你周围的每个人都在随意地讨论“生成式人工智能”、“大型语言模型”或“深度学习”等术语吗？对细节感到有些迷茫？我们编写了一本入门书，介绍了您需要了解的所有内容，以了解几十年来出现的最新、最具影响力的技术。让我们深入了解生成式 AI 的世界。
我们整理了一份最重要的术语列表，这些术语将帮助您公司中的每个人（无论其技术背景如何）了解生成式 AI 的力量。每个术语都是根据它对您的客户和团队的影响来定义的。
为了突出生成式 AI 的实际应用，我们在本文中将其投入使用。我们的专家对关键术语进行了权衡，我们让生成式 AI 工具为本词汇表奠定了基础。每个定义都需要人性化才能准备好发布，但它节省了大量时间。
人工智能 （AI）
人工智能是让机器像人类一样思考和行动的广泛概念。生成式 AI 是一种特定类型的 AI（更多内容见下文）。
对客户意味着什么： 人工智能可以帮助你的客户，根据他们过去所做的事情，预测他们下一步可能想要什么。它为他们提供了更多相关的沟通和产品推荐，并可以提醒他们即将到来的重要任务。（比如，“是时候重新订购了！人工智能使他们在组织中的体验更加有用、个性化、高效和无摩擦。
这对团队意味着什么： AI 通过自动执行日常任务，帮助您的团队更智能、更快速地工作。这节省了员工的时间，为客户提供了更快的服务，并提供了更个性化的互动，所有这些都提高了客户保留率，从而推动了业务发展。
生成式人工智能（Gen AI）
生成式人工智能是人工智能领域，专注于基于现有数据创建新内容。对于CRM系统，生成式AI可用于创建一系列有用的输出，从编写个性化的营销内容到生成合成数据以测试新功能或策略。
对客户意味着什么： 更好、更有针对性的营销内容，这有助于他们准确地获得他们需要的信息，而不是更多。
这对团队意味着什么： 更快地构建营销活动和销售活动，并能够在合成数据集中测试多种策略并在任何内容上线之前对其进行优化。
使用生成式 AI 的客户关系管理 （CRM）
CRM是一种将客户记录保存在一个地方的技术，作为每个部门的单一事实来源，帮助公司管理当前和潜在的客户关系。生成式 AI 可以使 CRM 更加强大——想想为销售团队预先编写的个性化电子邮件、根据产品名称编写的电子商务产品描述、上下文客户服务票回复等等。
对客户意味着什么：CRM 为客户提供跨所有参与渠道的一致体验，从营销到销售再到客户服务等。虽然客户没有看到CRM，但他们在与品牌的每次互动中都能感受到这种联系。
这对团队意味着什么：CRM 可帮助公司与客户保持联系、简化流程并提高盈利能力。它允许您的团队在一个中心位置存储客户和潜在客户联系信息、识别销售机会、记录服务问题和管理营销活动。例如，它向任何可能需要它的人提供有关每个客户交互的信息。生成式 AI 通过更快、更轻松地与客户建立大规模联系来增强 CRM——想想自动翻译的营销线索生成活动以覆盖全球顶级市场，或者推荐的客户服务响应，帮助座席快速解决问题并确定未来销售机会。
生成式预训练转换器 （GPT）
GPT 是一个神经网络家族，经过训练可以生成内容。GPT 模型在大量文本数据上进行了预训练，这使它们能够根据用户提示或查询生成清晰且相关的文本。
对客户意味着什么： 客户与您的公司进行更个性化的互动，专注于他们的特定需求。
这对团队意味着什么： GPT 可用于自动创建面向客户的内容，或分析客户反馈并提取见解。
提示工程
提示工程意味着弄清楚如何提出问题以获得所需的确切答案。它仔细制作或选择您提供给机器学习模型的输入（提示），以获得最佳输出。
对客户意味着什么：当您的生成式 AI 工具收到强大的提示时，它能够提供强大的输出。提示越强、相关性越强，最终用户体验就越好。
这对团队意味着什么： 可用于要求大型语言模型生成发送给客户的个性化电子邮件，或分析客户反馈并提取关键见解。
情绪分析
情感分析涉及确定词语背后的情感基调，以了解说话者或作家的态度、观点和情感。它通常用于CRM中，以了解客户对品牌或产品的反馈或社交媒体对话。它可能容易出现算法偏见，因为语言本质上是上下文相关的。即使是人类也很难察觉到书面语言中的讽刺，因此衡量语气是主观的。
对客户意味着什么： 客户可以通过新渠道提供反馈，从而从与他们互动的公司做出更明智的决策。
这对团队意味着什么： 情感分析可用于根据客户的反馈或社交媒体帖子来了解客户对产品或品牌的感受，这可以为品牌或产品声誉和管理的许多方面提供信息。
损害性
