什麼是人工智慧？ 2024 年基本人工智慧術語 A-Z 詞彙表

人工智慧領域正以驚人的速度發展，所以如果你對一個（或兩個）不熟悉的術語感到措手不及，那也是可以理解的。 隨著科技以越來越多的方式影響我們的日常生活，了解最新的人工智慧術語變得越來越重要。

在工作中尤其如此，人工智慧素養是雇主新的必備技能。 如果您不知道 LLM 的 AGI，請不要擔心。 我們編制了一份從 A 到 Z 的流行人工智慧術語列表，並用簡單易懂的術語解釋了每個概念的含義，以幫助您更多地了解持續塑造我們周圍世界的技術。

從機器學習等基本接觸點到量子人工智慧等更複雜的概念，請繼續閱讀以溫習一些有趣的術語，並進一步了解人工智慧的美麗新世界。

什麼是人工智慧？

人工智慧是人工智慧的縮寫，指的是機器的智能，而不是人類等有感知能力的生物的智能。 人工智慧系統的工作原理是接收大量訓練數據，分析數據中的模式，並使用這些模式產生輸出。

雖然這個概念自 20 世紀 50 年代就已存在，但近年來，由於OpenAI等人工智慧開發人員取得的突破，人工智慧已成為主流。 人工智慧的研究範圍廣泛，而且每年都在擴大，因此請繼續閱讀以了解有關 2024 年人工智慧及相關概念的更多資訊。

A 代表通用人工智慧 (AGI)

AGI是人工智慧的一種理論類型，表現出類人智能，通常被認為與人類一樣聰明或更聰明。 雖然該術語的起源可以追溯到 1997 年，但近年來，隨著人工智慧開發人員不斷推動該技術的前沿發展，AGI 的概念已成為主流。

例如，2023 年 11 月，OpenAI 透露，它正在開發一種代號為Project Q*的新 AI「超級智慧」模型，這可以讓該公司更接近實現 AGI。 然而，應該強調的是，AGI 仍然是一個假設的概念，許多專家相信這種類型的人工智慧不會很快開發出來，甚至不會開發出來。

B代表大數據

大數據是指傳統資料處理方法難以管理的大型、高容量資料集。 大數據和人工智慧齊頭並進。 龐大的原始資訊池對於人工智慧決策至關重要，而複雜的人工智慧演算法可以分析資料集中的模式並識別有價值的見解。 當他們一起工作時，他們可以幫助用戶提供更有洞察力的啟示，比傳統方法更快。

B 代表偏差

當演算法產生的結果系統性地針對某些類型的人有偏見時，就會出現人工智慧偏見。 不幸的是，人工智慧系統已被證明透過堅持有害的信念並鼓勵與種族、性別和國家認同有關的負面刻板印象來反映社會內部的偏見。

Buzzfeed 的一篇現已刪除的文章強調了這些偏見，該文章展示了來自世界各地的人工智慧生成的芭比娃娃。 這些圖像支持了各種種族刻板印象，包括過度性感的加勒比海娃娃、來自南半球的粉刷成白色的芭比娃娃，以及穿著不準確文化服裝的亞洲娃娃。

C 代表 ChatGPT

您可能聽說過這個，但仍然需要提一下，因為如果沒有對 2022 年 11 月推出時改變遊戲規則的生成式 AI 聊天機器人的認可，任何 AI 術語表都不能被認為是完整的。

簡而言之， ChatGPT是將人工智慧爭論從伺服器機房轉移到客廳的產品。 它利用人工智慧完成了 iPhone 為行動電話所做的事情，憑藉其廣泛使用的模型將這項技術帶入了公眾的視野。

正如我們最近在《科技對工作場所的影響》報告中所揭示的那樣，ChatGPT 無疑是企業使用最廣泛的人工智慧工具，甚至可能是開啟每週 4 天工作制的關鍵。

它的影響力可能會隨著時間的推移而減弱，但人工智慧的世界將永遠透過ChatGPT誕生前後的棱鏡來看待。

C 代表計算

計算代表“計算能力”，指的是訓練人工智慧模型執行資料處理和預測等任務所需的計算資源。 通常，用於培訓法學碩士的競爭力越強，其表現就越好。

然而，運算能力依賴大量的能源消耗，這引起了環保人士的擔憂。 例如，研究表明，ChatGPT 每天需要 1GWh 的能源來為回應提供動力，這足以為 30,000 個美國家庭供電。

