唔使再怕 AI 術語！100 個常用人工智能詞彙由淺入深手把手教學
呢篇文章係為香港讀者量身打造嘅 AI 知識庫，收錄咗 100 個由淺入深嘅人工智能術語。內容唔單止涵蓋基本概念，仲包括咗實用嘅 Prompt Engineering 教學同埋最新嘅 AI 發展趨勢。透過系統化嘅表格整理同埋手把手嘅應用指南，等大家可以喺工作同生活入美，更理性、更有效地運用 AI 工具，提升個人競爭力。
100 個 AI 術語全解析：從入門到專業嘅應用指南
隨住人工智能（AI）發展到 2026 年，呢項技術已經滲透入我哋生活嘅每一個角落。由日常同手機助手對話，到工作上利用 AI 生成報告，AI 已經唔再係科幻小說嘅情節，而係實實在在嘅生產力工具。不過，對於好多香港人嚟講，AI 領域入面充斥住大量英文縮寫同專業術語，好容易令人覺得混亂。
呢篇文章嘅目的，係要幫大家建立一個清晰嘅知識架構。我哋會由最基本嘅名詞開始，一直深入到專業層面嘅技術概念。無論你係想喺茶餘飯後有話題，定係想喺職場上更上一層樓，呢份清單都會係你好好嘅參考工具。
AI 術語全表：從入門到專業（100 個詞彙）
以下我哋將 100 個常用詞彙，按學習門檻由淺入深排列，方便大家循序漸進咁理解。
| 序號 | 英文術語 (全寫/縮寫) | 常用中文譯名 | 詳細解釋與應用場景 | 難度等級 |
|---|---|---|---|---|
| 1 | AI (Artificial Intelligence) | 人工智能 | 電腦模擬人類智慧嘅技術，可以執行學習、推理同自我糾正等任務。 | 入門 |
| 2 | Chatbot | 聊天機器人 | 一種可以透過文字或語音同人類進行對話嘅電腦程式。 | 入門 |
| 3 | GPT (Generative Pre-trained Transformer) | 生成式預訓練轉換器 | 由 OpenAI 開發嘅語言模型系列，係目前好多生成式 AI 嘅基礎。 | 入門 |
| 4 | Prompt | 提示詞 | 用嚟指令 AI 執行特定任務嘅文字或指令。 | 入門 |
| 5 | Generative AI | 生成式 AI | 可以創造新內容（如文字、圖像、音訊）嘅 AI 技術。 | 入門 |
| 6 | Hallucination | 幻覺 | 指 AI 生成一啲睇落好合理但其實係錯誤或者虛構資訊嘅現象。 | 入門 |
| 7 | Training Data | 訓練數據 | 用嚟教育 AI 模型嘅資料庫，數據愈多，模型通常愈聰明。 | 入門 |
| 8 | NLP (Natural Language Processing) | 自然語言處理 | 令電腦可以理解、解釋同生成人類語言嘅技術。 | 入門 |
| 9 | Algorithm | 演算法 | 電腦執行任務或解決問題嘅一套指令或規則。 | 入門 |
| 10 | Machine Learning | 機器學習 | 透過數據同經驗自動改進表現嘅 AI 分支，唔使明確編程。 | 入門 |
| 11 | Deep Learning | 深度學習 | 模仿人類大腦神經網絡結構嘅高級機器學習方法。 | 中級 |
| 12 | Neural Network | 神經網絡 | 受到生物神經系統啟發，由互相連接嘅節點組成嘅運算模型。 | 中級 |
| 13 | LLM (Large Language Model) | 大型語言模型 | 經過海量文本訓練，具備強大理解同生成能力嘅 AI 模型。 | 中級 |
| 14 | Token | 標記 / 符號 | AI 處理文字嘅基本單位，通常幾個英文字母或一個中文字為一個 Token。 | 中級 |
| 15 | Context Window | 上下文窗口 | AI 模型喺單次對話入面可以「記得」嘅最大資訊量。 | 中級 |
| 16 | Fine-tuning | 微調 | 喺現成嘅模型基礎上，用特定數據再訓練，令佢更適合某種用途。 | 中級 |
| 17 | Zero-shot Learning | 零樣本學習 | AI 喺無見過特定示例嘅情況下，直接執行新任務嘅能力。 | 中級 |
| 18 | Few-shot Learning | 少樣本學習 | 提供少量例子畀 AI，等佢學識點樣處理特定任務。 | 中級 |
