AI人工智能詞語列表2026 | 香港AI學院

多模態人工智能 (Multimodal AI)

多模態人工智能（Multimodal AI）是一種能夠同時處理和融合來自多種不同數據模態的信息（如文字、圖像、音頻、視頻等）的人工智能技術。與傳統的人工智能系統僅僅專注於單一數據類型不同，多模態AI旨在模擬人類多感官協同感知和理解世界的能力，從多維度的數據中綜合學習和推理，從而提供更準確、更全面的智能判斷和生成能力。

上下文窗口 (Context Window)

上下文窗口（Context Window）是大型語言模型（Large Language Models，LLM）和自然語言處理（NLP）領域中的一個核心概念，指的是模型在處理或生成文本時，能夠同時考慮的最大資訊範圍。換句話說，上下文窗口決定了模型可以「看到」多少文字或詞元（token），進而理解上下文、捕捉語義關聯和生成連貫內容的能力。

基準事實 (Ground Truth)

基準事實（Ground Truth）是一個在機器學習、統計學和資料測量領域中至關重要的概念，指的是對於某一現象或數據所認定的“真實值”或“標準答案”。這種“真相”通常由已有的、被信任且可靠的測量方式或人工標註獲得，作為評估、校驗和訓練新技術或模型的參考標準。

微調 (Fine-tuning)

微調是深度學習和機器學習領域中的一項重要技術，特別是在利用預訓練模型實現特定任務時的關鍵策略。它是指在已經預先訓練好了的模型基礎上，使用特定任務的小規模數據進行進一步訓練和調整，目的是讓模型更好地適應該任務，提升實際應用中的性能和準確度。微調通常比從零開始訓練模型所需的計算資源和時間要少得多。

權重 (Weights)

在人工神經網絡與深度學習中，權重（Weights）是決定輸入數據對神經元影響程度的核心參數。簡單來說，權重就像是神經網絡中各個連接的「重要性指標」，用來控制輸入訊號在模型中的影響大小，並且透過訓練過程不斷調整，幫助網絡學習和提取數據中的關鍵特徵，最終達到更準確的預測或分類效果。

生成式人工智能 (Generative AI)

生成式人工智能（Generative AI）是一種利用先進機器學習算法，特別是基於深度學習的生成模型，能夠根據大量訓練數據及用戶輸入，自動創造新的內容，如文字、圖像、音頻、視頻乃至程式碼的人工智能技術。相比於傳統的辨識性人工智能，生成式人工智能具備獨特的內容創造能力，能產生類似人類創作的全新資料，而非單純進行數據分類或預測。

大型語言模型 (Large Language Models)

大型語言模型（Large Language Models，簡稱LLM）是一種基於深度學習技術的人工智慧系統，專門用於理解和生成類似人類語言的文本。這類模型通過對海量文本數據進行預訓練，學習語言的結構、語義以及上下文關係，因而能夠執行多種自然語言處理任務，如文本生成、翻譯、問答、摘要及對話等。LLM的出現是人工智慧在語言理解領域的一次重大突破。

提示工程 (Prompt Engineering)

提示工程（Prompt Engineering）是在人工智慧領域，尤其是生成式人工智慧（Generative AI）中一項關鍵技術與實務。它指的是設計和優化輸入給AI模型（如大型語言模型）的指令或提示，以引導模型產生預期且高品質的回應。隨著AI模型能力的不斷提升，提示工程成為用戶與AI系統間溝通和協作的橋樑，是最大化AI效能的重要手段。

神經網絡 (Neural Networks)

神經網絡，又稱人工神經網絡（Artificial Neural Networks，簡稱ANN），是一種受人腦神經系統啟發而設計的計算模型。它模擬生物神經元的結構和功能，通過大量互相連接的人工神經元節點進行訊息傳遞與處理，具備從數據中自我學習和模式識別的能力，是現代人工智慧與深度學習的基礎技術之一。

AI人工智能詞語列表

1