随着 Google、Microsoft、Apple 和 OpenAI 创建新的 AI 模型和系统，及时了解所有最新术语是件好事.
ChatGPT于2022年底推出，彻底改变了人们对技术的理解。突然之间，人们能够与机器进行有意义的对话，这意味着你可以用自然语言向人工智能聊天机器人提问，它会像人类一样给出新颖的答案。它具有如此大的变革性，以至于谷歌、Meta、微软和苹果很快开始将人工智能集成到其产品套件中。
但人工智能聊天机器人的这一方面只是人工智能领域的一部分。当然，让 ChatGPT 帮助你做作业或者让 Midjourney 根据原籍国创建令人着迷的机甲图像很酷，但生成式人工智能的潜力可能会彻底重塑经济。根据麦肯锡全球研究所的数据，这每年可为全球经济带来 4.4 万亿美元的价值，这就是为什么您应该期望听到越来越多有关人工智能的信息。
它出现在一系列令人眼花缭乱的产品中 -- 一个简短的列表包括谷歌的 Gemini、微软的 Copilot、Anthropic 的 Claude、Perplexity 人工智能搜索工具以及来自 Humane 和 Rabbit 的小工具。您可以在我们新的 AI Atlas 中心阅读我们对这些产品和其他产品的评论和实践评估，以及新闻、解释和操作方法帖子。
随着人们越来越习惯于一个相互交织的世界随着人工智能的出现，新术语随处可见。因此，无论您是想在喝酒时表现得聪明，还是想在工作面试中给人留下深刻印象，这里有一些您应该了解的重要人工智能术语。
此术语表将定期更新。
通用人工智能（AGI）：这一概念提出了比我们今天所知的更先进的人工智能版本，它可以比人类更好地执行任务，同时还能教授和提高自身的能力。
代理：展示代理能够自主采取行动以实现目标的能力的系统或模型。在人工智能的背景下，代理模型可以在没有持续监督的情况下采取行动，例如高级自动驾驶汽车。与位于后台的“代理”框架不同，代理框架位于前台，专注于用户体验。
人工智能伦理：旨在防止人工智能伤害人类的原则，通过确定如何伤害人类等方式来实现人工智能系统应该收集数据或处理偏见。
人工智能安全：一个跨学科领域，关注人工智能的长期影响以及它如何突然发展为可能对人类产生敌意的超级智能。
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（例如识别模式），然后从中学习并自行完成任务。
对齐：调整人工智能以更好地产生期望的结果。这可以指从调节内容到保持与人类的积极互动等任何事物。
拟人化：人类倾向于赋予非人类物体类似人类的特征。在人工智能中，这可能包括相信聊天机器人比实际情况更人性化、更有意识，比如相信它是快乐的、悲伤的，甚至是有感知力的。
人工智能或 AI：使用技术来模拟人类智能，无论是计算机程序还是机器人技术。计算机科学领域，旨在构建能够执行人类任务的系统。
自主代理：一种人工智能模型，具有完成特定任务的能力、编程和其他工具。例如，自动驾驶汽车是一个自主代理，因为它具有感官输入、GPS 和驾驶算法来自行导航道路。斯坦福大学的研究人员表明，自主代理可以发展自己的文化、传统和共享语言。
偏差：对于大型语言模型，训练数据会产生错误。这可能会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。
ChatGPT：人工智能由 OpenAI 开发的聊天机器人，使用大型语言模型技术。
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进行训练人工智能。
深度学习：人工智能的一种方法，也是机器学习的一个子领域，它使用多个参数来识别图片、声音和文本中的复杂模式。该过程受到人脑的启发，并使用人工神经网络来创建模式。
扩散：一种机器学习方法，它采用现有数据（例如照片）并添加随机噪声。扩散模型训练其网络来重新设计或恢复该照片。
紧急行为：当人工智能模型表现出意想不到的能力时。
端到端学习或 E2E：A深度学习过程，其中指示模型从头到尾执行任务。它没有接受过按顺序完成任务的训练，而是从输入中学习并立即解决所有问题。
道德考虑：意识到人工智能的道德影响以及与隐私、数据使用、公平性相关的问题，误用和其他安全问题。
