ai的专业术语

一、基础概念

• AI（人工智能）：让机器模仿人类的思考、判断和学习能力。
• AGI（通用人工智能）：拥有和人类相近的综合智能，能灵活应对各种任务。
• ML（机器学习）：不用一条条写死规则，让机器从数据里自己总结规律。
• DL（深度学习）：机器学习的一种，靠多层神经网络实现更强的理解和生成能力，也是现在大模型的核心技术。
• NLP（自然语言处理）：让 AI 看懂、听懂、会说人类语言。
• CV（计算机视觉）：让 AI 像人一样 “看懂” 图片和视频。

二、大模型与训练

• LLM（大语言模型）：能写文章、聊天、答问题的大型语言 AI，我们日常用的智能助手都属于这一类。
• 预训练模型：先在海量数据里学习通用知识，打下基础能力。
• 微调：在通用模型的基础上，用特定数据再训练，让它更适合某个场景。
• 提示词：我们给 AI 的指令或问题，直接影响输出效果。
• Token：AI 处理文字的最小单位，用来计算长度和成本。
• 参数：可以理解为模型学到的 “知识量”，参数越多，能力通常越强。
• 对齐：让 AI 的输出更安全、更符合人的意图和价值观。

三、模型结构

• Transformer：目前绝大多数大模型都在用的核心架构。
• 编码器：负责理解、分析输入的内容。
• 解码器：负责生成、输出结果。
• CNN、RNN：早期常用的网络结构，现在更多用在图像、语音等领域。

四、生成式 AI

• AIGC（AI 生成内容）：用 AI 自动创作文字、图片、音频、视频等内容。
• TTS（文本转语音）：把文字变成真人般的朗读声音。
• ASR（语音识别）：把语音转成文字。
• 文生图、文生视频：输入文字描述，AI 直接画出图片或生成视频。
• 扩散模型：现在主流 AI 绘画工具的底层技术。

五、应用与智能体

• AI 智能体：可以自主思考、主动完成任务的 AI。
• 工具调用：让 AI 联网、查资料、用计算器等，扩展能力。
• RAG（检索增强生成）：先从知识库查找相关信息，再给出更准确的回答。
• 向量嵌入：把文字、图片转成数字向量，方便快速检索和匹配。
• 知识图谱：用结构化的方式储存和展示知识关系。

六、效果与常见问题

• 幻觉：AI 编造不存在的事实或数据，是目前常见问题。
• 过拟合：模型太 “死记硬背” 训练数据，换到新场景就不好用。
• 推理：模型实际运行、给出结果的过程。

七、伦理与安全

• 偏见：AI 从数据里学到的歧视或不公平倾向。
• 对齐：让 AI 更安全、可控、符合人类利益。