AI学习笔记：核心概念术语学习

一、核心基础概念

1. 人工智能 (Artificial Intelligence, AI)

   • 定义：一个广泛的领域，致力于创造能够执行通常需要人类智能的任务的机器或系统。

   • 类比：目标是制造出能“思考”的机器。

2. 机器学习 (Machine Learning, ML)

   • 定义：AI的一个子集，它允许计算机系统从数据中“学习”和改进，而无需显式编程。模型通过识别模式来做出预测或决策。

   • 类比：不是教计算机如何下棋，而是给它几万盘棋局数据，让它自己学会下棋的规则和策略。

3. 深度学习 (Deep Learning, DL)

   • 定义：机器学习的一个更具体的子集，使用名为“神经网络”的复杂结构来处理数据。它特别擅长处理图像、声音和文本等非结构化数据。

   • 类比：使用一个模拟人脑的、由多层“神经元”组成的复杂网络来学习，层次越深，能学到的特征就越抽象。

4. 神经网络 (Neural Network)

   • 定义：一种受人类大脑结构启发的计算模型，由相互连接的节点（“神经元”）组成，用于处理和传输信息。

5. 大语言模型 (Large Language Model, LLM)

   • 定义：基于深度学习（特别是Transformer架构）的海量参数模型，在极其庞大的文本数据集上训练而成。它可以理解、生成和处理自然语言。

   • 例子：OpenAI的GPT系列、Anthropic的Claude、Meta的Llama。

二、与LLM工作原理相关的术语

1. 训练 (Training)

   • 定义：让模型学习的过程。通过给模型输入大量数据并调整其内部参数，使其能够做出准确的预测或生成合理的文本。

2. 微调 (Fine-Tuning)

   • 定义：在一个已经预训练好的模型（如GPT-4）基础上，使用特定领域的数据集进行额外训练，使其更擅长某个特定任务（如写法律文书、医疗诊断）。

   • 类比：一个医科毕业生（预训练模型）到医院某个科室（特定领域）进行专科培训（微调）。

3. 提示/提示词 (Prompt)

   • 定义：用户输入给AI的指令或问题，用于引导AI产生相应的回复。

   • 例子：“用莎士比亚的风格写一首关于咖啡的诗”就是一个提示。

4. 提示工程 (Prompt Engineering)

   • 定义：设计和优化提示词的技巧和艺术，旨在从AI中获得更准确、更相关、更高质量的输出。

5. 生成 (Generation)

   • 定义：AI根据提示词创建新内容（文本、代码、图像等）的过程。

6. 令牌 (Token)

   • 定义：模型处理文本的基本单位。对于英文，一个token可以是一个单词或一个词缀（如“un”, “-ing”）；对于中文，一个token通常是一个汉字或词语的一部分。

   • 重要性：API计费通常基于使用的token数量。

7. 上下文窗口 (Context Window)

   • 定义：模型在一次交互中能够考虑和记住的令牌总数上限。这包括你的提示词和它的回复。

   • 例子：一个上下文窗口为128K的模型，可以处理一部中篇小说的文本量。

三、应用与架构相关术语

1. Transformer架构

   • 定义：一种革命性的深度学习模型架构，由Google在2017年提出。它通过“自注意力机制”（Self-Attention）来处理序列数据，是当今几乎所有主流LLM（如GPT、BERT）的基础。

2. 检索增强生成 (Retrieval-Augmented Generation, RAG)

   • 定义：一种将外部知识库（如公司文档、数据库）的检索功能与LLM的生成能力相结合的技术。它先检索相关信息，再让LLM基于这些信息生成答案，能极大提高回答的准确性和时效性，减少“幻觉”。

   • 应用：Coze平台中的“知识库”功能就是RAG的典型应用。

3. AI智能体 (AI Agent)

   • 定义：一个能够感知环境、做出决策并执行动作以实现目标的AI系统。它不仅会生成文本，还会使用工具（如调用API、搜索网络、运行代码）。

   • 类比：一个不仅能给你建议（LLM），还能亲自帮你订机票、写邮件并发送（Agent）的AI助手。

4. 幻觉 (Hallucination)

   • 定义：AI生成的内容看似合理，但实际上是错误的、虚构的或与事实不符的现象。这是当前LLM面临的主要挑战之一。

5. 具身智能 (Embodied AI)

   • 定义：存在于物理实体（如机器人、自动驾驶汽车）中的AI，能够通过与真实世界的交互来学习和执行任务。

四、性能与评估术语

1. 参数 (Parameters)

   • 定义：模型内部的可调节变量，其值是在训练过程中从数据中学到的。通常参数数量越多，模型越复杂，能力可能越强（但并非绝对）。

   • 例子：GPT-3有1750亿个参数。

2. 涌现能力 (Emergent Abilities)

