AI 術語輕鬆學：商業領袖的生成式 AI 詞彙指南

#AI

你是否覺得身邊的人都在輕鬆談論「生成式 AI」、「大型語言模型」或「深度學習」等術語，而你卻對細節感到一知半解？我們創建了一個入門指南，其中涵蓋了你需要了解的一切，以便理解近幾十年來出現的最新、最具影響力的技術。讓我們一起深入了解生成式 AI 的世界。

我們整理了一份最基本的術語列表，這將幫助您公司中的每個人——無論其技術背景如何——理解生成式 AI 的強大功能。每個術語都根據其對您的客戶和您的團隊的影響進行定義。

為了強調生成式 AI 的實際應用，我們將其應用於本文。我們的專家權衡了關鍵術語，我們讓一個生成式 AI 工具為本詞彙表奠定了基礎。每個定義都需要人工潤飾才能準備好發布，但它確實節省了大量時間。

1. 人工智慧 (Artificial Intelligence, AI)

人工智慧是一個廣泛的概念，指的是讓機器像人類一樣思考和行動。生成式 AI 是一種特定類型的人工智慧（稍後會詳細介紹）。簡單來說，就是讓電腦變得更像人，可以思考、學習、甚至創造。

對客戶的影響： 人工智慧可以透過預測客戶接下來可能想要什麼，來幫助您的客戶，這基於他們過去的行為。它為他們提供更相關的溝通和產品推薦，並可以提醒他們重要的即將到來的任務（例如：是時候重新訂購了）。它使他們與您組織的互動體驗更具幫助性、個人化、高效且無摩擦。想像一下，你常買某品牌的咖啡，AI 可以根據你的購買紀錄，推薦你其他口味，甚至在你快喝完時提醒你回購。
對團隊的影響： 人工智慧透過自動化例行任務，幫助您的團隊更智慧、更快速地工作。這為員工節省了時間，為客戶提供了更快速的服務，並提供更個人化的互動，所有這些都提高了客戶保留率，從而推動了業務發展。例如，AI 可以自動處理客戶的諮詢郵件，分發給相關部門，節省客服人員的時間。

2. 人工類神經網路 (Artificial Neural Network, ANN)

人工類神經網路是一個模仿人類大腦處理資訊方式的電腦程式。我們的大腦有數十億個相互連接的神經元，而人工類神經網路（也稱為「神經網路」）有許多微小的處理單元一起工作。它就像一個團隊，共同努力解決同一個問題。每個團隊成員都盡自己的一份力量，然後傳遞他們的結果。最後，你會得到你需要的答案。無論是人類還是電腦，關鍵都在於團隊合作的力量。

對客戶的影響： 當人工類神經網路解決問題並做出準確預測時，客戶會以各種方式受益——例如高度個人化的推薦，從而獲得更量身定制、直觀，最終更令人滿意的客戶體驗。神經網路非常擅長識別模式，這使它們成為檢測可能表明欺詐的異常行為的關鍵工具。這有助於保護客戶的個人資訊和金融交易。例如，銀行可以使用神經網路來檢測異常交易，保護客戶的財產安全。
對團隊的影響： 團隊也可以從中受益。他們可以預測客戶流失，從而促使他們採取主動的方式來提高客戶保留率。人工類神經網路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行銷工作。在 CRM 系統中，神經網路可用於預測客戶行為、理解客戶回饋或個人化產品推薦。

3. 擴增智慧 (Augmented Intelligence)

將擴增智慧視為人與電腦的融合，以獲得兩者的最佳效果。電腦擅長處理大量資料並快速進行複雜的計算。人類擅長理解上下文，即使在資料不完整的情況下也能找到事物之間的聯繫，並憑直覺做出決策。擴增智慧結合了這兩種技能。它不是關於電腦取代人或為我們完成所有工作。它更像是聘請了一位非常聰明、組織良好的助理。

