作者：Sarah Davis
譯者：牟云飛
人工智能不再是定義模糊的流行詞匯，已經(jīng)成為了更為精確的指代，在這樣的背景下，理解人工智能領域的術語越來越成為一種挑戰(zhàn)。本文就為大家總結一些人工智能領域最重要的術語。
A
算法（Algorithms）：一組用于人工智能、神經(jīng)網(wǎng)絡或其他機器的規(guī)則或指令，以幫助它自己學習；分類、聚類、推薦和回歸是四種最常見的類型。
人工智能（Artificial intelligence）：機器模擬人類智力和行為做出決策、執(zhí)行任務的能力。
人工神經(jīng)網(wǎng)絡（ANN）：這種學習模型，模擬人腦運作，從而解決傳統(tǒng)計算機系統(tǒng)難以解決的任務。
自主計算（Autonomic computing）：系統(tǒng)自適應自我管理自身資源用于高級計算功能的能力，而無需用戶輸入。
C
聊天機器人（Chatbots）：聊天機器人（簡稱chatbot）通過文本對話、語音命令來模擬與人類用戶進行對話。它們是有AI功能的計算機程序的常用界面。
分類（Classification）：分類算法讓機器根據(jù)訓練數(shù)據(jù)給數(shù)據(jù)點進行分類。
聚類分析（Cluster analysis）：一種用于探索性數(shù)據(jù)分析的無監(jiān)督學習，查找數(shù)據(jù)中的隱藏模式或分組；群集的建立是通過歐氏距離（Euclidean）或概率距離等定義的相似性度量。
聚類（Clustering）：聚類算法讓機器將數(shù)據(jù)點或項目分成具有相似特征的組。
認知計算（Cognitive computing）：一種模仿人類大腦思維方式的計算模型。通過使用數(shù)據(jù)挖掘、自然語言處理和模式識別來進行自學習（self-learning）。
卷積神經(jīng)網(wǎng)絡（CNN）：一種識別和處理圖像的神經(jīng)網(wǎng)絡。
D
數(shù)據(jù)挖掘（Data mining）：通過查看數(shù)據(jù)集以發(fā)現(xiàn)和挖掘其中模式，從而進一步使用數(shù)據(jù)。
數(shù)據(jù)科學（Data science）：結合統(tǒng)計、信息科學、計算機科學的科學方法、科學系統(tǒng)和科學過程的交叉學科，通過結構化或非結構化數(shù)據(jù)提供對現(xiàn)象的洞察。
決策樹（Decision tree）：一個基于分支的樹模型，繪制決策及其可能后果的模型圖，與流程圖類似。
深度學習（Deep learning）：機器通過由層疊信息層組成的人工神經(jīng)網(wǎng)絡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
游戲AI（Game AI）：使用算法替代隨機性的一種適用于游戲的AI特定形式。這種計算行為用于非玩家角色（NPC），對于玩家的操作生成類似人類的智力和基于反應的行為。
K
知識工程（Knowledge engineering）：側重于建立以知識為基礎的系統(tǒng)，包括科學、技術和社會在內的所有方面。
M
機器智能（Machine intelligence）：涵蓋機器學習、深度學習和古典學習算法在內的總括術語。
機器學習（Machine learning）：人工智能的一個方面，專注于算法，允許機器在不經(jīng)過編程的情況下學習，并隨著新數(shù)據(jù)的攝入而改變。
機器感知（Machine perception）：系統(tǒng)接收和解釋來自外部世界數(shù)據(jù)的能力，類似于人類使用感官。這通常需要借助外接硬件完成，盡管軟件也同樣需要。
N
自然語言處理（Natural?language?processing）：程序識別理解人類溝通的能力。
R
循環(huán)神經(jīng)網(wǎng)絡（RNN）：一種理解順序信息、識別模式、并根據(jù)這些計算產(chǎn)生輸出的神經(jīng)網(wǎng)絡。
S
監(jiān)督學習（Supervised learning）：機器學習的一種，其輸出數(shù)據(jù)集訓練機器產(chǎn)生所需的算法，如老師監(jiān)督學生；比無監(jiān)督學習更常見。
群體行為（Swarm behavior）：從數(shù)學建模者的角度來看，這是從個體遵循的簡單規(guī)則衍生出的新生行為，不涉及任何集中協(xié)調。
U
無監(jiān)督學習（Unsupervised learning）：一種機器學習算法，通過不帶標簽響應的輸入數(shù)據(jù)組成的數(shù)據(jù)集進行推理。最常見的無監(jiān)督學習方法是聚類分析。
聯(lián)系客服
