AI词汇表：每个人都应该知道的48个AI术语

1、通用人工智能 （AGI）：一个概念，它表明了比我们今天所知道的更先进的人工智能版本，它可以比人类更好地执行任务，同时还可以教授和提升自己的能力。

2、代理：表现出自主追求行动以实现目标的能力的系统或模型。在 AI 的上下文中，代理模型可以在没有持续监督的情况下运行，例如高级自动驾驶汽车。与在后台的 “代理” 框架不同，代理框架位于前面，专注于用户体验。

3、AI 伦理：旨在通过确定 AI 系统应如何收集数据或处理偏见等方式实现的原则。

4、AI 安全：一个跨学科领域，关注 AI 的长期影响，以及它如何突然发展为可能对人类不利的超级智能。

5、algorithm：一系列指令，允许计算机程序以特定方式学习和分析数据，例如识别模式，然后从中学习并自行完成任务。

6、alignment：调整 AI 以更好地产生所需的结果。这可以指从审核内容到保持与人类的积极互动的任何事情。

7、拟人化：当人类倾向于赋予非人类物体类似人类的特征时。在 AI 中，这可能包括相信聊天机器人比实际更像人类和意识，比如相信它是快乐的、悲伤的，甚至完全是有知觉的。

8、人工智能或 AI：在计算机程序或机器人技术中使用技术来模拟人类智能。计算机科学中的一个领域，旨在构建可以执行人工任务的系统。

9、自主代理：具有完成特定任务的功能、编程和其他工具的 AI 模型。例如，自动驾驶汽车是一种自主代理，因为它具有传感器输入、GPS 和驾驶算法，可以自行在道路上行驶。斯坦福大学的研究人员已经证明，自主代理可以发展自己的文化、传统和共享语言。

10、偏差：对于大型语言模型，训练数据导致的错误。这可能会导致根据刻板印象错误地将某些特征归因于某些种族或群体。

11、chatbot：通过模拟人类语言的文本与人类交流的程序。

12、ChatGPT：OpenAI 开发的 AI 聊天机器人，使用大型语言模型技术。

13、认知计算：人工智能的另一个术语。

14、数据增强：重新混合现有数据或添加更多样化的数据集来训练 AI。

15、深度学习：一种 AI 方法，也是机器学习的一个子领域，它使用多个参数来识别图片、声音和文本中的复杂模式。该过程受到人脑的启发，并使用人工神经网络来创建模式。

16、diffusion：一种机器学习方法，它获取现有数据（如照片）并添加随机噪声。Diffusion 模型训练他们的网络来重新设计或恢复该照片。

17、emergent behavior（紧急行为）：当 AI 模型表现出意想不到的能力时。

18、端到端学习或 E2E：一种深度学习过程，其中指示模型从头到尾执行任务。它没有经过训练来按顺序完成任务，而是从输入中学习并一次性解决所有问题。

19、道德考虑：了解 AI 的道德影响以及与隐私、数据使用、公平、滥用和其他安全问题相关的问题。

20、foom：也称为快速起飞或硬起飞。如果有人建造了 AGI，那么拯救人类可能已经太晚了。

21、生成式对抗网络 （GAN）：一种生成式 AI 模型，由两个神经网络组成，用于生成新数据：生成器和判别器。生成器创建新内容，鉴别器检查它是否真实。

22、生成式 AI：一种使用 AI 创建文本、视频、计算机代码或图像的内容生成技术。AI 被喂入大量的训练数据，找到模式以生成自己的新反应，这些反应有时可能与源材料相似。

23、Google Gemini：Google 的 AI 聊天机器人，其功能类似于 ChatGPT，但从当前网络中提取信息，而 ChatGPT 仅限于数据，直到 2021 年，并且未连接到互联网。

24、护栏：对 AI 模型施加的策略和限制，以确保负责任地处理数据，并且模型不会创建令人不安的内容。

25、幻觉：AI 的错误响应。可以包括生成式 AI 生成不正确的答案，但可以自信地陈述，就好像是正确的一样。其原因尚不完全清楚。例如，当询问 AI 聊天机器人“列奥纳多·达·芬奇何时绘制蒙娜丽莎”时，它可能会回答错误的说法，即“列奥纳多·达·芬奇于 1815 年绘制了蒙娜丽莎”，这距离它实际绘制已经过去了 300 年。

