AI入门必备：22个核心术语速查手册

前言新手入门AI最头疼的就是一堆晦涩的术语——Transformer、RAG、向量数据库、Token、欠拟合、过拟合……刷教程时看到这些术语就懵不知道是什么意思导致学习进度停滞。今天整理了22个AI入门必懂核心术语用通俗的语言解释不用死记硬背随用随查帮你快速扫清术语障碍轻松看懂AI教程和代码核心说明这些术语覆盖了AI基础概念、核心技术、框架工具是新手入门必须掌握的不用一次性记住重点理解含义后续学习中慢慢熟悉即可建议收藏随用随查。一、基础概念类6个必懂1. 人工智能AI让机器模拟人类智能行为的技术涵盖感知、推理、学习等多种能力从日常的Siri到复杂的自动驾驶都是AI的具体应用目前我们接触的都是“弱AI”。2. 机器学习MLAI的核心子集让机器从数据中自主学习规律无需手动编写固定规则是实现AI的主要途径。3. 深度学习DL机器学习的进阶分支核心是用多层神经网络自动提取数据的抽象特征不用人工筛选特征是大模型、自动驾驶的核心基础。4. 拟合模型学习数据规律的过程分为欠拟合和过拟合是模型优化的核心重点。5. 欠拟合模型学得太少无法捕捉数据中的规律表现为训练集和测试集准确率都很低。6. 过拟合模型学得太死记住了训练数据中的噪声无关信息表现为训练集准确率很高测试集准确率很低。二、核心技术类8个重点掌握7. 神经网络模拟生物神经系统的计算模型由相互连接的节点神经元组成能够学习数据中的复杂模式是深度学习的核心。8. Transformer基于自注意力机制的深度学习架构能够并行处理序列数据解决了RNN的长期依赖问题是GPT系列、BERT等大模型的基础。9. 大语言模型LLM基于Transformer架构、参数量巨大数十亿至数万亿、在海量文本上预训练的语言模型代表有GPT、Claude、Llama等具备上下文学习、指令遵循能力。10. 检索增强生成RAG结合检索系统与生成模型先检索相关文档再让LLM基于事实生成答案能提升答案准确性减少大模型“幻觉”。11. 向量数据库用于存储海量高维向量的数据库核心是嵌入相似性搜索常用于RAG、大模型应用代表产品有Milvus、Pinecone、Chroma。12. 自然语言处理NLP研究计算机理解、生成、处理人类语言的AI分支应用有机器翻译、情感分析、聊天机器人等。13. 计算机视觉CV让机器“看懂”图像和视频的AI分支应用有人脸识别、医疗影像分析、自动驾驶识别等。14. 多模态能够同时处理和理解多种数据模态文本、图像、音频、视频等的AI系统代表模型有CLIP、GPT-4V、Sora。三、工具框架类8个入门必备15. PythonAI领域主导语言语法简洁、生态丰富核心库有NumPy、Pandas、Scikit-learn等。16. PyTorchMeta开发的深度学习框架动态图、调试友好研究首选适合新手入门。17. TensorFlowGoogle开发的深度学习框架静态图、工业级部署、跨平台适合工业应用。18. Scikit-learnPython机器学习库封装了大量经典算法线性回归、决策树等入门简单适合新手实战。19. Token词元文本拆分的最小处理单元是大模型处理文本的基础也是大模型计费的单位常见分词方式有BPE、WordPiece。20. 数据标注为原始数据图像、文本、音频等添加结构化标签的过程是监督学习的基石分为图像标注、文本标注、语音转录等。21. Jupyter NotebookAI实战常用的开发环境适合实验和可视化能实时运行代码、查看结果。22. Google Colab免费提供GPU资源的云平台适合新手练手不用配置本地环境直接在浏览器中运行代码。新手提醒不用死记硬背这些术语遇到不懂的就回来查随着学习的深入慢慢就会熟悉。重点是理解术语的核心含义知道它们在AI学习和实战中的作用而不是单纯记忆名词。