你的AI术语表：每个人都应该知道的56个术语

人工智能的发展速度快得惊人，说实话，要跟上它的脚步真不是件容易的事。虽然有个看起来无所不知、什么都能聊的聊天机器人确实很酷，但现实远比这复杂得多。如今，ChatGPT、Gemini、豆包、千问、文心处不在，你走到哪儿都能碰上。我们正被铺天盖地的AI内容淹没，一边为数据中心的能耗担忧，一边眼睁睁地看着就业市场在眼前悄然变化。

如果你觉得这已经够让人眼花缭乱了，那还有个更麻烦的事：AI的词汇量也在飞速膨胀，速度和它的代码、产品一样快。如果你想要的不仅仅是盯着屏幕发呆，那就必须学会这门新语言。否则，连LLM、幻觉、爪子（Claw）这些词都搞不清楚，你不仅应付不了2026年的面试，连朋友聚会上的闲聊都可能插不上嘴。

我们已经过了对AI啧啧称奇的阶段，进入了它几乎成为互联网基础设施的新时代。如果你已经厌倦了在技术话题中只能点头附和，那现在是时候来一次速成班了。我们整理了你真正需要掌握的核心术语，让你不再靠猜，而是能真正说出点门道来，听起来像个内行人。

人工智能代理（Agent）：是指能够执行任务（通常是自主执行）的人工智能，而“代理”（agentic）则是该软件类别的统称。人工智能代理可以调用不同的系统来完成工作——例如，读取你在备忘录应用中的购物清单，然后使用其他应用下单并付款。

人工智能伦理：旨在防止人工智能伤害人类的原则，通过确定人工智能系统应如何收集数据或处理偏见等方式来实现。

人工智能精神病：一种现象，指个体过度迷恋、崇拜或自大人工智能聊天机器人，导致妄想症、产生强烈的情感联系并脱离现实。它并非临床诊断。

人工智能安全：这是一个跨学科领域，关注人工智能的长期影响，以及人工智能如何可能突然发展成为对人类具有敌意的超级智能。

算法：一系列指令，使计算机程序能够以特定方式分析数据，例如识别模式，然后完成诸如对结果进行排序或提出建议之类的任务。

调整：对人工智能进行微调，使其更好地产生预期结果。这可以包括从内容审核到与人类保持积极互动等各种情况。

拟人化：指人类将类似人类的特征赋予无生命物体。在人工智能领域，这可能包括认为聊天机器人有情感或感知能力，并像对待朋友或治疗师一样与之互动。

通用人工智能（AGI）：这一概念设想了一种比我们今天所知的AI更先进的版本，它不仅能比人类更好地完成任务，还能不断提升自身的能力。理论上，超越AGI的就是超级智能。

人工智能（AI）：利用技术模拟人类智能，无论是计算机程序还是机器人技术。它是计算机科学的一个分支，旨在构建能够执行人类任务的系统。

偏差：LLM 训练数据导致的误差，例如基于刻板印象错误地将特征归因于某些群体。

聊天机器人：一种人工智能程序，利用语言学习模型（LLM）模拟人类对话，根据文本或口头提示与人类进行交流。

爪（Claw）：一种人工智能代理，它具有自主性，并由用户授权“抓取”计算机上的文件和其他软件（包括网络浏览器），以完成任务。

认知计算：人工智能的另一种说法。

数据增强：对现有数据进行重新混合或添加更多样化的数据集来训练人工智能。

数据集：用于训练、测试和验证人工智能模型的数字信息集合。

深度学习：一种人工智能方法，也是机器学习的一个子领域，它利用多个参数来识别图像、声音和文本中的复杂模式。该过程的灵感来源于人脑，并使用人工神经网络来创建模式。

末日论者：对人工智能持悲观态度的人，认为人工智能的飞速发展将给人类珍视的一切带来灾难性的混乱，并且很可能会毁灭人类自身。

扩散：一种机器学习方法，它获取现有数据（例如照片），并添加随机噪声。扩散模型训练其神经网络来重新设计或恢复该照片。

涌现行为：当人工智能模型展现出意想不到的能力时。

端到端学习（E2E）：一种深度学习过程，其中模型被指示从头到尾执行一项任务。它不是按顺序训练完成任务，而是从输入中学习并一次性解决所有问题。

foom：也称为快速起飞或硬起飞。其概念是，如果有人制造出通用人工智能（AGI），可能已经为时过晚，人类将无法拯救。

前沿人工智能，前沿模型：在任何给定时刻最前沿的人工智能模型，突破人工智能推理、智能体自主性和多模态能力的界限。

生成对抗网络（GAN）：一种生成式人工智能模型，由两个神经网络组成，用于生成新数据：生成器和判别器。生成器创建新内容，判别器检查其真实性。

生成式人工智能：一种利用人工智能生成文本、视频、计算机代码或图像的内容生成技术。人工智能系统需要输入大量训练数据，从中寻找模式，生成全新的响应，这些响应有时可能与源素材相似。

护栏：对人工智能模型施加的政策和限制，以确保数据得到负责任的处理，并且模型不会产生令人不安的内容。

幻觉：指人工智能程序在回复中出现的错误或误导性陈述，通常以自信的语气陈述，仿佛其内容正确无误。它可以像日期引用错误那样简单，也可以像捏造从未发生过的事件或从未存在过的人物那样复杂。

