你周圍的人是否都在談論“生成式AI”、“GPT”或“深度學習”等術語？是不是感覺有點迷惘？這里，我們整理了一份有關AI的入門術語列表，每個術語都是根據它對您客戶和團隊的影響來定義的。這里涵蓋了您需要了解的有關生成式AI的所有內容，以了解近十年來出現的最新、最具影響力的技術。

1、人工智能核心術語
Artificial Intelligence	人工智能
Artificial Neural Network	人工神經網絡
Augmented Intelligence	增強智能
CRM with AI	客戶關系管理與人工智能
Deep learning	深度學習
Generative AI	生成式人工智能
Generator	生成器
Generative pre-trained transformer	生成式預訓練
Machine learning	機器學習
NLP	自然語言處理
Transformer

 

人工智能（Artificial Intelligence）

人工智能是讓機器像人類一樣思考和行動的廣泛概念。生成式AI是一種特定類型的人工智能。

對客戶的意義：AI可以根據客戶過去的行為來預測他們下一步可能想要什么，從而為客戶提供幫助。企業借AI的力量可以為客戶提供更相關的溝通和產品推薦，并可以提醒他們即將執行的重要任務（例如：客戶訂閱即將到期）。AI使客戶在您的組織中的體驗變得更有幫助、個性化、高效且無縫。

對團隊的意義：AI通過自動化日常任務來幫助您的團隊更智能、更快速地工作。這可以節省員工時間，為客戶提供更快的服務，并提供更個性化的交互，所有這些都可以提高客戶保留率，從而推動業務發展。

 

人工神經網絡（Artificial Neural Network）

人工神經網絡是一種模仿人腦處理信息方式的計算機程序。我們的大腦有數十億個神經元連接在一起，而人工神經網絡（也稱為“神經網絡”）有許多一起工作的微小處理單元。這就像一個團隊正在努力解決同一個問題。每個團隊成員都盡自己的一份力量，然后傳遞他們的成果。最后，您會得到您需要的答案。對于人類和計算機來說，這都是團隊合作的力量。

對客戶的意義：當人工神經網絡解決問題并做出準確預測時，客戶會以各種方式受益，例如高度個性化的推薦，從而帶來更加量身定制、直觀且最終更令人滿意的客戶體驗。神經網絡非常擅長識別模式，這使得它們成為檢測異常行為（如欺詐）的關鍵工具。這有助于保護客戶的個人信息和金融交易。

對團隊的意義：團隊也會受益。他們可以預測客戶流失，從而促使采取積極主動的方法來提高客戶保留率。人工神經網絡還可以幫助進行客戶細分，從而實現更有針對性和更有效的營銷工作。在 CRM 系統中，神經網絡可用于預測客戶行為、了解客戶反饋或個性化產品推薦。

 

增強智能（Augmented Intelligence）

可以將增強智能視為人與計算機的融合，以獲得兩全其美的效果。計算機非常擅長處理大量數據并快速執行復雜的計算。人類非常擅長理解上下文，即使在數據不完整的情況下也能找到事物之間的聯系，并憑本能做出決策。增強智能結合了這兩種技能。這并不是讓計算機取代人類或為我們完成所有工作。這更像是雇傭一個非常聰明、有條理的助手。

對客戶的意義：增強智能讓計算機可以處理數字，然后人類可以根據該信息決定采取什么行動。這將為您的客戶帶來更好的服務、營銷和產品推薦。

對團隊的意義：增強智能可以幫助您做出更好、更具戰略性的決策。例如，CRM 系統可以分析客戶數據，并建議銷售或營銷團隊接觸潛在客戶的最佳時間，或推薦客戶可能感興趣的產品。

 

客戶關系管理與生成式AI（CRM with AI）

CRM是一種將客戶記錄保存在一個地方的技術，作為每個部門的單一事實來源，幫助公司管理當前和潛在的客戶關系。生成式AI可以使 CRM 變得更加強大——想想為銷售團隊預先編寫的個性化電子郵件、僅基于圖像編寫的電子商務產品描述、營銷活動登陸頁面、上下文客戶服務工單回復等等。

