共计 3065 个字符，预计需要花费 8 分钟才能阅读完成。
2022 年底，ChatGPT的发布彻底改变了人们对技术的理解。突然间，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 AI 聊天机器人提问，它会像人类一样给出新颖的回答。这种变革如此之大，以至于 Google、Meta、Microsoft 和 Apple 迅速开始将其 AI 技术整合到其产品套件中。
但 AI 聊天机器人 的这一方面只是 AI 领域的一部分。当然，让 ChatGPT 帮你做作业 或让 Midjourney 根据国家来源创建 令人着迷的机甲图像 很酷，但生成式 AI 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，这可能每年为全球经济带来$4.4 万亿美元的价值，这就是为什么你应该期待听到越来越多关于人工智能的消息。
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 Google 的 Gemini、Microsoft 的Copilot、Anthropic 的Claude、Perplexity AI 搜索工具以及来自Humane 和Rabbit的设备。你可以在我们的 AI Atlas 中心 阅读我们对这些及其他产品的评论和实际评估，以及新闻、解释和操作指南。
随着人们对与 AI 交织的世界越来越习惯，新的术语不断涌现。因此，无论你是想在喝酒时显得聪明，还是在工作面试中给人留下深刻印象，这里有一些你应该知道的重要 AI 术语。
这个词汇表将定期更新。
人工通用智能，或 AGI：一个概念，暗示比我们今天所知的更高级的 AI 版本，它能够在执行任务方面远超人类，同时还能教授和提升自己的能力。
agentive：展示代理能力的系统或模型，能够自主追求行动以实现目标。在 AI 的背景下，agentive 模型可以在没有持续监督的情况下行动，例如高级自动驾驶汽车。与“agentic”框架不同，agentive 框架在前台，专注于用户体验。
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实现。
AI 安全：一个跨学科领域，关注 AI 的长期影响以及它如何突然进展到可能对人类敌对的超级智能。
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 AI 以更好地产生预期结果。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：当人类倾向于赋予非人类物体类人特征时。在 AI 中，这可能包括相信聊天机器人比实际更人性化和有意识，例如相信它是快乐、悲伤甚至完全有感知力的。
人工智能，或 AI：使用技术模拟人类智能，无论是在计算机程序还是机器人中。计算机科学的一个领域，旨在构建能够执行人类任务的系统。
自主代理 ：具有完成特定任务的能力、编程和其他工具的 AI 模型。例如，自动驾驶汽车是一个自主代理，因为它有感官输入、GPS 和驾驶算法来自行导航道路。 斯坦福研究人员 已经表明，自主代理可以发展自己的文化、传统和共享语言。
偏见：关于大型语言模型，由训练数据引起的错误。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。
ChatGPT：由 OpenAI 开发的人工智能聊天机器人，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：通过重新混合现有数据或添加更多样化的数据集来训练 AI。
深度学习：一种 AI 方法，也是机器学习的子领域，使用多个参数来识别图片、声音和文本中的复杂模式。该过程受人类大脑启发，使用人工神经网络创建模式。
扩散：一种机器学习方法，采用现有数据（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 模型展示出意外能力时。
端到端学习，或 E2E：一种深度学习过程，模型被指示从头到尾执行任务。它不是按顺序训练以完成任务，而是从输入中学习并一次性解决。
伦理考量：对 AI 的伦理影响及其与隐私、数据使用、公平、滥用和其他安全问题的意识。
foom：也称为快速起飞或硬起飞。如果有人构建了一个 AGI，那么可能已经太晚拯救人类的概念。
生成对抗网络，或 GANs：一种生成式 AI 模型，由两个神经网络生成新数据：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：一种内容生成技术，使用 AI 创建文本、视频、计算机代码或图像。AI 被提供大量训练数据，找到模式以生成其自己的新颖响应，有时可能与源材料相似。
Google Gemini：Google 的 AI 聊天机器人，功能类似于 ChatGPT，但从当前网络提取信息，而 ChatGPT 仅限于 2021 年之前的数据且未连接到互联网。
护栏：放置在 AI 模型上的政策和限制，以确保数据被负责任地处理，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 生成错误但自信地陈述的答案。原因不完全清楚。例如，当问 AI 聊天机器人“列奥纳多·达·芬奇何时绘制蒙娜丽莎？”它 可能会给出错误陈述，说“列奥纳多·达·芬奇在 1815 年绘制了蒙娜丽莎”，而实际上是在 300 年后。
大型语言模型，或 LLM：一种 AI 模型，通过大量文本数据训练以理解语言并生成类似人类的语言内容。
机器学习，或 ML：AI 的一个组成部分，允许计算机在没有明确编程的情况下学习和做出更好的预测结果。可以与训练集结合生成新内容。
Microsoft Bing：微软的搜索引擎，现在可以使用 ChatGPT 背后的技术提供 AI 驱动的搜索结果。与 Google Gemini 类似，它连接到互联网。
多模态 AI：一种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：一种计算模型，类似于人类大脑的结构，旨在识别数据中的模式。由相互连接的节点或神经元组成，能够识别模式并随着时间的推移学习。
过拟合：机器学习中的错误，功能过于接近训练数据，可能只能识别特定示例，而不能识别新数据。
纸夹 ：纸夹最大化理论，由牛津大学的哲学家Nick Boström 提出，是一个假设场景，其中 AI 系统将尽可能多地制造纸夹。为了生产最大数量的纸夹，AI 系统会假设消耗或转换所有材料以实现其目标。这可能包括拆卸其他机器以生产更多纸夹，这些机器可能对人类有益。这种 AI 系统的意外后果是，它可能会在其制造纸夹的目标中毁灭人类。
参数：数值，为 LLM 提供结构和行为，使其能够进行预测。
提示：你输入 AI 聊天机器人的建议或问题以获得响应。
提示链：AI 使用先前交互中的信息来影响未来响应的能力。
随机鹦鹉：LLM 的类比，说明软件对语言背后的意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。这个短语指的是鹦鹉可以模仿人类的话语而不理解其背后的意义。
风格转移：将一种图像的风格适应到另一种图像内容的能力，允许 AI 解释一种图像的视觉属性并将其应用于另一种图像。例如，采用伦勃朗的自画像并以毕加索的风格重新创作。
温度：设置的参数，控制语言模型输出的随机性。温度越高，模型越冒险。
文本到图像生成：根据文本描述创建图像。
标记：AI 语言模型处理的小段书面文本，以形成对你的提示的响应。一个标记相当于英语中的四个字符，或大约四分之三的单词。
训练数据：用于帮助 AI 模型学习的。
随着 AI 技术的不断进步，我们正处在一个技术革命的前沿。ChatGPT 的发布不仅改变了我们与机器的互动方式，还预示着一个全新的技术时代的到来。未来，AI 将在各个领域发挥越来越重要的作用，从经济到日常生活，都将因 AI 的介入而发生深刻的变化。让我们拭目以待，迎接这个充满无限可能的新时代。
