大家好,很多人在看一些AI相关的文章的时候,遇到一些概念术语,往往云里雾里。或者大概知道一些概念,但是又容易与一些相关的概念混淆。
这篇文章,我会整理一些常见的AI相关概念术语。需要说明的是,我整理的这些概念术语的说明,并非是标准的解释,而是包含一些我个人的理解。因为标准的解释往往比较生硬,或者需要很长的篇幅去说明,我写这个系列文章的目的,也是希望对一些非技术、算法背景的朋友,能够快速了解这个行业。我会尽可能用简单易懂的方式解释这些术语,但是难免也可能会有错误,或者不详细的地方,也欢迎懂的老师们指正。
【AI相关概念术语1】
基本概念
-
人工智能 Artificial Intelligence 缩写 AI
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为的学科,人工智能包括很多方面,如机器学习、自然语言处理、计算机视觉、人机交互、机器人技术、知识表示和推理等。人工智能的三个阶段是决策式AI、生成式AI、通用AI
-
通用人工智能 Artificial General Intelligence 缩写AGI
可以执行复杂任务的人工智能,能够完全模仿人类智能的行为。AGI可以被认为是人工智能的更高层次,它可以实现自我学习、自我改进、自我调整,进而解决任何问题而不需要人为干预。
-
生成式人工智能 Generative Artificial Intelligence 缩写GAI
通过学习大规模数据集生成文本、图片、声音、视频、代码等内容人工智能,也可称为AIGC(Artificial Intelligence Generated Content)
-
判别式人工智能 Discriminative Artificial Intelligence
判别式人工智能是指通过判断输入数据或信息来做出决策的人工智能,例如人脸识别或情感分析;
-
大语言模型 Large Language Model 缩写LLM
大语言模型(LLM)是指使用大量文本数据训练的模型,可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务,如文本分类、问答、对话等。
-
自然语言处理 Natural Language Processing 缩写NLP
自然语言处理是研究人与计算机之间用自然语言进行有效通信方法的科学,主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。
AI常见的实现方法
-
机器学习
机器学习是实现人工智能的一种主要方法,是人工智能的一个分支。
-
监督学习
监督学习是机器学习的一种类型,它的特点是使用带标签的训练数据来训练模型,从而使模型能够预测新数据的标签或值。常见的监督学习算法包括:线性回归,逻辑回归、决策树、随机森林、支持向量机、朴素贝叶斯、K近邻等。
-
无监督学习
无监督学习是机器学习的一种类型,与监督学习对应,是使用未标记的数据,进行学习和训练,目标是学习数据中的模式和结构。常见的无监督学习有聚类

最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