對客戶的意義：CRM 為客戶提供跨所有參與渠道（從營銷、銷售到客戶服務等）一致的體驗。雖然客戶看不到 CRM，但他們在與品牌的每次互動中都能感受到這種聯系。

對團隊的意義：CRM 幫助公司與客戶保持聯系、簡化流程并提高盈利能力。它可以讓您的團隊在一個中心位置存儲客戶和潛在客戶聯系信息、識別銷售機會、記錄服務問題以及管理營銷活動。例如，它向任何可能需要的人提供有關每次客戶交互的信息。生成式 AI 通過更快速、更輕松地大規模連接客戶來增強 CRM——想想營銷活動發掘潛在客戶會自動轉化，從而覆蓋全球頂級市場；或者推薦的客戶服務響應，幫助客服人員快速解決問題并識別未來的銷售機會。

 

深度學習（Deep learning）

深度學習是人工智能的一種高級形式，可以幫助計算機識別數據中的復雜模式。它通過使用所謂的分層神經網絡來模仿我們大腦的工作方式，其中每一層都是一種模式（如動物的特征），然后讓您根據之前學到的模式進行預測（例如：根據已識別的特征識別新動物）。它對于圖像識別、語音處理和自然語言理解等方面非常有用。

對客戶的意義：深度學習驅動的 CRM 為主動參與創造了機會。它可以增強安全性、提高客戶服務效率并提供個性化體驗。例如，如果您有在換季時購買新款服裝的傳統，那么與 CRM 連接的深度學習可以在換季開始前一個月向您展示包含您喜歡的品牌服飾的廣告或營銷電子郵件。

對團隊的意義：在 CRM 系統中，深度學習可用于預測客戶行為、了解客戶反饋以及個性化產品推薦。例如，如果特定客戶群的銷售量激增，基于深度學習的 CRM 可以識別這種模式，并建議增加營銷支出，以覆蓋更多受眾群體。

 

生成式人工智能（Generative AI）

生成式人工智能是人工智能的一個領域，專注于根據現有數據創建新內容。對于 CRM 系統，生成式人工智能可用于創建一系列有用的東西，從編寫個性化營銷內容到生成合成數據以測試新功能或策略。

對客戶的意義：更好、更有針對性的營銷內容，幫助他們準確獲得所需的信息。

對團隊的意義：更快地構建營銷活動和銷售活動，以及跨綜合數據集測試多種策略并在任何內容上線之前對其進行優化的能力。

 

生成器（Generator）

生成器是一種基于人工智能的軟件工具，可以根據請求或輸入創建新內容。它將從任何提供的訓練數據中學習，然后創建模仿這些特征的新信息。OpenAI的ChatGPT是一個眾所周知的基于文本的生成器的例子。

對客戶的意義：使用生成器，可以訓練AI聊天機器人，使其從真實的客戶交互中學習，并不斷創建更好、更有用的內容。

對團隊的意義：生成器可用于創建用于測試或訓練目的的真實數據集。這可以幫助您的團隊在系統上線之前發現系統中的任何漏洞，并讓新員工在不影響實際數據的情況下快速熟悉系統。

 

生成式預訓練（Generative pre-trained transformer）

GPT 是一個經過訓練來生成內容的神經網絡系列。GPT 模型基于大量文本數據進行了預訓練，這使得它們能夠根據用戶提示或查詢生成清晰且相關的文本。

對客戶的意義：客戶可以與您的公司進行更加個性化的互動，專注于他們的特定需求。

對團隊的意義：GPT 可用于自動創建面向客戶的內容，或分析客戶反饋并提取見解。

 

機器學習（Machine learning）

機器學習是指計算機無需編程即可學習新事物。例如，當教孩子識別動物時，您向他們展示圖片并收到反饋。隨著他們看到更多的例子并反饋，他們學會根據獨特的特征對動物進行分類。同樣，機器學習模型從標記數據中學習以做出準確的預測和決策。他們像人類一樣概括并應用他們的知識到新的例子中。