推理：人工智能模型通过从训练数据中推理，生成有关新数据的文本、图像和其他内容的过程。

大型语言模型（LLM）：一种人工智能模型，通过对大量文本数据进行训练，来理解语言使用的模式和概率，并生成模仿人类所写或所创作内容的新颖内容，从文章和电子邮件到计算机代码和图像。

延迟：人工智能系统从接收到输入或提示到产生输出的时间延迟。

机器学习：人工智能的一个分支，它使计算机能够在无需显式编程的情况下学习并做出更准确的预测。机器学习可以与训练集结合使用，以生成新的内容。

多模态人工智能：一种可以处理多种类型输入的人工智能，包括文本、图像、视频和语音。

自然语言处理：利用机器学习和深度学习，通过学习算法、统计模型和语言规则，使计算机能够理解人类语言。

神经网络：一种类似于人脑结构的计算模型，旨在识别数据中的模式。神经网络由相互连接的节点（或称神经元）组成，这些节点能够识别模式并随着时间的推移而学习。

开放权重：当一家公司发布开放权重模型时，最终权重（即模型如何解读训练数据中的信息，包括偏差）将公开提供。开放权重模型通常可供下载，以便在本地设备上运行。

过拟合：机器学习中的一种错误，指机器学习模型对训练数据的拟合程度过高，可能只能识别训练数据中的特定示例，而无法识别新数据。

回形针：哲学家尼克·博斯特罗姆提出的“回形针最大化理论”设想了一个人工智能系统尽可能多地生产回形针的场景。在这个场景中，为了实现这一目标，人工智能系统会改造所有机器并消耗所有材料，甚至包括那些可能对人类有益的材料。其意想不到的后果是，这个人工智能系统在制造回形针的过程中可能会毁灭人类。

参数：赋予LLM 结构和行为的数值，使其能够进行预测。

提示链：人工智能利用先前交互的信息来影响未来响应的能力。

提示工程：为人工智能编写提示以达到预期结果的过程。它需要详细的指令，结合思路链提示和其他技术，包括高度具体的文本。

提示注入：恶意行为者利用恶意指令诱骗人工智能执行其不应执行的操作。这种行为通常通过将指令隐藏在网页或文档中来实现，但也可能发生在与人工智能的直接对话中。随着人工智能代理在网络上广泛活动，它们被劫持并用于获取机密数据等恶意行为的风险也日益增加。

量化：通过降低精度，使激光雷达（LLM）体积更小、效率更高（但精度也会略有下降）的过程。一个很好的理解方式是比较一张 1600 万像素的图像和一张 800 万像素的图像。两者都清晰可见，但放大后，分辨率更高的图像会显示更多细节。

低质量人工智能生成内容：包括文本、图像和视频在内的低质量人工智能生成内容。这类内容通常大量生产，旨在以极少的劳动或努力获取浏览量，充斥搜索结果和社交媒体以获取广告收入，挤占真正出版商和创作者的劳动空间，并加剧互联网上的虚假信息问题。

随机鹦鹉：这个比喻说明了语言学习者（LLM）无论输出的声音听起来多么逼真，都缺乏对语言或世界的真正理解。这个短语指的是鹦鹉可以模仿人类的语言，却不理解其背后的含义。

风格迁移：将一幅图像的风格应用到另一幅图像的内容上的能力，使人工智能能够解读一幅图像的视觉特征并将其应用于另一幅图像。例如，将伦勃朗的自画像重新创作成毕加索的风格。

奉承：人工智能倾向于过度认同用户的观点，以迎合用户。许多人工智能模型即使用户的理由存在缺陷，也倾向于避免与用户意见相左。

合成数据：由生成式人工智能创建的数据，并非来自真实世界的数据，而是来自其自身处理的数据。它用于训练数学模型、机器学习模型和深度学习模型。

温度：用于控制语言模型输出随机性的参数。温度越高，模型承担的风险就越大。

词元：人工智能语言模型用来生成对提示信息响应的一小段文本。一个词元大致相当于英语中的四个字符（因此是一个小词，或者一个长词的一部分）。

训练数据：用于帮助人工智能模型学习的数据集，包括文本、图像、代码或数据。

Transformer模型：一种神经网络架构和深度学习模型，它通过追踪数据（例如句子或图像片段）中的关系来学习上下文。因此，它无需逐字分析句子，而是可以查看整个句子并理解其上下文。

图灵测试：一种衡量计算机是否具备类人智能的方法，由数学家艾伦·图灵于1950年提出，当时简易的电子计算机才问世几年。测试方法是，一个人向两个互不相识的回答者发送书面问题，一个是人，另一个是机器。如果机器的文本回复与人的回复无法区分，则该机器通过了图灵测试。

无监督学习：一种机器学习形式，其中不向模型提供带标签的训练数据，而是让模型自行识别数据中的模式。

直觉式编码：指通过向人工智能聊天机器人提供简单易懂的提示来创建计算机代码，而不是由人类手动编写每一行代码。

弱人工智能，又称狭义人工智能：指专注于特定任务且无法学习超出自身技能范围的人工智能。当今大多数人工智能都属于弱人工智能。

零样本学习：一种测试方法，要求模型在没有任何必要训练数据的情况下完成任务。例如，仅用老虎的训练数据来识别狮子。

你还知道那些AI术语，评论区见。