跳到主要内容

AI 概念 (Concepts)

本模块旨在建立坚实的 AI 理论基础。无论是初学者还是有经验的工程师，都能在这里找到关于人工智能核心领域的知识梳理。

1. 人工智能概论​

  • 什么是人工智能 (AI)
  • 强人工智能 vs 弱人工智能
  • AI 的发展历史与未来趋势

2. 机器学习 (Machine Learning) 基础​

  • 监督学习 (Supervised Learning)
  • 无监督学习 (Unsupervised Learning)
  • 强化学习 (Reinforcement Learning)
  • 常见算法：线性回归、逻辑回归、决策树、支持向量机 (SVM)

3. 深度学习 (Deep Learning) 与神经网络​

  • 人工神经网络 (ANN) 基本结构
  • 前馈神经网络 (FFNN)
  • 卷积神经网络 (CNN) - 计算机视觉基础
  • 循环神经网络 (RNN) 与 LSTM

4. 自然语言处理 (NLP) 演进​

  • 早期 NLP 技术 (词袋模型, TF-IDF)
  • 词嵌入 (Word Embeddings: Word2Vec, GloVe)
  • 注意力机制 (Attention Mechanism) 与 Transformer 架构

5. 大语言模型 (LLMs) 与生成式 AI​

  • 什么是生成式 AI (Generative AI)
  • GPT, BERT, Llama 等模型架构解析
  • 预训练 (Pre-training) 与微调 (Fine-tuning)
  • 提示工程 (Prompt Engineering) 基础

6. AI 伦理与安全​

  • 数据隐私与安全性
  • 算法偏见与公平性
  • 幻觉 (Hallucination) 与可解释性 (XAI)