25 個你需要知道的人工智慧術語

 

  http://blog.sina.com.cn/s/blog_cfa68e330102yxh9.html

 

人工智慧方面需要了解的一些重要定義。

人工智慧不再是定義模糊的流行詞彙，已經成為了更為精確的指代，在這樣的背景下，理解人工智慧領域的術語越來越成為一種挑戰。本文就為大家總結一些人工智慧領域最重要的術語。

A

演算法（ Algorithms ） ：一組用於人工智慧、神經網路或其他機器的規則或指令，以幫助它自己學習；分類、聚類、推薦和迴歸是四種最常見的型別。

人工智慧（ Artificial intelligence ） ：機器模擬人類智力和行為做出決策、執行任務的能力。

人工神經網路（ ANN ） ：這種學習模型，模擬人腦運作，從而解決傳統計算機系統難以解決的任務。

自主計算（ Autonomic computing ） ：系統自適應自我管理自身資源用於高階計算功能的能力，而無需使用者輸入。

C

聊天機器人（ Chatbots ） ：聊天機器人（簡稱 chatbot ）透過文字對話、語音命令來模擬與人類使用者進行對話。它們是有 AI 功能的計算機程式的常用介面。

分類（ Classification ） ：分類演算法讓機器根據訓練資料給資料點進行分類。

聚類分析（ Cluster analysis ） ：一種用於探索性資料分析的無監督學習，查詢資料中的隱藏模式或分組；群集的建立是透過歐氏距離（ Euclidean ）或機率距離等定義的相似性度量。

聚類（ Clustering ） ：聚類演算法讓機器將資料點或專案分成具有相似特徵的組。

認知計算（ Cognitive computing ）：一種模仿人類大腦思維方式的計算模型。透過使用資料探勘、自然語言處理和模式識別來進行自學習（ self-learning ）。

卷積神經網路（ CNN ） ：一種識別和處理影像的神經網路。

D

資料探勘（ Data mining ） ：透過檢視資料集以發現和挖掘其中模式，從而進一步使用資料。

資料科學（ Data science ） ：結合統計、資訊科學、電腦科學的科學方法、科學系統和科學過程的交叉學科，透過結構化或非結構化資料提供對現象的洞察。

決策樹（ Decision tree ） ：一個基於分支的樹模型，繪製決策及其可能後果的模型圖，與流程圖類似。

深度學習（ Deep learning ） ：機器透過由層疊資訊層組成的人工神經網路自主模仿人類思維模式的能力。

F

Fluent ：一種可隨時間變化的條件。

G

遊戲 AI （ Game AI ） ：使用演算法替代隨機性的一種適用於遊戲的 AI 特定形式。這種計算行為用於非玩家角色（ NPC ），對於玩家的操作生成類似人類的智力和基於反應的行為。

K

知識工程（ Knowledge engineering ） ：側重於建立以知識為基礎的系統，包括科學、技術和社會在內的所有方面。

M

機器智慧（ Machine intelligence ） ：涵蓋機器學習、深度學習和古典學習演算法在內的總括術語。

機器學習（ Machine learning ） ：人工智慧的一個方面，專注於演算法，允許機器在不經過程式設計的情況下學習，並隨著新資料的攝入而改變。

機器感知（ Machine perception ） ：系統接收和解釋來自外部世界資料的能力，類似於人類使用感官。這通常需要藉助外接硬體完成，儘管軟體也同樣需要。

N

自然語言處理（ Natural language processing ） ：程式識別理解人類溝通的能力。

R

迴圈神經網路（ RNN ） ：一種理解順序資訊、識別模式、並根據這些計算產生輸出的神經網路。

S

監督學習（ Supervised learning ） ：機器學習的一種，其輸出資料集訓練機器產生所需的演算法，如老師監督學生；比無監督學習更常見。

群體行為（ Swarm behavior ） ：從數學建模者的角度來看，這是從個體遵循的簡單規則衍生出的新生行為，不涉及任何集中協調。

U

無監督學習（ Unsupervised learning ） ：一種機器學習演算法，透過不帶標籤響應的輸入資料組成的資料集進行推理。最常見的無監督學習方法是聚類分析。

 

原文：  
作者： Sarah Davis  
譯者：牟雲飛