25 个你需要知道的人工智能术语

人工智能方面需要了解的一些重要定义。

人工智能不再是定义模糊的流行词汇,已经成为了更为精确的指代,在这样的背景下,理解人工智能领域的术语越来越成为一种挑战。本文就为大家总结一些人工智能领域最重要的术语。

A

算法(Algorithms):一组用于人工智能、神经网络或其他机器的规则或指令,以帮助它自己学习;分类、聚类、推荐和回归是四种最常见的类型。

人工智能(Artificial intelligence):机器模拟人类智力和行为做出决策、执行任务的能力。

人工神经网络(ANN):这种学习模型,模拟人脑运作,从而解决传统计算机系统难以解决的任务。

自主计算(Autonomic computing):系统自适应自我管理自身资源用于高级计算功能的能力,而无需用户输入。

C

聊天机器人(Chatbots):聊天机器人(简称chatbot)通过文本对话、语音命令来模拟与人类用户进行对话。它们是有AI功能的计算机程序的常用界面。

分类(Classification):分类算法让机器根据训练数据给数据点进行分类。

聚类分析(Cluster analysis):一种用于探索性数据分析的无监督学习,查找数据中的隐藏模式或分组;群集的建立是通过欧氏距离(Euclidean)或概率距离等定义的相似性度量。

聚类(Clustering):聚类算法让机器将数据点或项目分成具有相似特征的组。

认知计算(Cognitive computing):一种模仿人类大脑思维方式的计算模型。通过使用数据挖掘、自然语言处理和模式识别来进行自学习(self-learning)。

卷积神经网络(CNN):一种识别和处理图像的神经网络。

D

数据挖掘(Data mining):通过查看数据集以发现和挖掘其中模式,从而进一步使用数据。

数据科学(Data science):结合统计、信息科学、计算机科学的科学方法、科学系统和科学过程的交叉学科,通过结构化或非结构化数据提供对现象的洞察。

决策树(Decision tree):一个基于分支的树模型,绘制决策及其可能后果的模型图,与流程图类似。

深度学习(Deep learning):机器通过由层叠信息层组成的人工神经网络自主模仿人类思维模式的能力。

F

Fluent:一种可随时间变化的条件。

G

游戏AI(Game AI):使用算法替代随机性的一种适用于游戏的AI特定形式。这种计算行为用于非玩家角色(NPC),对于玩家的操作生成类似人类的智力和基于反应的行为。

K

知识工程(Knowledge engineering):侧重于建立以知识为基础的系统,包括科学、技术和社会在内的所有方面。

M

机器智能(Machine intelligence):涵盖机器学习、深度学习和古典学习算法在内的总括术语。

机器学习(Machine learning):人工智能的一个方面,专注于算法,允许机器在不经过编程的情况下学习,并随着新数据的摄入而改变。

机器感知(Machine perception):系统接收和解释来自外部世界数据的能力,类似于人类使用感官。这通常需要借助外接硬件完成,尽管软件也同样需要。

N

自然语言处理(Natural language processing):程序识别理解人类沟通的能力。

R

循环神经网络(RNN):一种理解顺序信息、识别模式、并根据这些计算产生输出的神经网络。

S

监督学习(Supervised learning):机器学习的一种,其输出数据集训练机器产生所需的算法,如老师监督学生;比无监督学习更常见。

群体行为(Swarm behavior):从数学建模者的角度来看,这是从个体遵循的简单规则衍生出的新生行为,不涉及任何集中协调。

U

无监督学习(Unsupervised learning):一种机器学习算法,通过不带标签响应的输入数据组成的数据集进行推理。最常见的无监督学习方法是聚类分析。

原文:25 Artificial Intelligence Terms You Need to Know
作者:Sarah Davis
译者:牟云飞


由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将于 7 月 22-23 日在杭州召开。作为中国国内高规格、规模空前的人工智能大会,本次大会由中国科学院院士、中国人工智能学会副理事长谭铁牛,阿里巴巴技术委员会主席王坚,香港科技大学计算机系主任、AAAI Fellow 杨强,蚂蚁金服副总裁、首席数据科学家漆远,南京大学教授、AAAI Fellow 周志华共同甄选出在人工智能领域本年度海内外最值得关注的学术与研发进展,汇聚了超过 40 位顶级人工智能专家,带来 9 场权威主题报告,以及“语言智能与应用论坛”、“智能金融论坛”、“人工智能科学与艺术论坛”、“人工智能青年论坛”4 大专题论坛,届时将有超过 2000 位人工智能专业人士参与。