對客戶的影響： 擴增智慧讓電腦處理數字，然後人類可以根據這些資訊決定採取什麼行動。這會為您的客戶帶來更好的服務、行銷和產品推薦。例如，AI 分析客戶數據後，可以建議客服人員最佳的聯絡時間。
對團隊的影響： 擴增智慧可以幫助您做出更好、更具戰略性的決策。例如，CRM 系統可以分析客戶資料，並建議銷售或行銷團隊與潛在客戶聯繫的最佳時間，或推薦客戶可能感興趣的產品。

4. 結合生成式 AI 的客戶關係管理 (Customer Relationship Management, CRM)

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，這有助於公司管理目前和潛在的客戶關係。生成式 AI 可以讓 CRM 變得更強大——想想為銷售團隊預先撰寫的個人化電子郵件、僅根據圖像撰寫的電子商務產品描述、行銷活動登陸頁面、上下文客戶服務工單回覆等等。簡單來說，CRM 就是一個客戶資料庫，結合生成式 AI 則能讓 CRM 更聰明、更有效率。

對客戶的影響： CRM 為客戶在所有參與管道（從行銷到銷售再到客戶服務等等）提供了一致的體驗。雖然客戶看不到 CRM，但他們在與品牌互動的過程中能感受到這種連結。例如，無論客戶是透過哪個管道聯繫，都能獲得一致的回應。
對團隊的影響： CRM 幫助公司與客戶保持聯繫、簡化流程並提高獲利能力。它讓您的團隊可以在一個中心位置儲存客戶和潛在客戶的聯絡資訊、識別銷售機會、記錄服務問題和管理行銷活動。例如，它可以讓每個可能需要它的任何人都可以存取有關每次客戶互動的資訊。生成式 AI 透過大規模地更快、更輕鬆地與客戶建立聯繫來擴展 CRM——想想自動翻譯的行銷潛在客戶開發活動，以覆蓋您在全球的主要市場，或建議的客戶服務回應，幫助代理快速解決問題並發現未來銷售的機會。例如，AI 可以根據客戶的歷史紀錄，自動產生客製化的產品推薦。

5. 深度學習 (Deep Learning)

深度學習是人工智慧的一種進階形式，它可以幫助電腦在識別資料中的複雜模式方面變得非常厲害。它模仿我們大腦的運作方式，使用所謂的分層神經網路，其中每一層都是一種模式（例如動物的特徵），然後讓您根據您之前學過的模式進行預測（例如：根據識別的特徵識別新動物）。它對於圖像識別、語音處理和自然語言理解等事物非常有用。簡單來說，深度學習就是讓電腦像人腦一樣，一層層學習，從簡單到複雜，最後變得超聰明。

對客戶的影響： 由深度學習驅動的 CRM 創造了主動參與的機會。它們可以增強安全性、提高客戶服務效率並提供個人化體驗。例如，如果您有在每個橄欖球賽季之前購買新球迷裝備的傳統，連接到 CRM 的深度學習可以在賽季開始前一個月向您展示廣告或包含您最喜歡的球隊裝備的行銷電子郵件，這樣您就可以在比賽日做好準備。想像一下，你喜歡的球隊要比賽了，AI 馬上跳出廣告，提醒你可以買新球衣，超貼心！
對團隊的影響： 在 CRM 系統中，深度學習可用於預測客戶行為、理解客戶回饋和個人化產品推薦。例如，如果某個客戶群的銷售額激增，由深度學習驅動的 CRM 可以識別該模式，並建議增加行銷支出，以接觸更多該受眾群。例如，行銷團隊可以根據深度學習的分析結果，調整行銷策略，更有效地觸及目標客戶。

6. 鑑別器 (Discriminator in GAN)

在生成對抗網路 (Generative Adversarial Network, GAN) 中，鑑別器就像一個偵探。當它看到圖片（或其他資料）時，它必須猜測哪些是真的，哪些是假的。「真實」的圖片來自一個資料集，而「假」的圖片則由 GAN 的另一部分（稱為生成器）創建。鑑別器的工作是更好地分辨真假，而生成器則努力更好地創建假貨。這是軟體版本的持續製造更好的捕鼠器。簡單來說，GANs 就是兩個模型在互相PK，一個負責製造假資料，一個負責分辨真假，兩個模型在對抗中不斷進步。

