- 内容很多，这是【篇1】
- 本文包括38个【A-H】打头的术语。
- 喜欢就点个关注吧，谢谢！[心][谢谢]~
- 会持续更新完100个关键术语！
【以A开头】
1. Adversarial Attack - 对抗攻击
参考链接: https://en.wikipedia.org/wiki/Adversarial_machine_learning- 概念解释: 通过添加细微扰动迷惑AI模型产生错误输出的一种攻击方式,用于测试模型鲁棒性或欺骗模型。
- 补充说明:-
2. AGI - 通用人工智能
参考链接: https://zh.wikipedia.org/wiki/%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7- 概念解释: 通用人工智能(英语:Artificial General Intelligence)或称强人工智能(Strong AI)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
- 补充说明:-
3.AIGC - 生成式人工智能
参考链接: https://baike.baidu.com/item/AIGC/59988381- 概念解释: 生成式人工智能AIGC(Artificial Intelligence Generated Content)是人工智能1.0时代进入2.0时代的重要标志。。
- 补充说明:-
4. Agents - AI代理
参考链接: https://en.wikipedia.org/wiki/Intelligent_agent- 概念解释: 能主动感知环境并做出反应达成目标的自治实体,是构建通用AI的基本单元。
- 补充说明:-
5.AI - 人工智能
参考链接: https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD- 概念解释: 使机器拥有类似或超过人类智能的能力的一门学科,目的是探索智能的本质。
- 补充说明:-
6. attention - 注意力机制
参考链接: https://zh.wikipedia.org/wiki/%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6- 概念解释: 一种让神经网络可自主选择不同输入信息的权重的机制。
- 补充说明:-
7.Accelerator - AI加速器
参考链接: https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%8A%A0%E9%80%9F%E5%99%A8- 概念解释: 如GPU、TPU等专门加速AI计算的芯片,大幅提升模型训练和推理速度。
- 补充说明:-
【以B开头】
1.bias - 偏见
参考链接: https://en.wikipedia.org/wiki/Algorithmic_bias- 概念解释: Al模型对数据所做的假设。"偏差方差权衡"是模型对数据的假假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数我的基础分布所做的一组假设。
- 补充说明:-
2.backpropagation - 反向传播
参考链接: https://zh.wikipedia.org/wiki/%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E7%AE%97%E6%B3%95- 概念解释: 深度神经网络中训练的基础算法,通过误差反向传播调整网络参数。
- 补充说明:-
【以C开头】
1.CNN - 卷积神经网络
参考链接: https://zh.wikipedia.org/wiki/%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C- 概念解释: 一类用于图像处理的人工神经网络,通过卷积层提取空间特征。
- 补充说明:-
2.CV - 计算机视觉
参考链接: https://zh.wikipedia.org/wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89- 概念解释: 使计算机获得高级图像理解能力的技术,应用广泛包括识别、追踪、重建等。
- 补充说明:-
3.ChatGPT - ChatGPT
参考链接: https://zh.wikipedia.org/wiki/ChatGPT- 概念解释: OpenAI研发的基于GPT模型的智能聊天机器人,可进行自然语言对话。
- 补充说明: 2022年11月公开后广受关注,标志着大模型应用进入新的阶段。
3.Chatbot - 聊天机器人
参考链接: https://zh.wikipedia.org/wiki/%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA- 概念解释: 通过自然语言与人交流的智能对话系统。
- 补充说明: 根据实现机制可分为基于规则、检索和生成的聊天机器人。
4.CoT - 思维链
参考链接: https://ai.googleblog.com/2022/05/language-models-perform-reasoning-via.html- 概念解释: 思维链提示(CoT,Chain-of-thought)通过提示LLM生成一系列门中间步骤来提高LLM的推理能力,这些中间步骤会导致多步骤问题的最终答案。该技术由谷歌研究人员于2022年首次提出。
- 补充说明: -
5.connectionism - 连接主义
参考链接: https://www.infoobs.com/article/20200410/38649.html- 概念解释: 一种强调神经网络中节点连接对智能的重要性的AI理论，与之对应还有符号主义。
- 补充说明: 主要观点是,知识是在大量的连接中存储的,这些连接模拟了大脑的神经网络。这种方法依赖于于从数据中学习和适应,而不是依赖预定义的规则。连接主义AI的典型例子是深度学习。深度学习是一种人工神经网络,它可以通过学习大量的数据来识别模式。
【以D开头】
1.Deep Learning - 深度学习
参考链接: https://zh.wikipedia.org/wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0- 概念解释: 使用多层神经网络提取层次性特征表示的机器学习分支。
- 补充说明:-
2.DeepMind - DeepMind
