图源：ADOBE STOCK

1.人工智能

人工智能：一个计算机科学领域，其专注于构建系统来模仿人类行为并展示机器智能。

2.大型语言模型

大型语言模型：一种神经网络，通过大量文本数据的训练来模仿人类语言。这类基础模型能够处理海量的非结构化文本，并学习单词或部分单词之间的关系（即“标记”）。这使它们能够生成自然语言文本，执行诸如总结或知识提取等任务。其例子包括GPT-4（ChatGPT的模型）和LaMDA（Bard的模型）等。

3.偏见

偏见：当人工智能系统由于错误的假设或机器学习过程中受到影响而系统性地产生不公平、不准确的结果时，即会出现偏见。人工智能中的偏见可能对个人和社会产生负面影响，如歧视、虚假信息或丧失信任。人工智能的偏见存在不同的类型和来源，如数据偏见、算法偏见、人为偏见和社会偏见。

4.机器学习

机器学习：一门研究人工智能如何从训练数据中获取知识的学科。它是人工智能的一个子集，其中，模型在得到训练或获得众多数据点后，可获得能力并改善其感知、知识、思考或行动。通过处理数据和经验，机器学习算法可发现模式，学习如何预测与推荐。通过这种方式，系统会逐步提供准确的内容。

5.深度学习

深度学习：机器学习的一种，其使用大型多层的（人工）深度神经网络进行计算，这些网络使用连续的（实数）表示进行计算，有些类似于人脑中分层组织的神经元。它在非结构化数据（如图像、文本和音频）学习方面尤其有效。

6.神经网络

神经网络：一种受生物神经元结构和功能启发的计算模型。

7.微调

微调：指对预训练的基础模型调整，以更好执行特定任务的过程。这涉及在标记数据集（其规模比模型最初训练的数据集要小得多）上进行相对较短时间的训练。这种额外的训练使模型能够学习和适应细微差别、术语和特定的模式。

8.提示工程

提示工程：一种在人工智能中用于优化和微调语言模型以完成特定任务和达到期望输出的技术。其也被称为“提示设计”，指仔细构建提示或输入的过程，以提高AI模型在特定任务上的准确性能。

9.生成式人工智能

生成式人工智能：一种机器学习形式，其中，人工智能平台可根据其训练的数据，对遇到的提示生成新的输出信息。

10.提示

提示：使用自然语言而不是计算机语言向人工智能系统提供的指令。例如，生成式人工智能可以通过提示来创建看似新颖或有趣的内容。

11.幻觉

幻觉：指人工智能系统产生的输出信息并不基于现实或给定的上下文的现象。例如，人工智能聊天机器人可能虚构事实或故事，或者人工智能图像识别系统可能看到并不存在的物体或图案。

12.监督学习

监督学习：一种利用带标签数据集训练算法，以对数据进行分类或预测结果的机器学习类型。带标签数据集是由人类分配标签或类别的数据集合。

13.无监督学习

无监督学习：一种机器学习类型，其中，算法从未标记的数据中学习，不需要人类的引导或反馈。