D 代表擴散

擴散模型代表了機器學習的新層次，能夠產生卓越的人工智慧生成影像。 這些模型的工作原理是在學習逆轉此過程之前向資料集添加雜訊。

透過理解圖像背後的抽象概念，並以新的方式創建內容，擴散模型創建的圖像比傳統 AI 模型製作的圖像更加銳利和精緻，目前已部署在Dall等一系列 AI 圖像工具中-E和穩定擴散。

E 代表緊急能力

當人工智慧模型產生超出其創建者意圖的意外回應時，就會發生緊急行為。 人工智慧的大部分內容非常複雜，其決策過程仍然無法被人類，甚至其創造者所理解。 隨著像 GPT4 這樣突出的 AI 模型最近展現出新興的能力，AI 研究人員正在更加努力地了解 AI 模型背後的方式和原因。

F代表臉部辨識

臉部辨識技術依靠人工智慧、機器學習演算法和電腦視覺技術來處理人臉的靜態影像和影片。 由於人工智慧可以比手動方法更有效地識別複雜的臉部細節，因此大多數臉部辨識系統都使用稱為卷積神經網路（CNN）的人工神經網路來提高其準確性。

G 代表生成式人工智慧

生成式人工智慧是一個包羅萬象的術語，它描述了生成文字、圖像和音訊剪輯等原始內容的任何類型的人工智慧。 生成式人工智慧使用來自法學碩士和其他人工智慧模型的資訊來創建輸出，並為 ChatGPT、Gemini 和 Grok 等聊天機器人的回應提供支持，

H代表幻覺

聊天機器人並不總是產生正確或理智的回應。 通常，人工智慧模型會產生不正確的訊息，但卻將其呈現為事實。 這就是所謂的人工智慧幻覺。 當人工智慧模型根據訓練的資料集做出預測而不是檢索實際事實時，就會出現幻覺。

大多數人工智慧幻覺都很輕微，甚至可能被一般使用者忽略。 然而，有時幻覺可能會產生危險的後果，因為詐騙者之前曾利用ChatGPT 產生的錯誤回應來誘騙開發人員下載惡意程式碼。

I是智力爆炸

與通用人工智慧（AGI）相似，智慧爆炸是一種假設場景，即人工智慧的發展變得不可控，從而對人類構成威脅。 這個術語也被稱為“奇點”，代表許多人對快速且不受控制的技術進步感到的生存威脅。

J 代表越獄

越獄是一種駭客行為，其目的是繞過人工智慧模式的道德保障。 具體來說，當在聊天機器人中輸入某些提示時，使用者可以不受任何限制地使用它們。

有趣的是，布朗大學最近的一項研究發現，使用苗語、祖魯語和蘇格蘭蓋爾語等語言是越獄 ChatGPT 的有效方法。 在這裡了解如何越獄 ChatGPT 。

J 代表工作不安全感

隨著人工智慧繼續自動化以前由人類執行的手動流程，該技術正在引發工人普遍的工作不安全感。 雖然大多數員工不必擔心，但我們的 Tech.co 《科技對工作場所的影響》報告最近發現，供應鏈優化、法律研究和財務分析角色最有可能在 2024 年被人工智慧取代。

L 代表大型語言模型 (LLM)

法學碩士是一種專業類型的人工智慧模型，它利用自然語言處理 (NLP) 來理解並產生自然的、類似人類的反應。 簡單來說，讓 ChatGPT 這樣的工具聽起來不像機器人，而更像你和我。

與生成式人工智慧不同，法學碩士是專門為處理與語言相關的任務而設計的。 您可能聽說過的 LLM 的流行範例包括 GPT-4、PaLM 2 和Gemini 。

M 代表機器學習

機器學習是人工智慧的一個領域，它允許系統以與人類類似的方式從經驗中學習和改進。 具體來說，它專注於人工智慧中數據和演算法的使用，旨在改善人工智慧模型在現實環境中自主學習和決策的方式。

雖然該術語經常與人工智慧互換使用，但機器學習是更廣泛的人工智慧保護傘的一部分，並且需要最少的人工幹預。

N 代表神經網絡

神經網路 (NN) 是一種旨在模仿人腦結構和功能的機器學習模型。 人工神經網路由多層組成，並由稱為人工神經元的單元組成，這些單元鬆散地模仿大腦中的神經元。

神經網路也稱為深度神經網絡，具有多種有用的應用，可用於改進影像辨識、預測建模和自然語言處理。

O 代表開源人工智慧

開源人工智慧是指擁有免費原始碼的人工智慧技術。 開源人工智慧的最終目標是在人工智慧社群內創造一種協作和透明的文化，為公司和開發人員提供更大的自由來利用技術進行創新。