| 19 | Multimodal | 多模態 | 可以同時處理唔同類型輸入（如文字、圖片、影片）嘅模型。 | 中級 |
| 20 | RAG (Retrieval-Augmented Generation) | 檢索增強生成 | 結合外部資料庫嚟增加 AI 回應準確性嘅技術，減少幻覺。 | 中級 |
| 21 | Parameter | 參數 | 模型內部用嚟儲存學習知識嘅數值，通常愈多參數代表模型愈複雜。 | 進階 |
| 22 | Transformer | 轉換器架構 | 現代 AI 模型（如 GPT）核心嘅深度學習架構，擅長處理序列數據。 | 進階 |
| 23 | Inference | 推論 | 訓練完成後，模型實際應用喺新數據上嚟產生結果嘅過程。 | 進階 |
| 24 | Weights | 權重 | 神經網絡入面調整信號強度嘅參數，決定資訊嘅重要性。 | 進階 |
| 25 | Backpropagation | 反向傳播 | 訓練神經網絡時，根據誤差嚟調整權重嘅核心演算法。 | 進階 |
| 26 | Overfitting | 過擬合 | 模型太過專注於訓練數據嘅細節，導致處理新數據時表現唔好。 | 進階 |
| 27 | Underfitting | 欠擬合 | 模型太簡單，無辦法捕捉到數據入面嘅基本規律。 | 進階 |
| 28 | RLHF (Reinforcement Learning from Human Feedback) | 人類反饋強化學習 | 透過人類評分嚟優化 AI 模型，令佢嘅回應更符合人類價值觀。 | 進階 |
| 29 | Diffusion Model | 擴散模型 | 常見於生成圖像嘅 AI 技術，透過去除雜訊嚟創造畫面。 | 進階 |
| 30 | Latent Space | 潛在空間 | AI 將複雜數據轉化為數學向量後嘅隱藏表示空間。 | 專業 |
| 31 | AGI (Artificial General Intelligence) | 通用人工智能 | 具備同人類同等或超越人類，可以處理任何智力任務嘅 AI。 | 入門 |
| 32 | ASI (Artificial Superintelligence) | 超人工智能 | 智力遠超所有人類總和嘅假想 AI 階段。 | 入門 |
| 33 | Turing Test | 圖靈測試 | 判斷一部機器係咪具備人類智慧嘅傳統測試方法。 | 入門 |
| 34 | Ethical AI | 道德人工智能 | 確保 AI 開發同使用符合道德倫理、公平且無偏見嘅實踐。 | 入門 |
| 35 | Explainable AI (XAI) | 可解釋人工智能 | 研發可以向人類解釋其決策邏輯嘅 AI 系統。 | 中級 |
| 36 | Bias | 偏見 | AI 模型因為訓練數據不均而產生嘅歧視性或不公正傾向。 | 入門 |
| 37 | Data Mining | 數據挖掘 | 由大量數據入面搵出模式、趨勢或關聯嘅過程。 | 中級 |
| 38 | Big Data | 大數據 | 無法用傳統方式處理嘅海量、高速同多樣化嘅資訊資產。 | 入門 |
| 39 | Computer Vision | 電腦視覺 | 令 AI 可以睇得明、理解圖片同影片內容嘅技術。 | 中級 |
| 40 | Speech Recognition | 語音識別 | 將人類說話轉化為文字嘅技術（STT）。 | 入門 |
| 41 | Text-to-Speech (TTS) | 語音合成 | 將文字轉化為自然人聲嘅技術。 | 入門 |
| 42 | Sentiment Analysis | 情感分析 | 辨識文本入面表達嘅情緒（如正面、負面、中性）嘅技術。 | 中級 |
| 43 | Robot | 機器人 | 可以自動執行物理任務嘅機器，通常結合 AI 嚟提升靈活性。 | 入門 |
| 44 | Autonomous | 自助 / 自動駕駛 | 無需人類干預，系統可以自行操作（如無人車）。 | 入門 |
| 45 | Copilot | 副駕駛 / 助手 | 輔助人類完成任務（如寫 Code、寫文案）嘅 AI 嵌入式工具。 | 入門 |