  • 1
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
七个人工智能常见术语全文共4页,当前为第1页。七个人工智能常见术语全文共4页,当前为第1页。七个人工智能常见术语 七个人工智能常见术语全文共4页,当前为第1页。 七个人工智能常见术语全文共4页,当前为第1页。 A Algorithms 算法:给AI、神经网络或其他机器提供的一套规则或指令,以帮助它自己学习; 分类,聚类,推荐和回归是四种最流行的类型。 Artificial intelligence 人工智能:机器能够做出决策并执行模拟人类智能和行为的任务。 Artificial neural network 人工神经网络(ANN):一种学习模型,可以像人脑一样工作,解决传统计算机系统难以解决的任务。 Autonomic computing 自主计算:系统的自适应自我管理能力,用于高级计算功能,无需用户输入。 C Chatbots 聊天机器人:聊天机器人(简称聊天机器人),旨在通过文本聊天,语音命令或两者进行通信来模拟与人类用户的对话。它们是包含AI功能的计算机程序的常用接口。 Classification 分类:分类算法让机器根据训练数据为数据点分配类别。 Cluster analysis 聚类分析:一种用于探索性数据分析的无监督学习,用于查找数据中的隐藏模式或分组;群集使用由欧几里得或概率距离等度量定义的相似性度量建模。 Clustering 聚类:聚类算法允许机器将数据点或项目分组到具有相似特征的组中。 Cognitive computing 认知计算:一种模仿人类大脑思维 式的计算机模型。它涉及通过使用数据挖掘,自然语言处理和模式识别进行自学习。 七个人工智能常见术语全文共4页,当前为第2页。七个人工智能常见术语全文共4页,当前为第2页。Convolutional neural network 卷积神经网络(CNN):一种识别和理解图像的神经网络。 七个人工智能常见术语全文共4页,当前为第2页。 七个人工智能常见术语全文共4页,当前为第2页。 D Data mining 数据挖掘:检查数据集以发现和挖掘可以进一步使用的数据模式。 Data science 数据科学:一个跨学科领域,结合了统计学,信息科学和计算机科学的科学方法,系统和过程,通过结构化或非结构化数据提供对现象的洞察。 Decision tree 决策树:基于树和分支的模型,用于映射决策及其可能的后果,类似于流程图。 Deep learning 深度学习:机器通过由级联信息层组成的人工神经网络自主模仿人类思维模式的能力。 F Fluent 流畅:一种可以随时间变化的状况。 G Game AI :一种特定于游戏的AI形式,它使用算法来代替随机性。 它是非玩家角色中使用的计算行为,用于生成玩家所采取的类似人类智能和基于反应的动作。 Genetic algorithm 遗传算法:一种基于遗传学和自然选择原理的进化算法,用于寻找困难问题的最优或近似最优解,否则需要数十年才能解决。 H Heuristic search techniques 启发式搜索技术:支持通过消除不正确的选七个人工智能常见术语全文共4页,当前为第3页。七个人工智能常见术语全文共4页,当前为第3页。项来缩小搜索问题的最佳解决方案的范围。 七个人工智能常见术语全文共4页,当前为第3页。 七个人工智能常见术语全文共4页,当前为第3页。 K Knowledge engineering 知识工程:专注于构建基于知识的系统,包括其所有科学,技术和社会方面。 L Logic programming 逻辑编程:一种编程范式,其中基于事实和规则的知识库进行计算; LISP和Prolog是用于AI编程的两种逻辑编程语言。 M Machine intelligence 机器智能:一个涵盖机器学习,深度学习和经典学习算法的总称。 Machine learning 机器学习:人工智能的一个方面,专注于算法,允许机器学习而不需要编程,并在暴露于新数据时进行更改。 Machine perception 机器感知:系统接收和解释来自外部世界的数据的能力,类似于人类如何使用我们的感官。 这通常使用附加的硬件来完成,尽管软件也是可用的。 N Natural language processing 自然语言处理:程序能够识别人类交流的能力。 R Recurrent neural network 递归神经网络(RNN):一种神经网络,它能够理解顺序信息并识别模式,并根据这些计算创建输出。 S 七个人工智能常见术语全文共4页,当前为第4页。七个人工智能常见术语全文共4页,当前为第4页。Supervised learning 监督学习:一种机器学习,其中输出数据集训练机器生成所需的算法,如监督学生的教师; 比无监督学习更常见。 七个人工智能