   • 定义：当模型规模（参数、数据、计算量）达到一定阈值时，突然出现的一些在较小模型中不存在的新能力（如推理、编程、理解复杂指令）。

五、核心集成与交互术语

1. API (Application Programming Interface) - 应用程序编程接口

   • 通俗解释：一套预先定义好的规则和协议，允许不同的软件应用程序之间相互“对话”和交换数据。它是一个软件为另一个软件提供的“服务窗口”。

   • 经典类比：餐厅的服务员。

     • 你（客户端）看不懂后厨（服务器）的规则，你只需要看菜单（API文档）并告诉服务员（API）你想点什么菜（请求）。

     • 服务员把你的请求传递给后厨，后厨做好菜后，再由服务员端给你（响应）。

     • 你不需要知道后厨如何运作，只需要通过服务员这个接口就能获得服务。

2. SDK (Software Development Kit) - 软件开发工具包

   • 通俗解释：一套工具的集合，通常包括代码库、文档、示例代码和调试工具，旨在帮助开发者更轻松、更快速地为特定平台、硬件或编程语言构建应用程序。

   • 类比：一个乐高套装。

     • API就像是乐高积木的通用接口（凸起和凹槽），保证积木能拼在一起。

     • SDK则是一个特定的乐高“星球大战战舰套装”，它包含了所有你需要的特定积木（代码库）、拼装说明书（文档）和贴纸（工具），让你能高效地拼出这艘战舰，而不需要从零开始自己设计并寻找所有零件。

3. Endpoint - 端点

   • 通俗解释：API 的一个特定地址（URL），用于接收请求并返回响应。一个API通常有多个端点，每个端点负责一个具体的功能。

   • 例子：一个天气API可能有以下两个端点：

     • https://api.weather.com/v1/current (获取当前天气)

     • https://api.weather.com/v1/forecast (获取天气预报)

4. Webhook - 网络钩子

   • 通俗解释：一种“反向API”模式。由你提供一个API端点（URL）给另一个服务，当该服务发生某件事时，它会主动向你提供的这个网址发送数据。这是一种接收实时通知的方式。

   • 类比：“有事call我”。

     • 传统的API：你不停地打电话（发送请求）问快递公司：“我的包裹到了吗？”（轮询）。

     • Webhook：你告诉快递公司：“这是我的电话（URL），包裹一到你就立刻打给我（发送请求）”。这样你就不用主动去问，节省了精力。

六、数据格式术语

1. JSON (JavaScript Object Notation) - JS 对象简谱

   • 通俗解释：一种轻量级、易于人阅读和编写的数据交换格式。它采用“键值对”的方式来组织数据，是当今Web和API之间传输数据最流行的语言。

   • 例子：

     json

     {
       "name": "张三",
       "age": 30,
       "isStudent": false,
       "hobbies": ["读书", "游泳", "编程"]
     }

2. XML (eXtensible Markup Language) - 可扩展标记语言

   • 通俗解释：另一种用于存储和传输数据的标记语言，比JSON更冗长，但结构更严格。现在很多新API更倾向于使用JSON，但一些老系统仍在使用XML。

   • 例子：

     xml

     <person>
       <name>张三</name>
       <age>30</age>
       <isStudent>false</isStudent>
     </person>

七、系统架构术语

1. Frontend - 前端

   • 通俗解释：用户能看到并直接与之交互的部分，比如网页、App界面、按钮、图片等。主要负责展示和收集用户输入。

2. Backend - 后端

   • 通俗解释：运行在服务器上的部分，用户看不见。它负责处理前端的请求、执行逻辑（比如调用AI模型）、与数据库交互，然后将结果返回给前端。

   • Coze平台：你创建的机器人，其逻辑（工作流、插件调用）就是在后端运行的。

3. Database - 数据库

   • 通俗解释：一个有组织地存储和管理数据的“电子仓库”。可以高效地查询、插入、更新和删除数据。

八、请求与响应术语

1. HTTP (HyperText Transfer Protocol) - 超文本传输协议

   • 通俗解释：万维网的数据通信基础，定义了客户端和服务器之间如何交换请求和响应。

2. HTTP Method - HTTP 方法

   • 通俗解释：表示请求的目的。最常用的有：

     • GET：获取数据（如：查看网页）。

     • POST：创建/提交数据（如：提交表单、登录、发送一个提示词给AI）。

     • PUT/PATCH：更新数据。

     • DELETE：删除数据。

3. Status Code - 状态码

   • 通俗解释：HTTP响应中的一个三位数字代码，用来告诉客户端请求的结果。

   • 常见例子：

     • 200 OK：成功。

     • 404 Not Found：找不到请求的资源。

     • 500 Internal Server Error：服务器内部错误。

4. Authentication / Auth - 认证

   • 通俗解释：“证明你是谁”的过程，最常见的方式是使用用户名密码或API Key。

5. Authorization - 授权

   • 通俗解释：“你是否有权限做某事”的过程。比如，你成功登录了（认证），但你可能只有权限看自己的数据，而不能看别人的数据（授权）。

6. API Key (API密钥)

   • 通俗解释：一个像密码一样的唯一字符串，用于识别和验证调用API的应用程序或用户。调用API时通常需要在请求头中带上它。