| 46 | API (Application Programming Interface) | 應用程式介面 | 畀唔同軟件（如你嘅網站同 ChatGPT）互相溝通嘅橋樑。 | 中級 |
| 47 | Vector Database | 向量資料庫 | 專門儲存同檢索 AI 向量數據嘅資料庫，常用於 RAG。 | 進階 |
| 48 | Embedding | 嵌入 | 將文字或圖片轉化為電腦可以理解嘅數字列表（向量）。 | 進階 |
| 49 | Supervised Learning | 監督式學習 | 使用已經標記好答案嘅數據嚟訓練 AI。 | 中級 |
| 50 | Unsupervised Learning | 非監督式學習 | 讓 AI 自己喺無標記嘅數據入面搵出隱藏嘅模式。 | 中級 |
| 51 | Reinforcement Learning | 強化學習 | 透過「獎勵」同「懲罰」機制，令 AI 學識喺特定環境做出最優決策。 | 中級 |
| 52 | GANs (Generative Adversarial Networks) | 生成對抗網絡 | 由兩個神經網絡互相競爭，一個負責生成，一個負責辨偽。 | 進階 |
| 53 | Edge AI | 邊緣人工智能 | 喺本地設備（如手機、感應器）而非雲端運行 AI 運算。 | 中級 |
| 54 | Cloud AI | 雲端人工智能 | 透過遠端伺服器提供嘅 AI 運算服務（如 Azure AI, AWS）。 | 入門 |
| 55 | GPU (Graphics Processing Unit) | 圖形處理器 | AI 運算嘅核心硬件，因其並行計算能力強而優於 CPU。 | 入門 |
| 56 | TPU (Tensor Processing Unit) | 張量處理器 | Google 專門為機器學習設計嘅定制硬件。 | 進階 |
| 57 | NPU (Neural Processing Unit) | 神經網絡處理器 | 專門為加速 AI 運算而設計嘅處理器，現常見於手機。 | 中級 |
| 58 | Quantization | 量化 | 減少模型參數嘅精度（如由 16bit 變 8bit）嚟降低運算需求。 | 進階 |
| 59 | Open Source AI | 開源人工智能 | 原始碼同模型權重對公眾開放嘅 AI（如 Meta 嘅 Llama）。 | 中級 |
| 60 | Closed Source AI | 閉源人工智能 | 模型細節唔對外開放，只透過 API 提供服務（如 OpenAI 嘅 GPT-4）。 | 中級 |
| 61 | Prompt Engineering | 提示工程 | 優化提示詞嘅技巧，旨在引導 AI 產生最準確、最有價值嘅結果。 | 中級 |
| 62 | Negative Prompt | 負面提示詞 | 話畀 AI 聽「唔好」生成啲咩（常用於 AI 繪圖）。 | 中級 |
| 63 | Temperature | 溫度參數 | 控制 AI 生成內容嘅隨機性。數值愈高愈有創意，愈低愈保守。 | 中級 |
| 64 | Top-p Sampling | 核採樣 | 另一種控制生成多樣性嘅參數，限制 AI 只喺最高機率嘅詞入面揀。 | 進階 |
| 65 | Modality | 模態 | 數據嘅類型，如文字、影像、聲音。 | 中級 |
| 66 | Chain-of-Thought (CoT) | 思維鏈 | 引導 AI 一步一步思考，從而解決複雜邏輯問題嘅技巧。 | 中級 |
| 67 | Knowledge Cutoff | 知識截止日期 | 模型訓練數據停止更新嘅時間點。 | 入門 |
| 68 | Real-time Search | 即時搜索 | AI 具備瀏覽網頁獲取最新資訊嘅能力。 | 入門 |
| 69 | Agent | 智能體 | 唔單止會答問題，仲可以自主執行任務（如幫你訂機票）嘅 AI 系統。 | 中級 |
| 70 | AutoGPT | 自動 GPT | 一種可以自我迭代，不斷產生任務嚟達到目標嘅實驗性 AI 應用。 | 進階 |
| 71 | Deepfake | 深偽技術 | 利用 AI 篡改或偽造影片同音訊，令某人講出或做出佢無做過嘅事。 | 入門 |
