当我听到第10次错误发音时，已经不知道该如何委婉地提醒了...
上周我参加了一场AI技术分享会。当主讲人自信满满地说出"我们来讨论一下promote engineering"的时候，我手中的咖啡杯差点没拿稳... ?
你可能不信,在我接触的AI从业者中,竟然超过80%的人都把"prompt"读成了"promote"！更让我惊讶的是，其中不乏一些资深的prompt工程师。
01 超过80%的人都读错了"Prompt"这个词
划重点：下面这种把"Prompt"读成"Promote"是错误的读法！
很多时候有朋友读错了，我不好意思当面指出来，毕竟大家都是成年人了，万一对方是个资深大佬，我这么指出来，岂不是要社死？
然而，这事儿就像你在吃火锅时发现对面的人头发丝掉进锅里了 —— 你明明看见了，但又不好意思说。结果就是，你接下来的注意力全都被那根头发丝吸引了，看它随着汤底翻腾，沉沉浮浮...
每当我听到错误读音的时候，我内心的OS是这样的：
第一次：装作没听见 ? 第二次：告诉自己不要在意 ? 第三次：已经在意得不行 ? 第五次：开始幻想自己委婉指出来的一百种方式 ? 第十次：放弃,继续装作没听见 ?
然而，有些事，你越是努力视而不见，它就越是清晰可见。
02 “Prompt”到底该怎么读？
正确的读法是：
发音要点：
第一个音节重读，后面音节要读得短促有力。
| 单词 | 正确读音 | 常见错误读音 |
|---|---|---|
| prompt | 普浪特 | 普肉莫特 |
就像你在催促别人时说"快！点！"一样，这也正好对应了prompt这个词"提示、催促"的含义。
03 那些 AI 领域经常被读错的词
除了 prompt 外，finetune 这个词也经常被读错，很多人把"finetune"（微调）读成了"fine turn"（精美的转弯）。
两个词的读音差别：
| 单词 | 正确读音 | 常见错误读音 |
|---|---|---|
| finetune | 发茵-趟 | 发茵-特恩 |
"finetune"（正确的）：
"fine turn"（错误的）：
这个区别不是一般的大 —— 一个是在给模型"调音"，一个是在让模型"转圈"。
难怪有的模型总是训练不好，原来是被你们转晕了！
在AI这个领域，类似的读音陷阱还有不少：
parameter (参数)：正确读音"帕-拉-米-特"，而不是"怕了米特" epoch (轮次)：正确读音"衣-泼克"，而不是"衣破克" bias (偏差)：正确读音"拜-额斯"，而不是"拜阿斯"
04 AI领域常见词发音速查表
让我们看看AI领域常见的一些词的正确发音，表格里用一下中文谐音hh，语音在表格后面。（公众号音频数量限制，优先放了一些容易读错的）
| 单词 | 中文释义 | 正确读音（中文谐音） |
|---|---|---|
| prompt | 提示词 | 普浪特 |
| finetune | 微调 | 发茵趟 |
| transformer | 转换器 | 特兰斯福默 |
| attention | 注意力机制 | 额腾션 |
| vector | 向量 | 维克特 |
| embedding | 嵌入 | 因贝丁 |
| inference | 推理/预测 | 因弗伦斯 |
| token | 标记 | 托肯 |
| tokenizer | 分词器 | 托肯奈泽 |
| epoch | 训练轮次 | 爱泼克 |
| bias | 偏差/偏置 | 拜额斯 |
| tensor | 张量 | 腾色 |
| batch | 批次 | 贝奇 |
| checkpoint | 检查点 | 切克泼因特 |
transformer 发音
"特兰斯福默"，重音在第一个音节"trans-"
attention 发音
"阿贴恩션"，重音在第二个音节"ten"
embedding 发音
"因贝丁"，重音在第二个音节"bed"
token 发音
"托肯"，重音在第一个音节"to-"
tokenizer 发音
"托肯奈泽"，保持token的发音，加上"奈泽"
epoch 发音
"爱泼克"，重音在第一个音节"e-"
05 结语
掌握正确发音不仅能让你在AI圈里更专业，还能避免很多尴尬场面。记住这些发音技巧，下次开会就能自信满满地展示你的专业素养啦！