损害性是一个总称，描述了各种冒犯性、不合理、不尊重、不愉快、有害、辱骂或仇恨的语言。不幸的是，随着时间的流逝，人类已经开发并使用了可能对他人造成伤害的语言。人工智能系统就像人类一样，从他们遇到的一切中学习。因此，如果他们遇到有毒的术语，他们可能会在不了解它们是冒犯性的的情况下使用它们。
对客户意味着什么：在与主动监控和减轻损害性的平台和服务互动时，客户会感到更安全、更受尊重。这确保了更积极和包容的用户体验，没有有害或令人反感的内容。
这对团队意味着什么：通过解决损害性问题来创造一个更具包容性和尊重性的工作环境的能力。检测和消除有害语言的工具可以帮助您保持积极的品牌形象，让您的客户感到更安全，并降低公关危机的风险。
人工神经网络 （ANN）
人工神经网络 （ANN） 是一种模仿人脑处理信息方式的计算机程序。我们的大脑有数十亿个神经元连接在一起，ANN（也称为“神经网络”）有许多微小的处理单元一起工作。把它想象成一个团队，所有人都在努力解决同一个问题。每个团队成员都尽自己的一份力量，然后传递他们的结果。最后，你会得到你需要的答案。
对客户意味着什么：当 ANN 解决问题并做出准确的预测时，客户会以各种方式受益——例如高度个性化的推荐，从而带来更量身定制、更直观、最终更令人满意的客户体验。神经网络在识别模式方面非常出色，这使它们成为检测可能表明欺诈的异常行为的关键工具。这有助于保护客户的个人信息和金融交易。
这对团队意味着什么：团队也从中受益。他们可以预测客户流失率，从而提示采取主动方法来提高客户保留率。人工神经网络还可以帮助客户细分，从而实现更有针对性和更有效的营销工作。在CRM系统中，神经网络可用于预测客户行为，了解客户反馈或个性化产品推荐。
增强智能
将增强智能视为人与计算机的融合，以获得两全其美的优势。计算机擅长处理大量数据并快速进行复杂的计算。人类非常善于理解上下文，即使数据不完整，也能找到事物之间的联系，并凭直觉做出决定。增强智能结合了这两种技能。这与计算机取代人或为我们做所有工作无关。这更像是雇用一个非常聪明、组织良好的助手。
对客户意味着什么：增强智能可以让计算机处理数字，但人类可以根据这些信息决定采取什么行动。这将为您的客户提供更好的服务、营销和产品推荐。
这对团队意味着什么：增强智能可以帮助您做出更好、更具战略性的决策。例如，CRM系统可以分析客户数据，并建议销售或营销团队联系潜在客户的最佳时间，或推荐客户可能感兴趣的产品。
深度学习
深度学习是人工智能的一种高级形式，可帮助计算机真正擅长识别数据中的复杂模式。它通过使用所谓的分层神经网络（参见上面的人工神经网络（ANN））来模仿我们大脑的工作方式，其中每一层都是一个模式（如动物的特征），然后让你根据你之前学到的模式做出预测（例如：根据公认的特征识别新动物）。它对于图像识别、语音处理和自然语言理解等方面非常有用。
对客户意味着什么：深度学习驱动的 CRM 为主动参与创造了机会。它们可以增强安全性，提高客户服务效率，并提供个性化体验。例如，如果你有在每个足球赛季前购买新球迷装备的传统，那么连接到CRM的深度学习可以在赛季开始前一个月向你展示你最喜欢的球队装备的广告或营销电子邮件，这样你就可以在比赛日做好准备。
这对团队意味着什么：在CRM系统中，深度学习可用于预测客户行为，了解客户反馈以及个性化产品推荐。例如，如果特定客户群的销售激增，深度学习驱动的CRM可以识别这种模式，并建议增加营销支出以覆盖更多的受众群体。
符合道德的 AI 成熟度模型
道德 AI 成熟度模型是一个框架，可帮助组织评估和加强其使用 AI 技术的道德实践。它描绘了组织评估其当前道德 AI 实践的方式，然后朝着更负责任和值得信赖的 AI 使用迈进。它涵盖了与透明度、公平性、数据隐私、问责制和预测偏见相关的问题。
对客户意味着什么：拥有一个合乎道德的 AI 模型，并公开您如何使用 AI，有助于建立信任并向您的客户保证您正在以负责任的方式使用他们的数据。
这对团队意味着什么： 定期评估您的 AI 实践并就如何使用 AI 保持透明，可以帮助您与公司的道德考虑和社会价值观保持一致。
生成对抗网络 （GAN）
GAN是两种深度学习模型之一，由两个神经网络组成：生成器和鉴别器。这两个网络相互竞争，生成器根据某些输入创建输出，鉴别器试图确定输出是真是假。然后，生成器根据鉴别器的反馈微调其输出，循环一直持续到难倒鉴别器为止。
对客户意味着什么： 它们允许使用个性化图像或文本进行高度定制的营销——例如为每个客户定制促销图像。
这对团队意味着什么： 当缺乏客户数据时，它们可以帮助您的开发团队生成合成数据。当使用真实客户数据出现隐私问题时，这特别有用。
