25個(gè)生成式AI核心術(shù)語【值得收藏】 原創(chuàng)
01、概述
生成式AI如今已成為各個(gè)行業(yè)的核心技術(shù)，無論你是在科技領(lǐng)域工作、準(zhǔn)備面試，還是從事AI項(xiàng)目，掌握生成式AI的基本術(shù)語和概念都是非常重要的。這篇指南將帶你了解生成式AI中的25個(gè)必備術(shù)語，以清晰易懂的定義、實(shí)際案例和深度資源助你深入掌握這些知識(shí)，幫助你在這個(gè)飛速發(fā)展的領(lǐng)域保持競(jìng)爭(zhēng)力。
02、25 個(gè)生成式AI核心術(shù)語
1）. 生成模型（Generative Model）
- 定義：生成模型是一種可以從學(xué)習(xí)到的模式中生成新數(shù)據(jù)點(diǎn)的AI模型。
- 示例：如GPT模型可以基于輸入生成類似人類的文本。
2）. Transformer
- 定義：一種利用自注意力機(jī)制來處理和生成序列（如文本或圖像）的神經(jīng)網(wǎng)絡(luò)架構(gòu)。
- 示例：BERT是一種Transformer模型，廣泛應(yīng)用于問答和文本分類任務(wù)。
3）. 隱空間（Latent Space）
- 定義：生成模型將數(shù)據(jù)映射到的多維空間，使其能夠?qū)W習(xí)和生成變體。
- 示例：在圖像生成中，相似的圖像在隱空間中會(huì)被放置在彼此相鄰的位置。
4）. 生成對(duì)抗網(wǎng)絡(luò)（GAN）
- 定義：由兩個(gè)神經(jīng)網(wǎng)絡(luò)（生成器和判別器）對(duì)抗訓(xùn)練以生成逼真的數(shù)據(jù)。
- 示例：GANs可生成逼真的人臉圖像，且這些圖像并不屬于真實(shí)的人。
5）. 自編碼器（Autoencoder）
- 定義：一種學(xué)習(xí)壓縮和重構(gòu)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，常用于降維和去噪。
- 示例：自編碼器可以用來從損壞的圖像中去除噪音。
6）. 擴(kuò)散模型（Diffusion Models）
- 定義：學(xué)習(xí)通過反向降噪過程生成細(xì)致一致的數(shù)據(jù)。
- 示例：擴(kuò)散模型在DALL-E 2中用于從隨機(jī)噪聲生成高質(zhì)量圖像。
7）. 提示工程（Prompt Engineering）
- 定義：為優(yōu)化模型輸出而設(shè)計(jì)輸入提示的過程。
- 示例：在GPT-4中修改提示詞以生成更簡潔的摘要。
8）. 零樣本學(xué)習(xí)（Zero-Shot Learning）
- 定義：模型無需明確訓(xùn)練就能完成新任務(wù)，通過其他任務(wù)知識(shí)的遷移實(shí)現(xiàn)。
- 示例：GPT-3無需專門的翻譯數(shù)據(jù)集即可進(jìn)行翻譯任務(wù)。
9）. 少樣本學(xué)習(xí)（Few-Shot Learning）
- 定義：模型通過少量示例學(xué)習(xí)新任務(wù)，減少大量訓(xùn)練數(shù)據(jù)的需求。
- 示例：GPT-3可以用極少的樣本進(jìn)行微調(diào)，生成特定風(fēng)格的文本。
10）. 強(qiáng)化學(xué)習(xí)（Reinforcement Learning）
- 定義：通過與環(huán)境交互并最大化累積獎(jiǎng)勵(lì)，AI代理學(xué)會(huì)決策的學(xué)習(xí)范式。
- 示例：AlphaGo通過對(duì)弈數(shù)百萬次來掌握圍棋。
11）. 變分自編碼器（VAE）
- 定義：一種在隱空間中引入隨機(jī)性的自編碼器，生成新數(shù)據(jù)。
- 示例：VAEs被用于生成新的人臉，并在不同面部特征間平滑過渡。
12）. 自監(jiān)督學(xué)習(xí)（Self-Supervised Learning）
- 定義：模型從數(shù)據(jù)中生成自己的標(biāo)簽，減少對(duì)標(biāo)注數(shù)據(jù)的依賴。
- 示例：BERT在訓(xùn)練過程中通過遮蓋詞語并預(yù)測(cè)它們來進(jìn)行自監(jiān)督學(xué)習(xí)。
