引子：名字里有故事
每一个术语都是一段微缩历史。理解一个词从哪里来，往往比死记它的定义更容易记住它的含义。本章选取30个医生最常遇到的AI术语，讲清楚它们「叫什么、从哪来、为什么叫这个」。
基础概念
- Artificial Intelligence（人工智能）
词源：Artificial=人工的（拉丁语artificialis，「由技艺制成的」）+ Intelligence=智能（拉丁语intelligentia，「理解能力」）。1956年达特茅斯会议上正式命名。
- Machine Learning（机器学习）
词源：Machine（机器）+ Learning（学习）。1959年Arthur Samuel首次使用，定义是「让计算机在不被显式编程的情况下学习的能力」。他当时教计算机下跳棋，计算机学会了打败他。
- Deep Learning（深度学习）
词源：Deep=深，指神经网络有很多层。1986年Rina Dechter首次使用，2006年Geoffrey Hinton普及。医生类比：浅层学习=实习医生看表面特征，深度学习=主任医师看到深层规律。
- Neural Network（神经网络）
词源：Neural=神经的（希腊语neuron，「筋、腱、神经」）。1943年McCulloch和Pitts首次提出人工神经元模型，灵感直接来自大脑神经元结构——树突接收信号、细胞体处理、轴突输出。
模型相关
- Transformer
词源：Transform=转换、变形。2017年Google论文《Attention Is All You Need》命名，寓意「把输入序列转换为输出序列」。核心隐喻是「变形金刚」——同一个架构可以变形为编码器（BERT）或解码器（GPT）等多种形态。
- GPT（Generative Pre-trained Transformer）
词源：Generative（生成式）+ Pre-trained（预训练的）+ Transformer。每步训练分两阶段：无监督预训练（Pre-trained，在巨量文本上自学），然后针对具体任务精调。这个名字精确描述了一个AI的「教育路径」——先读书（预训练），再实习（精调）。
- BERT（Bidirectional Encoder Representations from Transformers）
词源：Bidirectional=双向的，暗示它同时看左右上下文（不像GPT只看左边）。
2018年Google发布，命名玩了一个梗——和《芝麻街》角色Bert同名，后来系列模型都用《芝麻街》角色命名。
- LLM（Large Language Model，大语言模型）
词源：Large=大（对比之前的小模型），Language（语言），Model（模型）。
「大」不只是参数多，更意味着涌现能力——小模型不可能具备的复杂能力。
数据与训练
- Token
词源：见第7章详述。古英语tācen=标志/记号→语言学「词例」→计算机「语法记号」→AI「语义原子」。
- Parameter（参数）
词源：希腊语para（旁边）+ metron（测量），原意是「用来辅助测量的东西」。
在AI中，参数是模型内部的可调节数值。
- Embedding（嵌入/向量化）
词源：Embed=嵌入。将离散的文字Token「嵌入」到一个连续的数学空间中，每个词对应一个高维向量。相似的词在空间中距离接近。比如「心脏」和「cardiovascular」在向量空间中很近，虽然字面完全不同。
- Training（训练）
词源：Train=训练、火车（两者同源，都来自拉丁语trahere「拉」——火车「拉」
车厢，训练「拉」着模型走向正确方向）。
- Fine-tuning（微调）
词源：Fine=精细的+ tuning=调音。就像调钢琴——大框架已经对了，只需要微调几个键的音准。 预训练=造钢琴，微调=调音。
能力相关
- Agent（智能体）
词源：拉丁语agere，意为「做、行动、驱动」。在AI语境中，Agent强调的不是知道什么，而是能做什么。一个博学的医生是「学者」，一个能制定方案、下医嘱、做手术的医生才是「Agent」。
- Prompt（提示词）
词源：拉丁语promptus，意为「准备好的、迅速的行动」。原指演员忘词时提词员的提示。在AI中，Prompt是你给AI的「提词」，告诉它你要什么。
- Context Window（上下文窗口）
词源：Context=上下文（拉丁语contexere，「编织在一起」），Window=窗口（古挪威语vindauga，「风眼」）。AI通过这个「窗口」看你的对话历史，窗口之外的内容它「看不见」。
- Hallucination（幻觉）
