【人工智能】人工智能知识之：不得不会的100个专业术语

本文链接：https://blog.csdn.net/wuyoudeyuer/article/details/143252520

人工智能必会专业术语

1、引言
2、人工智能专业术语
3、总结

在这里插入图片描述

1、引言

小屌丝：鱼哥，你可算是有时间搭理我了
小鱼：我这不是在对外忙着呢嘛
小屌丝：说的是啥，这1024给你忙乎的，人影都看不到
小鱼：下雨天，看啥人影。
小屌丝：… 我这就是一个夸张句
小鱼：你平时说话不是比喻，就是夸张
小屌丝：…
小鱼：咋了，这又充会员了？
小屌丝：… 这个好说好说，不过，想让你跟我说说人工智能领域的一些术语
小鱼：这个…好说好说
小屌丝：鱼哥，那你就说说呗
小鱼：嗯，会员充的那个店的？
小屌丝：说完，我们就一起去呗
小鱼：妥妥的。
在这里插入图片描述

2、人工智能专业术语

为了便于大家对人工智能领域专业术语的掌握，
我整理了表格，如下：

简称	全称	含义
Adversarial Machine Learning	对抗性机器学习	一种机器学习方法，通过创建对抗性示例来测试和改进模型的鲁棒性。
AI Analytics	AI分析	利用人工智能技术来分析数据并提取有价值的洞察力。
AI Assistant	AI助手	人工智能助手，如虚拟助手，可以执行任务、回答问题和提供信息。
AI Bias	AI偏见	人工智能系统中存在的偏见，通常是由于训练数据的不平衡或算法设计不当。
AI-Enhanced Cybersecurity	人工智能增强的网络安全	使用人工智能技术来增强网络安全，例如通过检测异常行为和自动化响应。
AI Safety	人工智能安全	确保人工智能系统在设计和运行时的安全性和可靠性。
Algorithm	算法	一系列定义明确的计算步骤，用于解决特定问题或执行特定任务。
Anthropomorphize	拟人化	将人类特征归因于非人类实体，如将情感或意图归因于AI系统。
Artificial General Intelligence (AGI)	人工通用智能	一种具有广泛智能的人工智能，能够执行任何智能人类能够执行的智力任务。
Artificial Intelligence (AI)	人工智能	由机器展示的智能，通常通过学习、推理和自我修正来实现。
Artificial Neural Network	人工神经网络	一种受人脑启发的计算模型，用于处理复杂的数据模式。
Artificial Superintelligence (ASI)	人工超级智能	超越人类智能的人工智能，理论上能够超越人类在所有领域的智力。
Association Rule Learning	关联规则学习	一种数据挖掘技术，用于发现大型数据集中变量之间的有趣关系。
Automated Machine Learning (AutoML)	自动化机器学习	自动化机器学习流程，包括模型选择、超参数调整和模型验证。
Augmented Intelligence	增强智能	结合人类智能和人工智能，以提高决策和问题解决能力。
Auto-complete	自动完成	一种功能，系统预测并完成用户输入的文本。
Auto Classification	自动分类	自动将数据分类到预定义的类别中。
Automatic Speech Recognition	自动语音识别	将口语转换为文本的技术。
Automated Content Creation	自动内容创造	使用算法自动生成内容，如文章、报告或社交媒体帖子。
Behavioral Analytics	行为分析	分析用户行为数据以了解用户趋势和模式。
Bayesian Network	贝叶斯网络	一种概率图模型，用于表示变量之间的条件依赖关系。
Black Box AI	黑盒AI	指那些对其内部工作机制不透明的AI系统，用户无法了解其决策过程。
Brute Force Search	暴力搜索	一种通过尝试所有可能的解决方案来寻找问题答案的方法。
Chatbot	聊天机器人	一种通过文本或语音进行交互的软件，模拟与人类用户的对话。
Cluster	聚类	在数据挖掘中，将相似数据对象分组的过程。
Cognitive Computing	认知计算	模拟人类认知过程的计算系统，以增强或扩展人类智力。
