共计 3190 个字符，预计需要花费 8 分钟才能阅读完成。
2022 年末，ChatGPT的发布彻底改变了人们在线获取信息的方式。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 AI 整合到他们的产品中。
但这种 AI 聊天机器人 的功能只是 AI 领域的一部分。当然，让 ChatGPT 帮助完成作业 或者让 Midjourney 根据国家创建 引人入胜的机甲图像 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。
AI 正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，无论你是想在酒会上显得聪明，还是在工作面试中给人留下深刻印象，以下是一些你应该知道的重要 AI 术语。
本词汇表会定期更新。
关键 AI 术语解析
人工通用智能，或 AGI：一个概念，暗示比我们今天所知的更先进的 AI 版本，它能够比人类更好地执行任务，同时也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（在后台）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怀有敌意的超级智能。
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，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，自动驾驶汽车是自主代理，因为它具有感官输入、GPS 和驾驶算法，可以自行导航道路。 斯坦福研究人员 已经证明，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，由于训练数据导致的错误。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 AI 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构建或恢复该照片。
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 的伦理影响和与隐私、数据使用、公平、滥用和其他安全问题相关的意识的认识。
foom：也称为快速起飞或硬起飞。如果有人构建了 AGI，人类可能已经来不及拯救自己的概念。
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 年之前的数据且不连接到互联网。
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为正确的答案。其原因不完全清楚。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？”时，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 年前绘制的。
大型语言模型，或 LLM：在大量文本数据上训练的 AI 模型，以理解语言并生成类似人类的语言的新内容。
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：Microsoft 的搜索引擎，现在可以使用 ChatGPT 的技术提供 AI 驱动的搜索结果。它类似于 Google Gemini，连接到互联网。
多模态 AI：一种可以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：使用机器学习和深度学习使计算机能够理解人类语言的 AI 分支，通常使用学习算法、统计模型和语言规则。
神经网络：一种类似于人类大脑结构的计算模型，旨在识别数据中的模式。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，可能只能识别该数据中的特定示例，而不能识别新数据。
回形针：回形针最大化理论，由牛津大学哲学家 Nick Boström 提出，是一个假设场景，其中 AI 系统将尽可能多地制造回形针。为了生产最大数量的回形针，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回形针，这些机器可能对人类有益。这种 AI 系统的意外后果是，为了制造回形针，它可能会毁灭人类。
参数：为 LLM 提供结构和行为的数值，使其能够做出预测。
Perplexity：由 Perplexity AI 拥有的 AI 驱动的聊天机器人和搜索引擎的名称。它使用大型语言模型（如其他 AI 聊天机器人中的模型）以新颖的答案回答问题。它与开放互联网的连接还允许它提供最新的信息并从网络各处提取结果。Perplexity Pro 是该服务的付费层，还使用其他模型，包括 GPT-4o、Claude 3 Opus、Mistral Large、开源的 LlaMa 3 及其自己的 Sonar 32k。Pro 用户还可以上传文档进行分析、生成图像并解释代码。
提示：你输入到 AI 聊天机器人中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的理解并不大，无论输出听起来多么令人信服。该短语指的是鹦鹉可以模仿人类单词而不理解其背后的意义。
风格迁移：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。较高的温度意味着模型承担更多风险。
文本到图像生成：根据文本描述创建图像。
标记：AI 语言模型处理以形成对你提示的响应的书面文本的小片段。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