對客戶的意義：當公司更好地了解客戶的價值和需求時，就會改進現有產品或服務，甚至開發出更好地滿足客戶需求的新產品或服務。

對團隊的意義：機器學習可用于預測客戶行為、個性化營銷內容或自動化日常任務。

 

自然語言處理（Natural language processing）

NLP 是人工智能的一個領域，專注于計算機如何理解、解釋和生成人類語言。它是聲控虛擬助手、語言翻譯應用程序和聊天機器人等背后的技術。

對客戶的意義：NLP 允許客戶使用正常的人類語言而不是復雜的命令與系統交互。聲控助手就是最好的例子。這使得技術更易于訪問和使用，從而改善用戶體驗

對團隊的意義：NLP 可用于分析客戶反饋、為聊天機器人提供支持或自動創建面向客戶的內容。

 

Transformer

Transformer 是一種深度學習模型，對于處理語言特別有用。它非常擅長理解句子中單詞的上下文，因為它基于順序數據（如正在進行的對話）創建輸出，而不僅僅是單個數據點（如沒有上下文的句子）。Transformer 的名稱來自于它們將輸入數據（如句子）轉換為輸出數據（如句子的翻譯）的方式。

對客戶的意義：企業可以通過個性化AI聊天機器人增強客戶服務體驗。這些可以分析過去的行為并提供個性化的產品推薦。它們還生成自動（但人性化）響應，支持與客戶進行更具吸引力的溝通。

對團隊的意義：Transformers 幫助您的團隊生成面向客戶的內容，并為可以處理基本客戶交互的聊天機器人提供支持。Transformers 還可以對客戶反饋執行復雜的情緒分析，幫助您響應客戶需求。

 

2、人工智能核心術語
Discriminator(in GAN)	鑒別器
GAN	生成對抗網絡
Hallucination	幻覺
LLM	大語言模型
Model	模型
Prompt engineering	提示工程
Sentiment analysis	情感分析
Supervised learning	監督學習
Unsupervised learning	無監督學習
Validation	驗證器
ZPD	最近發展區

 

鑒別器（Discriminator(in GAN)）

在生成對抗網絡（GAN）中，鑒別器就像一名偵探。當它顯示圖片（或其他數據）時，它須猜測哪些是真實的，哪些是假的。“真實”圖片來自數據集，而“假”圖片則由 GAN 的另一部分創建，稱為生成器。鑒別器的工作是更好地辨別真假，而生成器則試圖更好地制造假貨。

對客戶的意義：GAN 中的鑒別器是欺詐檢測的重要組成部分，因此它們的使用可以帶來更安全的客戶體驗。

對團隊的意義：GAN 中的鑒別可幫助您的團隊評估合成數據或內容的質量。它們有助于欺詐檢測和個性化營銷。

 

生成式對抗網絡（Generative adversarial network）

GAN 是兩種深度學習模型之一，由兩個神經網絡組成：生成器和鑒別器。這兩個網絡相互競爭，生成器根據某些輸入創建輸出，鑒別器試圖確定輸出是真還是假。然后，生成器根據鑒別器的反饋微調其輸出，并且循環往復，直到鑒別器失效。

對客戶的意義：它們允許使用個性化圖像或文本進行高度定制的營銷，就像為每個客戶定制的促銷圖像一樣。

對團隊的意義：當缺乏客戶數據時，它們可以幫助您的開發團隊生成合成數據。當使用真實客戶數據引起隱私問題時尤其有用。

 

幻覺（Hallucination）

當生成式AI分析我們提供的內容，但得出錯誤的結論并產生與現實不符的新內容時，就會產生幻覺。一個例子是經過數千張動物照片訓練的人工智能模型。當被要求生成“動物”的新圖像時，它可能會將長頸鹿的頭部和大象的鼻子結合起來。雖然它們可能很有趣，但幻覺是不受歡迎的結果，并且表明生成模型的輸出存在問題。

