人工智能行业术语
人工智能：一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。它是计算机科学的一个分支。
机器学习：人工智能的核心，是让计算机系统能够从数据中“学习”并改进，而无需进行明确编程的科学。
深度学习：机器学习的一个分支，基于人工神经网络，特别是具有许多层（“深度”）的神经网络，能够自动学习数据中的复杂模式。
算法：为解决特定问题而设计的一系列清晰、有限的指令或步骤。在AI中，算法是模型学习和预测的基础。
模型：在机器学习中，模型是算法在训练数据上学习后产生的输出，它能够对新的、未见过的数据进行预测或决策。
数据：AI的“燃料”。可以是结构化的（如表格数据）、非结构化的（如文本、图像、音频）或半结构化的。
训练：使用数据集来调整模型参数，使其能够学习数据中规律的过程。
推理：使用训练好的模型对新数据进行预测或生成结果的过程。
参数：模型在训练过程中学习到的内部变量，如神经网络中的权重和偏置。
人工神经网络：模仿生物神经网络结构和功能的数学模型或计算模型，是深度学习的基础。
感知机：最简单的神经网络模型，用于二元分类。31. 前馈神经网络：信息从输入层单向流向输出层的神经网络，是最基础的神经网络结构。
卷积神经网络：专为处理网格状数据（如图像）而设计的神经网络，通过卷积层有效提取空间特征。
循环神经网络：专为处理序列数据（如文本、语音）而设计的神经网络，具有“记忆”能力，能捕捉序列中的时间依赖关系。
Transformer：一种完全基于自注意力机制的神经网络架构，彻底改变了自然语言处理领域，并逐渐扩展到其他领域。其并行计算能力远超RNN。
自注意力机制：Transformer的核心，允许模型在处理序列中的某个元素时，能够“关注”到序列中的所有其他元素，并计算它们的重要性权重。
大型语言模型：通常指在海量文本数据上训练的、包含数千亿甚至上万亿参数的Transformer模型，具有强大的自然语言理解和生成能力。
多模态模型：能够同时处理和理解多种类型数据（如文本、图像、音频、视频）的AI模型。
向量数据库：专门用于存储、管理和查询高维向量（嵌入向量）的数据库，是语义搜索、推荐系统和RAG应用的关键组件。
嵌入：将离散的、高维的数据（如单词、类别）映射到低维、连续的向量空间的技术。这些向量能捕捉数据之间的语义关系。
自然语言处理：人工智能的一个分支，研究如何让计算机理解、解释和生成人类语言。
自然语言理解：NLP的子领域，专注于让机器理解文本或语音的含义。
自然语言生成：NLP的子领域，专注于让机器以自然、流畅的方式生成人类可读的文本或语音。
大语言模型提示工程：设计和优化输入给LLM的提示词，以引导模型产生更符合期望、更高质量的输出的技术
检索增强生成：一种将信息检索与生成式AI相结合的技术。在生成回答前，先从外部知识库中检索相关事实，然后基于检索到的信息进行生成，以提高回答的准确性和时效性。
上下文学习：LLM的一种能力，即在不更新模型参数的情况下，仅通过在输入提示中提供少量示例，就能学会执行新任务。
计算机视觉：使计算机能够从图像或视频中获取信息、理解内容并做出决策的科学。
数据集：用于训练、验证和测试模型的数据集合。
训练集：用于调整模型参数的数据子集。
数据标注：为原始数据（如图像、文本）添加标签的过程，是监督学习的基础。
监督学习：使用带有标签的数据进行训练，让模型学习输入到输出的映射关系。常见任务有分类和回归。
无监督学习：使用没有标签的数据进行训练，让模型自行发现数据中的内在结构或模式。常见任务有聚类和降维。
半监督学习：结合少量有标签数据和大量无标签数据进行训练，以利用两者的优势。
框架：用于简化AI模型开发和训练的软件库，如TensorFlow, PyTorch。
模型即服务：将训练好的AI模型作为云服务提供，用户可以通过API调用模型功能，无需自行部署和维护。
API (应用程序编程接口)：一组定义和协议，用于构建和集成应用程序软件。在AI中，API是调用模型服务的主要方式。
幻觉：指生成式AI模型（尤其是LLM）捏造事实、生成看似合理但与事实不符的信息的现象。
基础模型：指在大量、广泛的数据上进行预训练，能够适应多种下游任务的超大规模模型（如GPT系列、BERT、Llama系列）。
提示词：输入给生成式AI模型的文本指令，用于引导模型生成特定的内容或执行特定的任务。
生成式AI：能够根据学习到的数据模式，创造出全新内容（文本、图像、音乐、代码等）的AI。
AIGC (AI Generated Content)：即“AI生成内容”，是生成式AI应用的直接产物。
自主智能体：能够感知环境、制定决策并自主执行行动以完成特定目标的AI系统。它通常具备记忆、规划和使用工具的能力。
知识图谱：用图的形式表示实体及其之间关系的知识库，为AI提供结构化的世界知识，增强推理能力。
机器人流程自动化：使用软件机器人来自动执行重复性、基于规则的业务流程。结合AI后，可以处理更复杂的非结构化任务。
数字孪生：为物理实体（如飞机发动机、工厂、城市）创建的虚拟数字模型，通过AI进行实时模拟、预测和优化。
量子计算：利用量子力学原理进行计算的新兴技术。理论上，它能在某些特定问题上（如分子模拟、特定优化问题）提供远超传统计算机的算力，可能为AI带来颠覆性变革。
奇点：一个理论上的时间点，届时人工智能的智能将超越人类智能，并引发不可预见的技术和社会变革。这是一个充满争议和哲学思辨的概念。
http://minhaas.com/yaoshiyulejieshao/548292.html