Cognitive Science	认知科学	研究认知过程的科学，包括感知、思考、记忆和语言等。
Composite AI	综合AI	结合多种AI技术，如机器学习、自然语言处理和机器人技术，以解决复杂问题。
Computer Vision	计算机视觉	使计算机能够从图像或多维数据中解释和理解视觉世界的技术。
Conversational AI	对话AI	专注于创建能够进行自然对话的AI系统。
Corpus	语料库	在自然语言处理中，用于训练和测试模型的大型文本数据集。
Customer Sentiment Analysis	客户情绪分析	分析客户反馈中的情感倾向，以了解客户对产品或服务的看法。
Data Mining	数据挖掘	从大量数据中提取有用信息和模式的过程。
Dataset	数据集	一组数据，通常用于分析、研究或机器学习。
Deep Learning	深度学习	一种机器学习方法，使用多层神经网络来模拟人类学习。
Deep Neural Network	深度神经网络	一种包含多个隐藏层的神经网络，能够学习复杂的数据模式。
Edge Computing in AI	人工智能边缘计算	在网络边缘进行数据处理和分析，以减少延迟并提高效率。
Emotional AI	情感AI	能够识别、解释和模拟人类情感的AI系统。
Entity Annotation	实体注释	在文本中标记和分类实体（如人名、地点、组织）的过程。
Entity Extraction	实体抽取	从文本中自动识别实体的过程。
Ensemble Learning	集成学习	结合多个机器学习模型的预测，以提高整体性能。
Exascale Computing	百亿亿次计算	指每秒执行数十亿亿次计算的高性能计算系统。
Explainable AI	可解释AI	能够提供其决策过程和结果解释的AI系统。
Facial Recognition	面部识别	使用面部特征来识别或验证个人身份的技术。
Feature Engineering	特征工程	在数据挖掘中，选择、构建和优化输入变量（特征）的过程，以提高模型的性能。
Feature Extraction	特征提取	从原始数据中提取关键信息以减少数据维度的过程。
Forward Chaining	前向链结	一种推理方法，从已知事实出发，逐步推导出新的结论。
Generative AI	生成式AI	能够生成新内容（如文本、图像）的AI系统，通常基于深度学习模型。
Generative Adversarial Network (GAN)	生成对抗网络	由生成器和判别器组成的模型，用于生成新的、逼真的数据样本。
GPT	生成预训练变换器	一种用于自然语言处理任务的深度学习模型。
Hallucination	幻觉	在AI中，指模型生成与现实不符或不准确的输出。
Heuristic Methods	启发式方法	使用经验规则或启发式来解决问题的方法，通常在没有明确算法的情况下使用。
Human-in-the-loop AI	人机协同AI	结合人类判断和AI处理能力，以提高决策质量的系统。
Hyperparameter	超参数	学习算法中不通过学习得到，而是由用户设置的参数。
Image Recognition	图像识别	使用计算机视觉技术识别和理解图像内容的过程。
Knowledge Base	知识库	存储知识（如事实、规则、概念）的数据库，用于支持决策或推理。
Knowledge Graphs	知识图谱	结构化的语义知识库，用于表示实体之间的关系。
Large Language Model (LLM)	大型语言模型	一种大规模的自然语言处理模型，能够理解和生成文本。
Linguistic Annotation	语言学注释	对文本数据进行标记和分类，以便于机器理解和处理。
Machine Learning	机器学习	一种AI技术，使计算机能够从数据中学习和改进。
Model	模型	机器学习中，用于从数据中学习并做出预测或决策的算法或数学模型。
Narrow AI	狭义AI	专注于特定任务的AI，与通用人工智能（AGI）相对。
Natural Language Generation (NLG)	自然语言生成	使用AI技术生成自然语言文本的过程。
Natural Language Query (NLQ)	自然语言查询	使用自然语言进行查询的技术。
