人工智能詞彙表：每個人都應該學習的人工智能術語

我們編制了一份有助於理解人工智能的短語和概念列表，尤其是新型的支持 AI 的聊天機器人，如 ChatGPT、Bing 和 Bard。

如果您不理解這些解釋，或者想了解更多信息，您可能需要考慮詢問聊天機器人本身。 回答此類問題是他們最有用的技能之一，而理解人工智能的最佳方式之一就是使用它。 但請記住，他們有時會出錯。

必應 和 詩人 聊天機器人正在緩慢推出，您可能需要進入他們的等候名單才能訪問。 聊天GPT 目前沒有等候名單，但需要建立一個免費帳戶。

有關 AI 的更多信息，請查看紐約時報關於成為聊天機器人專家的五部分系列文章。

擬人化： 人們傾向於將類似人類的品質或特徵歸因於人工智能聊天機器人。 例如，你可能會根據它的回答假設它是善良的還是殘忍的，即使它沒有情感能力，或者你可能認為人工智能是有感覺的，因為它非常擅長模仿人類語言。

偏見： 如果大型語言模型的輸出因模型的訓練數據而出現偏差，則可能會在大型語言模型中發生這種錯誤。 例如，模型可能會將特定特徵或職業與特定種族或性別相關聯，從而導致不准確的預測和冒犯性反應。

緊急行為： 大型語言模型中意外或意外的能力，由模型的學習模式和來自其訓練數據的規則啟用。 例如，在編程和編碼網站上訓練的模型可以編寫新代碼。 其他例子包括創作詩歌、音樂和虛構故事等創作能力。

生成式人工智能： 通過識別大量訓練數據中的模式，然後創建具有相似特徵的原始材料來創建內容（包括文本、圖像、視頻和計算機代碼）的技術。 示例包括用於文本的 ChatGPT 和 達爾-E 和 中途 對於圖像。

幻覺： 大型語言模型中的一種眾所周知的現象，由於其訓練數據和體系結構的限制，系統提供的答案事實上是不正確的、不相關的或無意義的。

大型語言模型： 一種通過分析互聯網上的大量文本來學習技能的神經網絡，包括生成散文、進行對話和編寫計算機代碼。 基本功能是預測序列中的下一個單詞，但這些模型通過學習新能力讓專家感到驚訝。

自然語言處理： 大型語言模型用於理解和生成人類語言的技術，包括文本分類和情感分析。 這些方法通常結合使用機器學習算法、統計模型和語言規則。

神經網絡： 一個以人腦為模型的數學系統，它通過在數據中尋找統計模式來學習技能。 它由多層人工神經元組成：第一層接收輸入數據，最後一層輸出結果。 即使是創建神經網絡的專家也不總是了解這兩者之間發生的事情。

參數： 定義大型語言模型的結構和行為的數值，例如幫助它猜測下一個單詞的線索。 像 GPT-4 這樣的系統被認為具有數千億個參數。

強化學習： 一種教導 AI 模型通過反複試驗找到最佳結果，並根據其結果從算法中獲得獎勵或懲罰的技術。 這個系統可以通過人類以評級、更正和建議的形式提供對其性能的反饋來增強。

變壓器型號： 一種有助於理解語言的神經網絡架構，它不必一次分析一個單詞，而是可以一次查看整個句子。 這是人工智能的一項突破，因為它使模型能夠理解語境和語言的長期依賴性。 變形金剛使用一種稱為自註意力的技術，該技術允許模型專注於對理解句子含義很重要的特定單詞。