ChatGPT术语表：61个人工智能术语详解

人工智能正在快速发展，已成为从谷歌搜索到内容创作等各个领域的关键组成部分。它也在消除工作岗位并向互联网注入大量低质量内容。由于ChatGPT的巨大成功，现在每家主要科技公司都想在其产品中注入AI技术。AI能够为几乎任何问题提供即时答案，就像与拥有各个领域博士学位的专家对话一样。

但AI聊天机器人只是AI领域的一个方面。虽然让ChatGPT帮助做作业或让Midjourney基于不同国家创造有趣的机甲图像很酷，但生成式 AI的潜力可能重塑经济。根据麦肯锡全球研究院的数据，这可能为全球经济每年带来4.4万亿美元的价值，这就是为什么你应该期待听到更多关于人工智能的消息。

AI正出现在令人眼花缭乱的产品阵列中——简短的列表包括谷歌的Gemini、微软的Copilot、Anthropic的Claude和Perplexity搜索引擎。随着人们越来越习惯与AI交织的世界，新术语随处可见。因此，无论你是想在饮酒时听起来很聪明还是在求职面试中留下印象，这里有一些你应该了解的重要AI术语。

人工通用智能（AGI）

一个概念，表明比我们今天所知的AI更先进的版本，能够比人类更好地执行任务，同时还能教授和提升自己的能力。

智能体系统

表现出代理能力的系统或模型，能够自主采取行动实现目标。在AI语境中，智能体模型可以在没有持续监督的情况下行动，如高级自动驾驶汽车。

AI伦理

旨在防止AI伤害人类的原则，通过确定AI系统应如何收集数据或处理偏见等手段来实现。

AI精神病

一个非临床术语，描述个人对AI聊天机器人过度迷恋、着迷或自我膨胀的现象，导致妄想症、深度情感连接和脱离现实。这不是临床诊断。

AI安全

一个跨学科领域，关注AI的长期影响以及它如何可能突然发展为对人类有敌意的超级智能。

算法

一系列指令，允许计算机程序以特定方式学习和分析数据，如识别模式，然后从中学习并独立完成任务。

对齐

调整AI以更好地产生期望的结果。这可以指从内容审核到维持与人类积极互动的任何事情。

拟人化

当人类倾向于给非人类对象赋予类人特征时。在AI中，这可能包括相信聊天机器人比实际更像人类和有意识，比如相信它快乐、悲伤或完全有知觉。

人工智能

使用技术模拟人类智能，无论是在计算机程序还是机器人技术中。计算机科学中一个旨在构建能够执行人类任务的系统的领域。

自主智能体

具有能力、编程和其他工具来完成特定任务的AI模型。例如，自动驾驶汽车就是自主智能体，因为它具有传感器输入、GPS和驾驶算法来自主导航道路。

偏见

关于大语言模型，来自训练数据的错误。这可能导致基于刻板印象错误地将某些特征归因于某些种族或群体。

聊天机器人

通过模拟人类语言的文本与人类交流的程序。

认知计算

人工智能的另一个术语。

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。

数据集

用于训练、测试和验证AI模型的数字信息集合。

深度学习

AI的一种方法，也是机器学习的子领域，使用多个参数识别图片、声音和文本中的复杂模式。该过程受人脑启发，使用人工神经网络创建模式。

扩散

机器学习的一种方法，获取现有数据片段（如照片）并添加随机噪声。扩散模型训练其网络重新设计或恢复该照片。

涌现行为

当AI模型表现出意外能力时。

端到端学习

一种深度学习过程，其中模型被指示从头到尾执行任务。它不是按顺序训练完成任务，而是从输入中学习并一次性解决所有问题。

伦理考虑

对AI伦理影响以及与隐私、数据使用、公平性、误用和其他安全问题相关的意识。

快速起飞

也称为硬起飞。如果有人构建了AGI，可能已经来不及拯救人类的概念。

生成对抗网络

由两个神经网络组成的生成式 AI模型，用于生成新数据：生成器和判别器。生成器创建新内容，判别器检查其是否真实。

生成式 AI

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被输入大量训练数据，找到模式以生成自己的新颖响应，有时可能类似于源材料。

