AI 入门
术语表
整理实践讨论 AI 时常见但容易混淆的概念。
来源链接：https://aipedagogy.org/guide/key-terms/
关键术语
| 术语 | 定义 |
|---|---|
| 算法 | 一组用于解决问题或执行任务的指令。算法定义了人工智能系统如何处理输入数据，以识别模式、做出决策并生成输出。 |
| 人工智能（AI） | 被设计用来执行与人类智能相关任务的计算机系统，例如模式识别或决策。 |
| 聊天机器人 | 一种通过书面界面以文本方式与人类交流的程序，建立在大语言模型之上。例如 OpenAI 的 ChatGPT、Google 的 Gemini 等。虽然许多人会把聊天机器人和 LLM 混用，但从技术上说，聊天机器人是建立在 LLM 之上的用户界面。 |
| 基础模型 | 一种被设计为通用“基础”的模型，可用于广泛的应用。基础模型可以被适配，或“微调”，以服务特定领域或任务。相比之下，“窄模型”的设计目标是被限制在特定任务中。 |
| 生成式人工智能（GAI） | 人工智能的一个子领域，指能够生成内容的模型，例如语言、图像、视频、3D 资产或音乐。GAI 模型的输出基于它们从大规模训练数据集中学习到的模式。 |
| 幻觉 | 在 AI 语境中，指大语言模型把虚假内容呈现为事实。例如，模型可能自信地编造某个事件的细节、提供错误日期、创造虚假引用，或给出错误的医疗建议。 |
| 大语言模型（LLM） | 一种专门处理书面语言的生成式 AI 模型，既包括自然语言，也包括代码。这类模型使用从互联网上获取的大规模文本语料进行训练。例如，为 ChatGPT 提供支持的 OpenAI GPT-5.4、Anthropic 的 Claude、Google 的 Gemini、Meta 的 LLaMA 4 等。 |
| 机器学习 | 计算机科学的一个领域，系统在其中从底层数据中学习模式或趋势。机器学习算法会执行预测或决策等任务。 |
| 神经网络 | 一种计算模型。它之所以这样命名，是因为其设计元素大致类似人脑中的一些元素，包括相互连接的节点和层。神经网络可以被训练来识别模式并进行预测。在训练过程中，神经网络不同层之间的连接会根据输入的“训练数据”和其他模型设计参数，被迭代地增强或削弱。 |
| 提示词 | 在 AI 语境中，指人类提供给生成式 AI 模型的输入文本、视频片段、PDF 或语音命令。提示词通常描述你正在寻找什么，也可能给出关于风格、语气或格式的具体指令。 |
| 基于人类反馈的强化学习（RLHF） | 一种直接根据人类反馈训练模型的技术。RLHF 常用于那些难以定义清晰算法解决方案、但人类可以容易判断模型输出质量的任务。在生成式 AI 模型中，RLHF 是一种用于识别和过滤暴力、仇恨言论等问题内容的方法。 |
| 训练数据 | 用来教机器学习系统如何执行特定任务的内容。训练数据为系统提供知识基础，模型可以据此进行预测或识别模式。训练数据可能包括图像、文本、代码或其他媒体类型。它可以是结构化的，也可以是非结构化的，取决于所使用的训练过程类型。 |