對客戶的意義：當公司在其軟件中監控并解決此問題時，客戶體驗會更好、更可靠。

對團隊的意義：質量保證仍然是AI團隊的重要組成部分。監測和解決幻覺有助于確保AI系統的準確性和可靠性。

 

大預言模型（Large language model）

LLM是一種經過大量文本數據訓練的AI。它就像一個非常智能的對話伙伴，可以根據給定的提示創建聽起來像人類的文本。一些LLM可以回答問題、寫論文、創作詩歌，甚至生成代碼。

對客戶的意義：提供人性化交互的個性化聊天機器人，讓客戶能夠以真實的方式快速簡便地解決常見問題。

對團隊的意義：團隊可以自動創建面向客戶的內容、分析客戶反饋并回答客戶詢問。

 

模型（Models）

這是一個經過訓練來識別數據模式的程序。你可以有一個模型來預測天氣、翻譯語言、識別貓的圖片等。就像模型飛機是真實飛機的更小、更簡單的版本一樣，人工智能模型是現實世界過程的數學版本。

對客戶的意義：該模型可以幫助客戶獲得更準確的產品推薦。

對團隊的意義：可以幫助團隊預測客戶行為，并將客戶分組。

 

提示工程（Prompt engineering）

提示工程意味著弄清楚如何提出問題才能準確得到您需要的答案。它精心設計或選擇您提供給機器學習模型的輸入（提示）以獲得最佳輸出。

對客戶的意義：當您的生成式AI工具得到強大提示時，它能夠提供強大的輸出。提示越強烈、越相關，終端用戶體驗就越好。

對團隊的意義：可用于要求大型語言模型生成給客戶的個性化電子郵件，或分析客戶反饋并提取關鍵見解。

 

情感分析（Sentiment analysis）

情感分析涉及確定話語背后的情感基調，以了解對話者或作者的態度、觀點和情感。它通常在 CRM 中用于了解客戶反饋或有關品牌或產品的社交媒體對話。

對客戶的意義：客戶可以通過新渠道提供反饋，從而使與之互動的公司做出更明智的決策。

對團隊的意義：情感分析可用于根據客戶的反饋或社交媒體帖子了解客戶對產品或品牌的感受，這可以為品牌或產品聲譽和管理的許多方面提供信息。

 

監督學習（Supervised learning）

監督學習是指模型從實例中學習。這就像一個師生場景：老師向學生（模型）提供問題和正確答案。學生研究這些問題，隨著時間的推移，他們學會自己回答類似的問題。這對訓練識別圖像、翻譯語言或預測可能結果的系統確實很有幫助。

對客戶的意義：通過過去的互動，提高了效率，學會了理解他們的需求。

對團隊的意義：可用于根據過去的數據預測客戶行為或將客戶分組。

 

無監督學習（Unsupervised learning）

無監督學習讓AI在沒有任何指導的情況下找到數據中隱藏的模式。這都是為了讓計算機自己探索和發現有趣的事物。想象一下，您有一堆混雜的拼圖，但盒子上沒有可供參考的圖片，所以您不知道自己在做什么。無監督學習就像在不知道最終圖像是什么的情況下，弄清楚碎片是如何組合在一起的，尋找相似之處或群體。

對客戶的意義：當我們發現客戶數據中隱藏的模式或細分時，它使我們能夠提供完全個性化的體驗。客戶將獲得最相關的優惠和建議，從而提高客戶滿意度。

對團隊的意義：團隊獲得寶貴的見解以及對復雜數據的新理解。它使團隊能夠發現可能被忽視的新模式、趨勢或異常現象，從而做出更好的決策和戰略規劃。這提高了生產力并推動組織內的創新。

 

驗證器（Validation）

在機器學習中，驗證是用于檢查模型在訓練過程中或訓練后表現的步驟。該模型在訓練期間未見過的數據子集（驗證集）上進行測試，以確保它實際上是在學習，而不僅僅是記住答案。