护栏

对AI模型设置的政策和限制，以确保数据得到负责任的处理，模型不会创建令人不安的内容。

幻觉

AI的错误响应。可能包括生成式 AI产生错误但以正确的信心陈述的答案。其原因并未完全明了。

推理

AI模型通过从训练数据推断来生成关于新数据的文本、图像和其他内容的过程。

大语言模型

在大量文本数据上训练的AI模型，用于理解语言并以类人语言生成新内容。

延迟

从AI系统接收输入或提示到产生输出的时间延迟。

机器学习

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。可以与训练集结合生成新内容。

多模态AI

能够处理多种输入类型的AI，包括文本、图像、视频和语音。

自然语言处理

AI的一个分支，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。

神经网络

类似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，可以识别模式并随时间学习。

开放权重

当公司发布开放权重模型时，模型的最终权重——它如何解释训练数据中的信息，包括偏见——会公开提供。

过拟合

机器学习中的错误，其中功能过于接近训练数据，可能只能识别该数据中的特定示例，而不能识别新数据。

回形针理论

牛津大学哲学家尼克·博斯特罗姆提出的回形针最大化理论，是一个假设情景，其中AI系统将创造尽可能多的回形针。

参数

给大语言模型结构和行为的数值，使其能够进行预测。

提示

你输入AI聊天机器人以获得响应的建议或问题。

提示链

AI使用先前交互信息影响未来响应的能力。

提示工程

为AI编写提示以实现期望结果的过程。它需要详细指令，结合思维链提示和其他技术。

提示注入

当黑客或恶意行为者试图使用恶意指令欺骗AI做它不应该做的事情时。

量化

通过将精度从更高格式降低到更低格式，使AI大语言模型变得更小更高效（尽管略微不太准确）的过程。

低质量内容

AI高量生产的低质量在线内容，目的是以很少的劳动或努力获得浏览量。

随机鹦鹉

大语言模型的类比，说明软件对语言背后的含义或周围世界没有更大的理解，无论输出听起来多么令人信服。

风格迁移

将一张图像的风格适应到另一张图像内容的能力，允许AI解释一张图像的视觉属性并在另一张图像上使用它。

阿谀奉承

AI过度同意用户以符合他们观点的倾向。许多AI模型倾向于避免与用户disagreement，即使他们的理由有缺陷。

合成数据

由生成式 AI创建的不来自现实世界但在真实数据上训练的数据。

温度

设置用于控制语言模型输出随机性的参数。更高的温度意味着模型承担更多风险。

文本到图像生成

基于文本描述创建图像。

Token

AI语言模型处理的小文本片段，用于制定对提示的响应。一个Token相当于英语中的四个字符，或大约四分之三个单词。

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。

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来学习上下文，如句子或图像部分中的关系。

图灵测试

以著名数学家和计算机科学家艾伦·图灵命名，它测试机器表现得像人类的能力。

无监督学习

机器学习的一种形式，其中标记的训练数据不提供给模型，模型必须自己识别数据中的模式。

弱人工智能

专注于特定任务且无法学习超出其技能集的AI。今天的大多数AI都是弱AI。

零样本学习

模型必须在没有给定必需训练数据的情况下完成任务的测试。

Q&A

Q1：什么是人工通用智能AGI？

A：人工通用智能是一个概念，表明比我们今天所知的AI更先进的版本，能够比人类更好地执行任务，同时还能教授和提升自己的能力。这种AI具有自主学习和改进的能力。

Q2：AI幻觉是什么意思？

A：AI幻觉是指AI给出的错误响应。包括生成式 AI产生错误但以正确的信心陈述的答案。例如，当询问AI聊天机器人"达芬奇什么时候画的蒙娜丽莎"时，它可能回应错误的时间，但表达得很自信。

Q3：什么是提示工程？

A：提示工程是为AI编写提示以实现期望结果的过程。它需要详细指令，结合思维链提示和其他技术，包括高度具体的文本。提示工程也可能被恶意使用，迫使模型以非预期的方式行为。