概述

在 AI 时代下，涌现出大量相关术语。这些术语涵盖了 AI 的基础概念、分支领域、技术架构、应用场景等多个方面。本文旨在通过通俗易懂的方式，为您汇总并解释这些核心概念。

目录

1. 一、 核心概念：大模型与 Token
2. 二、 宏观视角：AI 的基础分类
3. 三、 学习范式：AI 是如何进化的？
4. 四、 深度解析：底层架构与运行逻辑
5. 五、 落地应用：生成技术与交互艺术
6. 六、 进阶认知：从“智能体”到“对齐”
7. 七、 核心工程：让模型更好用的黑科技

AI 基础术语汇总

一、 核心概念：大模型与 Token

1. 大模型 (Large Model / Foundation Model)

• 定义：一般指参数量达到数十亿甚至数万亿级别的深度学习模型。它们在海量数据上进行预训练，具备强劲的泛化能力，可以适应多种下游任务。
• 通俗理解：就像一个读过万卷书、走过万里路、博学多才的“超级专家”。由于它见多识广，所以你问它什么，它都能给你像模像样的回答。

2. Token (令牌/词元)

• 定义：AI 模型处理文本的最小单位。在 LLM 中，文本会被拆解成一个个 Token 进行计算。一个 Token 可能是单词、汉字、甚至是一个字符。
• 通俗理解：就像乐高积木。AI 不直接读文章，而是把文章拆成一块块积木（Token），处理完后再把积木拼回文字。一般 1000 个 Token 约等于 750 个汉字。

二、 宏观视角：AI 的基础分类

1. 人工智能 (AI, Artificial Intelligence)

• 深度定义：这是一个宽泛的学科领域，旨在研究和开发能够模拟、延伸和扩展人类智能的理论、方法及技术系统。它不仅包含机器人，还包括语音识别、图像识别、自然语言处理和专家系统等。
• 发展阶段：AI 的发展经历了从早期的“基于规则”到目前的“基于数据学习”的飞跃。
• 通俗理解：让机器变得像人一样机智，能听、能看、能思考、能解决问题。

2. 狭义人工智能 (ANI, Artificial Narrow Intelligence)

• 核心特点：也称为“弱人工智能”，这是我们目前所处的阶段。它被设计用来处理特定的、单一的任务，在特定领域的表现可能远超人类，但无法将这种能力迁移到其他领域。
• 典型案例：AlphaGo（只会下围棋）、Siri（语音助手）、垃圾邮件过滤器。
• 通俗理解：术业有专攻的“偏才”。它在球场上是巨星，但离开球场就什么都不会了。

3. 通用人工智能 (AGI, Artificial General Intelligence)

• 核心特点：也称为“强人工智能”。这是 AI 研究的“圣杯”。它具备人类水平的认知能力，能够像人类一样学习、理解、推理和应对完全陌生的环境和任务。
• 当前状态：目前仍处于研发和理论阶段，虽然大模型展示了一些苗头，但尚未真正实现。
• 通俗理解：科幻电影里的那种“全能机器人”，具备独立思考和学习能力，什么都能干。

4. ⚡ 人工超级智能 (ASI, Artificial Superintelligence)

• 核心特点：这是一种假设性的智能水平。它在科学创造力、社交技巧和通用智慧等所有领域都远超最机智的人类。
• 潜在影响：它被认为可能引发“技术奇点”，即技术发展速度超出人类理解和预测的范畴。
• 通俗理解：它的智慧不仅是“天才”的集合，而是人类无法想象的“神级”存在。

三、 学习范式：AI 是如何进化的？

为了方便理解，下表对比了三种主流的机器学习方式：

1. 监督学习 (Supervised Learning)

• 技术深度：模型通过学习大量的“输入-输出”对（即标签数据）来建立映射关系。其核心在于损失函数 (Loss Function) 的最小化，即不断缩小模型预测值与真实答案之间的差距。
• 通俗理解：就像是有标准答案的模拟考试。你做的题越多，对照答案修正的次数越多，你正式考试时的准确率就越高。

2. 无监督学习 (Unsupervised Learning)

• 技术深度：模型处理的是没有标签的数据，其目标是发现数据内在的统计结构或特征。它不需要人类告知它什么是对的，而是通过计算数据点之间的**类似度（如距离）**来进行归类。
• 通俗理解：就像把一堆乱七八糟的积木交给孩子，不告知他怎么摆，他可能会自己按照颜色或者形状把积木分成几堆。

3. 强化学习 (Reinforcement Learning, RL)

• 技术深度：这是一种基于“试错”的学习机制。智能体在环境中采取行动，环境会给予奖励 (Reward) 或 惩罚 (Penalty)。其目标是学习一个策略 (Policy)，使得长期累积的奖励最大化。
• 通俗理解：就像训练宠物。做对了给肉吃，做错了没奖励。宠物为了吃到更多的肉，会逐渐学会一系列复杂的动作组合。

