AI术语
输入“/”快速插入内容
AI术语
AI术语
用户4567用户45672024年5月29日修改
AI：人工智能（Artificial Intelligence）
AGI：通用人工智能 （Artificial General Intelligence）能够像人类一样思考、学习和执行多种任务的人工智能系统
GAI：Generative Artificial Intelligence）生成式人工智能，ChatGPT、Midjourney和Stable Diffusion都属于是GAI。以生成文本、图像、音频、视频、数据等为目标，强调生成，有区别于之前执行特定任务的决策型人工智能。
AIGC：英文AI generated content，又称为生成式AI，指用人工智能技术自动生成内容的过程，可以生成文本、图片、音频、视频、代码等内容。
NLP：自然语言处理（Natural Language Processing），就是说人话
LLM：大型语言模型（Large Language Model），数据规模很大，没钱你搞不出来的，大烧钱模型。
文字类：OpenAI的chatGPT，百度的文心一言。
语音类：Google的WaveNet，微软的Deep Nerual Network，百度的DeepSpeech等。
图片类：早期有GEN等图片识别/生成技术，随着扩散模型的发展，又有Midjourney、Stable Diffusion。
视频类：Runway、pika，以及openAI最新的SORA
核心概念
什么是机器学习
机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径之一，即以机器学习为手段，解决人工智能中的部分问题。机器学习在近30多年已发展为一门多领域科际集成，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。
机器学习的三种类型
什么是深度学习
深度学习是机器学习的一个子领域，它基于人工神经网络的概念，特别是多层神经网络，也称为深度神经网络（Deep Neural Networks, DNNs）。深度学习的核心是构建具有多个隐藏层的复杂神经网络模型，这些模型能够从大量数据中自动学习特征和模式。
以下是深度学习的几个关键特点：
1.
层次结构：深度学习模型包含多个层次，每个层次都由多个神经元组成。数据在这些层次之间传递，每一层都提取和转换数据的不同特征。
2.
自动特征提取：传统的机器学习方法通常需要手动设计特征，而深度学习模型能够自动从原始数据中学习特征，这减少了对专业知识的依赖。
3.
非线性：深度神经网络能够捕捉数据中的非线性关系，这使得它们在处理复杂问题时更加有效。
4.
大规模数据：深度学习模型通常需要大量的数据来训练，以便它们能够学习到数据中的复杂模式。
5.
计算能力：由于模型的复杂性，深度学习通常需要强大的计算能力，这包括高性能的GPU和大规模的并行计算资源。
6.
应用广泛：深度学习在许多领域都有应用，包括图像识别、语音识别、自然语言处理、游戏、自动驾驶汽车等。
7.
端到端学习：深度学习模型可以实现端到端的学习，即从输入数据直接到输出结果，无需中间的手动干预。
AI、机器学习、深度学习是什么关系
什么是神经网络
人工神经网络（ANN），也称为神经网络（Neural Network，NN），是一种模仿生物神经系统（动物的中枢神经系统，特别是大脑）的数学或计算模型，用于模拟和近似复杂函数。这种网络由众多连接的人工神经元构成，能够根据输入信息调整自身结构，实现自适应和学习。作为非线性统计建模工具，神经网络通过数学统计方法进行优化，是统计学在实际应用中的体现。在人工智能领域，神经网络利用统计学方法进行决策，相较于传统逻辑推理，它展现出更高的灵活性和适应性。