由於人工智能不再是一個模糊的營銷術語，而是一個更為精確的意識形態，因此理解AI術語會越來越成為人們生活中一個必備的知識。今天我們就來為大家普及一下人工智能領域一些常用的術語。
算法
給神經網絡或其他機器提供的一套規則或指令，以幫助他們學習。分類，聚類，推薦和迴歸是目前最流行的四種算法。
人工智能
機器能夠做出決策並執行模擬人類智能和行為的任務。
人工神經網絡
一種學習模型，可以像人腦一樣工作，解決傳統計算機系統難以解決的任務。
自主計算
系統的自適應自我管理能力，用於高級計算功能，無需用戶輸入。
聊天機器人
其被設計通過文本聊天，語音命令，或兩者進行通信，以模擬與人類用戶談話的機器人。它們是包含AI功能的計算機程序的常用接口。
分類
分類算法讓機器根據訓練數據為數據點分配類別。
聚類分析
一種用於探索性數據分析的無監督學習，用於查找數據中的隱藏模式或分組; 群集使用由歐幾里得或概率距離等度量定義的相似性度量建模。
聚類
聚類算法允許機器將數據點或項目分組到具有相似特徵的組中。
認知計算
一種模仿人類大腦思維方式的計算機模型。它涉及通過使用數據挖掘，自然語言處理和模式識別進行自學習。
卷積神經網絡
一種識別和理解圖像的神經網絡。
數據挖掘
檢查數據集以發現和挖掘可以進一步使用的數據模式。
數據科學
一個跨學科領域，結合了統計學，信息科學和計算機科學的科學方法，系統和過程，通過結構化或非結構化數據提供對現象的洞察。
決策樹
基於樹和分支的模型，用於映射決策及其可能的後果，類似於流程圖。
深度學習
機器通過由級聯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。
遊戲AI
一種特定於遊戲的AI形式，它使用算法來代替隨機性。它是非玩家角色中使用的計算行為，用於生成玩家所採取的類似人類智能和基於反應的動作。
遺傳算法
一種基於遺傳學和自然選擇原理的進化算法，用於尋找困難問題的最優或近似最優解，否則需要數十年才能解決。
啟發式搜索技術
支持通過消除不正確的選項來縮小搜索問題的最佳解決方案的範圍。
知識工程
專注於構建基於知識的系統，包括其所有科學，技術和社會方面。
邏輯編程
一種編程範式，其中基於事實和規則的知識庫進行計算; LISP和Prolog是用於AI編程的兩種邏輯編程語言。
機器智能
一個涵蓋機器學習，深度學習和經典學習算法的總稱。
機器學習
人工智能的一個方面，專注於算法，允許機器學習而不需要編程，並在暴露於新數據時進行更改。
機器感知
系統接收和解釋來自外部世界的數據的能力，類似於人類如何使用我們的感官。這通常使用附加的硬件來完成，儘管軟件也是可用的。
自然語言處理
程序能夠識別人類交流的能力。
遞歸神經網絡
一種神經網絡，它能夠理解順序信息並識別模式，並根據這些計算創建輸出。
監督學習
一種機器學習，其中輸出數據集訓練機器生成所需的算法，如監督學生的教師; 比無監督學習更常見。
群體行為
從數學建模者的角度來看，它是一種緊急行為，源於個人遵循的簡單規則，不涉及任何中心協調。
無監督學習
一種機器學習算法，用於從沒有標記響應的輸入數據組成的數據集中得出推論。最常見的無監督學習方法是聚類分析。
看完這些術語，大家是否認為自己還了解AI嗎？如果大家有其他比較常見的術語，也可以發佈到留言供大家學習。
閱讀更多 科普百科全書 的文章
