人工智能不再是定義模糊的流行詞匯，已經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。本文就為大家總結一些人工智能領域重要的術語。
算法（Algorithms）：一組用于人工智能、神經網絡或其他機器的規則或指令，以幫助它自己學習；分類、聚類、推薦和回歸是四種常見的類型。
人工智能（Artificial intelligence）：機器模擬人類智力和行為做出決策、執行任務的能力。
人工神經網絡（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于高級計算功能的能力，而無需用戶輸入。
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訓練數據給數據點進行分類。
聚類分析（Cluster analysis）：一種用于探索性數據分析的無監督學習，查找數據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據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。通過使用數據挖掘、自然語言處理和模式識別來進行自學習（self-learning）。
卷積神經網絡（CNN）：一種識別和處理圖像的神經網絡。
數據挖掘（Data mining）：通過查看數據集以發現和挖掘其中模式，從而進一步使用數據。
數據科學（Data science）：結合統計、信息科學、計算機科學的科學方法、科學系統和科學過程的交叉學科，通過結構化或非結構化數據提供對現象的洞察。
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網絡自主模仿人類思維模式的能力。
Fluent：一種可隨時間變化的條件。
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。
知識工程（Knowledge engineering）：側重于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。
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，允許機器在不經過編程的情況下學習，并隨著新數據的攝入而改變。
機器感知（Machine perception）：系統接收和解釋來自外部世界數據的能力，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。
自然語言處理（Natural?language?processing）：程序識別理解人類溝通的能力。
循環神經網絡（RNN）：一種理解順序信息、識別模式、并根據這些計算產生輸出的神經網絡。
監督學習（Supervised learning）：機器學習的一種，其輸出數據集訓練機器產生所需的算法，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。
無監督學習（Unsupervised learning）：一種機器學習算法，通過不帶標簽響應的輸入數據組成的數據集進行推理。常見的無監督學習方法是聚類分析。
本站文章版權歸原作者及原出處所有 。內容為作者個人觀點， 并不代表本站贊同其觀點和對其真實性負責，本站只提供參考并不構成任何投資及應用建議。本站是一個個人學習交流的平臺，網站上部分文章為轉載，并不用于任何商業目的，我們已經盡可能的對作者和來源進行了通告，但是能力有限或疏忽，造成漏登，請及時聯系我們，我們將根據著作權人的要求，立即更正或者刪除有關內容。本站擁有對此聲明的最終解釋權。
