谷歌、微软以及几乎所有其他公司都在涉足人工智能领域，随着最新术语的不断涌现，跟进变得困难。这个词汇表可以帮到你。

ChatGPT，来自 OpenAI 的 AI 聊天机器人，具备令人难以置信的回答任何问题的能力，很可能是你对 AI 的第一次接触。从写诗、简历到融合食谱，ChatGPT 的强大之处被比作了加强版的自动补全。

但是，AI 聊天机器人只是 AI 领域的一部分。当然，让 ChatGPT 帮助你写作业或者让 Midjourney 根据原产国创建迷人的机甲图片确实很酷，但是它的潜力可能会彻底改变经济。根据麦肯锡全球研究所的数据，这个潜力每年可能为全球经济带来4.4万亿美元的价值，这就是为什么你应该预计会越来越多地听到关于人工智能的内容。

随着人们逐渐习惯了与 AI 交织在一起的世界，新的术语在各个地方不断涌现。因此，无论你是想在社交场合中显得聪明或者在求职面试中给人留下深刻印象，下面是一些你应该了解的重要的AI术语。

该词汇表将持续更新。

--------------

Artificial general intelligence - 人工通用智能，或AGI：这个概念意味着比我们今天所了解的人工智能更高级的版本，它能够比人类更好地完成任务，并且能够教授并提升自己的能力。

AI ethics - 人工智能伦理：旨在防止人工智能对人类造成伤害的原则，通过决定人工智能系统如何收集数据或处理偏见等手段实现。

AI safety - AI安全性：一个跨学科的领域，关注人工智能的长期影响以及它如何突然发展成能对人类具有敌意的超级智能。

Algorithm - 算法：一系列指令，使计算机程序可以以特定方式学习和分析数据，例如识别模式，从中学习并完成任务。

Alignment - 对齐：调整人工智能以更好地产生期望的结果。这可以涉及从内容的调节到与人类保持积极互动等方面。

Anthropomorphism - 拟人化：人类倾向于赋予非人对象类似人类特征的现象。在人工智能中，这可能包括相信聊天机器人比它实际上更像人类和更有意识，例如相信它是快乐的、悲伤的，甚至完全有知觉的。

Artificial intelligence - 人工智能（AI）：利用技术模拟人类智能，无论是在计算机程序还是机器人中。这是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。

Bias - 偏见：关于大型语言模型，由于训练数据导致的错误。这可能会错误地将某些特征归因于特定的种族或群体，基于刻板印象。

Chatbot - 聊天机器人：通过文本与人类进行交流，模拟人类语言的程序。

ChatGPT：由OpenAI开发的使用大型语言模型技术的AI聊天机器人。

Cognitive computing - 认知计算：人工智能的另一个术语。

Data augmentation - 数据增强：重新混合现有数据或添加更多多样化的数据来训练AI。

Deep learning - 深度学习：一种AI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。该过程受人脑启发，并使用人工神经网络来创建模式。

Diffusion - 扩散：一种机器学习方法，它将现有的数据（如照片）加入随机噪声。扩散模型训练其网络以重新工程化或恢复该照片。

Emergent behavior - 新兴行为：当AI模型展示出意外的能力时。

End-to-end learning - 端到端学习，或E2E：一种深度学习过程，其中模型被指示从头到尾执行任务。它不是顺序地训练以完成任务，而是一次性地从输入中学习并解决问题。

Ethical considerations - 道德考虑：对AI的伦理影响及与隐私、数据使用、公平性、滥用和其他安全问题相关的问题的意识。

Foom：Foom: 也被称为快速起飞或硬起飞。这个概念是指如果有人造出了人工通用智能（AGI），也许拯救人类可能已经太迟了。

Generative adversarial networks - 生成对抗网络，或GANs：一种由两个神经网络组成的生成型AI模型，用于生成新数据：发生器和鉴别器。发生器创建新内容，鉴别器检查其是否真实。

Generative AI - 生成式人工智能：一种使用人工智能创作文本、视频、计算机代码或图像的技术。人工智能会被提供大量的训练数据，并找到模式以生成自己独特的回应，有时可能与原始素材相似。

Google Bard：谷歌的一个AI聊天机器人，与ChatGPT类似，但从当前网络中获取信息，而ChatGPT则限于2021年以前的数据，并不连接到互联网。

Guardrails - 防护栏：应用于AI模型的政策和限制，以确保数据被负责任地处理，模型不会产生令人不安的内容。

Hallucination - 幻觉：AI的错误回应。可能包括生成型AI生成的回答错误，但表现出置信的样子。这其中的原因尚不完全清楚。例如，当问一个AI聊天机器人：“莱昂纳多·达·芬奇什么时候画《蒙娜丽莎》？”时，它可能会回答一个错误的陈述：“莱昂纳多·达·芬奇于1815年画了《蒙娜丽莎》。”而实际上它是在300年前画的。

Large language model - 大型语言模型，或LLM：通过大量文本数据训练的AI模型，以理解语言并生成与人类语言类似的新内容。

Machine learning - 机器学习，或ML：AI中的一个组件，使计算机能够通过学习而获得更好的预测结果，而无需显式编程。可以与训练集结合使用以生成新内容。

Microsoft Bing：微软的搜索引擎，现在可以使用支持ChatGPT技术的AI提供搜索结果。它类似于与互联网连接的Google Bard。

Multimodal AI - 多模态AI：一种能够处理多种类型输入的AI，包括文本、图片、视频和语音。

Natural language processing - 自然语言处理：AI的一个分支，利用机器学习和深度学习来使计算机具有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。

Neural network - 神经网络：一种类似人脑结构的计算模型，旨在识别数据中的模式。由相互连接的节点或神经元组成，可以识别模式并随时间学习。

Overfitting - 过拟合：机器学习中的错误，它与训练数据过于密切相关，可能只能识别该数据中的特定示例，而不能识别新数据。

Parameters - 参数：给予LLMs结构和行为的数值，使其能够进行预测。

Prompt chaining - 提示链接：AI利用先前互动的信息来影响未来的回应能力。

Stochastic parrot - 随机鹦鹉：对LLMs的类比，说明该软件无论输出听起来多么令人信服，都没有对语言或其周围世界背后的含义有更大的理解。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含义。

Style transfer - 风格转移：将一幅图像的风格适应到另一幅图像的能力，使得AI可以解释一幅图像的视觉属性并将其应用于另一幅图像。例如，将雷姆布兰特的自画像以毕加索的风格重新创作。

Temperature - 温度：参数设定用于控制语言模型输出的随机性。较高的温度意味着模型更加冒险。

Text-to-image generation - 文本生成图像：根据文本描述创建图像。

Training data - 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 model - Transformer模型：一种神经网络架构和深度学习模型，通过追踪数据中的关系（例如句子或图像的部分）来学习上下文。因此，它不是逐字分析句子，而是可以查看整个句子并理解上下文。

Turing test - 图灵测试：以著名数学家和计算机科学家艾伦·图灵命名，它测试一台机器像人类一样行为的能力。如果人类无法区分机器的回答与另一个人类的回答，则机器通过了测试。

Weak AI, aka narrow AI - 弱人工智能，也称为狭义人工智能：专注于特定任务且不能超越其技能范围的人工智能。今天的大多数人工智能都是弱人工智能。

Zero-shot learning - 零样本学习：一个模型必须在没有给定所需的训练数据的情况下完成任务的测试。一个例子是，在只接受了关于老虎的训练的情况下，识别一只狮子。