AI 概念小词典：讲给孩子和家长听

每个词都有两种解释：给孩子的一句话版本，和给家长的稍微专业一点的版本。

人工智能（AI）

🧒 给孩子：让电脑做一些原来需要人动脑才能做的事，比如认图片、听懂话、下棋。
👨‍👩‍👧 给家长：AI 是一大类技术的统称，今天大多数 AI 是"从数据里学规律"的机器学习系统。 去玩相关游戏 →

机器学习

🧒 给孩子：电脑看很多例子，自己找出规律，而不是人一条条写规则。
👨‍👩‍👧 给家长：给模型大量带答案（或不带答案）的数据，通过优化参数让它在新数据上表现好。 去玩相关游戏 →

训练数据

🧒 给孩子：用来教 AI 的例子，就像练习册。
👨‍👩‍👧 给家长：数据的数量、质量和覆盖面决定了模型能学到什么；数据有错或有偏，模型也会学偏。 去玩相关游戏 →

分类

🧒 给孩子：把东西分到不同的篮子里，比如水果和蔬菜。
👨‍👩‍👧 给家长：监督学习中最常见的任务：根据特征预测类别标签。 去玩相关游戏 →

神经网络

🧒 给孩子：由很多个"小计算器"（神经元）连起来的网，每个神经元把输入加权后决定输出。
👨‍👩‍👧 给家长：多层可微分函数的组合，用梯度下降调整权重，能拟合复杂的非线性关系。 去玩相关游戏 →

深度学习

🧒 给孩子：层数很多的神经网络，一层一层地把简单特征拼成复杂特征。
👨‍👩‍👧 给家长："深"指网络层数多；图像识别、语音识别和大语言模型都基于深度学习。 去玩相关游戏 →

强化学习

🧒 给孩子：AI 自己去试，做得好就得到奖励，做得不好就扣分，慢慢学会怎么做最好。
👨‍👩‍👧 给家长：智能体在环境中通过试错最大化累计奖励，例如 Q 学习；关键权衡是"探索"和"利用"。 去玩相关游戏 →

奖励

🧒 给孩子：告诉 AI"这样做好不好"的分数。
👨‍👩‍👧 给家长：奖励函数定义了目标；设计不当时 AI 可能找到钻空子的做法。 去玩相关游戏 →

过拟合

🧒 给孩子：把练习题答案背下来了，换一道题就不会。
👨‍👩‍👧 给家长：模型在训练集误差很低、在新数据误差却变高，通常因为模型太复杂或数据太少。 去玩相关游戏 →

梯度下降

🧒 给孩子：像蒙着眼睛下山，每次朝最陡的下坡方向走一小步。
👨‍👩‍👧 给家长：沿损失函数梯度的反方向迭代更新参数；学习率太大会震荡，太小会很慢。 去玩相关游戏 →

语言模型

🧒 给孩子：根据前面的字，猜下一个字最可能是什么。
👨‍👩‍👧 给家长：大语言模型（LLM）在海量文本上训练，按 token 逐个生成文字。 去玩相关游戏 →

token

🧒 给孩子：AI 读文字时切出来的小块，可能是一个字、一个词或词的一部分。
👨‍👩‍👧 给家长：模型的输入长度、计费都按 token 计算。 去玩相关游戏 →

注意力机制

🧒 给孩子：读一句话时，AI 决定此刻该多"看"哪几个词。
👨‍👩‍👧 给家长：Transformer 的核心组件，为每个位置计算与其他位置的相关权重。 去玩相关游戏 →

AI 幻觉

🧒 给孩子：AI 一本正经地说出不存在或错误的内容。
👨‍👩‍👧 给家长：生成式模型可能编造事实，因此重要信息需要核实来源。 去玩相关游戏 →

数据偏见

🧒 给孩子：如果教 AI 的例子不全面，它对某些情况就会判断不公平。
👨‍👩‍👧 给家长：训练数据的代表性不足会导致模型对部分群体表现更差。 去玩相关游戏 →

算法

🧒 给孩子：解决一个问题的清楚步骤，比如排序、找路。
👨‍👩‍👧 给家长：有限、明确的计算步骤；可以比较不同算法的速度和结果。 去玩相关游戏 →

程序

🧒 给孩子：一串按顺序执行的指令。电脑只会照着做，不会猜你的意思。
👨‍👩‍👧 给家长：程序由顺序、条件、循环、函数等结构组成。 去玩相关游戏 →

循环

🧒 给孩子：把同一件事重复做几次，比如"拍手 ×3"。
👨‍👩‍👧 给家长：用来简化重复操作的控制结构。 去玩相关游戏 →

调试（debug）

🧒 给孩子：找出程序哪里错了，再改好。
👨‍👩‍👧 给家长：运行—观察—定位—修复的迭代过程。 去玩相关游戏 →

二进制

🧒 给孩子：只用 0 和 1 两个数字表示所有信息。
👨‍👩‍👧 给家长：计算机用开关的两种状态存储与运算数据。 去玩相关游戏 →