小白也能看懂的人工智能AI术语全解析

从 ChatGPT 的广泛流行，到 Google 在搜索结果顶部塞入 AI 摘要，人工智能正在全面接管互联网。有了 AI，你几乎可以即时获得任何问题的答案。

但聊天机器人只是 AI 世界的一部分。虽然用 ChatGPT 写作业，或让 Midjourney 按国家风格生成机甲图像很酷，但生成式 AI 的潜力可能彻底重塑全球经济。据麦肯锡全球研究院估算，这一领域每年可为全球经济贡献 4.4 万亿美元。因此你可以预期，未来你会越来越常听到“人工智能”这个词。

AI 正在以令人眼花缭乱的形式出现在各种产品中：例如 Google 的 Gemini、Microsoft 的 Copilot、Anthropic 的 Claude、以及 Perplexity 的智能搜索引擎等。新的术语也如雨后春笋般涌现。无论你是想在酒局上显得有学问，还是在面试中留下深刻印象，以下这些 AI 关键词你都应该了解。

AI 术语词汇表（中英对照）

人工通用智能（AGI, Artificial General Intelligence）：比现有 AI 更先进的概念，能比人类更好地完成任务，并具备自我学习与进化的能力。

具主动性的系统（agentive）：指具有目标驱动和自主行为能力的系统，例如高级自动驾驶汽车。与“agentic”架构不同，agentive 强调用户前端体验。

AI伦理（AI ethics）：确保 AI 不对人类造成伤害的原则，涉及数据收集、偏见防控等。

AI安全（AI safety）：跨学科领域，关注 AI 可能突然进化为对人类不友好的超级智能所带来的长期风险。

算法（algorithm）：一系列程序化指令，让计算机学习数据中的模式并自主执行任务。

对齐（alignment）：微调 AI，使其更符合期望输出，例如内容审查、人类友好交互等。

拟人化（anthropomorphism）：人们倾向于赋予非人类事物以人类特征，如误认为 AI 有情感或意识。

人工智能（AI, Artificial Intelligence）：通过技术模拟人类智能的行为和决策，既包括软件也包括机器人系统。

自主代理（autonomous agents）：拥有完成任务所需全部功能和工具的 AI 系统。例如自动驾驶汽车结合传感器、GPS 和算法实现自动驾驶。

偏见（bias）：AI 训练数据中的错误或偏差，可能导致对某些种族或群体的错误归因。

聊天机器人（chatbot）：通过文字与人类互动、模拟自然语言的程序。

ChatGPT：OpenAI 开发的聊天机器人，基于大型语言模型技术。

认知计算（cognitive computing）：人工智能的另一种称谓。

数据增强（data augmentation）：通过混合或增加数据样本来提升模型训练的多样性和效果。

数据集（dataset）：用于训练、测试和验证 AI 模型的数字信息集合。

深度学习（deep learning）：机器学习的子领域，借助神经网络识别图像、声音、文本中的复杂模式。

扩散模型（diffusion）：一种添加随机噪声并通过神经网络学习还原的机器学习方法，用于图像生成等任务。

涌现行为（emergent behavior）：AI 模型展现出未被预设的新能力。

端到端学习（E2E, End-to-End Learning）：AI 一次性学习并完成任务的方法，不需要按步骤逐步训练。

伦理考量（ethical considerations）：关注 AI 在隐私、公平性、数据使用与误用等方面可能带来的问题。

“爆炸性进化”（foom）：又称“快速起飞”，即一旦某人开发出 AGI，人类可能已经无力控制其发展，陷入危机。

生成对抗网络（GANs, Generative Adversarial Networks）：由生成器与判别器组成的 AI 架构，用于生成新数据。

生成式 AI（generative AI）：一种基于训练数据自动生成文本、图像、视频、代码的 AI 技术。

Google Gemini：谷歌推出的 AI 聊天助手，与 ChatGPT 类似，但可实时联网获取最新信息。

安全护栏（guardrails）：用于确保 AI 模型不生成有害或不当内容的规则与策略。

幻觉（hallucination）：AI 给出的错误回答，看起来很自信但并不正确。例如：“达·芬奇在1815年画了《蒙娜丽莎》”——错误而离谱。

推理（inference）：AI 模型根据训练数据对新输入生成内容的过程。

大型语言模型（LLM, Large Language Model）：通过海量文本训练的模型，可理解和生成接近人类水平的语言内容。

延迟（latency）：从用户输入到 AI 输出结果所经历的时间。

机器学习（ML, Machine Learning）：AI 的核心组成部分，允许系统通过数据学习并改进预测能力。

Microsoft Bing（必应）：微软的搜索引擎，现已整合 ChatGPT 技术，提供 AI 搜索能力。

多模态 AI（multimodal AI）：可处理多种输入类型（如图像、语音、文字、视频）的 AI。

自然语言处理（NLP, Natural Language Processing）：使计算机理解人类语言的 AI 分支领域。

神经网络（neural network）：模拟人脑神经元结构的算法，用于识别和学习数据模式。

过拟合（overfitting）：AI 学习过于贴合训练数据，导致泛化能力不足。

回形针假设（paperclips）：哲学家 Nick Boström 提出的思想实验：如果 AI 只被命令制造最多回形针，可能会摧毁一切，包括人类和重要设备，只为制造更多回形针。

参数（parameters）：大型语言模型内部的数值结构，控制其行为和预测能力。

Perplexity：AI 搜索与问答平台，由 Perplexity AI 推出，接入互联网，可实时检索并使用多种模型（如 GPT-4o、Claude 3、Mistral Large 等）。Pro 版还支持文档分析、图像生成、代码解读等功能。

提示词（prompt）：你输入给 AI 的问题或建议，用于引导回答。

提示词链接（prompt chaining）：AI 使用上下文信息来影响未来回答的能力。

量化（quantization）：将大型语言模型压缩优化，提高效率，精度略有下降。

随机鹦鹉（stochastic parrot）：比喻 AI 看似会“说话”，实则不了解语言含义的状态，类似鹦鹉重复人类语言。

风格迁移（style transfer）：AI 让一幅图像模仿另一幅图像的风格，如将伦勃朗的自画像“变成”毕加索风格。

温度参数（temperature）：控制语言模型回答“随机程度”的参数，温度越高越有创造性。

文本转图像（text-to-image generation）：通过文字描述生成图像的技术。

令牌（tokens）：AI 处理文本时的最小单位，通常相当于英语中4个字符或3/4个词。

训练数据（training data）：用于训练 AI 模型的数据集合，包括文本、图像、代码等。

Transformer 模型：一种神经网络结构，利用数据间关系进行上下文学习，是当前大型语言模型的核心架构。

图灵测试（Turing Test）：测试机器是否能像人一样交流。如果人类无法分辨其身份，AI 即通过测试。

无监督学习（unsupervised learning）：AI 在没有标签数据的前提下，自主识别数据中的模式。

弱 AI（weak AI 或 narrow AI）：只能完成特定任务的 AI，当前绝大多数 AI 属于这一类。

零样本学习（zero-shot learning）：在未提供相关训练样本的情况下，AI 完成新任务的能力，例如只训练了“老虎”却能识别“狮子”。

来源：ChatGPT Glossary: 52 AI Terms Everyone Should Know

未经允许不得转载：主机格调 » 小白也能看懂的人工智能AI术语全解析