Techcrunch整理了一份AI行业最常见到的技术词语词典，搞懂这些，或许能帮初学者们轻松迈入AI世界的大门。
- AGI 通用人工智能
通用人工智能（AGI）是一个有些模糊的概念，通常指在多数任务上比普通人更强大的AI。OpenAI将其定义为“在最具经济价值的工作上超越人类的高度自主系统”。谷歌DeepMind则认为AGI是“在大多数认知任务上至少与人类能力相当的AI”。
- Chain of Thought 思维链
思维链推理意味着让AI像人一样一步步思考，把一个大问题拆解成多个小步骤。虽然慢一点，但在逻辑推理或编程这种需要严谨思考的场景里，答案会更准确。现在的大语言模型经过优化，在处理复杂问题时，就是靠这种“思维链”来提高准确性。
- Deep learning 深度学习
AI能自我优化学习的关键技术。它模仿人脑神经元连接方式，搭建多层人工神经网络，使AI算法能够建立比简单机器学习系统更复杂的关联关系。
深度学习模型能自己识别数据里的重要特征，而无需人类预先定义，还能从错误中学习，不断改进。
- Diffusion 扩散模型
扩散技术是众多艺术、音乐和文本生成AI模型的核心。受物理学启发，先“故意”一步步往数据里加噪声，直到数据面目全非。然后，AI学习如何“逆向扩散”，把这些被破坏的数据还原回来，从而获得从噪声中“创造”出全新数据的能力。
- Distillation 知识蒸馏
一种“师父带徒弟”的学习方法。让一个大型（“老师”）AI模型处理问题，然后把它的答案用来训练一个更小、更高效的（“学生”）模型，让学生模型学会老师的行为。这样就能用更小的模型，实现接近大型模型的性能。
- Fine-tuning 微调
微调是指对已训练的AI模型进行进一步训练，通过输入新的专业化数据，优化其在特定任务或领域的性能表现，使其超越原始训练的重点范围。很多AI公司都在用这个技术，把大型语言模型“微调”成适合自己行业的产品，提升实用性。
- GAN 生成对抗网络
让AI能“以假乱真”的关键技术。它由两个互相竞争的神经网络组成：生成器负责创造数据，判别器负责鉴别真伪。就像一场“猫捉老鼠”的游戏，两者不断对抗，让AI能自动生成极其逼真的数据，无需人工干预。GAN适合用于生成图片或视频。
- Hallucination 幻觉
“幻觉”是AI行业对模型虚构内容的专业术语，特指AI生成错误信息的行为。这显然是影响AI质量的核心问题。
- Neural Network 神经网络
神经网络是指支撑深度学习的多层算法结构，是推动生成式AI工具全面爆发的技术基础。尽管这个概念由来已久，GPU的崛起也让这个概念迎来了爆发。GPU被证明非常适合训练具有更多层次的算法，使得基于神经网络的AI系统在语音识别、自动驾驶导航和药物研发等多个领域实现了远超以往的性能表现。
- Transfer Learning 迁移学习
把一个已经训练好的AI模型拿来当起点，开发一个针对不同但相关的任务的新模型。这样可以节省大量开发时间，尤其是在新任务数据量不多的时候非常有用。但要注意，模型可能还需要在新领域的数据上进行额外训练才能表现最佳。
- Weights 权重
权重是AI训练的核心要素，它决定了在训练系统所用数据中，不同特征（或输入变量）的重要程度，直接影响AI模型的最终输出。训练开始时权重是随机的，但随着学习的深入，它们会不断调整，让AI的预测越来越准。
这份词典由Techcrunch定期维护，有需要的朋友可以收藏：https://techcrunch.com/2025/05/25/from-llms-to-hallucinations-heres-a-simple-guide-to-common-ai-terms/
ps：转自量子位
