常用AI名词解释（纯干货！！！）

　　🧠 AGI：通用人工智能（Artificial General Intelligence）是指具备与人类同等或超越人类的智能，能够表现出正常人类所具有的所有智能行为。它也被称为强人工智能。

　　🤖 AI：人工智能（Artificial Intelligence）于1956年在Dartmouth学会上提出，是一种技术，通过类似人类反应的方式对刺激做出反应并从中学习。其理解和判断水平通常仅在人类的专业技能中找到。AI因其具备自主学习和认知能力，能够进行自我调整和改进，从而应对更加复杂的任务。

　　🎨 AIGC：生成式AI（AI Generated Content）意指由人工智能生成的内容。包括AI文字续写、文字转像的AI图、AI主持人等应用都属于AIGC。

　　🔍 ANI：狭义人工智能（Artificial Narrow Intelligence）即专注于一项任务的人工智能，例如下围棋的AlphaGo。它也被称为弱人工智能。

　　🧠 ASI：尽管存在争议，人工超级智能（ASI）通常被定义为超越人类思维能力的人工智能。

　　🚀 加速器（Accelerator）：一类旨在加速人工智能应用的微处理器。

　　🔄 Agents：智能体（Agent）是一个设定了目标或任务的大型语言模型，可以迭代运行。与大型语言模型（LLM）在工具如ChatGPT中通常被用于回答问题的方式不同，Agent具有复杂的工作流程，模型本质上可以自我对话，而无需人类驱动每一部分的交互。

　　🤝 Alignment：人工智能对齐（Alignment）指引导人工智能系统的行为，使其符合设计者的利益和预期目标。已对齐的人工智能行为会朝着预期方向发展，而未对齐的人工智能行为虽然具备特定目标，但此目标并非设计者所预期。

　　👀 注意力机制（Attention）：在深度学习中指的是模型对输入的不同部分分配不同注意力的机制，有助于处理长距离依赖性。注意力机制有助于模型在生成输出时专注于输入的相关部分。

　　🔄 Backpropagation：反向传播（Backpropagation）是一种用于训练神经网络的算法，通过不断调整模型参数以最小化预测误差。

　　🎭 Bias：偏见（Bias）在机器学习中指的是模型对训练数据的错误偏见，可能导致对新数据的不准确预测。

　　🎨 CLIP：对比语言-图像预训练（Contrastive Language-Image Pre-training）是一种由 OpenAI 提出的模型，用于联合处理图像和文本，使其能够理解和生成图像的描述。

　　📷 CNN：卷积神经网络（Convolutional Neural Network）一种专门用于处理图像和视频等网格数据的深度学习神经网络。此类模型通常用于图像识别任务。

　　👁️‍🗨️ CV：计算机视觉（Computer Vision）是一种让计算机能够理解和解释视觉信息的技术领域。它指的是用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步进行图像处理，使其更适合人眼观察或传送给仪器检测的图像。

　　💬 ChatGPT：对话生成预训练变压器（Generative Pre-trained Transformer）由 OpenAI 创建的一种对话型语言模型。于2022年11月推出。该程序使用基于GPT-3.5、GPT-4架构的大型语言模型并以强化学习训练。

　　🔗 CoT：思维链提示（Chain-of-Thought）通过提示LLM生成一系列中间步骤，提高LLM的推理能力。这些中间步骤导致多步骤问题的最终答案。该技术由谷歌研究人员于2022年首次提出。

　　🖥️ Compute：计算资源（Compute）在上下文中，通常指的是计算机硬件资源，如CPU、GPU或TPU，用于进行计算和执行机器学习模型。

　　🧠 Connectionism：联结主义（Connectionism）也称为神经网络或基于学习的AI。主要观点是，知识存储在大量连接中，模拟了大脑的神经网络。这种方法依赖于从数据中学习和适应，而不是依赖预定义的规则。连接主义AI的典型例子是深度学习。

　　🔀 Cross-modal Generalization：跨模态泛化（Cross-modal Generalization）是一种机器学习能力，指的是模型能从一种模态（或类型）的数据中学习，并将这些学习应用到另一种模态的数据上。

　　🔄 Data Augmentation：数据增强（Data Augmentation）是一种通过对原始训练数据进行随机变换或扩充的方法，以增加模型的多样性和泛化能力。通过添加现有数据的略微修改的副本来增加用于训练模型的数据量和多样性的过程。