AI 專有名詞介紹 A-Z: 未來圖書館

AI Transformation

AI 專有名詞介紹 A-Z: 未來圖書館

最完整的人工智能術語列表字典: 人工智能已經無處不在。隨著 AI 在工作場所越來越普遍，跟上最新的詞彙和使用類型比以往任何時候都更加重要。人工智能領域的領導者很清楚 AI 在商業上帶來革命性的變化。那麼，你對它了解多少呢？您將在下面找到自動化工具和短語的簡明定義。

在將 AI 作為您的下一個項目計劃的解決方案之前，請快速瀏覽這些人工智能術語。正如史蒂芬霍金明確預測的那樣，“人工智能是人類向機器人未來邁出的巨大一步。它可以設計改進自身並在我們知道之前征服人類。但在我們屈服於機器人的意誌之前，我們需要知道它們是如何思考。"

想了解更多關於 AI 的資訊可前往 – FuturWiser 未來圖書館

人工智能術語 A 到 Z

英文術語	中文術語	定義
Artificial Intelligence (AI)	人工智能	模仿人類智能的電腦系統，可以進行學習、推理、感知和理解語言等任務。
Machine Learning (ML)	機器學習	一種AI子領域，使電腦可以從資料中學習並改進其性能，而無需明確編程。
Deep Learning (DL)	深度學習	一種機器學習方法，利用多層神經網絡對資料進行表徵學習。
Neural Network (NN)	神經網絡	一種模擬人類大腦運作的計算模型，用於識別模式或處理大量複雜資料。
Convolutional Neural Network (CNN)	卷積神經網絡	一種深度學習模型，專門用於圖像識別和處理視覺資料。
Recurrent Neural Network (RNN)	遞歸神經網絡	一種神經網絡，可以處理序列資料，如時間序列或自然語言。
Generative Adversarial Network (GAN)	生成對抗網絡	一種機器學習方法，利用兩個神經網絡相互競爭生成新的資料。
Reinforcement Learning (RL)	強化學習	一種機器學習方法，使智能體在與環境互動的過程中學習決策策略。
Natural Language Processing (NLP)	自然語言處理	使電腦可以讀取、理解和生成自然語言（如英語）的AI技術。
Chatbot	聊天機器人	一種AI應用，可以與人類用戶進行自然語言對話。
Computer Vision (CV)	計算機視覺	使電腦能夠理解和分析視覺資料（如圖像和視頻）的AI技術。
Automatic Speech Recognition (ASR)	語音識別	將人類語音轉換為電腦可理解的文本的技術。
Text-to-Speech (TTS)	語音合成	將電腦生成的文本轉換為人類可理解的語音的技術。
Bayesian Network (BN)	貝葉斯網絡	一種用於表示機率關係的圖模型，利用貝葉斯定理進行推理。
Decision Tree (DT)	決策樹	一種機器學習模型，表示決策規則和可能結果的樹狀結構。
Random Forest (RF)	隨機森林	由多個決策樹組成的機器學習模型，用於進行分類和迴歸。
Support Vector Machine (SVM)	支持向量機	一種機器學習方法，用於分類和迴歸，通過尋找最佳決策邊界。
Clustering	聚類	一種無監督學習方法，用於將資料點劃分為相似的群組。
Classification	分類	一種監督學習任務，將資料點劃分到預先定義的類別。
Regression	迴歸	一種監督學習任務，用於預測連續值變量的輸出。
Training Dataset	訓練資料集	用於訓練機器學習模型的資料集。
Test Dataset	測試資料集	用於評估機器學習模型性能的資料集。
Validation Dataset	驗證資料集	用於調整機器學習模型參數的資料集。
Overfitting	過擬合	當機器學習模型在訓練資料上過度擬合，導致在新資料上性能較差。
Underfitting	欠擬合	當機器學習模型未能完全捕捉資料中的潛在結構，導致在新資料上性能較差。
Gradient Descent	梯度下降法	一種用於最小化目標函數的優化方法，通過沿梯度方向更新參數。
Backpropagation	反向傳播	一種用於訓練神經網絡的算法，通過計算梯度並將誤差從輸出層反向傳播至輸入層。
Loss Function	損失函數	一個衡量機器學習模型預測結果與實際結果之間差距的函數。
Regularization	正則化	一種用於避免過擬合的技術，通過在損失函數中加入額外懲罰項。
Hyperparameter	超參數	控制機器學習模型訓練過程的參數，需要在訓練之前設定。
Feature Engineering	特徵工程	從原始資料中提取有用特徵，以提高機器學習模型的性能。
Feature Selection	特徵選擇	選擇對模型性能有最大影響的特徵子集，以減少維度和計算量。
Data Augmentation	資料擴充	通過對原始資料進行變換以增加資料量，提高機器學習模型的泛化能力。
Transfer Learning	轉移學習	利用在一個任務上訓練的模型作為另一個相關任務的初始模型，以提高學習效率。
Federated Learning	聯邦學習	一種分散式機器學習方法，多個設備在本地訓練模型，並將模型更新共享給中央服務器。
Model Interpretability	模型解釋性	描述機器學習模型的決策過程和原因的能力。
Machine Ethics	機器倫理學	研究AI和機器如何做出道德和倫理決策的學科。
AI Bias	人工智能偏見	當AI系統的決策過程受到不公平或歧視性影響時，可能導致不公正的結果。
Explainable AI (XAI)	機器學習可解釋性	一種讓人類更容易理解機器學習模型決策過程的技術。
Knowledge Graph	知識圖譜	一種表示實體間關係的圖結構，用於語義檢索和推理。
Open-domain Question Answering (QA)	開放域問答	一種AI技術，從大量未結構化資料中回答任意主題的問題。
AI Safety	人工智能安全	確保AI系統在設計和運行過程中不會對人類和環境造成不良影響的領域。
Semi-supervised Learning	半監督學習	一種機器學習方法，使用少量標記資料和大量未標記資料進行訓練。
Multi-task Learning	多工學習	一種機器學習方法，讓模型同時學習多個相關任務，以提高性能。
Sequence Generation	序列生成	一種機器學習任務，生成一個有序的輸出序列，如文本或音樂。
Generative Model	生成模型	一種機器學習模型，可以生成與訓練資料類似的新資料。
Supervised Learning	監督學習	一種機器學習方法，使用帶有標籤的訓練資料進行學習。
Unsupervised Learning	無監督學習	一種機器學習方法，使用未標記的訓練資料進行學習。

了解更多關於 AI 專有名詞