傻傻分不清？盘点人工智能领域专业术语一文看懂！

【CNMO新闻】人工智能（AI）的繁荣发展带来了大量术语——从生成式AI到合成数据，这些术语可能很难解析，但对于一些想踏足这个领域的人来说，这些专业术语是必须要了解的。接下来，CNMO将为大家介绍下人工智能的一些专业术语，希望能帮助大家在这个快速发展的领域中前进。

人工智能

人工智能：旨在在机器中复制类人思维的技术。这类能力的一些例子包括识别照片中的人，在工厂工作。

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。传统的人工智能应用主要对内容进行分类，而生成式人工智能模型则创建内容。例如，语音识别模型可以识别你的声音，而生成语音模型可以使用你的声音创建有声读物。最近吸引公众注意力的几乎所有模型都是生成的，包括聊天机器人，如OpenAI的ChatGPT；图像创建者，如稳定扩散（Stable Diffusion）和midjourney；语音克隆程序，如esemble。

训练数据：用于帮助人工智能模型完成任务的文本、图像、声音等信息的集合。在语言模型中，训练数据集中于基于文本的材料，如书籍、社交媒体上的评论，甚至是代码。低质量的训练数据可能会引入偏见，导致不公平的模型做出种族主义或性别歧视的决定。

算法偏差：由糟糕的训练数据和糟糕的编程导致的错误，导致模型做出有偏见的决定。这些模型可能会基于性别、能力或种族做出不恰当的假设。实际上，这些错误会影响决策——从抵押贷款申请到器官移植批准——从而造成严重危害。许多批评人工智能过快发展的人士，便指出了算法偏见的可能性。

人工通用智能(AGI)：一种程序的描述，它的能力与人类一样——甚至比人类更强。虽然全面的通用智能仍未实现，但模型正在变得越来越复杂。

自主代理：一种既有目标又有足够工具来实现目标的人工智能模型。例如，自动驾驶汽车是自主代理，它使用感官输入、GPS数据和驾驶算法来独立决定如何导航和到达目的地。斯坦福大学的研究人员已经证明，一组自主主体甚至可以发展文化和传统。

提示链：使用先前与AI模型的交互来创建更准确的响应过程，特别是在提示驱动的语言建模中。例如，当你让ChatGPT给你的朋友发短信时，你希望它能记住你和她说话的语气、笑话和以前谈话的其他内容。这些技术有助于整合上下文。

大型语言模型(LLM)：人工智能的一种应用，通常是生成式的。这些模型的特点是规模大：最大的版本GPT-3包含1750亿个称为参数的不同变量，这些参数是在570GB的数据上训练的。谷歌的PaLm模型更大，有5400亿个参数。随着硬件和软件的不断发展，这一规模预计还会增加。它也可能编造学术引用，对你要求它分析的数据撒谎，或者编造训练数据中没有的事件事实。

幻觉：幻觉是人工智能程序的意外和不正确的反应，可能是由于尚未完全了解的原因而产生的。当你问如何种植果树时，语言模型可能会突然给出水果沙拉食谱。目前还不完全清楚为什么会发生这种情况，但可能是由于数据稀疏、信息缺口和错误分类造成的。

突发性行为：AI可能证明它并不是专门为之构建的技能。一些例子包括表情符号的解释、讽刺和使用性别包容的语言。

一致性：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，一致性研究寻求训练和校准模型，通常使用函数来奖励或惩罚模型。

多模态人工智能：一种可以理解和处理多种类型信息的人工智能形式，包括文本、图像、语音等。这很强大，因为它允许AI在多个维度上理解和表达自己，从而对任务有更广泛和更细致的理解。多模式人工智能的一个应用就是这个翻译器，它可以把日语漫画翻译成英语。

提示工程：这是给AI一个指令的行为，这样它就有了实现你的目标所需的环境。提示工程最好与OpenAI的ChatGPT联系在一起，它描述了用户输入算法的任务(例如给我五个流行的婴儿名字)。

训练：训练是使用数据细化人工智能的过程，使其更适合任务。人工智能可以根据你希望它学习的内容输入数据来训练，就像把莎士比亚的十四行诗输入诗歌机器人一样。你可以在称为epoch的迭代中多次执行此操作，直到你的模型的性能是一致和可靠的。

神经网络：神经网络是一种近似人类思维结构的计算机系统，它们允许一个模型从抽象到具体的建立。

狭义AI：思维单一的一些AI算法，它们被设计成只能做一件事。如果一个狭义的AI算法能下跳棋，那它就不能下国际象棋。