TechCrunch AI词汇表

人工智能是一个深厚而令人费解的世界。在这一领域工作的科学家通常依靠行话和术语来解释他们在做什么。结果，我们经常必须在人工智能行业的覆盖范围内使用这些技术术语。这就是为什么我们认为将词汇融合在一起，并用我们在文章中使用的一些最重要的词和短语进行定义会有所帮助。 随着研究人员不断发现新的方法以推动人工智能的前沿，同时识别出新兴的安全风险，我们将定期更新此词汇表以添加新的条目。 AI代理 AI代理是指使用AI Technologies代表您执行一系列任务的工具 - 超出了更基本的AI Chatbot可以做的事情 - 例如，在餐厅的申请费用，预订票或桌子，甚至写作和维护代码。但是，正如我们之前所解释的那样，此E中有很多动人的作品Mergent空间，因此“ AI代理人”可能对不同的人意味着不同的事物。仍在建立基础设施以实现其设想的功能。但是，基本概念意味着一个自主系统，该系统可能会利用多个AI系统来执行多步骤任务。 思想链 考虑到一个简单的问题，人的大脑甚至可以不考虑太多 - 诸如“哪种动物更高，长颈鹿或猫？”之类的东西可以回答。但是在许多情况下，您通常需要一支笔和纸来提出正确的答案，因为有中介步骤。例如，如果农民有鸡和牛，并且他们在一起有40头和120条腿，您可能需要写下一个简单的方程式以提出答案（20只鸡和20头母牛）。 在AI环境中，大型语言模型的思想链推理意味着将问题分解为较小的中间步骤，以提高最终结果的质量。通常需要更长的时间一个答案，但是答案更有可能是正确的，尤其是在逻辑或编码上下文中。推理模型是从传统的大型语言模型开发的，并通过强化学习而对经过三通的思维进行了优化。 （请参阅：大语言模型） 深度学习 一个自我改善的机器学习的子集，其中AI算法采用多层，人工神经网络（ANN）结构设计。与基于机器学习的系统（例如线性模型或决策树）相比，他们可以使他们建立更复杂的相关性。深度学习算法的结构从人脑中神经元的互连途径中汲取灵感。 深度学习AI模型能够识别数据本身中的重要特征，而不是要求人类工程师定义这些功能。该结构还支持可以从错误中学习的算法，并通过重复和调整的过程来改善自己的O发出。但是，深度学习系统需要大量数据点才能产生良好的结果（数百万或更多）。与简单的机器学习算法相比，它们通常还需要更长的时间来训练 - 因此开发成本往往更高。 （请参阅：神经网络） 微调 这是指对AI模型进行进一步的培训，以优化更具体的任务或领域的性能，而不是以前是其培训的焦点 - 通常是通过以新的专业化（即面向任务）数据为食。  许多AI初创公司都将大型语言模型作为建造商业产品的起点，但通过基于他们自己的特定领域知识和专业知识来补充较早的培训周期，以补充较早的培训周期，以争夺目标行业或任务。 （请参阅：大语言模型[LLM]） 大语言模型（LLM） 大型语言模型或LLM是受欢迎的AI助手使用的AI模型，例如Chatgpt，Claude，Google的Gemini，Meta＆＃8217; S Ai Llama，Microsoft Copilot或Mismtral的Le Chat。当您与AI助手聊天时，您会与大型语言模型进行交互，该模型直接或借助不同的可用工具（例如Web浏览或代码解释器）处理您的请求。 AI助手和LLM可以具有不同的名称。例如，GPT是OpenAI的大型语言模型，Chatgpt是AI助理产品。 LLM是由数十亿个数值参数（或权重，见下文）组成的深层神经网络，它们了解单词和短语之间的关系并创建语言表示，这是一种多维单词映射。 这些模型是通过编码他们在数十亿本书，文章和成绩单中发现的模式而创建的。当您提示LLM时，该模型会生成适合提示的最可能的模式。然后，它根据以前所说的话，评估最后一个词最可能的下一个单词。重复，重复并重复。 （请参阅：神经网络） 神经网络 一个神经网络是指基础深度学习的多层算法结构，更广泛地说，在大型语言模型出现之后，生成AI工具的整个繁荣。  尽管从人大脑作为数据处理算法的设计结构中汲取灵感的想法一直可以追溯到1940年代，但这是图形处理硬件（GPU）的最新兴起（通过视频游戏行业） - 确实使这一理论的力量解锁了。这些芯片被证明非常适合培训算法，其层次比早期时期的层数多得多，这使基于神经网络的AI系统能够在许多领域中取得更好的性能，包括语音识别，自主导航和药物发现。 （请参阅：大语言模型[LLM]） 权重 权重是AI训练的核心，因为他们确定对不同的重要性（或权重）用于训练系统的数据中的功能（或输入变量），从而塑造了AI模型的输出。  换句话说，权重是为给定培训任务定义数据集中最重要的内容的数值参数。他们通过将乘法应用于输入来实现其功能。模型训练通常始于随机分配的权重，但是随着过程的展开，随着模型试图得出的输出，权重调整，该输出与目标更匹配。 例如，一种用于预测目标位置的历史房地产数据培训的住房价格的AI模型可能包括诸如卧室和浴室数量的功能（无论是拆除还是半独立式）等功能的权重，无论是停车，车库等。  最终，模型附加到这些输入的权重反映了它们基于给定数据集的影响属性的价值。