前言刚接触 AI很容易被各种缩写劝退LLM、GPT、RAG、Token、Agent……这些词经常出现在新闻和产品介绍里却很少有人把它们之间的关系讲清楚。本文我们就对AI领域常用的术语做一些简单的说明供大家参考。术语介绍人工智能、机器学习与深度学习1、人工智能Artificial IntelligenceAI是一个很宽泛的概念指让计算机完成通常需要人类智能的任务例如识别图片、理解语言、规划路线和辅助决策。2、机器学习Machine LearningML是实现人工智能的一类方法。传统程序依靠工程师编写明确规则而机器学习系统会从数据中寻找规律。比如给模型看大量垃圾邮件和正常邮件它可以逐渐学会判断一封新邮件是否可疑。3、深度学习Deep LearningDL是机器学习的一个分支主要使用多层神经网络处理数据。今天常见的语音识别、图像生成和大语言模型大多建立在深度学习之上。深度学习属于机器学习机器学习属于人工智能。神经网络、模型与参数1、神经网络Neural Network是一种受生物神经系统启发的计算结构。它由许多相互连接的计算单元组成可以通过训练调整内部连接从数据中学习规律。2、模型Model是训练完成后得到的计算系统。我们平时说的 GPT、Claude 或其他大模型指的都是能够接收输入并生成结果的模型。3、参数Parameters则是模型在训练过程中学到的数值。参数决定模型如何处理信息。媒体常说某个模型有“70 亿参数”或“千亿参数”描述的就是模型内部可调整数值的大致规模。训练与推理1、训练Training是模型学习的过程。系统把大量数据输入模型根据输出误差不断调整参数。训练大型模型通常需要大量算力、电力和时间。2、推理Inference是模型训练完成后的实际使用过程。当我们向聊天机器人提问、让图像模型生成图片时模型正在执行推理。可以把训练理解成备考推理则是参加考试。不过模型并不是把所有训练材料原样背下来而是将其中的统计规律编码进参数。监督学习、无监督学习与强化学习1、监督学习Supervised Learning使用带有正确答案的数据训练模型。例如一组图片已经分别标注为“猫”和“狗”模型根据标注学习分类。2、无监督学习Unsupervised Learning面对的是没有人工答案的数据。模型需要自己寻找数据中的结构例如把消费习惯相近的用户归为一组。3、强化学习Reinforcement LearningRL通过奖励和惩罚训练模型。系统尝试不同动作并根据结果获得反馈慢慢找到更合适的策略。机器人控制、游戏 AI 和部分大模型对齐方法都会使用强化学习。生成式 AI生成式人工智能Generative AI能够根据输入生成新的内容包括文字、图片、音频、视频和代码。它与传统的分类模型有所不同。分类模型更擅长回答“这是什么”生成式模型则尝试回答“接下来应该出现什么”。大语言模型与 Transformer1、大语言模型Large Language ModelLLM是使用大量文本数据训练的语言模型。它的基本任务看似简单根据已有内容预测下一个词元。模型不断重复这个过程最终形成连贯的回答。2、Transformer 是目前大语言模型最常使用的基础架构。它的重要机制叫作注意力可以让模型在处理一句话时判断哪些词与当前内容关系更密切。Token模型眼中的文字单位Token 通常翻译为“词元”是模型处理文本时使用的基本单位。一个 Token 可能是一个汉字、一个英文单词、单词的一部分或一个标点符号。模型并不是直接按人类理解的“字数”阅读文本而是先把内容切分成 Token。上下文窗口上下文窗口Context Window指模型一次能够处理的 Token 数量包括用户输入、系统指令、对话记录以及模型生成的内容。上下文窗口越大模型一次可以阅读的材料越多。Prompt如何向模型表达任务Prompt 通常译作“提示词”指用户提交给模型的指令和背景信息。一句“帮我写篇文章”是 Prompt“为没有技术背景的读者写一篇 1500 字的 AI 术语科普文章语气轻松并配两个例子”也是 Prompt。后者给出的目标和约束更清楚结果通常更稳定。Embedding把内容转换成向量Embedding 常译为“嵌入”或“向量表示”。它把文字、图片等内容转换为一组数字让计算机可以比较它们在含义上的接近程度。例如“新能源汽车”和“电动车”的文字并不相同但它们对应的向量可能很接近。搜索系统可以利用这种关系找到意思相近、措辞不同的内容。常用场景相似度推荐、知识库检索。RAG先查资料再回答问题RAG 的全称是 Retrieval-Augmented Generation即检索增强生成。它的工作方式可以概括为两步系统先从指定知识库中检索相关资料再把资料交给大模型组织答案。RAG 适合处理企业制度、产品文档和内部知识库等内容。Fine-tuning微调Fine-tuning 通常译作“微调”指在已有模型的基础上使用特定数据继续训练。微调可以让模型适应某种表达风格、输出格式或专业任务。例如企业可以用经过整理的客服对话训练模型使它更熟悉服务流程。多模态模型多模态模型Multimodal Model可以处理多种形式的信息例如文字、图片、音频和视频。用户可以上传一张图让模型解释内容也可以让模型根据文字生成图片。这里的“模态”指不同的信息形式而“多模态”表示模型能够在这些形式之间建立联系。AI Agent能够执行任务的智能体AI Agent 通常译作“AI 智能体”。它不仅生成一段回答还可以根据目标规划步骤、调用工具、读取结果并决定下一步做什么。例如一个旅行规划智能体可能会查询航班、比较酒店、整理预算最后生成行程。大语言模型负责理解和决策搜索、数据库或代码工具负责执行具体操作。AGI仍然没有统一答案的概念AGI 是 Artificial General Intelligence 的缩写中文一般称“通用人工智能”。它通常指能够像人类一样适应多种任务并把一种场景中学到的能力迁移到另一种场景的人工智能。结语本文主要将AI领域常用的术语介绍给大家后续大家在讨论或者学习AI技术的时候可以进一步加深对这些专业术语的理解。随着AI领域的不断发展新名词还会不断出现但底层问题大致不变模型如何学习数据、怎样处理输入、能调用什么工具以及如何控制错误。