如果你想理解谈天机器人和LLM（大型措辞模型）之间的差异，或者深度学习和机器学习的差异，那你来对地方了，这里汇总了20个人工智能干系的术语，并供应了详细的阐明。

人工智能（AI）

大略来说，人工智能便是让打算机或机器具备像人类一样的智能。
这个词非常宽泛，包含了很多不同类型的机器智能。

目前的谈论紧张集中在那些可以创作艺术、内容或总结、转录内容的工具上。
虽然是否该当把这些工具称为"智能"还有争议，但"人工智能"这个词已经被大家广泛接管了。

算法

算法是一组指令，程序按照这些指令来得出结果。
常见的例子包括搜索引擎，它会根据你的查询显示一系列结果；或者社交媒体运用，它会根据你的兴趣显示内容。
通过算法，人工智能工具可以创建预测模型，或者根据你的输入天生内容或艺术作品。

偏见

在人工智能领域，偏见指的是由于算法做出了缺点的假设或缺少足够的数据而产生的缺点结果。

例如，语音识别工具可能无法精确理解某些英语口音，由于这些工具只用美国口音进行过演习。

对话式人工智能

对话式人工智能是一种通过自然措辞处理（NLP）和机器学习技能，这种技能使打算机能够理解、处理和天生人类措辞，从而进行流畅的对话。
例如，智能语音助手如苹果的Siri和亚马逊的Alexa，便是范例的对话式人工智能运用。

数据挖掘

数据挖掘是指从大量数据中找出模式或趋势的过程。
一些人工智能工具利用数据挖掘来帮助你理解人们在商店或网站上购买更多商品的缘故原由，或者如何优化业务以应对高峰时段的需求。

深度学习

深度学习试图模拟人类大脑的学习办法，利用三层或更多的神经网络层来处理大量数据，并通过实例进行学习。
这些层各自处理给天命据的各自不雅观点，然后汇总起来得出终极结论。

自动驾驶汽车软件利用深度学习，通过识别停车标志、车道标记和交通信号灯来事情：详细做法是向人工智能工具展示特定物体的许多示例（例如停车标志）来实现的，通过反复演习，人工智能工具终极能够以靠近100%的准确率识别出这些物体。

大型措辞模型（LLM）

大型措辞模型 (LLM) 是一种深度学习算法，它基于海量数据集进行演习，以天生、翻译和处理文本。

LLM（如 OpenAI 的 GPT-4）许可 AI 工具理解你的查询，并根据查询天生文本输入。
LLM 还能帮助 AI 工具识别文本或视频的主要部分，并为你进行总结。

天生式人工智能

天生式人工智能可以根据你的输入天生艺术、图像、文本或其他结果，而这些结果常日由 LLM 供应支持。
它已成为目前许多公司在其产品中利用这种人工智能技能的总称。

例如，天生式人工智能模型可以通过一些笔墨提示天生图像，或将竖排照片变成宽屏壁纸。

幻觉

当人工智能把虚构的东西当作事实时，我们称之为幻觉。
当人工智能的数据集不准确或演习有缺陷时，就会产生幻觉，因此它会根据现有知识输出一个它确信的答案。

由于人工智能的繁芜性，我们不总是能理解这些幻觉的详细缘故原由。

图像识别

识别图像中特定主体的能力。
打算机程序可以利用图像识别功能创造图像中的花朵并为其命名，或识别照片中不同种类的鸟类。

机器学习

机器学习是一种通过算法和数据，使打算机能够自动改进其性能的技能。
它通过从大量数据中学习模式和规律，以便在没有明确编程的情形下做出决策或预测。

例如，电子邮件的垃圾邮件过滤器便是一种机器学习运用。
它通过剖析大量电子邮件的内容，学习如何区分垃圾邮件和正常邮件，从而自动将垃圾邮件筛选出来。

自然措辞处理

自然措辞处理是指程序能够理解和处理以人类措辞编写的输入内容。
例如，当你问Siri“本日景象怎么样？”时，你的日历运用程序或者Siri就能理解你在说什么。

神经网络

人类大脑有很多层的神经元，它们不断地处理信息并从中学习。
人工智能的神经网络模拟了神经元的这种构造，从数据集中进行学习。
神经网络是实现机器学习和深度学习的系统，终极可以让机器实行图像识别和文本天生等繁芜的任务。

光学字符识别（OCR）

光学字符识别（OCR）是从图片中提取文本的技能。
支持 OCR 的程序可以识别手写或输入的文本，并且还可以进行复制和粘贴。

提示工程（Prompt engineering）

提示工程是设计和优化输入给人工智能模型的文本提示，以得到所需输出的一门技能。

就人工智能而言，提示工程是一门编写提示的艺术，目的是让谈天机器人给出最有用的回答。

从人类反馈中强化学习（RLHF）

RLHF 是利用人类反馈来演习人工智能的过程。
当人工智能给出错误结果时，人类会向其展示精确的相应。
这样，人工智能就能以更快的速率供应准确、有用的结果。

语音识别

程序理解人类措辞的能力。
语音识别可用于对话式人工智能，以理解你的查询并供应回答，也可用于语音转文本工具，以理解口语并将其转换为文本。

代币（Token）

当你向人工智能工具输入文本查询时，它会将文本分解为标记（文本中常见的字符序列），然后由人工智能程序进行处理。

例如，如果你利用的是 GPT 模型，那么定价就基于它所处理的标记数量：你可以利用该公司的标记器工具打算这个数字，该工具还会向你展示如何将单词分解为标记。

OpenAI 表示，一个标记大约即是四个字符的文本。

演习数据

演习数据是机器学习模型用来学习和改进的数据。
就像学生通过做练习题来节制知识一样，机器学习模型通过剖析这些数据来识别模式和规律，从而在新情形下做出预测或分类。

例如，如果我们想演习一个程序来识别照片中的猫和狗，我们会给它大量标记好的猫和狗的照片，模型通过这些照片学习如何区分猫和狗。
演习数据的质量和数量直接影响模型的表现。

图灵测试

艾伦·图灵是英国数学家，被誉为 "理论打算机科学和人工智能之父"。
他的图灵测试（或称 "模拟游戏"）旨在确定打算机的智能是否与人类相同。

如果人类被打算机的反应骗了，以为是人类写的，那么打算机就通过了图灵测试。

好啦，本日就到这里，如果你想学习ChatGPT利用技巧，可以在思途文成"大众年夜众号后台回答关键词：“Prompt”免费获取干系教程。