對客戶的影響： GAN 中的鑑別器是欺詐檢測的重要組成部分，因此它們的使用會帶來更安全的客戶體驗。例如，銀行可以使用 GANs 來檢測信用卡詐欺。
對團隊的影響： GAN 中的鑑別器幫助您的團隊評估合成資料或內容的品質。它們有助於欺詐檢測和個人化行銷。例如，行銷團隊可以使用 GANs 來生成更逼真的廣告圖片。

7. 道德AI成熟度模型 (Ethical AI Maturity Model)

道德AI成熟度模型是一個框架，幫助組織評估和加強他們在使用AI技術時的道德實踐。它規劃了組織如何評估他們目前AI道德實踐的方式，然後朝向更負責任和值得信賴的AI使用方式發展。它涵蓋了與透明度、公平性、資料隱私、問責制以及預測中的偏見相關的問題。簡單來說，就是一套指導方針，確保AI的應用符合道德標準。

對客戶的影響： 建立道德AI模型，並公開說明您如何使用AI，有助於建立信任，並向您的客戶保證您以負責任的方式使用他們的資料。例如，公司公開承諾不使用AI來進行歧視性定價。
對團隊的影響： 定期評估您的AI實踐，並對您如何使用AI保持透明，可以幫助您與公司的道德考量和社會價值觀保持一致。

8. 可解釋AI (Explainable AI, XAI)

還記得在數學課上被要求展示你的計算過程嗎？這就是我們要求AI做的事情。可解釋AI (XAI) 應該提供關於什麼影響了AI結果的洞察，這將幫助使用者理解（並信任！）它的輸出。當處理醫療保健或金融等敏感系統時，這種透明度非常重要，在這些系統中，需要解釋以確保公平性、問責制，在某些情況下，還需要符合法規要求。簡單來說，就是AI不只是給答案，還要告訴你為什麼。

對客戶的影響： 如果AI系統能夠以客戶理解的方式解釋其決策，它就會提高可靠性和可信度。它還能提高使用者信任度，尤其是在醫療保健或金融等敏感領域。例如，銀行拒絕了你的貸款申請，XAI 可以解釋是因為你的信用評分未達標準。
對團隊的影響： XAI 可以幫助員工理解模型為什麼做出某個預測。這不僅提高了他們對系統的信任度，還支援了更好的決策，並有助於改進系統。例如，行銷團隊可以了解 AI 推薦這個廣告的原因，從而優化廣告投放策略。

9. 生成式AI (Generative AI)

生成式AI是人工智慧的一個領域，專注於根據現有資料創建新內容。對於CRM系統，生成式AI可用於創建各種有用的東西，從編寫個人化的行銷內容，到產生合成資料來測試新功能或策略。簡單來說，就是AI可以自己創作東西，例如文章、圖片等等。

對客戶的影響： 更好、更具針對性的行銷內容，幫助他們準確地獲得他們需要的資訊，而不會過多。例如，AI 可以根據你的瀏覽紀錄，自動生成你感興趣的產品廣告。
對團隊的影響： 更快地建立行銷活動和銷售行動，加上能夠在合成資料集上測試多種策略並在任何事情上線之前對其進行優化的能力。例如，行銷團隊可以使用 AI 生成多個版本的廣告文案，然後選擇效果最好的版本。

10. 生成對抗網路 (Generative Adversarial Network, GAN)

GANs 是兩個深度學習模型之一，由兩個神經網路組成：一個生成器和一個鑑別器。這兩個網路相互競爭，生成器根據一些輸入創建一個輸出，鑑別器試圖確定輸出是真還是假。然後，生成器根據鑑別器的回饋微調其輸出，並且該循環持續進行，直到它難倒鑑別器為止。簡單來說，GANs 就像兩個高手在過招，一個負責出題，一個負責回答，在不斷的對抗中共同進步。

