TechCrunch揭示了全面的AI词汇表

人工智能是一个复杂且不断发展的领域。潜入该领域的科学家经常使用专门的术语，这可能使我们其他人很难跟上。这就是为什么我们创建了这个词汇表的原因，可以帮助您了解我们在AI行业中使用的关键术语和短语。我们将随着新的术语和概念的出现，将其更新，以反映AI研究中最新的进步和潜在风险。

AI代理AI代理是一种利用AI技术来处理一系列任务的工具 - 超越了简单的AI Chatbot可以做的事情。想一想诸如提交费用，预订旅行或餐厅预订，甚至管理和编写代码之类的事情。但是，“ AI代理”一词的含义可以根据您的要求而有所不同。完全意识到其潜力的基础架构仍在开发中，但是核心思想是一个自主系统，可以利用多个AI系统执行多步骤任务。

当面对一个直接的问题时，诸如“哪个动物更高，长颈鹿或猫？”的思想链时，您的大脑通常可以不用努力就回答。但是，对于更棘手的问题，例如弄清楚农民知道有40头和120条腿的农民有多少只鸡和奶牛 - 您可能需要记下一些方程式（在这种情况下为20只鸡和20头母牛）。

在AI中，经过思考的推理涉及将问题分解为较小的中间步骤，以提高最终结果的准确性。它可能需要更长的时间，但是在逻辑或编码方案中特别有用。这些推理模型建立在传统的大型语言模型上，并通过加强学习进行精炼。

（请参阅：大语言模型）

深度学习深度学习是一种使用多层人工神经网络（ANN）结构的一种自我改善的机器学习。与线性模型或决策树等简单的机器学习方法相比，这种设置允许更复杂的相关性。深度学习算法的设计从人脑中的神经途径中汲取灵感。

深度学习模型可以自己识别数据中的关键特征，而无需人类来定义它们。他们还从错误中学习，通过重复和调整随着时间的推移而改善。但是，它们需要大量数据（数百万分）才能表现良好，并且训练需要比简单的模型更长，这可以提高开发成本。

（请参阅：神经网络）

微调微调涉及进一步培训AI模型，以使用新的专用数据来提高特定任务或领域的性能。许多AI初创公司从大型语言模型开始，然后使用自己的特定领域知识对其进行微调以更好地服务于特定的行业或任务。

（请参阅：大语言模型[LLM]）

大型语言模型（LLM）大型语言模型或LLM，Power流行的AI助手，例如Chatgpt，Claude，Google的Gemini，Meta的AI Llama，Microsoft Copilot和Misstral的LE Chat。当您与这些助手聊天时，您将与处理请求的LLM进行交互，通常使用Web浏览或代码解释器之类的工具。

AI助手和LLM可以用不同的名称使用。例如，GPT是OpenAI的大型语言模型，而Chatgpt是AI助理产品。

LLM是深度神经网络，具有数十亿个参数（或权重），它们可以学习单词和短语如何相互关系，从而创建多维语言图。他们对书籍，文章和成绩单中的大量文字进行了培训。当您给LLM提示时，它会根据最可能的模式生成响应，并根据以前的内容预测下一个单词。

（请参阅：神经网络）

神经网络神经网络是多层算法结构，构成了深度学习和生成AI工具的激增，尤其是在大型语言模型开始发挥作用之后。

模仿人脑的数据处理途径的概念可以追溯到1940年代。但是，由于视频游戏行业，图形处理单元（GPU）的兴起确实使这个想法栩栩如生。这些芯片允许培训更多层的培训算法，从而在语音识别，自动导航和药物发现等领域的性能显着提高。

（请参阅：大语言模型[LLM]）

重量重量在AI训练中至关重要，因为它们确定对训练数据中不同特征的重要性（或权重），从而塑造了AI模型的输出。从本质上讲，权重是数值参数，可以突出显示手头任务中最相关的内容。它们通过乘以输入来起作用。

训练通常从随机分配的权重开始，然后随着时间的推移随时间进行调整，因为该模型试图产生与目标更匹配的输出。例如，预测住房价格的AI模型可能会为诸如卧室和浴室数量的因素（无论是分离的还是半独立的）等因素分配权重，无论是停车还是车库。这些权重反映了根据所使用的数据，每个因素都会影响物业的价值。