词源：拉丁语hallucinari，「在脑海中徘徊、说梦话」。AI研究界借用这个词描述模型自信地生成看似合理但完全虚构的内容。不是「AI在撒谎」——撒谎是有意的，幻觉是无意的。
- Emergence（涌现）
词源：拉丁语emergere，「从水中浮现」。指系统的整体表现出其组成部分所不具备的新特性。GPT-3的数学能力不是被专门训练的，而是在参数超过一定规模后「自己冒出来的」。
技术相关
- Attention（注意力机制）
词源：拉丁语attendere，「转向、注意」。Transformer的核心——让模型在处理每个词时，自动决定「应该关注句子里的哪些其他词」。
- RLHF（Reinforcement Learning from Human Feedback）
词源：强化学习（Reinforcement Learning，来自行为主义心理学——用奖励和惩罚塑造行为）+ 人类反馈（Human Feedback）。ChatGPT的「魔法配方」：先让人类标注员给AI的回答打分，再用这些分数训练AI「人类喜欢什么答案」。
- GPU（Graphics Processing Unit，图形处理器）
词源：Graphics=图形（希腊语graphikos，「关于书写和绘画的」），最初确实只是为了让游戏画面更好看。1999年英伟达发明GPU时不会想到，20年后它会成为AI的燃料。
- API（Application Programming Interface，应用程序接口）
词源：Interface=接口（inter=之间+ face=面）。两个软件系统之间的「对话规范」。你通过API可以「不用打开ChatGPT网页，直接在自己的程序里调用GPT的能力」。
前沿概念
- RAG（Retrieval-Augmented Generation，检索增强生成）
词源：见第15章。Augmented=增强的（拉丁语augmentare，「增加」）。在生成之前加了「检索」这一步——让AI先查资料。
- MCP（Model Context Protocol，模型上下文协议）
词源：见第14章。Protocol=协议（希腊语protokollon，原意是「粘在卷轴第一页的官方标记」，后来引申为标准化的通信规则）。
- Multimodal（多模态）
词源：Multi=多个（拉丁语multus）+ modal=模态（拉丁语modus，「方式、模式」）。AI的一种能力状态——不再只能用「文字」这一种方式交流。
- Embodied AI（具身智能）
词源：Embodied=具身的（em=进入+ body=身体）。有物理身体的AI。 哲学根源可以追溯到梅洛-庞蒂的身体现象学——「认知不是纯粹的大脑活动，而是通过身体与世界的互动形成的」。
- AGI（Artificial General Intelligence，通用人工智能）
词源：General=通用的、全面的。区别于Narrow AI（弱AI，只能在特定任务上出色）。AGI是「在任何智力任务上达到人类水平」的AI——目前尚未实现。
医学术语
- CDSS（Clinical Decision Support System，临床决策支持系统）
词源：Clinical=临床的（希腊语kline，「床」——临床医学的源头是「床边观察」）。不是替代医生做决策，而是为医生提供基于证据的决策参考。
- CADe / CADx（Computer-Aided Detection /Diagnosis）
词源：Aided=辅助的。注意这个词的精妙之处——不是Computer Diagnosis （计算机诊断），而是Computer-Aided（计算机辅助）。这个「A」字决定了AI在医学中的角色——辅助者，而非决策者。
- DICOM（Digital Imaging and Communications in Medicine）
词源：一个医学影像的国际标准格式。几乎所有医院的CT/MRI/X光片都以DICOM格式存储。它是医学影像的「世界语」——不管什么品牌什么型号的机器，都输出同一种格式。
本章小结
这些术语的词源揭示了三个规律：
大多源自拉丁语和希腊语——这和医学术语同源。所以医生理解AI术语有天然优势。
技术术语往往借用日常词汇——Attention（注意力）、Window（窗口）、Hallucination（幻觉），都是把人类体验类比到机器上。
命名反映价值观——CADe里的「A」（Aided，辅助），MCP里的「P」
（Protocol，开放协议），都在告诉我们：AI应该辅助人类、开放互通，而非替代和控制。
第二卷到此结束。下一章进入第三卷——AI的物理基础：芯片战争。