今年,最火的就是Ai了,仅李先生身边就有不少朋友都想快速了解、学习,并希望能从这一波行情中赚上一笔!最起码也提升下自己的认知与视野。然而,面对一个个新名字,瞬间就晕了~其实只要我们对这些AI相关的名字做一轮详细的了解,那么对这个行业也算是有了一个初步的认识。今天,锦李先生就来给大家整理一下,希望你入行之后如鱼得水,早成锦鲤~
AI
人工智能
名词解释:Artificial Intelligence,即人工智能,1956年于Dartmouth学会上提出,一种旨在以类似人类反应的方式对刺激做出反应并从中学习的技术,其理解和判断水平通常智能在人类的专业技能中找到。AI因具备自主学习和认知能力,可进行自我调整和改进,从而应对更加复杂的任务。
AGI
通用人工智能
名词解释:Artificial General Intelligence(GI),通用人工智能,是具备与人类同等智能、或超越人类的人工智能,能表现正常人类所具有的所有智能行为。又名强人工智能。
ASI
人工超级智能
名词解释:Artificial Super Intelligence(ASI),尽管存在争议,但ASI通常被定义为超越人类思维能力的人工智能。
ANI
狭义人工智能
名词解释:Artificial Narrow Intelligence(ANI),狭义的人工智能,即专注一件事的 AI,如下围棋的AlphaGo。又名弱人工智能。
AIGC
人工智能生成内容
名词解释:全称"AI generated content”,意为人工智能生成内容,是种内容生产形式。例如AI文字续写,文字转像的AI图、AI主持人等,都属于AIGC的应用。
Accelerator
加速器
名词解释:一类旨在加速人工智能应用的微处理器!
Agents: 代理
名词解释:Agent(智能体)= 一个设定了一些目标和任务,可以选择行动的模型。这个大型语言模型(LLM)在像ChatGPT这样的工具中的“智能体”的使用方式不同。在ChatGPT中,你提问一个问题并获得一个答案作为回应。而Agent拥有更多的工作流程,模型本质上可以自我决策,而无需人类逐步的交互。
Alignment: 对齐
名词解释:人工智能对齐(英语:AI alignment)是指引导人工智能系统的行为,使其符合设计者的利益和预期目标。一个已对齐的人工智能的行为会符合预期的发展;而未对齐的人工智能的行为虽然也具备存活能力,但其目标并非设计者所期望的。
Attention: 注意力
名词解释:在神经网络的上下文中,注意力机制帮助模型在处理输入时专注于相关部分。
Backpropagation: 反向传播
名词解释:"误差反向传播"的简称,是一种用于优化(如梯度下降)结合使用的,用来训练人工神经网络的算法。该方法计算每个神经元连接权重的贡献,用于更新权重以最小化训练误差。
Bias: 偏差
名词解释:AI模型对数据所做的假设。“偏差方差权衡”是模型对训练数据的偏向与测试数据的泛化之间必须实现的平衡。偏差衡量了模型学习到的预测与真实值的偏离。
CLIP: 对比语言图像预训练
名词解释:CLIP(Contrastive Language-Image Pretraining),由OpenAI开发的AI模型,用于连接图像和文本,促使智能理解和生成图像描述。
CNN: 卷积神经网络
名词解释:Convolutional Neural Network (CNN),一种深度学习模型,通过应用一系列过滤器来处理结构化数据(例如图像)的数据。这类模型通常用于图像识别任务。
CV: 计算机视觉
名词解释:计算机视觉(Computer vision)是一门研究如何使计算机“看”的科学,更进一步的说,就是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量、处理图像,并进一步做图像的识别、用计算机处理成为更适合人类视觉系统接收的图像或图像。
ChatGPT: ChatGPT
名词解释:ChatGPT是OpenAI开发的人工智能聊天机器人系统,于2022年11月推出。该程序使用基于GPT-3.5、GPT-4架构的大型语言模型处理人类的文字对话。
Chatbot: 聊天机器人
名词解释:一种计算机程序,旨在通过文本或语音回答用户的查询。聊天机器人通常利用自然语言处理技术理解用户输入并提供相应的应答。
CoT: 思维链提示
名词解释:思维链提示(CoT, Chain-of-thought)通过提示 LLM 生成一系列小步骤来增强 LLM 的推理能力,这些中间步骤将复杂多步骤问题的答案链起来。该技术自谷歌研究人员于 2022 年春季发布以来获得广泛应用。
Compute: 计算
名词解释:用于训练或运行 AI 模型的计算资源(如 CPU 或 GPU 时间)。
Connectionism: 连接主义
名词解释:连接主义(Connectionism)也被称为神经网络学习的AI,主要观点是,知识在大量分散的处理单元(即神经元)中存储,连接这些单元的权重决定了知识的性质。连接主义强调知识表示的并行和分布式特性,而非集中式知识表示的符号系统。连接主义AI以大规模并行处理和模糊逻辑为基础,通过模拟人脑神经网络的结构和功能来进行学习和记忆。