AI术语大全
一、基础概念与新兴趋势
- 人工智能（AI）：模拟人类智能行为的技术，涵盖机器学习、深度学习等多个领域。
- AIGC（AI Generated Content）：由人工智能生成的内容，包括但不限于文本、图像、音频、视频等，正逐渐改变内容创作和分发的方式。
- 大模型（Large Model）：具有海量参数和复杂架构的AI模型，能够处理大规模数据和复杂任务。
- 生成式AI：专注于生成新内容或数据的AI技术，如文本生成、图像合成等。
二、模型类型与架构
- 大型语言模型（LLM）：擅长理解和生成自然语言的AI模型，如GPT系列。
- 多模态大模型：能够处理并融合多种类型数据（文本、图像、音频等）的AI模型。
- 自监督学习模型：通过无标签数据自我学习，减少对人类标注数据的依赖。
- 变换器（Transformer）：基于自注意力机制的序列处理模型，广泛应用于NLP和CV领域。
- 卷积神经网络（CNN）：专用于图像处理的神经网络架构。
- 图神经网络（GNN）：处理图结构数据的神经网络，适用于社交网络分析、推荐系统等。
三、模型训练与优化
- 预训练与微调（Pre-training & Fine-tuning）：先在大数据集上预训练模型，再在特定任务上微调。
- 迁移学习（Transfer Learning）：将预训练模型的知识迁移到新的任务或领域。
- 超参数调优（Hyperparameter Tuning）：寻找最优超参数组合以改进模型性能。
- 分布式训练（Distributed Training）：利用多台机器并行训练模型，加速训练过程。
- 混合精度训练（Mixed Precision Training）：使用不同精度的浮点数进行训练，以减少内存占用和提高训练速度。
四、自然语言处理（NLP）
- 机器翻译（Machine Translation）：自动将一种语言的文本转换为另一种语言。
- 情感分析（Sentiment Analysis）：分析文本中的情感倾向，如正面、负面或中性。
- 命名实体识别（Named Entity Recognition, NER）：从文本中识别出具有特定意义的实体，如人名、地名等。
- 对话系统（Dialogue System）：能够与人类进行自然语言对话的AI系统。
- 文本摘要（Text Summarization）：自动将长文本压缩成简短摘要。
五、计算机视觉（CV）
- 图像分类（Image Classification）：将图像分配给预定义类别之一。
- 目标检测（Object Detection）：在图像中识别并定位特定对象。
- 图像分割（Image Segmentation）：将图像分割成多个区域或对象。
- 图像生成（Image Generation）：根据输入或条件生成新的图像内容。
- 视频分析（Video Analysis）：对视频内容进行理解和分析，如动作识别、事件检测等。
六、强化学习与决策制定
- 强化学习（Reinforcement Learning, RL）：通过试错学习最优策略的方法，常用于游戏、机器人等领域。
- 马尔可夫决策过程（MDP）：强化学习中的基本框架，用于描述智能体与环境交互的过程。
- 策略梯度（Policy Gradient）：一种强化学习算法，直接优化策略函数。
- Q-learning：一种基于值的强化学习算法，通过估计状态-动作对的价值来做出决策。
七、模型评估与性能指标
- 准确率（Accuracy）：分类任务中正确预测的比例。
- 精确率（Precision）与召回率（Recall）：衡量分类模型性能的互补指标。
- F1分数（F1-Score）：精确率和召回率的调和平均数。
- ROC曲线与AUC值：评估分类模型性能的图形和数值指标。
- 困惑度（Perplexity）：衡量语言模型生成文本质量的指标。
八、新兴技术与挑战
- 模型可解释性（Model Interpretability）：提高AI模型决策过程透明度的技术。
- 隐私保护（Privacy Protection）：在AI应用中保护用户隐私的技术，如差分隐私。
- 公平性（Fairness）：确保AI模型对不同群体无偏见的挑战。
- 可持续性与环境影响：评估AI模型训练和使用过程中的能源消耗和碳排放。