Natural Language Processing (NLP)	自然语言处理	使计算机能够理解、解释和生成人类语言的技术。
Neural Networks	神经网络	模仿人脑神经元网络的计算模型，用于处理复杂的数据模式。
Neuromorphic Computing	神经形态计算	模仿人脑结构和功能来构建计算机硬件的技术。
Object Detection	对象检测	在图像或视频中识别和定位对象的技术。
Object Recognition	对象识别	识别图像或视频中的对象，理解其属性和上下文。
Overfitting	过拟合	模型在训练数据上表现良好，但在未见过的数据上表现不佳的现象。
Pattern Recognition	模式识别	识别数据中的模式、趋势或异常的过程，通常用于分类和预测。
Predictive Analytics	预测分析	使用统计算法和数据挖掘技术来预测未来趋势和行为的分析方法。
Prompt	提示	在自然语言处理中，用于引导模型生成特定类型输出的输入文本。
Prompt Engineering	提示工程	设计有效的提示（prompts）以优化模型响应的实践。
Reinforcement Learning	强化学习	一种机器学习方法，通过奖励和惩罚来训练模型以做出最佳决策。
Reinforcement Learning from Human Feedback (RLHF)	基于人类反馈的强化学习	结合人类反馈来指导和改进强化学习模型的技术。
Responsible AI	负责任的AI	开发和使用AI时考虑伦理、公平、透明度和可解释性的原则。
Robotic Process Automation (RPA)	机器人流程自动化	使用软件机器人自动执行重复性的业务流程任务。
Rule-Based Systems	基于规则的系统	基于预定义规则的系统，用于自动执行决策或任务。
Search Query	搜索查询	用户在搜索引擎中输入的用于检索信息的请求。
Selective Filtering	选择性过滤	选择性地过滤信息，以展示最相关或最有价值的内容。
Self-aware AI	自我意识AI	理论上具有自我意识的AI，能够理解自己的存在和目的（当前尚未实现）。
Semantic Analysis	语义分析	分析文本的意义和语境，以理解其深层含义。
Sentiment Analysis	情感分析	也称为意见挖掘，分析文本数据以确定公众对某个主题或产品的情感倾向。
Singularity	奇点	指人工智能在智力上超越人类，引发未知变化的假设性未来点。
Speech Recognition	语音识别	将口语转换为文本的技术，使计算机能够理解和响应语音命令。
Supervised Learning	监督学习	一种机器学习方法，使用标记的训练数据来学习预测模型。
Swarm Intelligence	群体智能	基于群体行为的算法，模拟如蚂蚁、蜜蜂等生物的集体决策过程。
Synthetic Data	合成数据	使用算法生成的模拟数据，用于训练和测试模型，尤其是在敏感数据需要隐私保护时。
Theory of Mind AI	心理理论AI	理论上能够理解和预测他人心理状态的AI，如意图、信念和欲望。
Training Data	训练数据	用于训练机器学习模型的数据集。
Transfer Learning	迁移学习	将在一个任务上训练的模型应用到另一个相关任务上的方法。
Transformer	变换器	一种深度学习模型架构，广泛应用于自然语言处理任务，以其自注意力机制为特点。
Unsupervised Learning	无监督学习	一种机器学习方法，使用未标记的数据来发现数据中的模式或结构。
Validation	验证	在机器学习中，使用一部分数据来评估模型的性能，以优化和调整模型。
Visual Recognition	视觉识别	识别和理解视觉信息的过程，如图像和视频中的对象、场景和活动。
Voice Search Optimization (VSO)	语音搜索优化	优化网站和内容以提高在语音搜索中的可见性和排名。
Web Scraping	网络抓取	从网页中自动提取大量数据的过程。
Zero-shot	零次射击	指模型在没有看到特定类别的样本的情况下，能够识别或预测该类别的能力。