1. 人工智能（Artificial Intelligence, AI）

人工智能指让机器模拟人类智能行为的技术，使其能完成需要人类智慧的任务，如推理、学习和决策。AI分为弱AI（专注于特定任务，如语音识别）和强AI（理论上具备全面的人类认知能力，尚未实现）。

案例：智能手机的语音助手（如Siri）能理解指令并执行操作，这属于弱AI的典型应用。

2. 生成式人工智能（Generative AI）

生成式AI能创造新内容，如文本、图像、音乐等。其核心技术是通过学习大量数据中的模式生成原创内容，例如使用生成对抗网络（GAN）或大语言模型。

案例：ChatGPT可根据用户提示生成文章或代码，而DALL-E能根据文字描述生成对应图片。

3. 智能体（Intelligent Agents）

智能体是能感知环境并自主决策的实体，通过传感器获取信息，再通过执行器做出行动。它们可以是软件程序（如聊天机器人）或物理设备（如自动驾驶汽车）。

案例：扫地机器人通过传感器感知障碍物，自主规划清扫路径，无需人工干预。

4. 机器学习（Machine Learning, ML）

机器学习让计算机从数据中自动学习规律，无需显式编程。其核心是通过算法识别数据模式并做出预测，分为监督学习（有标签数据）和无监督学习（无标签数据）。

案例：电子邮件系统通过分析用户标记的垃圾邮件，自动过滤新邮件。

5. 强化学习（Reinforcement Learning, RL）

强化学习通过“试错+奖励”机制训练机器。智能体在环境中行动，根据结果获得正/负反馈，逐步优化策略以最大化累积奖励。

案例：AlphaGo通过与自己反复对弈，学习围棋策略并击败人类冠军。

6. 深度学习（Deep Learning, DL）

深度学习是机器学习的分支，使用多层神经网络处理复杂数据（如图像、语音）。其优势在于自动提取数据特征，无需人工设计规则。

案例：人脸识别解锁手机时，深度学习模型通过分析面部特征完成验证。

7. 计算机视觉（Computer Vision, CV）

计算机视觉使机器能“看懂”图像和视频，包括目标检测、图像分类等任务。其技术广泛应用于安防、医疗和自动驾驶。

案例：自动驾驶汽车通过摄像头识别行人、交通标志和车道线，确保安全行驶。

8. 自然语言处理（Natural Language Processing, NLP）

NLP让计算机理解、生成人类语言，涵盖机器翻译、情感分析等任务。其挑战在于处理语言的歧义性和上下文关联。

案例：谷歌翻译将中文转换为英文时，通过NLP技术分析语法和语义。

9. 大语言模型（Large Language Models, LLM）

LLM是基于海量文本训练的深度学习模型，擅长生成和理解自然语言。它们通过预测下一个词的概率生成连贯文本。

案例：ChatGPT可模拟人类对话，帮助用户撰写邮件或解答问题。

10. 提示工程（Prompt Engineering）

提示工程指设计有效的输入指令（提示词），引导AI生成更准确的输出。通过优化提示，用户能控制生成内容的风格或格式。

案例：输入“用李白风格写一首关于月亮的诗”，ChatGPT会生成符合要求的诗句。

11. 人工智能幻觉（AI Hallucination）

AI幻觉指模型生成看似合理但实际错误或虚构的内容。这源于模型过度依赖训练数据中的模式，而非真实逻辑。

案例：医疗咨询AI可能编造不存在的药物名称，导致误导性建议。