1.5
AI名詞簡單記

任何行業都有術語，想要掌握ChatGPT自然也要了解一些相關的基本術語。本書旨在讓讀者能夠盡快地入門并熟練運用ChatGPT，因此，這里挑選了一部分關聯性較強的術語，嘗試用最簡單的語言解釋給大家。

AIGC（Arti昀cial Intelligence Generated Content）

AIGC即人工智能生成內容，可以根據用戶的需求，通過AI應用自動生成所需的內容。現在的人工智能已經可以生成的內容包括但不限于文字、圖片、語音、視頻。例如ChatGPT，可以生成文章、郵件、說明書等不同的文字內容。

自然語言處理（Natural Language Processing, NLP）

自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。

機器學習（Machine Learning）

機器學習是用數據或以往的經驗，以此優化計算機程序的性能標準。

深度神經網絡

深度神經網絡是機器學習領域中的一種技術，它通過算法能夠讓計算機像人腦神經一樣運作。神經網絡的出現，使得人工智能的性能大幅提升。

Transformer架構

Transformer架構是由谷歌的工程師團隊在2017年提出的神經網絡架構，是GPT大模型的重要基礎，它讓文字訓練變得更容易，使量變到質變成為可能。ChatGPT中的T是Transformer的縮寫。

RLHF（Reinforcement Learning from Human Feedback）

RLHF即“基于人類反饋的強化學習”，ChatGPT成功背后的最后一塊拼圖，也將是未來幾年發展極快的AI領域。它是一種強化學習算法，通過真實人類的反饋，大幅加速語言模型的訓練速度，讓它更好地理解人類真實的意圖，并給出更合適的響應。這可以提高模型的準確性和自然度，提升用戶體驗。

多模態（Multimodal）

多模態技術是指利用多種不同的數據模態（如語音、圖像、視頻等）進行聯合處理和交互的技術。多模態的大模型可以同時進行處理和分析不同模態的數據，從而使得應用程序在理解和響應用戶時更加準確、全面和自然，也可以同時輸出文字以外更多形式的內容。

GPT-1及GPT-2（Generative Pre-trained Transformer）

初代GPT模型GPT-1由OpenAI在2018年6月發布，2019年2月它的升級版GPT-2發布。它們可以用來生成語句、回答問題、翻譯文字、生成文章和故事等。

GPT-3

GPT-3在2020年5月發布，使用了驚人的175億訓練參數，量變終于引起質變。大模型在訓練數據量達到一定程度之后，效果驚人。

GPT-3的成果不僅在于模型本身，在商業模式上，它也開啟了基于自然語言大模型應用的“百花齊放”的時代。其在大模型的基礎上，額外進行加工、資料輸入再學習的過程后，就能得到在某一領域更為突出的定制化AI應用。

GPT-3.5

GPT-3.5在ChatGPT推出時首次公布，它在GPT-3的基礎上調整和優化而來。

新版微軟必應（New Bing）

微軟基于最新GPT模型開發的New Bing搜索引擎。2023年2月開放測試，最新GPT大模型與搜索引擎的結合，大大彌補了當下ChatGPT不能聯網的短板，具有高效信息收集和數據聚合分析的能力。

GPT-4

2023年3月14日，OpenAI正式推出GPT-4大模型，升級為多模態的同時，在語言準確度、事實準確性、邏輯能力、專業學術領域知識和記憶量等多個維度都實現了大幅提升。