AI技术名词解释
一、AI愿景与目标
AGI（通用人工智能）
定义：像人一样什么都能学、什么都能干的全能AI，目前尚未实现
详细解释：AGI是AI研究的终极目标，指能够像人类一样在各种任务中表现出智能的系统。与当前的\”窄AI\”（Narrow AI）不同，AGI能够：
- 跨领域迁移学习（学会开车后能更快学会开船）
- 自主设定目标和规划
- 理解抽象概念并进行推理
- 具备常识和创造力
示例：
窄AI：AlphaGo只能下围棋，不能下象棋
AGI（理想）：学会围棋后，能自己推导出象棋规则并下棋
当前状态：GPT-4、Claude等大模型展现出AGI的雏形，但仍缺乏真正的自主性和跨领域泛化能力。
ASI（超级人工智能）
定义：智力全面超越全人类总和的AI，属于科幻范畴
详细解释：ASI是超越AGI的下一个阶段，其智力水平远超人类最聪明个体的总和。特征包括：
- 解决人类无法解决的复杂问题（如统一量子力学和相对论）
- 在所有认知任务上碾压人类
- 可能具备自我改进能力（递归自我优化）
风险与讨论：ASI可能带来存在性风险，是AI安全研究的核心议题。
AIGC（AI Generated Content）
定义：用AI自动生成文字、图片、音频、视频等内容
详细解释：AIGC是内容生产方式的革命，从PGC（专业生产）、UGC（用户生产）进化到AIGC（AI生产）。
应用示例：
# 文字生成 – 使用OpenAI API
from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
model=\”gpt-4\”,
messages=[{
\”role\”: \”user\”, \”content\”: \”写一首关于春天的诗\”}]
)
print(response.choices[0].message.content)
# 图片生成 – 使用DALL-E
image = client.images.generate(
model=\”dall-e-3\”,
prompt=\”一只在樱花树下读书的猫\”,
size=\”1024×1024\”
)
print(image.data[0].url)
代表工具：
- 文字：ChatGPT、Claude、文心一言
- 图片：Midjourney、Stable Diffusion、DALL-E
- 视频：Sora、Runway、Pika
- 音频：ElevenLabs、Azure TTS
Vibe Coding（氛围编程）
定义：用自然语言描述功能，AI生成代码
详细解释：Vibe Coding是Andrej Karpathy在2025年提出的新概念，指开发者不再逐行编写代码，而是通过自然语言描述意图，让AI完成编码工作。
特点：
- 开发者角色从\”码农\”转变为\”产品经理+架构师\”
- 更关注\”要做什么\”而非\”怎么做\”
- 降低编程门槛，让非专业人士也能开发应用
示例：
传统编程：写500行代码实现一个登录页面
Vibe Coding：告诉AI\”做一个现代风格的登录页面，支持邮箱和手机号登录，
有记住密码功能，适配移动端\”
二、提示与交互
Prompt Engineering（提示词工程）
定义：巧妙设计提问方式，引导AI给出更好回答
详细解释：提示词工程是与大模型交互的核心技能，通过精心设计的提示词，可以显著提升AI输出的质量和准确性。
核心技巧：
示例：
# ❌ 糟糕的提示词
prompt = \”写一