對客戶的影響： 它們允許高度客製化的行銷，使用個人化圖像或文字——例如為每個客戶客製化的促銷圖像。例如，GANs 可以為每個客戶生成獨特的產品展示圖。
對團隊的影響： 當缺乏客戶資料時，它們可以幫助您的開發團隊產生合成資料。當圍繞使用真實客戶資料出現隱私問題時，尤其有用。例如，開發團隊可以使用 GANs 生成模擬的客戶數據來測試新的 CRM 功能。

11. 生成式預訓練轉換器 (Generative Pre-trained Transformer, GPT)

GPT 是一個經過訓練生成內容的神經網路系列。GPT 模型在大量文字資料上進行預訓練，這使它們能夠根據使用者提示或查詢生成清晰且相關的文字。簡單來說，GPT 就像一個寫作高手，可以根據你給的提示，寫出各種文章。

對客戶的影響： 客戶與您的公司進行更個人化的互動，重點是他們的特定需求。例如，GPT 可以根據客戶的詢問，提供客製化的產品資訊。
對團隊的影響： GPT 可用於自動創建面向客戶的內容，或分析客戶回饋並提取洞察。例如，客服團隊可以使用 GPT 來分析客戶的投訴，找出常見問題並加以解決。

12. 生成器 (Generator)

生成器是一種基於 AI 的軟體工具，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，然後創建模仿這些模式和特徵的新資訊。 OpenAI 的 ChatGPT 就是一個很好的基於文字的生成器範例。簡單來說，就是 AI 可以根據你給的資料，創造出新的東西，例如文章、圖片、程式碼等等。

對客戶的影響： 使用生成器，可以訓練 AI 聊天機器人，從真實的客戶互動中學習，並不斷創造更好、更有用的內容。例如，AI 客服可以根據過去的服務紀錄，提供更精準的回覆。
對團隊的影響： 生成器可用於創建逼真的數據集，用於測試或訓練目的。這可以幫助您的團隊在系統上線之前發現任何錯誤，並讓新員工在不影響真實數據的情況下快速了解您的系統。例如，可以使用生成器來創建模擬的客戶數據，用於訓練新的銷售人員。

13. 幻覺 (Hallucination)

當生成式 AI 分析我們提供的內容，但得出錯誤的結論並產生與現實不符的新內容時，就會發生幻覺。例如，一個在數千張動物照片上訓練過的 AI 模型。當被要求生成一張新的「動物」圖像時，它可能會將長頸鹿的頭與大象的鼻子結合起來。雖然它們可能很有趣，但幻覺是不良結果，表明生成模型的輸出存在問題。簡單來說，就是 AI 產生的內容「脫離現實」，就像出現幻覺一樣。

對客戶的影響： 當公司監控並解決其軟體中的這個問題時，客戶體驗會更好、更可靠。
對團隊的影響： 品質保證仍然是 AI 團隊的重要組成部分。監控和解決幻覺有助於確保 AI 系統的準確性和可靠性。

14. 大型語言模型 (Large Language Model, LLM)

大型語言模型是一種在大量文字數據上訓練過的人工智慧。它就像一個非常聰明的對話夥伴，可以根據給定的提示創建聽起來像人類的文字。一些大型語言模型可以回答問題、寫論文、創作詩歌，甚至生成程式碼。簡單來說，就是 AI 可以像人一樣跟你聊天、寫作，甚至寫程式。

對客戶的影響： 個人化的聊天機器人，提供聽起來像人類的互動，允許客戶以仍然感覺真實的方式快速輕鬆地解決常見問題。例如，AI 客服可以用自然的語言與你溝通，解決你的問題。
對團隊的影響： 團隊可以自動創建面向客戶的內容、分析客戶回饋和回答客戶查詢。

15. 機器學習 (Machine Learning)

機器學習是電腦在沒有被編程的情況下學習新事物的方式。例如，在教孩子識別動物時，您會向他們展示圖片並提供回饋。隨著他們看到更多示例並收到回饋，他們學會根據獨特的特徵對動物進行分類。類似地，機器學習模型從標記的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並將他們的知識應用於新示例。簡單來說，就是讓電腦像人一樣，從經驗中學習。

