美国国会研究处:人工智能(AI)技术体系

专家通常将人工智能（AI）描述为 “基于机器的系统能够完成通常被认为需要人类智能的任务” 这一宽泛概念，例如进行预测与推荐、语言翻译，或生成文本、图像、音频与视频。随着 AI 技术的研究与应用不断推进，这一术语也在演变，催生了新的专业表述。在美国国会制定和出台与 AI 技术相关的立法过程中，常常会出现一系列疑问：需要定义哪些术语、如何定义这些术语，以及它们之间存在怎样的关联。本信息图梳理了关键的 AI 术语，并说明它们之间的关系。（注意：尽管本图整合了众多 AI 专家与利益相关方的观点，但这些术语的定义与交叉关系仍在不断发展，且尚未形成定论。目前术语之间不存在被普遍认可的清晰边界或层级关系。）人工智能（AI）是一个宽泛术语，指旨在让计算机系统具备学习新概念 / 新任务、并以模仿人类智能的方式解决复杂问题的算法与技术。专家系统是早期模仿人类智能的机器实现方式，这类算法编码了专家知识，但不具备学习能力。在这类基于规则的系统中，程序员会先解决问题，再编写对应的程序流程与规则，让系统能够据此对新的输入做出响应。机器人技术（Robotics）指的是设计、制造和使用机器来复刻或辅助人类行为的领域。机器人技术是 AI 在实体场景中应用的方向之一，它能帮助机器人通过自主探索或人类操作员的指导来学习并提升性能。机器学习（ML）通常被视为 AI 的一个子领域，它通过算法让系统无需显式编程，就能识别数据中的模式或关联并从中学习。随着学习的数据量增加，这类系统的性能会随之提升，进而能够对全新数据做出预测或决策。深度学习（DL）是 ML 的一个子集，它利用神经网络（NN）技术来处理和分析大规模复杂数据。神经网络最初的灵感来自于人脑中神经元层之间的信号传递机制：人工神经元被划分为多层相互连接的节点。自然语言处理（NLP）指的是利用基于规则的方法或机器学习方法，来理解书面或口头人类语言的结构与含义。深度学习、生成式 AI 与大语言模型已被应用于 NLP 场景中。生成式 AI（GenAI）指的是能够基于提示词生成内容的 AI 系统，内容形式包括文字材料、音频、图像或计算机代码。这类系统会使用神经网络等先进技术，帮助底层模型更好地理解数据元素之间的相互影响与依赖关系。通用人工智能模型（常被称为基础模型，FMs）是一类生成式 AI 模型，它们在海量多类型数据上完成训练，并且可以通过微调适配多种下游任务。大语言模型（LLMs）是基础模型的一个分支。

（本文来源：来同Salotto公众号）

·END·

本文来源于网络，对原作者表示感谢，
内容仅做公益性分享，若有侵权，请告知删除

金元浦教授

中国人民大学文化创意产业研究所所长

中外文艺理论学会副会长

教育部文化部动漫类教材专家委员会副主任

中国人民大学文学院教授、博导

中国传媒大学、上海交通大学博导

公众号：老金谈科技美学