目前許多可用的開源人工智慧產品都是現有應用程式的變體，常見的產品類別包括聊天機器人、機器翻譯工具和大型語言模型。

P 代表提示

如果您仍然不熟悉 Gemini 和 ChatGPT 等工具，提示是您輸入聊天機器人以獲得有針對性的回應的指令或查詢。 它們可以作為獨立命令存在，也可以作為與人工智慧模型進行更長時間對話的起點。

人工智慧提示可以採用使用者想要的任何形式，但我們發現較長形式、詳細的輸入會產生最佳回應。 根據微軟最近的一項研究，使用情感語言是產生高品質答案的另一種方法。

了解如何透過這40 個 ChatGPT 提示讓您的工作生活更輕鬆，這些提示旨在節省您在工作場所的時間。

P 代表參數

在人工智慧中，參數是衡量機器學習模型行為的值。 在這種情況下，每個參數都充當變量，確定模型如何將輸入轉換為輸出。 參數是衡量人工智慧效能最常見的方法之一，一般來說，人工智慧模型的參數越多，它就越能夠理解複雜的資料模式並產生更準確的回應。

Q 代表量子人工智慧

量子人工智慧是利用量子計算來計算機器學習演算法。 與透過 1 和 0 處理資訊的經典計算相比，量子計算使用一種稱為量子位元的單位，它同時代表 1 和 0。 理論上，這個過程可以大大提高計算速度。

就量子人工智慧而言，量子位元的使用可能有助於產生更強大的人工智慧模型，儘管許多專家認為我們距離實現這一現實還有很長的路要走。

R 代表紅隊

紅隊是一種結構化測試系統，旨在發現人工智慧模型中的缺陷和漏洞。 網路安全術語本質上是指一種道德駭客行為，參與者嘗試模擬實際的網路攻擊，以識別系統中潛在的弱點並從長遠來看改善其防禦。

在人工智慧紅隊的情況下，可能不會發生實際的駭客嘗試，紅隊成員可能會嘗試以某種方式提示系統的安全性，繞過開發人員在其上放置的任何護欄，以類似的方式越獄。

S 代表監督學習

人工智慧學習有兩種基本方法：監督學習和無監督學習。 監督學習也稱為監督式機器學習，是一種訓練方法，其中演算法根據已標記為特定輸出的輸入資料進行訓練。 測試的目的是衡量演算法在未標記資料上執行的準確性，並且該流程致力於提高整個人工智慧系統的整體準確性。

T 代表訓練數據

簡單來說，訓練資料是用於訓練機器學習模型的極其龐大的輸入資料集。 訓練資料用於使用演算法來教導預測模型如何提取與特定使用者目標相關的特徵，並且它是初始資料集，然後可以透過稱為測試集的後續資料進行補充。

它是人工智慧和機器學習工作方式的基礎，如果沒有訓練數據，人工智慧模型將無法學習、提取有用資訊並做出預測，或者簡單地說，無法存在。

U 代表無監督學習

與監督學習相反，無監督學習是一種機器學習，其中模型被給予未標記的、雜亂的數據，並鼓勵模型在沒有任何特定框架的情況下發現模式和見解。

無監督學習模型用於三個主要任務：雜波（一種用於對未標記資料進行分組的資料探勘技術）、關聯（另一種使用不同規則來查找變數之間關係的獲利方法）以及降維（一種當資料數量較多時部署的學習技術）。資料集中的維度太高。

X代表X風險

X風險代表存在風險。 更具體地說，這個術語涉及人工智慧快速發展帶來的生存風險。 人們對潛在的 X 風險事件發出警告，認為如果不加以控制，人工智慧領域正在取得的進展可能會導致人類滅絕或全球災難。

不過，X風險並不是一種邊緣信念。 事實上，2023 年，DeepMind 執行長 Demis Hassabis、OpenAI 聯合創始人兼首席科學家 Ilya Sutskever 以及比爾蓋茲等幾位科技領袖簽署了一封信，警告人工智慧開發人員注意人工智慧帶來的生存威脅。

Z 代表零樣本學習

零樣本學習是一種深度學習問題設置，其中人工智慧模型的任務是在不接收任何訓練範例的情況下完成任務。 在機器學習中，零樣本學習用於為尚未標記為訓練的類別建立模型。

零樣本學習的兩個階段包括捕捉知識的訓練階段和使用資訊將範例分類到一組新類別的干擾階段。