鉴别器（在 GAN 中）
在生成对抗网络 （GAN） 中，鉴别器就像侦探。当它显示图片（或其他数据）时，它必须猜测哪些是真实的，哪些是假的。“真实”图片来自数据集，而“假”图片由 GAN 的另一部分创建，称为生成器（请参阅下面的生成器）。鉴别器的工作是更好地区分真假，而生成器则试图更好地制造假货。这是不断构建更好的捕鼠器的软件版本。
对客户意味着什么：GAN中的鉴别器是欺诈检测的重要组成部分。使用它们可以带来更安全的客户体验。
这对团队意味着什么： GAN中的鉴别器可帮助您的团队评估合成数据或内容的质量，并有助于欺诈检测和个性化营销。
幻觉
当生成式人工智能分析我们提供给它的内容时，就会发生幻觉，但得出错误的结论并产生与现实或其训练数据不符的新内容。一个例子是，一个人工智能模型已经训练了数千张动物照片。当被要求生成一个新的“动物”图像时，它可能会将长颈鹿的头部与大象的鼻子结合起来。虽然它们可能很有趣，但幻觉是不希望的结果，表明生成模型的输出存在问题。
对客户意味着什么： 当公司在其软件中监控并解决此问题时，客户体验会更好、更可靠。
这对团队意味着什么： 质量保证仍将是人工智能团队的重要组成部分。监测和解决幻觉有助于确保人工智能系统的准确性和可靠性。
大型语言模型 （LLM）
LLM 是一种人工智能，已经在大量文本数据上进行了训练。它就像一个非常聪明的对话伙伴，可以根据给定的提示创建听起来像人类的文本。一些 LLM 可以回答问题、写论文、创作诗歌，甚至生成代码。
对客户意味着什么： 个性化的聊天机器人，提供听起来像人一样的互动，让客户能够快速轻松地解决常见问题，但仍然让人感觉真实。
这对团队意味着什么： 团队可以自动创建面向客户的内容、分析客户反馈并回答客户查询。
机器学习
机器学习是计算机无需编程即可学习新事物的方式。例如，在教孩子识别动物时，您向他们展示图片并提供反馈。当他们看到更多的例子并收到反馈时，他们学会了根据独特的特征对动物进行分类。同样，机器学习模型将其知识推广并应用于新示例，从标记数据中学习以做出准确的预测和决策。
对客户意味着什么： 当一家公司更好地了解客户的价值和需求时，它会导致当前产品或服务的增强，甚至开发更能满足客户需求的新产品或服务。
这对团队意味着什么： 机器学习可用于预测客户行为、个性化营销内容或自动执行日常任务。
机器学习偏差
当计算机从有限或片面的世界观中学习，然后在面对新事物时开始做出有偏差的决定时，就会发生机器学习偏见。这可能是由于输入数据的人类故意决定的结果，意外地合并了有偏见的数据，或者算法在学习过程中做出了错误的假设，导致了有偏见的结果。最终的结果是一样的——不公正的结果，因为计算机的理解是有限的，它没有平等地考虑所有的观点。
例：如果贷款审批模型是根据历史数据进行训练的，这些数据显示了针对某些人口统计数据（如性别或种族）批准贷款的趋势，它可能会在未来的输出中学习并延续这些偏见。这可能导致不准确的预测、偏见和攻击性反应。这不是因为系统中的偏见，而是因为训练数据中的偏见。这将对系统的准确性和有效性以及客户的平等和信任产生巨大影响。
对客户意味着什么：与积极参与克服偏见的公司合作可以带来更公平的体验，并建立信任。
这对团队意味着什么： 检查和解决偏见以确保所有客户都得到公平和准确的对待非常重要。了解机器学习偏差并了解组织对机器学习的控制有助于您的团队对您的流程充满信心。
模型
这是一个经过训练的程序，可以识别数据中的模式。你可以有一个模型来预测天气、翻译语言、识别猫的图片等。就像模型飞机是真实飞机的更小、更简单的版本一样，人工智能模型是现实世界过程的数学版本。
对客户意味着什么： 该模型可以帮助客户获得更准确的产品推荐。
这对团队意味着什么： 这可以帮助团队预测客户行为，并将客户细分为组。
参数
参数是在训练期间调整的数值，以最小化模型的预测与实际结果之间的差异。参数在塑造生成的内容并确保其符合特定标准或要求方面起着至关重要的作用。它们定义了LLM的结构和行为，并帮助它识别模式，因此它可以在生成内容时预测接下来会发生什么。建立参数是一种平衡行为：参数太少，人工智能可能不准确，但参数太多会导致它使用过多的处理能力，并可能使其过于专业化。
对客户意味着什么：具有更多参数的 AI 模型可以更好地预测和生成类似人类的文本，这意味着客户将从更准确和连贯的响应中受益。
这对团队意味着什么：团队可以更有效地微调和优化 AI 模型，从而提高性能和更可靠的输出，同时不会创建不必要地浪费处理能力的系统，或者在特定的训练数据集上变得过于专业化。