参考链接: https://zh.wikipedia.org/wiki/DeepMind- 概念解释: 一家英国AI公司,最著名成果是AlphaGo等。
- 补充说明: 2022被收购加入Alphabet。
3.Diffusion Models - 扩散模型
参考链接: https://www.wikiwand.com/zh-hans/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B- 概念解释: 利用随机扩散过程逆向生成数据的一类生成模型。
- 补充说明:-
4.Double Descent - 双降
参考链接: https://en.wikipedia.org/wiki/Double_descent- 概念解释: 模型规模与泛化误差之间的双峰关系。
- 补充说明: 小模型欠拟合,大模型过拟合后反而泛化更好。
【以E开头】
1.Emergence - 涌现
参考链接: https://www.wikiwand.com/zh-hans/%E6%B6%8C%E7%8E%B0- 概念解释: 涌现(英语:emergence)或称创发、突现、呈展、演生,2是一种现象,为许多小实体相互作用后产生了大实体,而这个大实体展现了组成它的小实体所不不具有的特性。涌现在整合层次和复杂系统理论中起着核心作用。例如,生物学中的生命现象是是化学的一个涌现。
- 补充说明: 是研究AGI的关键概念之一。
2.Embedding - 嵌入
参考链接: https://learn.microsoft.com/en-us/semantic-kernel/memories/embeddings- 概念解释: 一种dense向量表示词语语义的技术,是自然语言处理的基础。
- 补充说明: 在计算机科学中,"embedding"是一种将对象(如词语、用户或商品)映射到数值向量的技术。这些向量捕捉了对象之间的相似性和关系,就像你在"猜词"游戏中使用相关词描述一个词
3.Expert Systems - 专家系统
参考链接: https://zh.wikipedia.org/wiki/%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F- 概念解释: 人工智能技术的应用,为特定领域的复杂问题提供解决方案。
- 补充说明:-
【以F开头】
1.Few-Shot Learning - 小样本学习
参考链接: https://zh.wikipedia.org/wiki/%E5%B0%8F%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0- 概念解释: 机器学习技术,使模型能够从极少量样本中学习新概念或类别。
- 补充说明:-
2.Fine-Tuning - 微调
参考链接: https://zh.wikipedia.org/wiki/%E5%BE%AE%E8%B0%83_(%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)- 概念解释: 基于预训练模型进行少量额外训练以适应下游任务。
- 补充说明:-
3.Fitting - 拟合
参考链接: https://en.wikipedia.org/wiki/Curve_fitting- 概念解释: 机器学习中找到最佳匹配训练数据的模型参数过程。
- 补充说明: 过度拟合会引起过拟合问题。
4.Forward Propagation - 前向传播
参考链接: https://zh.wikipedia.org/wiki/%E6%AD%A3%E5%90%91%E4%BC%A0%E6%92%AD%E7%AE%97%E6%B3%95- 概念解释: 在神经网络中,前向传播是输入数据被馈送到网络并通过每一月层(从输入层到隐藏层,最后到输出层)以产生输出的过程。网络对输入应用权重和偏差,并使用激活函数生成最终输出。
- 补充说明:-
5.Foundation Model - 基础模型
参考链接: https://www.jiqizhixin.com/articles/2021-08-23-6- 概念解释: 可用于各种下游任务的通用预训练模型,如BERT等语言模型和CLIP等多模态模型。
- 补充说明:-
【以G开头】
1.GAN - 生成对抗网络
参考链接: https://zh.wikipedia.org/wiki/%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C- 概念解释: 包含生成器和判别器的网络结构,可以从随机噪声中生成逼真数据。
- 补充说明:-
2.GPT - GPT
参考链接: https://zh.wikipedia.org/wiki/GPT- 概念解释: OpenAI推出的基于Transformer的语言生成模型系列,采用自回归预训练方式。
- 补充说明:-
3.GPU - 图形处理单元
参考链接: https://zh.wikipedia.org/wiki/%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8- 概念解释: 具有高并行计算能力的芯片,可大幅加速AI计算,尤其是神经网络训练。
- 补充说明:-
4.Generalization - 泛化
参考链接: https://developer.nvidia.com/blog/genomic-llms-show-superior-performance-and-generalization-across-diverse-tasks/- 概念解释: 机器学习模型对未见过的数据保持预测能力的特性。
- 补充说明:-
5.Generative Model - 生成模型
参考链接: https://zh.wikipedia.org/wiki/%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B- 概念解释: 一类可以学习数据分布并生成新样本的机器学习模型。
- 补充说明:-
【以H开头】
1.Hallucination - 幻觉
参考链接: https://www.jiqizhixin.com/articles/2020-03-15-9- 概念解释: 指AI系统生成非真实存在的内容,如不存在的公司名等。
- 补充说明:-
2.Hyperparameter Tuning - 超参数调优
参考链接: https://zh.wikipedia.org/wiki/%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98- 概念解释: 寻找机器学习模型的最佳超参数组合的过程。
- 补充说明:-
#暑期创作大赛#
评论留言