| 72 | Turing Complete | 圖靈完備 | 指一個系統可以模擬任何圖靈機，具備解決任何可計算問題嘅潛力。 | 專業 |
| 73 | Loss Function | 損失函數 | 衡量 AI 預測結果同真實結果之間差距嘅數學公式。 | 進階 |
| 74 | Optimization | 優化 | 調整模型令損失函數達到最小值嘅過程。 | 進階 |
| 75 | Gradient Descent | 梯度下降 | 最常用嘅優化演算法，沿住斜率向下搵模型嘅最優解。 | 進階 |
| 76 | Attention Mechanism | 注意力機制 | 令模型可以專注喺輸入序列入面最重要嘅部分。 | 進階 |
| 77 | Self-Attention | 自注意力 | 模型喺處理一個字嘅時候，會參考句子入面其他字嘅相關性。 | 專業 |
| 78 | Normalization | 正規化 | 將數據調整到一個標準範圍，幫助模型更快、更穩定地學習。 | 進階 |
| 79 | Hyperparameter | 超參數 | 喺訓練開始前人工設定嘅參數（如學習率）。 | 進階 |
| 80 | Learning Rate | 學習率 | 決定模型每次調整權重嘅步幅大小。 | 進階 |
| 81 | Batch Size | 批次大小 | 一次訓練入面同時處理嘅數據樣本數量。 | 中級 |
| 82 | Epoch | 訓練輪次 | 完整遍歷一次所有訓練數據嘅過程。 | 中級 |
| 83 | Pre-training | 預訓練 | 喺大規模通用數據上進行嘅初步訓練。 | 中級 |
| 84 | Foundation Model | 基礎模型 | 喺廣泛數據上訓練，可以適配多種下游任務嘅大型模型。 | 中級 |
| 85 | Synthetic Data | 合成數據 | 由 AI 自己生成，用嚟訓練其他 AI 嘅人工數據。 | 進階 |
| 86 | Data Labeling | 數據標注 | 畀數據加上標籤（如標明呢張相係貓），以便模型學習。 | 入門 |
| 87 | Turing Trap | 圖靈陷阱 | 描述人類過度依賴模仿人類嘅 AI，而忽略咗 AI 其實係機器嘅現象。 | 入門 |
| 88 | AI Alignment | AI 對齊 | 確保 AI 嘅目標同行為同人類嘅利益與價值觀一致。 | 中級 |
| 89 | Singularity | 奇點 | 指 AI 超越人類智慧，導致人類文明發生不可逆轉變化嘅時刻。 | 入門 |
| 90 | OCR (Optical Character Recognition) | 光學字符識別 | 將圖片入面嘅文字轉化為可編輯文本嘅技術。 | 入門 |
| 91 | Recommendation System | 推薦系統 | 根據用戶行為預測其喜好（如 YouTube 推薦）。 | 入門 |
| 92 | Predictive Analytics | 預測分析 | 利用歷史數據同 AI 預測未來可能發生嘅事件。 | 中級 |
| 93 | Swarm Intelligence | 群體智能 | 模仿昆蟲等群體行為，由多個簡單個體協作完成複雜任務。 | 進階 |
| 94 | Knowledge Graph | 知識圖譜 | 結構化咁表示現實世界實體及其關係嘅網狀資料庫。 | 進階 |
| 95 | Semantic Search | 語義搜索 | 理解用戶搜索意圖，而唔單止係關鍵字匹配嘅搜索技術。 | 中級 |
| 96 | Zero-knowledge Proof | 零知識證明 | 喺 AI 入面保護隱私嘅技術，證明某事為真而唔使洩露具體內容。 | 專業 |
| 97 | Federated Learning | 聯邦學習 | 分散式訓練技術，數據保留喺本地，只交換模型更新嚟保護隱私。 | 進階 |
| 98 | Model Collapse | 模型崩潰 | 當 AI 長期用 AI 生成嘅數據訓練，導致模型表現退化嘅現象。 | 進階 |
| 99 | AI Literacy | AI 素養 | 個人理解、評價同有效運用 AI 技術嘅能力。 | 入門 |