13）. 分詞（Tokenization）
- 定義：將文本分割成更小單位（如詞或子詞）以便于模型處理。
- 示例：在GPT-4中將文本輸入分詞成詞語，以便模型處理。
14）. 集束搜索（Beam Search）
- 定義：一種搜索算法，通過擴(kuò)展多個(gè)候選序列生成最可能的輸出序列。
- 示例：集束搜索常用于機(jī)器翻譯，生成連貫的文本輸出。
15）. 遷移學(xué)習(xí)（Transfer Learning）
- 定義：利用在一個(gè)任務(wù)上預(yù)訓(xùn)練的模型，并微調(diào)它用于另一任務(wù)。
- 示例：在情感分析任務(wù)上微調(diào)BERT模型。
16）. 語言模型（Language Model）
- 定義：預(yù)測(cè)自然語言中詞序列概率的模型，幫助生成或理解文本。
- 示例：GPT-4是一種能夠生成連貫文本的語言模型。
17）. AI偏見（Bias in AI）
- 定義：AI系統(tǒng)產(chǎn)生偏向性結(jié)果，通常由于訓(xùn)練數(shù)據(jù)或算法的偏見。
- 示例：AI招聘系統(tǒng)可能對(duì)性別產(chǎn)生偏見，優(yōu)先選擇歷史數(shù)據(jù)中較多的群體。
18）. GPT（生成式預(yù)訓(xùn)練Transformer）
- 定義：一種大規(guī)模語言模型，通過大規(guī)模文本預(yù)訓(xùn)練生成類似人類的文本。
- 示例：GPT-4可以生成文章、故事和詳細(xì)的回答。
19）. 困惑度（Perplexity）
- 定義：衡量語言模型對(duì)給定詞序列的預(yù)測(cè)能力，困惑度越低表示模型表現(xiàn)越好。
- 示例：比較GPT-3和GPT-4的困惑度來評(píng)估文本生成質(zhì)量。
20）. 自然語言處理（NLP）
- 定義：人工智能領(lǐng)域，研究人與計(jì)算機(jī)通過自然語言交互的技術(shù)。
- 示例：NLP模型用于分析客戶評(píng)論的情感。
21）. 神經(jīng)網(wǎng)絡(luò)（Neural Network）
- 定義：受人腦神經(jīng)元啟發(fā)的計(jì)算系統(tǒng)，由多層節(jié)點(diǎn)組成，用于圖像識(shí)別、語言處理等任務(wù)。
- 示例：卷積神經(jīng)網(wǎng)絡(luò)（CNN）用于圖像識(shí)別。
22）. 訓(xùn)練數(shù)據(jù)（Training Data）
- 定義：用于訓(xùn)練AI模型的數(shù)據(jù)，使其學(xué)會(huì)識(shí)別模式并進(jìn)行預(yù)測(cè)。
- 示例：ImageNet數(shù)據(jù)集用于訓(xùn)練圖像分類模型。
23）. 注意力機(jī)制（Attention Mechanism）
- 定義：一種神經(jīng)網(wǎng)絡(luò)方法，幫助模型聚焦于輸入序列中的關(guān)鍵部分，提高性能。
- 示例：在機(jī)器翻譯中，注意力機(jī)制幫助模型專注于重要詞匯。
24）. 訓(xùn)練輪次（Epoch）
- 定義：機(jī)器學(xué)習(xí)模型在訓(xùn)練過程中對(duì)整個(gè)數(shù)據(jù)集的完整遍歷。
- 示例：為神經(jīng)網(wǎng)絡(luò)設(shè)置10個(gè)訓(xùn)練輪次以避免過擬合。
25）. 多模態(tài)AI（Multimodal AI）
- 定義：處理并生成多種模態(tài)（如文本、圖像、音頻）的AI。
- 示例：CLIP處理圖像和文本，為圖像生成標(biāo)題。
03、結(jié)語
掌握生成式AI中的關(guān)鍵術(shù)語是構(gòu)建基礎(chǔ)的第一步，隨著深入理解，你可以更好地應(yīng)用這些知識(shí)到項(xiàng)目中。這些術(shù)語不僅幫助我們理解生成式AI背后的機(jī)制，也為我們?cè)趯?shí)際應(yīng)用中提供了指導(dǎo)方向。
參考：
本文轉(zhuǎn)載自公眾號(hào)Halo咯咯 作者：基咯咯
原文鏈接：??https://mp.weixin.qq.com/s/zb6N0dqjbIvkQckUnoiviA??