26、inference：AI 模型通过从训练数据中推断来生成有关新数据的文本、图像和其他内容的过程。

27、大型语言模型 （LLM）：一种基于大量文本数据进行训练的 AI 模型，用于理解语言并以类似人类的语言生成新颖的内容。

28、机器学习或 ML：AI 中的一个组件，允许计算机在没有明确编程的情况下学习并做出更好的预测结果。可以与训练集耦合以生成新内容。

29、Microsoft Bing：Microsoft 的搜索引擎，现在可以使用支持 ChatGPT 的技术来提供 AI 驱动的搜索结果。它与 Google Gemini 在连接到互联网方面相似。

30、多模态 AI：一种可以处理多种类型输入的 AI，包括文本、图像、视频和语音。

31、自然语言处理：AI 的一个分支，它使用机器学习和深度学习使计算机能够理解人类语言，通常使用学习算法、统计模型和语言规则。

32、neural network（神经网络）：一种类似于人脑结构的计算模型，用于识别数据中的模式。由相互连接的节点或神经元组成，它们可以识别模式并随着时间的推移进行学习。

33、过拟合：机器学习中的错误，它与训练数据的功能过于接近，并且可能只能识别所述数据中的特定示例，而无法识别新数据。

34、回形针：牛津大学哲学家 Nick Boström 提出的 Paperclip Maximiser 理论是一种假设场景，其中 AI 系统将创建尽可能多的字面回形针。为了实现生产最大数量的回形针的目标，AI 系统将假设消耗或转换所有材料以实现其目标。这可能包括拆除其他机器以生产更多的回形针，这些机器可能对人类有益。这个 AI 系统的意外后果是，它可能会摧毁人类制造回形针的目标。

35、parameters：为 LLM 提供结构和行为的数值，使其能够进行预测。

36、困惑：Perplexity AI 拥有的 AI 驱动的聊天机器人和搜索引擎的名称。它使用大型语言模型（就像其他 AI 聊天机器人中的模型一样）来用新颖的答案回答问题。它与开放互联网的连接还允许它提供最新信息并从网络中提取结果。Perplexity Pro 是该服务的付费层，也可用并使用其他型号，包括 GPT-4o、Claude 3 Opus、Mistral Large、开源 LlaMa 3 和它自己的 Sonar 32k。Pro 用户还可以上传文档进行分析、生成图像和解释代码。

37、提示：您在 AI 聊天机器人中输入的建议或问题，以获得响应。

38、提示链接：AI 使用先前交互中的信息为未来响应着色的能力。

39、随机鹦鹉：LLM 的类比，它说明软件对语言或周围世界背后的含义没有更广泛的理解，无论输出听起来多么令人信服。这句话指的是鹦鹉如何在不理解其背后的含义的情况下模仿人类的单词。

40、style transfer：将一个图像的样式适应另一个图像内容的能力，允许 AI 解释一个图像的视觉属性并将其用于另一个图像。例如，拍摄伦勃朗的自画像，并以毕加索的风格重新创作。

41、temperature：设置用于控制语言模型输出的随机程度的参数。较高的温度意味着模型承担的风险更大。

42、文本到图像生成：根据文本描述创建图像。

43、令 牌：AI 语言模型处理的小段书面文本，以形成它们对您的提示的响应。一个令牌相当于英语中的四个字符，或大约四分之三的单词。

44、训练数据：用于帮助 AI 模型学习的数据集，包括文本、图像、代码或数据。

45、transformer 模型：一种神经网络架构和深度学习模型，通过跟踪数据中的关系（如句子或图像的一部分）来学习上下文。因此，它不是一次分析一个单词一个句子，而是可以查看整个句子并理解上下文。

46、图灵测试：以著名数学家和计算机科学家艾伦·图灵 （Alan Turing） 的名字命名，它测试机器像人类一样行为的能力。如果一个人无法区分机器的反应和另一个人的响应，机器就会通过。

47、弱 AI，又名狭义 AI：专注于特定任务且无法超越其技能集学习的 AI。当今的大多数 AI 都是弱 AI。

48、zero-shot learning：模型必须在没有获得必要训练数据的情况下完成任务的测试。一个例子是识别狮子，而只接受老虎训练。

部分资料