AI术语表，让您轻松驾驭人工智能领域

AI术语表，让您轻松驾驭人工智能领域

ChatGPT的涌现和紧随其后的百度大模型如文心一言让公众再次关注了人工智能，尽管无处不在的语音助手等人工智能应用早已经习以为常。本文为您披露了快速发展的人工智能领域的技术术语，您在开始学习之旅之前应该了解这些术语。

人工智能(AI)有很多自己的行话，其中很多不容易立即理解。人工智能(AI)的繁荣带来了大量术语——从“生成AI”到“合成数据”——可能难以解读。尽管很难真正理解什么是人工智能，但掌握人工智能术语有助于理解这项技术。这里有一个简短的术语表，希望能帮助您驾驭这个快速发展的领域。

人工智能

旨在在机器中复制类人思维的技术。属于这一类别的能力的一些例子包括识别图片中的人、在工厂工作甚至报税。

生成式AI

生成式AI是一种可以创建文本、图像、声音和视频等内容的AI。AI的传统应用主要对内容进行分类，而生成式AI模型则创建内容。例如，语音识别模型可以识别您的声音，而生成语音模型可以使用您的声音来创建有声读物。几乎所有最近引起公众关注的模型都是生成性的，包括OpenAI的ChatGPT等聊天机器人，StableDiffusion和MidJourney等图像创建者，以及Resemble等语音克隆程序。

训练数据

信息的集合——文本、图像、声音——经过精心策划以帮助AI模型完成任务。在语言模型中，训练数据集侧重于基于文本的材料，例如书籍、来自社交媒体的评论，甚至代码。由于AI模型从训练数据中学习，因此围绕其采购和管理提出了伦理问题。低质量的训练数据会引入偏见，导致做出种族主义或性别歧视决定的不公平模型。

算法偏差

错误的训练数据和糟糕的编程导致模型做出有偏见的决定。此类模型可能会根据性别、能力或种族做出不恰当的假设。在实践中，这些错误可能会影响决策制定——从抵押贷款申请到器官移植批准——从而造成严重伤害。许多对AI快速推出的批评者都提到了算法偏差的可能性。

通用人工智能(AGI)

对与人类一样有能力甚至更强大的程序的描述。虽然未来还没有完全通用的智能，但模型正在变得越来越复杂。一些人展示了从化学到心理学等多个领域的技能，任务表现与人类基准相当。

自主代理

一种人工智能模型，既有目标又有足够的工具来实现它。例如，自动驾驶汽车是使用感官输入、GPS数据和驾驶算法来独立决定如何导航和到达目的地的自主代理。正如斯坦福大学的研究人员所证明的那样，一群自治代理人甚至可以发展文化、传统和共享语言。

提示链

使用先前与AI模型的交互来创建新的、更精细调整的响应的过程，特别是在提示驱动的语言建模中。例如，当您要求ChatGPT向您的朋友发送一条文本时，您希望它能记住您与她交谈时使用的语气、内部笑话以及之前对话中的其他内容。这些技术有助于合并此上下文。

大型语言模型(LLM)

AI的一种应用——通常是生成式的——旨在以类似人类的方式理解、参与和使用语言进行交流。这些模型以其庞大的规模而著称：GPT-3的最大版本是ChatGPT的直接前身，包含1750亿个不同的变量，称为参数，这些变量是在570GB的数据上训练的。Google的PaLm模型更大，有5400亿个参数。随着硬件和软件的不断进步，这个规模有望增加。

幻觉

幻觉是AI程序出乎意料的错误反应，其产生的原因尚不完全清楚。当您询问有关种植果树的问题时，语言模型可能会突然提出水果沙拉食谱。它还可能编造学术引文，对您要求它分析的数据撒谎，或者编造不在其训练数据中的事件的事实。目前还不完全理解为什么会发生这种情况，但可能是由稀疏数据、信息差距和错误分类引起的。

紧急行为

AI可能会证明它不是明确构建的技能。一些例子包括表情符号解释、讽刺和使用性别包容的语言。GoogleBrain的一个研究团队确定了其中的100多种行为，并指出随着模型的不断扩展，可能还会出现更多行为。

对齐

努力确保人工智能系统与其人类操作员具有相同的价值观和目标。为了使动机达成一致，对齐研究试图训练和校准模型，通常使用函数来奖励或惩罚模型。如果模型做得很好，你就会给它积极的反馈。如果没有，你给它负面的反馈。

多模人工智能

一种人工智能形式，可以理解和处理多种类型的信息，包括文本、图像、语音等。这是强大的，因为它允许AI在多个维度上理解和表达自己，从而对任务提供更广泛和更细微的理解。多模态人工智能的一个应用是这个翻译器，它可以将日本漫画转换成英文。

提示工程

这是给AI指令的行为，因此它具有实现目标所需的上下文。提示工程最好与OpenAI的ChatGPT相关联，描述用户输入算法的任务（例如“给我五个流行的婴儿名字”）。

训练

训练是使用数据改进AI使其更适合任务的过程。可以根据你希望它从中学习的内容输入数据来训练人工智能——比如将莎士比亚十四行诗输入诗歌机器人。您可以在称为“时代”的迭代中多次执行此操作，直到模型的性能一致且可靠。

神经网络

神经网络是为近似人类思维结构而构建的计算机系统，特别是通过大脑的结构。它们是这样构建的，因为它们允许模型从抽象构建到具体。在图像模型中，可能会形成初始层、颜色或位置等概念，构建更牢固、更熟悉的形式，如水果或动物。

狭义AI

一些AI算法具有单轨思维。字面上地。它们旨在做一件事，仅此而已。如果狭义的AI算法可以下西洋跳棋，它就不能下国际象棋。示例包括仅检测NSFW图像的算法和旨在告诉您下一步要购买什么亚马逊或Etsy产品的推荐引擎。