foom：也称为快速起飞或硬起飞。这个概念是，如果有人构建了 AGI，那么拯救人类可能已经太晚了。
生成对抗网络（GAN）：由两个神经网络组成的生成人工智能模型，用于生成新数据：生成器和一个鉴别器。生成器创建新内容，鉴别器检查其是否真实。
生成式人工智能：一种使用人工智能创建文本、视频、计算机代码或图像的内容生成技术。人工智能接受大量训练数据，找到模式来生成自己的新颖响应，有时可能与源材料相似。
Google Gemini：Google 的人工智能聊天机器人，功能与 ChatGPT 类似，但从当前网络中提取信息，而 ChatGPT 在 2021 年之前仅限于数据，并且不会连接到互联网。
护栏：对 AI 模型施加的政策和限制，以确保数据得到负责任的处理以及模型不会产生令人不安的内容。
幻觉：人工智能的错误响应。可以包括生成式人工智能，生成不正确但自信地表述为正确的答案。其原因尚不完全清楚。例如，当询问人工智能聊天机器人“达芬奇什么时候画《蒙娜丽莎》时？”它可能会回应一个错误的陈述：“列奥纳多·达·芬奇于 1815 年画了《蒙娜丽莎》”，这是它实际绘制后 300 年。
大型语言模型，或 LLM：训练有素的人工智能模型大量文本数据来理解语言并以类似人类的语言生成新颖的内容。
机器学习（ML）：人工智能中的一个组件，允许计算机无需显式编程即可学习并做出更好的预测结果。可以与训练集结合起来生成新内容。
Microsoft Bing：Microsoft 的搜索引擎，现在可以使用支持 ChatGPT 的技术来提供人工智能驱动的搜索结果。它类似于连接到互联网的 Google Gemini。
多模式人工智能：一种可以处理多种类型输入的人工智能，包括文本、图像、视频和语音。
自然语言处理：人工智能的一个分支，它使用机器学习和深度学习赋予计算机理解人类语言的能力，通常使用学习算法、统计模型和语言规则。
神经网络：一种计算模型，类似于人脑的结构，旨在识别数据中的模式。由互连的节点或神经元组成，可以识别模式并随着时间的推移进行学习。
过度拟合：机器学习中的错误，其功能与训练数据过于接近，并且可能只能识别所述中的特定示例回形针：回形针最大化理论由牛津大学哲学家 Nick Bostrm 提出，是一种假设场景，其中人工智能系统将创建尽可能多的回形针。为了生产最大数量的回形针，人工智能系统假设会消耗或转换所有材料以实现其目标。这可能包括拆除其他机器来生产更多回形针，这些机器可能对人类有益。这个人工智能系统的意外后果是，它可能会在制造回形针的过程中毁灭人类。
参数：赋予大语言模型结构和行为的数值，使其能够做出预测。
提示：您输入人工智能聊天机器人以获取响应的建议或问题。
提示链接：人工智能使用之前交互中的信息来为未来的响应着色的能力。
随机鹦鹉：与大语言模型的类比，表明软件对语言或其周围世界背后的含义没有更深入的理解，无论输出听起来多么令人信服。这句话指的是鹦鹉如何在不理解其背后含义的情况下模仿人类的单词。
风格迁移：使一幅图像的风格适应另一幅图像的内容的能力，使人工智能能够解释视觉效果一张图像的属性并将其用于另一张图像。例如，拍摄伦勃朗的自画像并以毕加索的风格重新创作。
温度：设置用于控制语言模型输出的随机程度的参数。温度越高意味着模型承担的风险越大。
文本到图像生成：根据文本描述创建图像。
令牌：AI 语言模型处理的少量书面文本制定他们对您的提示的回应。一个 token 相当于四个英文字符，约等于一个单词的四分之三。
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。
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（例如句子或图像的一部分）来学习上下文。因此，它不是一次一个单词地分析一个句子，而是可以查看整个句子并理解上下文。
图灵测试：以著名数学家和计算机科学家艾伦·图灵命名，它测试机器的能力像人一样行事。如果一个人无法区分机器与另一个人的反应，则机器通过。
弱人工智能，又称狭义人工智能：专注于特定任务且无法学习超出其技能范围的人工智能。当今的大多数人工智能都是弱人工智能。
零样本学习：模型必须在没有提供必要的训练数据的情况下完成任务的测试。一个例子是识别狮子，而仅接受老虎训练。