一个字形容大数据:“海”。 关于大数据,以下是75个专业术语: 1. 数据仓库(Data Warehouse) 2. 数据集成(Data Integration) 3. 数据挖掘(Data Mining) 4. 数据采集(Data Collection) 5. 数据分析(Data Analysis) 6. 数据可视化(Data Visualization) 7. 数据模型(Data Model) 8. 数据管理(Data Management) 9. 数据清洗(Data Cleaning) 10. 数据预处理(Data Preprocessing) 11. 数据标准化(Data Standardization) 12. 数据转换(Data Transformation) 13. 数据存储(Data Storage) 14. 数据备份(Data Backup) 15. 数据恢复(Data Recovery) 16. 数据安全(Data Security) 17. 数据质量(Data Quality) 18. 数据质量管理(Data Quality Management) 19. 数据挖掘算法(Data Mining Algorithm) 20. 数据挖掘模型(Data Mining Model) 21. 数据挖掘工具(Data Mining Tool) 22. 数据挖掘技术(Data Mining Technique) 23. 数据挖掘应用(Data Mining Application) 24. 数据挖掘过程(Data Mining Process) 25. 数据挖掘任务(Data Mining Task) 26. 数据挖掘目标(Data Mining Objective) 27. 数据挖掘结果(Data Mining Result) 28. 数据科学(Data Science) 29. 数据科学家(Data Scientist) 30. 数据分析师(Data Analyst) 31. 数据工程师(Data Engineer) 32. 数据架构师(Data Architect) 33. 数据可视化工具(Data Visualization Tool) 34. 数据可视化技术(Data Visualization Technique) 35. 数据可视化图表(Data Visualization Chart) 36. 数据可视化应用(Data Visualization Application) 37. 数据可视化过程(Data Visualization Process) 38. 数据可视化效果(Data Visualization Effect) 39. 数据可视化设计(Data Visualization Design) 40. 数据可视化模型(Data Visualization Model) 41. 数据可视化分析(Data Visualization Analysis) 42. 数据可视化工具包(Data Visualization Toolkit) 43. 数据可视化库(Data Visualization Library) 44. 大数据(Big Data) 45. 大数据处理(Big Data Processing) 46. 大数据分析(Big Data Analysis) 47. 大数据架构(Big Data Architecture) 48. 大数据存储(Big Data Storage) 49. 大数据计算(Big Data Computing) 50. 大数据挖掘(Big Data Mining) 51. 大数据可视化(Big Data Visualization) 52. 大数据工具(Big Data Tool) 53. 大数据技术(Big Data Technique) 54. 大数据应用(Big Data Application) 55. 云计算(Cloud Computing) 56. 云计算架构(Cloud Computing Architecture) 57. 云计算平台(Cloud Computing Platform) 58. 云计算服务(Cloud Computing Service) 59. 云计算模型(Cloud Computing Model) 60. 云计算应用(Cloud Computing Application) 61. 机器学习(Machine Learning) 62. 机器学习算法(Machine Learning Algorithm) 63. 机器学习模型(Machine Learning Model) 64. 机器学习技术(Machine Learning Technique) 65. 机器学习应用(Machine Learning Application) 66. 人工智能(Artificial Intelligence) 67. 深度学习(Deep Learning) 68. 深度学习算法(Deep Learning Algorithm) 69. 深度学习模型(Deep Learning Model) 70. 深度学习技术(Deep Learning Technique) 71. 深度学习应用(Deep Learning Application) 72. 自然语言处理(Natural Language Processing) 73. 自然语言处理算法(Natural Language Processing Algorithm) 74. 自然语言处理模型(Natural Language Processing Model) 75. 自然语言处理应用(Natural Language Processing Application)

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值