делаем с отменами и дублями, как учитываем задержку конверсий.

Что такое обучение и почему модели «ломаются» на новых кампаниях?

Обучение — это настройка параметров модели так, чтобы она хорошо предсказывала цель на похожих данных; «ломается» модель обычно из-за переобучения, утечек данных или сдвига распределения (drift), когда реальность стала другой.

Почему overfitting опасен именно для маркетинга

Переобучение — когда модель запоминает прошлое слишком буквально и теряет способность работать на новых условиях.

В media buying условия меняются постоянно: новые связки, сезонность, изменения аукциона, модерация, креативное выгорание, новые лимиты. Если модель «влюбилась» в частные паттерны прошлого месяца, она даст красивый отчёт на тесте и слабый результат в проде.

Как распознать утечку данных до запуска в прод?

Утечка данных (data leakage) — когда в признаки случайно попадает информация из будущего или из самой цели, и модель «читает ответ».

Маркер утечки — подозрительно высокий результат на офлайн-валидации и резкая деградация в бою. Типовые источники: признаки, посчитанные после конверсии (например, «число покупок» при прогнозе покупки), смешивание событий по времени, неправильный разрез train/test без учёта хронологии.

Совет эксперта от npprteam.shop, маркетинговый аналитик: "Если прогнозируете конверсию или LTV, режьте train/test по времени, а не случайно. Для трафика это ближе к реальности: модель видит прошлое и пытается предсказать будущее, а не угадывает внутри одного мешка."

Модели и задачи: классификация, регрессия, кластеризация, рекомендательные системы

Почти все прикладные ML-задачи в маркетинге сводятся к четырём типам: выбрать класс, предсказать число, сгруппировать похожих, порекомендовать следующий шаг.

Классификация отвечает «да/нет» или «какой из вариантов»: будет ли лид качественным, риск фрода высокий или нет, какой креатив вероятнее пройдёт модерацию. Регрессия предсказывает число: ожидаемый доход, вероятность конверсии как число, прогноз LTV. Кластеризация группирует аудитории по поведению без разметки: сегменты по паттернам потребления, по отклику на офферы. Рекомендательные системы выбирают «что показать дальше»: товар, контент, оффер, последовательность касаний.

Если вы ставите задачу команде, формулируйте её не как «сделайте нейросеть», а как «нам нужна классификация качества лида с приоритетом на минимизацию ложноположительных» или «нам нужен прогноз вероятности конверсии для ранжирования трафика».

Генеративный AI: LLM, диффузия, мультимодальность

Генеративные модели создают новый контент: LLM — текст (и не только), диффузионные модели — изображения и видео через последовательное «очищение» шума, мультимодальные модели работают с несколькими типами данных сразу.

LLM (большие языковые модели) удобны там, где есть текст: брифы, скрипты, саппорт, классификация обращений, извлечение сущностей из документов. Диффузия полезна для визуала: вариации баннеров, стилизация, генерация концептов. Важная оговорка для маркетолога: генерация контента — не гарантия роста метрик; это ускоритель производства вариантов, а валидирует эффект всё равно эксперимент.

Диффузионный подход в современной форме описан как вероятностная модель, которая учится обращать процесс «зашумления» и шаг за шагом восстанавливать изображение; поэтому генерация выглядит как серия итераций от шума к картинке.

Токены, эмбеддинги и контекст: как LLM «читает» ваш бриф

LLM видит текст как последовательность токенов, превращает их во векторы (эмбеддинги) и генерирует продолжение, опираясь на контекст и вероятности.

Под капотом: почему LLM уверенно говорит чушь

Первый факт: базовый режим LLM — предсказывать следующее слово/токен, а не проверять истинность, поэтому «уверенный тон» не равен «верной информации».

Второй факт: температура и сэмплинг управляют разнообразием генерации; чем больше разнообразие, тем выше риск «галлюцинаций» в деталях, особенно в цифрах, именах и ссылках.

Третий факт: длинный контекст помогает удерживать больше входных данных, но не превращает модель в «базу знаний»; если нужного факта нет в контексте, модель будет достраивать ответ из статистических ассоциаций.

Четвёртый факт: «заземление» (grounding) достигается не магией, а инженерией: подключением поиска по вашим документам, строгими форматами ответов, проверками и пост-обработкой.

Пятый факт: лучше всего LLM показывает себя как инструмент для ускорения рутины (черновики, перефразирование, структурирование), а не как автономный источник истины по регламентам и цифрам.

Промптинг, fine-tuning и RAG: когда что выбирать

Промптинг меняет поведение за счёт инструкции, fine-tuning меняет модель обучением на примерах, RAG добавляет модели доступ к вашим данным через поиск и подстановку контекста.

Практический выбор для маркетинга часто простой: если у вас проблема «знания» (регламенты, продукт, FAQ, спецификации офферов), RAG обычно даёт больше пользы, чем дообучение; если проблема «формата» (одинаковый стиль карточек, строгая структура отчётов), fine-tuning оправдан; если проблема «сделай прямо сейчас черновик», достаточно промптинга.

Как мерить качество: метрики, валидация, A/B и офлайн-тесты

Качество модели — это не «нравится/не нравится», а понятная метрика, измеренная на данных, которые похожи на будущую реальность, плюс проверка в эксперименте.

Для медийки и перформанса добавляется второй слой: даже если офлайн-метрика хорошая, нужно проверить влияние на KPI через A/B, потому что модель меняет поведение системы (распределение бюджета, приоритет лидов, частоту касаний). Если нет возможности A/B, используйте хотя бы отложенную группу (holdout) и сравнение по времени с поправкой на сезонность.

Практический глоссарий и типовые риски: 30 терминов, которые чаще всего всплывают в задачах

Ниже — компактный словарь с «переводом на маркетинговый». Если вы читаете ТЗ от продакта или дата-саентиста, эти термины встречаются чаще остальных.

Теперь про риски, которые в 2026 чаще всего бьют именно по маркетологам. Первый — утечки данных: когда в промпты или в внешние AI-инструменты утекают клиентские данные, бюджеты, исходники, доступы. Второй — «галлюцинации» в цифрах: модель может уверенно назвать несуществующий факт или «придумать» правило площадки. Третий — отсутствие контроля версий: вы меняете формулировку запроса или источник данных, и качество «плавает», а найти причину сложно.

Рабочая защита без усложнений: минимизировать чувствительные данные в запросах, разделять «креативную генерацию» и «точные факты», фиксировать шаблоны промптов как артефакт (как креатив или трекинг-план), логировать вход/выход, а для ответов по регламентам использовать подход RAG, где модель опирается на ваши тексты и ссылки на источники.