| 100 | Human-in-the-loop (HITL) | 人機協作 | 喺 AI 決策過程中加入人類干預同監督嘅設計模式。 | 中級 |
手把手教學：如何有效運用 AI 工具
學識咗術語之後，最重要係知點樣將佢哋應用喺生活同工作入面。以下我哋以最常用嘅 Prompt Engineering (提示工程) 為例，教大家點樣同 AI 溝通。
第一步：設定角色 (Role Setting)
唔好直接問問題，先賦予 AI 一個專業身份。
- 範例： 「你而家係一名專業嘅會計師，請幫我分析呢份財務報表。」
- 點解要咁做： 設定角色可以限制 AI 嘅回應風格同知識範圍，減少廢話。
第二步：提供上下文 (Context)
畀 AI 多啲背景資料，佢先知你想要咩。
- 範例： 「我係一間香港中小企嘅老闆，我哋主要做零售。請根據以下數據建議下個月嘅入貨策略。」
第三步：明確指令與限制 (Instructions & Constraints)
清楚講明你想要嘅格式同埋唔想要嘅嘢。
- 範例： 「請用表格列出建議。唔好使用太過深奧嘅學術術語，請使用香港廣東話回應。」
第四步：疊代與微調 (Iteration)
如果 AI 第一次答得唔好，唔好放棄，試吓調整你嘅 Prompt。
- 技巧： 你可以同 AI 講：「你頭先嗰個答案太長，請縮短到 200 字內，並重點標註風險因素。」
AI 應用嘅注意事項與觀點
雖然 AI 好強大，但作為理性嘅用家，我哋要留意以下幾點：
1. 資訊準確性 (Fact Check)
無論模型幾先進，Hallucination (幻覺) 依然存在。對於法律、醫療或重要決策，絕對要進行二次核實。
2. 數據隱私 (Privacy)
除非你使用嘅係企業級、保障私隱嘅版本，否則唔好將公司敏感數據或個人私密資料輸入 AI。好多免費工具會將你嘅輸入用嚟做 Training Data。
3. 香港在地化 (Localization)
雖然主流模型已經支持廣東話，但有時會夾雜一啲內地或台灣用語。用家需要根據香港嘅文化同語言習慣進行手動調整。
常見問題 (Q&A)
- AI 會唔會取代我份工？AI 唔係直接取代人，而係識用 AI 嘅人會更有競爭力。AI 擅長處理重複、數據密集嘅工作，人類則發揮創意同決策力。
- 乜嘢係 GPT-4o 或最新模型？「o」代表 Omni（全能），指模型可以同時處理文字、音訊同影像，係 Multimodal（多模態）嘅進步。
- 點解 AI 有時會講大話？呢個係 Hallucination。AI 係基於機率去預測下一個字，而唔係真係「理解」事實，所以有時會拼湊出錯誤訊息。
- 學 Prompt 工程係咪一定要英文好？雖然好多 AI 嘅核心係用英文訓練，但目前對廣東話嘅理解已經好強。用英文寫 Prompt 有時會精確啲，但中文同樣可以達到好效果。
- 免費版同付費版 AI 有咩分別？付費版通常提供更高嘅 Context Window、更快嘅回應速度同埋更強嘅邏輯推理模型（如 GPT-4 級數）。
- AI 生成嘅圖片有無版權？目前法律仲喺度完善中。喺大多數地區，完全由 AI 生成嘅作品好難獲得版權保護，但人類進行過大量編輯嘅作品則有爭議空間。
- 咩係 Token？點樣計算？你可以將 Token 想像成文字嘅重量。大約 1,000 個 Token 等於 750 個英文字。API 收費通常係按 Token 計。
- 我應該點樣開始學 AI？由基本嘅聊天機器人（如 ChatGPT 或 Claude）開始，嘗試將日常工作自動化，例如寫電郵或整理筆記。
- AI 會唔會有偏見？會。如果 Training Data 帶有社會偏見，AI 生成嘅內容亦可能反映出嚟。呢個係 Ethical AI 關注嘅重點。
- 未來 AI 嘅發展方向係點？重點會由單純嘅對話轉向 Agent（智能體），即係 AI 可以幫你執行實際嘅操作，例如自動幫你規劃行程並完成預訂。
總結
AI 技術嘅發展係一個長遠嘅過程，而唔係一時嘅熱潮。掌握呢 100 個術語，只係踏出咗了解 AI 嘅第一步。對於香港嘅讀者嚟講，最重要係保持好奇心，同時維持理性嘅批判思考。AI 係工具，而工具嘅價值，終歸取決於使用者點樣去發揮佢。我哋唔需要追求成為技術專家，但喺呢個 AI 時代，具備基本嘅 AI Literacy（AI 素養）已經係生存嘅必備技能。
