AI 术语表
用通俗语言解释新闻里常见的 AI 词汇。
- 参数
- 模型内部在训练中被调整的数字。参数越多通常能力越强，但也需要更多内存和成本。
- 大语言模型（LLM）
- 用海量文本训练、用来预测下一个词的 AI 模型。ChatGPT、Claude 和 Gemini 都建立在大语言模型之上。
- 对齐
- 让 AI 系统按人们的意图行事、避免有害行为的工作，即使它们变得更强大也是如此。
- 多模态
- 能在同一个模型里处理多种输入或输出，比如文字、图片、声音和视频。
- 幻觉
- AI 模型自信地说出错误内容，例如编造的事实或来源。重要信息一定要核实。
- 混合专家（MoE）
- 把网络分成许多“专家”、每个词只调用其中少数几个的模型设计，能让大模型运行更便宜。
- 基准测试
- 用来比较 AI 模型的标准测试。结果有参考价值，但高分并不保证它最适合你的任务。
- 开放权重模型
- 训练好的参数公开发布、任何人都能下载并在自己电脑等设备上运行的模型。许可证各不相同。
- 扩散模型
- 从噪声出发、一步步完善结果来生成图片、视频或文字的模型。
- 量化
- 用更少的比特存储模型的数字，以减少内存并加快速度，代价是质量略有下降。在本地运行 AI 时很常见。
- 聊天机器人
- 可以用日常语言对话的程序。如今的 AI 聊天机器人用大语言模型来撰写回答。
- 人工智能（AI）
- 能完成通常与人类思维相关任务的计算机系统，例如理解语言、识别图像或做出决策。
- 上下文窗口
- 模型一次能考虑的文字量，以 token 计。窗口越大，越能一次读完长文档。
- 深度伪造
- 用 AI 制作的逼真假视频、图片或声音，常常针对真实人物。深度伪造被用于诈骗和虚假信息。
- 生成式 AI
- 能够创造新内容（文字、图片、声音、视频或代码）的 AI，而不只是整理或分析现有数据。
- 数据中心
- 装满服务器和芯片的建筑。AI 数据中心需要巨量的电力和冷却。
- 提示词
- 你给 AI 模型的指令或问题。带有背景和示例的清晰提示词，通常能换来更好的回答。
- 推理计算（Inference）
- 运行训练好的模型来获得回答。每条聊天消息都是一次推理计算，AI 服务要为此付出芯片和电力成本。
- 推理模型
- 在回答前一步步思考问题的模型。往往更擅长数学、逻辑和代码，但更慢也更贵。
- 微调
- 用更小、更专门的数据对现有模型做额外训练，让它更擅长某项任务或某种风格。
- 训练
- 模型从海量数据中学习规律的过程。训练一个顶尖模型可能需要数月和数千块芯片。
- AGI（通用人工智能）
- 一种假想中的 AI，能像人一样学习并完成大多数智力任务。目前没有公认的定义或测试。
- AI 智能体
- 能自主朝目标工作的 AI 系统：它规划步骤，使用浏览器或代码等工具，并检查结果。
- API（应用程序接口）
- 程序之间互相通信的方式。开发者通过公司的 API 把其 AI 模型接入自己的应用，通常按 token 付费。
- GPU（图形处理器）
- 能并行完成大量计算的图形芯片。英伟达等公司的 GPU 是训练和运行 AI 的主要硬件。
- RAG（检索增强生成）
- AI 先查找相关文档，再据此撰写回答的技术，可以减少编造的事实。
- Token（词元）
- 语言模型读写的一小段文字，常常是一个词的一部分。价格和限额通常按 token 计算。