四、 深度解析：底层架构与运行逻辑

1. ️ 神经网络 (NN, Neural Network)

• 核心原理：受到生物神经系统的启发，通过多层“神经元”（数学函数）对输入数据进行非线性变换。
• 通俗理解：一个极其复杂的“自动筛选器”，第一层看轮廓，第二层看形状，第三层看物体，最终得出结论。

2. Transformer 架构：现代 AI 的心脏

• 背景：2017 年由 Google 提出，彻底取代了早期的 RNN（循环神经网络）。
• 核心机制：自注意力 (Self-Attention)：技术解释：它允许模型在处理一个词时，同时“注视”句子中所有的词，并计算它们之间的关联程度。通俗理解：当你读到“它”这个词时，Transformer 能瞬间联系到前文提到的“猫”，从而清楚“它”指代谁。这种“全局视野”是 AI 变得机智的关键。
• 并行计算：不同于老技术必须一个词一个词地读，Transformer 可以同时处理整段话，这让训练超大规模模型成为可能。

3. 大语言模型 (LLM) 的运行逻辑

• 本质：概率预测：技术解释：LLM 的核心任务是根据给定的上文（Context），预测下一个 Token 出现的概率分布。通俗理解：它本质上是在玩一个极其高级的“接龙游戏”。当你输入“床前明月”，模型预测“光”出现的概率最高，于是它输出了“光”。
• 涌现能力 (Emergent Abilities)：现象：当模型参数量突破某个临界点（如百亿级）时，它会突然掌握之前不具备的能力，如复杂推理、理解幽默等。通俗理解：就像量变引起质变，书读得足够多之后，模型突然“开窍”了。

五、 落地应用：生成技术与交互艺术

1. AIGC (AI Generated Content, 人工智能生成内容)

• 技术深度：标志着 AI 从“感知/识别世界”向“创造世界”的跨越。目前主流图像生成采用 扩散模型 (Diffusion Models)。
• 通俗理解：AI 艺术家、AI 作家、AI 程序员。它不再只是帮你分类邮件，而是能帮你画出一张不存在的画，或者写一段复杂的代码。

2. 多模态 (Multimodal)

• 技术深度：旨在让 AI 同时处理并理解文字、图像、语音等异构数据。
• 通俗理解：AI 的“全感官进化”。它不仅能读懂你的文字指令，还能看懂你发给它的图片，甚至能听出你说话时的情绪。

3. ✍️ 提示工程 (Prompt Engineering)

• 常用策略：包括 Few-shot (少样本提示) 和 CoT (思维链) 等，旨在引导 AI 输出更高质量的结果。
• 通俗理解：学习如何跟 AI 打交道的“对话艺术”或“咒语学”。

六、 进阶认知：从“智能体”到“对齐”

1. ️ 智能体 (Agent)

• 定义：具备自主感知、决策、规划和工具使用能力的 AI 系统。
• 为什么不做一个通用的全能智能体？：专项分工在专注度、工具管理、成本效率、稳定性四个维度具有显著优势。
• 通俗理解：你的“数字员工”。财务、技术、销售各司其职，效率和专业度才是最高的。

2. ⚖️ 对齐 (Alignment)

• 定义：确保 AI 的目标、行为和价值观与人类保持一致。
• 通俗理解：防止 AI “走歪路”。确保它在执行任务时，不会为了达成目标而采取违背人类道德的手段。

3. 幻觉 (Hallucination)

• 定义：AI 模型自信地输出捏造或不实的信息。
• 通俗理解：AI 在“一本正经地胡说八道”。

4. ️ 微调 (Fine-tuning)

• 定义：在通用大模型基础上，使用特定数据再次训练，使其适配特定领域。
• 通俗理解：让“全科医生”去修一个“专科进阶课”。

七、 ️ 核心工程：让模型更好用的黑科技

1. RAG (检索增强生成)

• 通俗理解：给 AI 开了一场“开卷考试”。AI 不再只凭记忆回答，而是先翻翻你给它的参考资料再说。

2. RLHF (人类反馈强化学习)

• 通俗理解：给 AI 请了一个“人类教练”。通过人类打分来调教 AI 的说话风格和安全性。

3. 参数量 (Parameters)

• 通俗理解：AI 大脑中“脑细胞”连接的密度。

4. 上下文窗口 (Context Window)

• 通俗理解：AI 的“短时记忆”容量，决定了它一次能处理多长的文档。

5. ️ 向量数据库 (Vector Database)

• 通俗理解：AI 的“超级图书馆索引”。按“意思相近”检索，速度极快。

6. MoE (混合专家模型)

• 通俗理解：根据任务自动分流给最擅长的“专科子模型”处理。

总结

AI 的世界日新月异，掌握这些核心术语是理解这一轮技术变革的第一步。从 Token 到大模型，从监督学习到 AIGC，AI 正在从一个工具变成我们每个人的智能助手。