人工智能词汇表
人工智能中最常用的术语及其解释
人工智能 Artificial Intelligence
人工智能 (AI) 是指在被编程为像人类一样思考和行动的机器中模拟人类智能。这些智能机器可以通过处理大量数据并从中学习来训练以执行各种任务。人工智能系统可分为两大类：狭义或通用。狭义人工智能系统旨在执行特定任务，而通用人工智能系统旨在执行人类可以执行的任何智力任务。人工智能研究的最终目标是创建能够以与人类无异的方式智能地理解、思考和行动的系统。
动作空间Action space
代理在强化学习问题中可以采取的所有可能行动的集合。
人工神经网络 Artificial neural network
一种以人脑的结构和功能为模型的机器学习算法，由可以处理和传输信息的相互连接的“神经元”层组成。
自编码器 Autoencoder
一种用于降维和特征学习的神经网络，由编码器和解码器组成，分别学习压缩和重建数据。
套袋 Bagging
一种机器学习集成技术，其中多个模型在训练数据的不同随机子集上进行训练，并组合起来进行预测，目的是减少方差并提高模型的泛化能力。
大数据 Big data
可以分析和使用大量数据来获得洞察力并做出明智的决策。
升压 Boosting
一种机器学习集成技术，其中将弱学习器组合成强学习器，目的是提高整体预测精度。
聊天GPT ChatGPT
OpenAI 的聊天机器人建立在他们的 GPT3.5 大型语言模型之上，使用公共数据进行训练。
分类 Classification
将数据分类到预定义的类或组中的过程。
聚类 Clustering
根据相似性或共同特征将数据点分组在一起的过程。
认知计算 Cognitive computing
能够执行通常需要类人智能的任务（例如学习和解决问题）的计算机系统的开发。
计算机视觉 Computer vision
计算机解释和理解来自世界的视觉数据（例如图像和视频）的能力。
卷积神经网络 Convolutional neural network
一种专门为图像和视频识别任务设计的神经网络，使用卷积层来学习和识别数据中的模式。
交叉验证 Cross-validation
一种模型评估技术，其中将训练数据分成多个折叠，并在每个折叠上训练和评估模型以获得对其泛化性能的估计。
数据挖掘 Data mining
从大型数据集中提取有用模式和知识的过程。
决策树 Decision tree
一种类似于流程图的树结构，用于根据一系列二进制拆分做出决策。
深梦 Deep dream
谷歌开发的一种图像生成技术，使用卷积神经网络通过放大网络的特征来生成梦幻般的图像。
深度学习 Deep learning
机器学习的一个子领域，涉及训练多层神经网络自行学习和做出决策。
降维 Dimensionality reduction
在保留尽可能多的信息的同时减少数据集中特征或维度数量的过程。
折扣系数 Discount factor
强化学习算法中未来奖励的折扣因子，以平衡短期和长期奖励之间的权衡。
动态规划 Dynamic programming
一种通过将优化问题分解为更小的子问题并将这些子问题的解决方案存储在表或数组中来解决优化问题的方法。
集成学习 Ensemble learning
一种机器学习技术，其中训练并组合多个模型以进行预测，目的是提高模型的整体性能。
插曲 Episode
代理在达到最终状态之前在强化学习问题中经历的状态、动作和奖励的序列。
进化计算 Evolutionary computation
一组使用自然进化原理（例如繁殖、突变和选择）来寻找问题解决方案的算法。
专业系统 Expert system
一种利用人工智能技术模仿人类专家在特定领域的决策能力的计算机程序。
探索-开发权衡 Exploration-exploitation tradeoff
强化学习在探索新动作和利用已知良好动作之间的张力，以平衡代理的学习和奖励最大化目标。
人脸识别 Face recognition
根据面部特征识别和验证个人的过程。
特征工程 Feature engineering
从原始数据中选择和创建信息和相关特征以用于机器学习模型的过程。
特征选择 Feature selection
从较大的特征集中选择最相关特征的子集用于机器学习模型的过程。
微调 Fine-Tuning
一种机器学习技术，涉及在新数据集上调整超参数或预训练模型的参数，以优化其针对特定任务的性能。当预训练模型可用于相关任务，但新任务的可用数据有限或目标任务与原始任务略有不同时，通常会使用微调。
函数逼近 Function approximation
当状态或动作空间太大而无法明确表示时，使用函数来逼近强化学习问题中的价值函数或策略。
模糊逻辑 Fuzzy logic
允许系统输入和输出中的不确定性和不精确性的一种数学逻辑形式。
生成对抗网络 GAN
一种生成模型，由两个相互竞争的神经网络（一个生成器和一个鉴别器）组成，它们分别学习生成和识别合成数据。
