中文搜索引擎指南网

标题: 科普一下AI（人工智能）领域的相关名词 [打印本页]

作者: sowang 时间: 7 天前
标题: 科普一下AI（人工智能）领域的相关名词
AI（人工智能）领域的名词确实繁多且更新极快。为了让你更清晰地理解，我将这些核心概念按照从基础到前沿的逻辑，分门别类地为你进行科普：

一、核心基础概念（AI的基石）

人工智能 (AI, Artificial Intelligence)：模拟人类智能的机器系统。它致力于让计算机像人一样思考、学习和解决复杂问题，但目前大多数AI仍是专注于特定任务的“偏科生”（狭义AI）。

机器学习 (ML, Machine Learning)：AI的核心子领域。传统编程是人给机器定规则，而机器学习是让机器通过海量数据“做题”自己总结规律，从而变得更聪明。

深度学习 (DL, Deep Learning)：机器学习的高级分支。它模仿人脑的“神经网络”结构，通过层层递进的方式处理极其复杂的数据（如图像、语音），是目前许多强大AI背后的核心技术。

大语言模型 (LLM, Large Language Model)：基于海量文本数据训练出的超大规模AI模型。它的本质是一个概率预测工具，能够理解和生成类似人类的语言，ChatGPT就是其典型代表。

二、热门应用与技术（当下的风口）
生成式AI (GenAI) / AIGC：指能够创造新内容（如文本、图像、视频、代码）的AI分支。它就像一位多才多艺的艺术家，能根据你的要求“无中生有”地创作内容。

AI Agent (AI智能体)：具备自主理解、规划、记忆和使用工具能力的系统。如果说传统AI是“你推一下它才动”的工具，AI Agent则是“你给出目标，它自己想办法完成”的数字员工。

多模态 (Multimodal)：让AI同时具备处理文字、图像、声音等多种信息的能力。就像人不仅能看书，还能听声音、看视频，从而更全面地理解世界。

RAG (检索增强生成)：解决AI“胡说八道”（幻觉）的有效方法。它相当于给AI外接了一个实时更新的“知识库”，让AI在回答问题前先查阅资料，从而更准确、专业。

三、关键工程术语（AI是如何工作的）

训练 (Training) 与推理 (Inference)：训练是给AI“喂数据”让它学习知识的过程（相当于上学）；推理则是AI学成后，面对新问题给出答案的过程（相当于考试答题）。

Prompt (提示词)：你给AI的指令或问题。提示词的质量直接决定了AI回答的质量，因此衍生出了“提示词工程”，即通过精准设计指令来引导AI输出完美结果。

Token (词元)：AI理解语言的最小单位。大模型在处理文本时，会将句子拆解成一个个Token（例如中文里1个词可能等于2-3个Token），这也是目前许多AI按量计费的依据。

微调 (Fine-tuning)：给通用AI报“专业课”。在已经具备基础能力的通用大模型上，用特定领域的专业数据（如医学、法律）进行二次训练，使其成为该领域的专家。

四、前沿协议与生态（未来的发展方向）

MCP (模型上下文协议)：被称为AI世界的“USB-C接口”。它是一个开放标准，旨在为AI与外部数据源、工具之间建立统一的通信通道，解决AI连接各种工具的难题。

A2A (Agent-to-Agent) 协议：AI之间的“通用普通话”。专为AI智能体设计的通信规范，让不同厂商、不同平台的AI Agent能够互相交流、协作并委托任务。

AGI (通用人工智能)：AI发展的终极目标。指能在所有智力任务中达到或超越人类水平的AI。目前的AI尚未达到这一阶段，真正的AGI仍是一个愿景。

希望这份结构化的科普能帮你快速建立起对AI核心名词的认知框架！如果你对其中某个具体名词感兴趣，我们可以继续深入探讨。

欢迎光临中文搜索引擎指南网 (http://www.sowang.com/bbs/)