機器之心開放中英詞彙庫：期待與讀者的共同進步

作為最早關注人工智慧技術的媒體，機器之心在編譯國外技術部落格、論文、專家觀點等內容上已經積累了超過兩年多的經驗。期間，從無到有，機器之心的編譯團隊一直在積累專業詞彙。雖然有很多的文章因為專業性我們沒能盡善盡美的編譯為中文呈現給大家，但我們一直在進步、一直在積累、一直在提高自己的專業性。

兩年來，機器之心編譯團隊整理過翻譯詞彙對照表「紅寶書」，編輯個人也整理過類似的詞典。而我們也從機器之心讀者留言中發現，有些人工智慧專業詞彙沒有統一的翻譯標準，這可能是因地區、跨專業等等原因造成的。舉個例子，DeepMind 的一篇論文中有個詞彙為 differentiable boundary tree，當時機器之心的翻譯為可微分界樹，但後來有讀者表示這樣的譯法如果不保留英文很難明白表達的意思且建議翻譯為可微分邊界樹。

因此，我們想把機器之心內部積累的人工智慧專業詞彙中英對照表開放給大家，希望為大家寫論文、中文部落格、閱讀文章提供幫助。同時，這也是一份開放的表單，希望越來越多的人能夠提供增添、修改建議，為人工智慧的傳播助力。

專案地址：https://github.com/jiqizhixin/Artificial-Intelligence-Terminology

組織形式

讀者在此專案中，可透過以上表盤檢視自己想要了解的專業詞彙。在單個首字母中，表格的組織形式為：英文／縮寫、漢語、來源&擴充套件。

來源&擴充套件是對該詞彙的註解，內容為機器之心往期的相關文章。例如下圖所示的「演算法」，我們關聯到的三篇文章是《迴歸、分類與聚類：三大方向剖解機器學習演算法的優缺點》和《機器學習演算法附速查表》和《深度學習演算法全景圖：從理論證明其正確性》。因此，我們希望不僅能提供相對應的術語，同時還希望能為讀者提供每一個術語的來源和概念上的擴充套件。但由於這一部分工作量較大，我們還將與讀者共同推進這一部分擴充套件的程式。

準確度

本專案中所有英文專業詞彙對照的中文都來自機器之心編譯的文章和系列機器學習教科書（如周志華的《機器學習》和李航的《統計學習方法》等），我們力求在提供準確翻譯的同時保留最常用的形式。同時，為了保證詞彙翻譯的準確性，我們將此專案向讀者開源，並希望能與讀者共同迭代術語的準確度。除此之外，我們還將為每一個詞彙提供來源與擴充套件進一步提升詞彙的置信度。

機器之心術語編譯標準

因為該專案很多術語都是機器之心平常編譯文章所積累的，所以我們首先需要向讀者說明機器之心術語編譯的標準。

1. 常見術語的編譯標準

機器之心常見術語的編譯首先會確保術語的正確性，其次再考慮術語的傳播廣度。例如常見術語。logistic regression，首先機器之心會保證該術語的準確度。我們常見 logistic regression 會翻譯為邏輯迴歸，但中文「邏輯」與 logistic 的含義還是有些差別，因此我們並不太傾向於採用這種譯法。在準確度的基礎上，我們會考慮術語的傳播廣度。例如有學者建議可以將 logistic regression 譯為對數機率迴歸，但鑑於該譯法的傳播度不廣，看到中文並不會馬上檢索到對應英文和概念，所以我們最終在常見術語編譯標準下將 logistic regression 譯為 logistical 迴歸。機器之心在對常見術語編譯時並不會保留英文，也不會做進一步說明。

2. 非常見術語的編譯標準

機器之心在編譯技術文章或論文時，常常會遇到非常見的術語。因為像論文那樣的文章是在特定領域下為解決特定問題而規範化書寫的，所以就會存在較多的非常見的術語。而機器之心在編譯非常見術語時，唯一的標準就是準確性，通常我們也會保留英文。因為非常見術語通常是數學、神經科學和物理學等領域上的專業術語，機器之心會盡可能地借鑑其他領域內的譯法和意義而確定如何編譯。例如 fixed-point theorem，在參考數學的情況下，我們會更傾向於譯為不動點定理，fixed-point 譯為不動點而不是定點。

3. 歧義術語的編譯標準

還有很多術語其實是有歧義的，而對於這一類詞，機器之心的編譯標準會根據語義進行確定，因此也會有一些誤差。例如 bias 在描述神經網路層級單元時可以譯為偏置項。而在描述訓練誤差和與叉驗證誤差間的關係或學習曲線時，bias 可以譯為偏差。這樣的例子還有很多，比如 Stationary 在馬爾可夫模型中可譯為穩態分佈（Stationary distribution），在最最佳化問題中可譯為駐點（Stationary point），而在涉及博弈論或對抗性訓練時，其又可能表達為靜態。

以上是機器之心大概編譯術語的標準，雖然我們在常用術語的編譯上錯誤率相對較少，但在非常見術語和歧義術語上仍然會出現一些錯誤。尤其是在非常見術語的編譯上，沒有特定的背景知識很容易在編譯上出現誤差。因此我們希望能與讀者共同加強術語的編譯質量。

詞彙更新

本詞彙庫目前擁有的專業詞彙共計 500 個，主要為機器學習基礎概念和術語，同時也是該專案的基本詞彙。機器之心將繼續完善術語的收錄和擴充套件閱讀的構建。詞彙更新主要分為兩個階段，第一階段機器之心將繼續完善基礎詞彙的構建，即透過權威教科書或其它有公信力的資料抽取常見術語。第二階段機器之心將持續性地把編譯論文或其他資料所出現的非常見術語更新到詞彙表中。

讀者的反饋意見和更新建議將貫穿整個階段，並且我們將在專案致謝頁中展示對該專案起積極作用的讀者。因為我們希望術語的更新更具準確度和置信度，所以我們希望讀者能附上該術語的來源地址與擴充套件地址。因此，我們能更客觀地更新詞彙，並附上可信的來源與擴充套件。

Letter A：

Letter B：

Letter C：

Letter D：

Letter E：

Letter F：

Letter G：

Letter H：

Letter I：

Letter K：

Letter L：

Letter M：

Letter N：

Letter O：

Letter P：

Letter Q：

Letter R：

Letter S：

Letter T：

Letter U：

Letter V：

Letter W：

Letter Z：