生成对抗网络 Generative adversarial network
一种神经网络，由两个相互竞争的网络（一个生成器和一个鉴别器）组成，它们分别学习生成和识别合成数据。
生成模型 Generative model
一种机器学习模型，可以学习数据的基本分布，并可以从中生成新的合成样本。
遗传算法 Genetic algorithms
一种搜索算法，它使用自然进化原理（例如繁殖、变异和选择）来寻找问题的解决方案。
通用技术 GPT
由 OpenAI 开发的一种大型语言模型，它使用转换器架构和自我监督学习来生成类似人类的文本。
启发式 Heuristics
一种解决问题的方法，涉及通过反复试验和从过去的经验中学习来找到解决方案。
超参数调整 Hyperparameter tuning
调整训练前设置的机器学习模型参数以提高其性能的过程。
图像标注 Image annotation
使用相关信息（例如对象类或边界框）标记或注释图像的过程。
图片说明 Image captioning
生成图像的自然语言描述的过程。
图片分类 Image classification
将图像分配给一个或多个预定义类别或类别的过程。
图像着色 Image classification
向灰度图像添加颜色的过程。
图像增强 Image enhancement
改善图像视觉质量的过程，例如增加对比度或去除噪点。
图像生成 Image generation
使用人工智能技术创建新的合成图像的过程。
图像预处理 Image preprocessing
准备图像以供使用的过程
图像修复 Image restoration
修复或恢复退化或损坏图像的过程。
图像检索 Image retrieval
根据视觉内容从大型数据库中搜索和检索图像的过程。
图像分割 Image segmentation
将图像划分为多个区域或片段的过程，每个区域或片段代表不同的对象或背景。
图像到图像的翻译 Image-to-image translation
将图像从一个域转换到另一个域的过程，例如将照片转换为绘画或素描。
推理 Inference
使用逻辑推理从前提推导出结论的过程。
修复 Inpainting
修复或填充图像损坏或缺失部分的过程。
K均值 K-means
一种无监督机器学习算法，用于将数据点聚类到预定义数量的聚类中。
知识表示 Knowledge representation
知识在计算机系统中编码和存储的方式。
语言模型 Language Model
人工智能中的语言模型是一种统计模型，用于预测语言中一系列单词或标记的可能性。语言模型通常用于自然语言处理任务，以生成连贯且适当的文本。
大型语言模型 Large Language Model
人工智能中的大型语言模型是一种统计模型，它在非常大的文本数据集上进行训练，并使用机器学习技术来学习语言的模式和结构。大型语言模型通常用于语言生成、机器翻译和文本分类等任务，能够生成高度连贯和流畅的类人文本。
机器学习 Machine learning
一种使用大量数据训练算法并允许算法自行学习和改进而无需显式编程的方法。
马尔可夫决策过程 Markov decision process
强化学习中使用的数学框架，用于模拟代理在连续、不确定环境中的决策过程。
马尔可夫性质 Markov property
马尔可夫决策过程中的状态属性表示，在给定当前状态的情况下，未来独立于过去。
马尔可夫奖励过程 Markov reward process
只有奖励成分的马尔可夫决策过程，不涉及任何决策。
模型 Model
模型是问题或系统的表示，可用于做出预测、决策或学习数据中的模式。模型是机器学习的基本组成部分，用于执行各种任务，例如分类、回归、聚类或降维。可以使用各种机器学习算法（例如监督学习、无监督学习或强化学习）在数据集上训练模型，以学习数据中的关系和模式，并根据它们做出预测或决策。
模型部署 Model deployment
使机器学习模型可用于生产环境的过程，例如将其部署到 Web 服务器或将其集成到应用程序中。
模型评估 Model evaluation
使用准确度、精确度和召回率等指标衡量机器学习模型在特定任务上的性能的过程。
选型 Model selection
为给定任务在一组候选模型中选择最佳模型的过程。
蒙特卡罗法 Monte Carlo method
一种使用随机抽样来估计价值函数或最优策略的强化学习算法。
多臂土匪 Multi-armed bandit
一个强化学习问题，代理必须在一组动作中进行选择，每个动作都有未知的奖励分布，并通过反复试验了解哪些动作是最有价值的。
朴素贝叶斯分类器 Naive Bayes classifier
基于贝叶斯概率定理的用于分类任务的机器学习算法。
自然语言处理 Natural language processing
计算机理解、解释和生成人类语言的能力。
神经网络 Neural network
一种以人脑的结构和功能为模型的机器学习算法，由可以处理和传输信息的相互连接的“神经元”层组成。