對客戶的影響： 當公司更好地了解客戶重視和想要什麼時，就會改進當前的產品或服務，甚至開發更能滿足客戶需求的新產品或服務。例如，電商平台可以根據你的購買紀錄，推薦你可能喜歡的商品。
對團隊的影響： 機器學習可用於預測客戶行為、個人化行銷內容或自動化例行任務。

16. 機器學習偏差 (Machine Learning Bias)

我們都聽過「垃圾進，垃圾出」這句話，對吧？機器學習偏差就是它的渦輪增壓 AI 版本。當電腦被餵食有偏差的資訊時，它們就會做出有偏差的決定。這可能是人類在餵食電腦數據時故意做出的決定，也可能是意外地加入了有偏差的數據，或者當演算法在學習過程中做出錯誤的假設時，導致有偏差的結果。

範例：如果貸款批准模型在顯示批准某些人口統計數據（例如性別或種族）貸款趨勢的歷史數據上進行訓練，它可能會學習並延續這些偏差。這不是因為系統中的偏見，而是訓練數據中的偏見。這將對系統的準確性和有效性產生巨大影響，並有助於在客戶之間建立平等和信任。

對客戶的影響： 與積極致力於克服偏見的公司合作會帶來更公平的體驗，並建立信任。
對團隊的影響： 檢查和解決偏差非常重要，以確保所有客戶都能得到公平和準確的對待。了解機器學習偏差並了解您組織對其的控制措施，有助於您的團隊對您的流程充滿信心。

17. 模型 (Model)

這是一個經過訓練以識別數據模式的程式。您可以擁有一個預測天氣、翻譯語言、識別貓圖片等的模型。就像模型飛機是真實飛機的更小、更簡單的版本一樣，AI 模型是真實世界過程的數學版本。

對客戶的影響： 模型可以幫助客戶獲得更準確的產品推薦。
對團隊的影響： 這可以幫助團隊預測客戶行為，並將客戶分成不同的群體。

18. 自然語言處理 (Natural Language Processing, NLP)

自然語言處理是人工智慧的一個領域，專注於電腦如何理解、解釋和生成人類語言。它是語音啟動虛擬助理、語言翻譯應用程式和聊天機器人等技術背後的技術。簡單來說，就是讓電腦聽懂人話。

對客戶的影響： 自然語言處理允許客戶使用正常的人類語言而不是複雜的命令與系統互動。語音啟動助理就是一個很好的例子。這使得技術更容易存取和使用，從而改善了使用者體驗。例如，你可以直接跟你的手機說「打電話給媽媽」，而不用輸入電話號碼。
對團隊的影響： 自然語言處理可用於分析客戶回饋、支援聊天機器人或自動創建面向客戶的內容。

19. 提示工程 (Prompt Engineering)

您不需要工程學位就可以做到這一點。提示工程意味著弄清楚如何提出問題才能準確地得到您需要的答案。它指的是仔細製作或選擇您提供給機器學習模型的輸入（提示），以獲得最佳可能的輸出。簡單來說，就是如何跟 AI 說話，讓它聽懂你的意思。

對客戶的影響： 當您的生成式 AI 工具獲得強有力的提示時，它就能夠提供強有力的輸出。提示越強大、越相關，最終使用者體驗就越好。例如，你跟 AI 說「寫一篇關於愛情的文章」，它可能會寫出各種不同的文章，但如果你說「寫一篇關於失戀的愛情文章」，它就能寫出更符合你需求的文章。
對團隊的影響： 可用於要求大型語言模型生成發送給客戶的個人化電子郵件，或分析客戶回饋並提取關鍵洞察。

20. 情感分析 (Sentiment Analysis)

情感分析涉及確定文字背後的情緒基調，以了解說話者或作者的態度、觀點和情緒。它通常用於 CRM 中，以了解客戶回饋或關於品牌或產品的社群媒體對話。簡單來說，就是分析你說話或寫作的情緒，例如開心、生氣等等。