對客戶的意義：訓練有素的模型可以創建更多可用的程序，從而改善整體用戶體驗。

對團隊的意義：可用于確保預測客戶行為或細分客戶的模型按預期工作。

 

最近發展區（Zone of proximal development）

最近發展區（ZPD）是一個教育概念。例如，每年學生都會提高他們的數學技能，從加減法到乘法和除法，甚至復雜的代數和微積分方程。進步的關鍵是逐步學習這些技能。在機器學習中，ZPD 是指模型接受逐漸困難的任務的訓練，因此提高學習能力。

對客戶的意義：當您的生成式AI經過適當的訓練時，它更有可能產生準確的結果。

對團隊的意義：可應用于員工培訓，以便員工可以學習執行更復雜的任務或更好地利用 CRM 的功能。

 

3、人工智能道德
Ethical AI Maturity Model	道德AI成熟度模型
Explainable AI (XAI)	可解釋人工智能
Machine learning bias	機器學習偏差

 

道德AI成熟度模型（Ethical AI Maturity Model）

道德人工智能成熟度模型是一個框架，可幫助組織評估和增強其使用人工智能技術的道德實踐。它列出了組織評估其當前道德人工智能實踐的方式，然后朝著更負責任和更值得信賴的人工智能使用方向邁進。它涵蓋了與透明度、公平性、數據隱私、問責制和預測偏差相關的問題。

對客戶的意義：建立符合道德的人工智能模型，并對如何使用人工智能持公開態度，有助于建立信任并向客戶保證您正在以負責任的方式使用他們的數據。

對團隊的意義：定期評估您的人工智能實踐并保持人工智能使用方式的透明，可以幫助您與公司的道德考慮和社會價值觀保持一致。

 

可解釋人工智能（Explainable AI (XAI)）

可解釋的人工智能(XAI)應該提供對影響人工智能結果的因素的洞察，這將幫助用戶解釋(并信任)它的輸出。在處理醫療保健或金融等敏感系統時，這種透明度非常重要，因為這些系統需要解釋以確保公平、問責制，并在某些情況下確保合規性。

對客戶的意義：如果AI系統能夠以客戶理解的方式解釋其決策，可以提高可靠性和可信度。它還增加了用戶信任，特別是在醫療保健或金融等敏感領域。

對團隊的意義： XAI 可以幫助員工理解模型為何做出特定預測。這不僅增加了他們對系統的信任，還支持更好的決策，并有助于完善系統。

 

機器學習偏差（Machine learning bias）

機器學習偏差是增強版的人工智能版本。當計算機收到有偏差的信息時，它們會做出有偏見的決定。這可能是由于人類傾向于支持自動化系統產生的結果或建議，當計算機開始從數據集中的噪聲和不準確的數據中學習時，或者算法在學習過程中做出錯誤的假設，從而導致有偏差的結果。

對客戶的意義：與積極克服偏見的公司合作可以帶來更公平的體驗并建立信任。

對團隊的意義：檢查并解決偏差非常重要，以確保所有客戶都得到公平和準確的對待。了解機器學習偏差并了解您的組織對其控制措施可以幫助您的團隊對您的流程充滿信心。

 

利用生成式人工智能邁出下一步

生成式人工智能能夠幫助您的團隊與客戶更緊密地聯系、釋放創造力并提高生產力。從業務角度來看，人工智能幾乎可以提高組織的所有部分的效率。銷售、服務、營銷和商務應用程序都能夠利用生成式人工智能的力量，為客戶提供更好、更量身定制的解決方案，而且速度更快。

通過讓人工智能協助我們完成更多日常任務，幫助我們的客戶蓬勃發展，我們將能夠讓我們的團隊去做他們更擅長的事情——提出新的想法和新的協作方式，同時建立只有人類才能建立的獨特聯系。

 

有趣的是

為了突出生成式AI在現實世界中的應用，本文使用了生成式AI工具來收集素材整理內容，從而提升了效率。