AI 词典

Artfi cialIntelligence 计算机科学的fi领域专注于建筑模仿人类的系统行为和演示机器智能。 深度学习 机器的子集学习使用大多层(工业fi)深度神经网络该计算与连续(实数)陈述，一点点就像分层的有组织的神经元人类的大脑。它是特别有效从非结构化学习数据，如图像，文本，和音频。 偏置 当AI系统产生时发生的现象系统不公平或不准确的结果由于错误的假设或机器中的错误学习过程。AI中的偏见可能会产生负面影响个人和社会，比如歧视，错误信息，或失去信任。有不同的人工智能中偏差的类型和来源，如数据偏差，算法偏差、人类偏差和社会偏差。 F&DAI词汇表 大型语言模型 微调 提示Engineering 适应的过程预先训练的基础执行特定fi c的模型任务更好。这需要相对较短的时期在标签上的训练小得多的数据集比在其上的数据集该模型最初是受过训练。这个额外的训练允许模型学习和适应细微差别，术语和规格fi c模式。 中使用的一种技术人工智能fi优化和fi ne -调整语言模型特定的任务和期望输出。也称为提示设计，它是指仔细的过程构建提示或AI模型的输入提高他们的表现fic任务。 在上训练的神经网络大量的文本到模仿人类语言。这一类的基础模型可以处理大量非结构化的数量文本和学习单词之间的关系或部分已知的单词作为令牌。这将启用它们产生自然-要执行的语言文本任务，如摘要或知识提取。GPT - 4（其基础ChatGPT)和LaMDA (巴德背后的模型)是LLM的例子。 生成AI 提示 机器学习的一种形式AI平台可以在中生成新输出对基于提示的响应在它所拥有的数据上受过训练。 给一个AI系统使用自然语言而不是计算机语言。对于例如，生成式AI可以提示创建看起来新颖的内容或者有趣。 机器学习 研究如何AI从获得知识训练数据。它是一个AI的子集，其中模型增益能力并提高了其感知，知识，思考或行动在或上训练后显示了许多数据点。机器学习算法检测模式和学习如何做出预测和建议处理数据和经验。在这个这样，系统就学会了提供准确的内容随着时间的推移。 监督Learning 一种机器学习使用带标签的数据集训练算法以分类数据或预测结果。标记的数据集是数据的集合已经分配了一个标签或者人类的一个类别。 幻觉 一种现象AI系统产生不基于的输出在现实或给定的上下文。例如，AI聊天机器人可能构成事实或故事，或AI图像识别系统可能查看对象或模式不在那里。 Neural网络 无监督Learning 计算模型受结构启发和生物的功能神经元。 一种机器学习算法在其中学习未标记的模式数据，没有任何人指导或反馈。