正常化 Normalization
将要素或数据集的值缩放到公共范围（例如 [0, 1] 或 [-1, 1]）的过程。
物体检测 Object detection
识别和定位图像或视频中的对象的过程。
本体论 Ontology
表示特定知识领域内的关系和类别的系统。
最优策略 Optimal policy
在强化学习问题中最大化预期累积奖励的策略。
最优值函数 Optimal value function
与强化学习问题中的最优策略相对应的价值函数。
过拟合 Overfitting
机器学习模型在训练数据上表现良好但在新的、未见过的数据上表现不佳的情况，原因是过于复杂并且适合训练数据中的噪声。
模式识别 Pattern recognition
识别数据中的模式或规律的能力。
规划 Planning
为实现特定目标而确定行动方案的过程。
策略迭代 Policy iteration
一种强化学习算法，涉及在评估当前策略和基于学习的价值函数改进它之间交替。
预处理 Preprocessing
准备用于机器学习模型的数据的过程，包括清理、转换和缩放数据。
Q学习 Q-learning
一种学习动作价值函数（也称为 Q 函数）的强化学习算法，它估计给定状态下每个动作的预期未来回报。
推理 Reasoning
根据证据和逻辑论证得出结论的过程。
递归神经网络Recurrent neural network
回归 Regression
一种机器学习技术，用于根据一组输入特征预测连续数值。
强化学习 Reinforcement learning
一种机器学习类型，在这种机器学习中，代理通过与其环境交互并接受对其行为的奖励或惩罚来通过反复试验进行学习。
从人类反馈中强化学习 Reinforcement Learning From Human Feedback
一种机器学习技术，其中人工智能 (AI) 系统从人类用户或培训师提供的反馈或奖励中学习
奖励功能 Reward function
定义代理人因其在强化学习问题中的行为而收到的奖励或惩罚的函数。
机器人学 Robotics
机器人与自动化的研究与应用。
萨萨 SARSA
一种强化学习算法，它使用预期奖励和下一个动作的价值来学习动作价值函数，而不是像 Q 学习中那样使用最终奖励。
语义网 Semantic web
万维网的扩展，使机器能够理解网络上数据的含义。
稳定扩散 Stable Diffusion
Stable Diffusion 是一种基于深度学习的文本转图像模型，可以根据文本描述生成高度详细的图像。
标准化 Standardization
将要素或数据集的值转换为零均值和单位方差的过程。
状态空间 State space
强化学习问题中所有可能状态的集合。
状态转换 State transition
基于动作和环境的转换概率，代理在强化学习问题中从一种状态移动到另一种状态。
风格转移 Style transfer
将一个图像的风格转移到另一个图像的过程，同时保留第二个图像的内容。
超分辨率 Super-resolution
通过填充缺失的细节来提高图像或视频分辨率的过程。
支持向量机 Support vector machine
用于分类和回归任务的机器学习算法。
时间差异学习 Temporal difference learning
一种强化学习算法，它使用时间差异误差（估计的未来奖励与实际的未来奖励之间的差异）来更新动作价值函数。
文本到图像模型 Text-to-image model
基于自然语言描述生成图像的机器学习系统。
训练 Training
训练是指从数据中学习以提高模型或系统性能的过程。训练是机器学习的基本组成部分，涉及为模型提供数据集并调整其参数或权重以优化其针对特定任务的性能。
弹道 Trajectory
代理在强化学习问题中遵循的状态和动作序列。
迁移学习 Transfer learning
一种机器学习技术，其中针对一项任务训练的模型针对相关任务进行微调或调整。
欠拟合 Underfitting
由于过于简单且无法捕获数据中的潜在模式，机器学习模型在训练和新的、看不见的数据上表现不佳的情况。
值迭代 Value iteration
一种强化学习算法，涉及迭代改进价值函数，直到它收敛到最优价值函数。
变分自动编码器 Variational autoencoder
一种生成模型，由将输入数据映射到潜在表示的编码器网络和将潜在表示映射回原始数据空间的解码器网络组成。
网站简介
AI智式（aiwaytools.com）是国内极具人气的AI导航平台。在信息爆炸的时代，有一个高效的导航网站可以帮助我们迅速准确地找到所需的信息。而随着人工智能技术的不断发展，AI智式的出现，更是为我们提供了更加便捷、个性化的服务。
AI智式一直坚持开放、分享、成长的宗旨，发现和收录全球最优秀得AI产品。
为运营、文案、设计、创作者、短视频等上百个职业提供AI工具和教程，并解决AI技术上的问题。