對客戶的影響： 客戶可以透過新的管道提供回饋，從而讓他們互動的公司做出更明智的決策。例如，你可以在社群媒體上表達你對某個產品的看法，公司可以透過情感分析了解你的情緒。
對團隊的影響： 情感分析可用於了解客戶對產品或品牌的感受，基於他們的回饋或社群媒體貼文，這可以為品牌或產品聲譽和管理的許多方面提供資訊。

21. 監督學習 (Supervised Learning)

監督學習是指模型從示例中學習。這就像一個老師-學生的場景：老師向學生（模型）提供問題和正確答案。學生學習這些，隨著時間的推移，學會自己回答類似的問題。訓練識別圖像、翻譯語言或預測可能結果的系統非常有幫助。（請參閱下面的非監督學習）。簡單來說，就是給 AI 看很多範例，讓它學會如何判斷。

對客戶的影響： 提高效率，系統透過過去的互動來學習了解客戶的需求。例如，AI 客服可以根據過去的服務紀錄，提供更快速的回覆。
對團隊的影響： 可用於根據過去的數據預測客戶行為或將客戶分成不同的群體。

22. 轉換器 (Transformer)

轉換器是一種深度學習模型，特別適用於處理語言。它們非常擅長理解句子中單詞的上下文，因為它們根據序列數據（例如正在進行的對話）而不是單個數據點（例如沒有上下文的句子）創建輸出。名稱「轉換器」來自於它們可以將輸入數據（例如句子）轉換為輸出數據（例如句子的翻譯）的方式。簡單來說，就是 AI 可以理解你說話的上下文，而不是只看單個字詞。

對客戶的影響： 企業可以透過個人化的 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並提供個人化的產品推薦。它們還會產生自動（但感覺像人類）的回應，支援與客戶進行更具吸引力的溝通形式。例如，AI 客服可以根據你過去的購買紀錄，推薦你可能喜歡的商品。
對團隊的影響： 轉換器幫助您的團隊生成面向客戶的內容，並支援可以處理基本客戶互動的聊天機器人。轉換器還可以對客戶回饋執行複雜的情感分析，幫助您回應客戶需求。

23. 非監督學習 (Unsupervised Learning)

非監督學習是讓 AI 在沒有任何指導的情況下在您的數據中找到隱藏的模式。這完全是關於允許電腦自行探索和發現有趣的事情。想像一下，您有一大袋混在一起的拼圖碎片，但您沒有可參考的盒子上的圖片，因此您不知道自己在製作什麼。非監督學習就像在不知道最終圖片會是什麼的情況下，弄清楚這些碎片是如何組合在一起的，尋找相似之處或群組。簡單來說，就是讓 AI 自己在資料中找規律，有點像「無師自通」。

對客戶的影響： 當我們發現客戶數據中的隱藏模式或區隔時，我們就能夠提供完全個人化的體驗。客戶將獲得最相關的優惠和推薦，從而提高客戶滿意度。例如，AI 可以根據你的消費習慣，將你歸類為某個消費群體，並提供更符合你需求的服務。
對團隊的影響： 團隊可以獲得有價值的洞察和對複雜數據的新理解。它使團隊能夠發現可能被忽視的新模式、趨勢或異常，從而做出更好的決策和策略規劃。這提高了生產力並推動了組織內的創新。

24. 驗證 (Validation)

在機器學習中，驗證是用於檢查模型在訓練過程中或訓練後的效果如何的步驟。該模型在訓練期間未見過的數據子集（驗證集）上進行測試，以確保它確實在學習而不是僅僅記住答案。這就像在學期中間對 AI 進行突擊測驗。

對客戶的影響： 訓練有素的模型可以創建更有用的程式，從而改善整體使用者體驗。
對團隊的影響： 可用於確保預測客戶行為或將客戶分成不同群體的模型能夠按預期工作。

25. 最近發展區 (Zone of Proximal Development, ZPD)

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，從加減法到乘除法，甚至到複雜的代數和微積分方程式。進步的關鍵是逐步學習這些技能。在機器學習中，ZPD 是指模型在逐漸更困難的任務上進行訓練，因此它們將提高他們的學習能力。簡單來說，就是循序漸進地學習，就像小朋友學數學一樣，先學加減法，再學乘除法。