25 个你需要知道的人工智能术语 人工智能的术语包括哪些方面

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。

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（Artificialintelligence）：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（Autonomiccomputing）：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。

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（Clusteranalysis）：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（Cognitivecomputing）：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。

数据挖掘（Datamining）：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（Datascience）：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（Decisiontree）：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（Deeplearning）：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。

Fluent：一种可随时间变化的条件。

游戏AI（GameAI）：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。

知识工程（Knowledgeengineering）：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。

机器智能（Machineintelligence）：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（Machinelearning）：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（Machineperception）：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。

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

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。

监督学习（Supervisedlearning）：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（Swarmbehavior）：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。

无监督学习（Unsupervisedlearning）：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：25ArtificialIntelligenceTermsYouNeedtoKnow作者：SarahDavis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（CCAI2017）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、AAAIFellow杨强，蚂蚁金服副总裁、首席数据科学家漆远，南京大学教授、AAAIFellow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。

人工智能28个常见专业术语，别再说你看不懂AI了！

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。

Clusteranalysis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。

Cognitivecomputing认知计算：一种模仿人类大脑思维方式的计算机模型。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。

Convolutionalneuralnetwork卷积神经网络（CNN）：一种识别和理解图像的神经网络。

D

Datamining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。

Datascience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。

Decisiontree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。

Deeplearning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

GameAI：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。

Geneticalgorithm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

Heuristicsearchtechniques启发式搜索技术：支持通过消除不正确的选项来缩小搜索问题的最佳解决方案的范围。

K

Knowledgeengineering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

Logicprogramming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

Machineintelligence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。

Machinelearning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。

Machineperception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

Naturallanguageprocessing自然语言处理：程序能够识别人类交流的能力。

R

Recurrentneuralnetwork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

Supervisedlearning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。

Swarmbehavior群体行为：从数学建模者的角度来看，它是由个人遵循的简单规则产生的紧急行为，不涉及任何中心协调。

U

Unsupervisedlearning无监督学习：一种机器学习算法，用于从没有标记响应的输入数据组成的数据集中得出推论。最常见的无监督学习方法是聚类分析。

补充：TF

TF是指谷歌的TensorFlow深度学习开源框架。Tensorflow是谷歌在2015年11月开源的机器学习框架，来源于Google内部的深度学习框架DistBelief。由于其良好的架构、分布式架构支持以及简单易用，自开源以来得到广泛的关注。

鉴于TensorFlow目前这么流行，想要学习和实践的程序员们也可以了解下谷歌最近的AI开源项目——AIYProjects。AIY全称是ArtificialIntelligenceYourself，顾名思义就是利用AI来进行的DIY功能套件。借助AIY项目，创客可以利用人工智能来实现更像人与人交流的人机交互。谷歌目前为AIYProjects推出了两款硬件产品--AIYVoiceKit和AIYVisionKit。返回搜狐，查看更多

2442 个专业术语！人工智能术语库 AITD 更新至 31 版

2017年，机器之心发布了第一版人工智能术语库「Artificial-Intelligence-Terminology-Database」（以下简称「AITD」），一个旨在构建AI领域专业术语库的开源项目。术语库的前两版主要是将机器之心在编译技术文章和论文过程中所遇到的专业术语记录下来，希望为大家写论文、中文博客、阅读文章提供帮助。此外，读者可以积极指出我们编译的不当之处，以提高我们的专业性。同时，这也是一份开放的表单，希望越来越多的人能够提供增添、修改建议，为人工智能的传播助力，共同推进知识高效、广泛地传播。

近年，人工智能被证明能做科学规律发现，不仅在应用科学领域，也能在基础科学领域发挥作用，如DeepMind使用人工智能来帮助证明或提出新的数学定理，辅助数学家形成对复杂数据的直觉。阿里达摩院发布的2022达摩院十大科技趋势之一也是「AIforScience：人工智能成为科学家的新生产工具，催生科研新范式。」

为此，2022年2月，机器之心联合深势科技更新「AITD」Version3.1，发布第二个「专项领域」AIforScience篇。「AITD」项目组从《MachineLearninginChemistry:TheImpactofArtificialIntelligence》以及一些经典论文中提取常见术语，并联合深势科技的专家们进行了翻译。

项目地址：https://github.com/jiqizhixin/Artificial-Intelligence-Terminology-Database

GitBook地址：https://jiqizhixin.gitbook.io/artificial-intelligence-terminology-database/

划重点：「AITD」Version3.1「专项领域」AIforScience篇完整内容在本文文末收录。

「AITD」Version3.1更新了什么？

1、AITD3.1版术语库发布，包含了2442个术语

「AITD」Version3.1相较于第一版的500词、第二版的755词，在规模上扩大了不少。术语库3.1版包含了2442个专业术语。

2、增加了新的领域专题Section，第二个Section为AIforScience篇，包含了491个术语

在深势科技专家的帮助下，「AITD」项目团队完成了第二个「专项领域」篇——AIforScience篇，并收录在Version3.1的更新中。在后续的版本更新中，机器之心将搜集自权威教科书、论文等具有公信力的资料源中的术语表进行校验汇总，并从中筛选出一些具有争议、没有翻译等情况的术语给到领域专家进行集中讨论以确认翻译、统一翻译。

「AITD」后续有什么计划？

本项目中所有英文专业术语对照的中文都来自机器之心编译的文章和系列机器学习教科书（如周志华教授的《机器学习》、李航博士的《统计学习方法》、邱锡鹏教授的《神经网络与深度学习》、李沐博士的《动手学深度学习》、李宏毅教授的《机器学习方法》和IanGoodfellow的《深度学习》中译版等），我们力求在提供准确翻译的同时保留最常用的形式。同时，为了保证术语翻译的准确性，我们将此项目向读者开源，并希望能与读者共同迭代术语的准确度。

除了日常编译工作积累之外，我们将逐专项领域基于权威教科书及文献，联合领域专家进一步扩展并完善本仓库，为社区提供具有统一性的AI及相关领域的中英术语翻译对照参考。在接下来的一段时间里，机器之心将从三个方面持续完善术语的收录和扩展阅读的构建：

继续完善基础术语的构建，即通过权威教科书或其它有公信力的资料抽取常见术语；

续性地把编译论文或其他资料中所出现的非常见术语更新到术语库中；

联合更多专项领域专家，构建专项领域术语库。

自「AITD」Version3.0起，机器之心「AITD」项目团队将基于以下标准开展「专项领域」术语库工作：

1）基于权威教科书、论文等具有公信力的资料源提取词汇。

2）邀请对应领域专家进行专业指导

致谢！

衷心感谢深势科技以下专家参与了包含但不限于术语提供、校对、翻译研讨等工作，为该项目扩展了专项领域术语收录的覆盖度、提升了术语中文翻译用法的准确性、专业性及公信力，感谢老师们的辛勤贡献。

AIforScience篇

张铎，DPTechnology，DeepModeling开源社区成员@iprozd

蔡淳，DPTechnology，DeepModeling开源社区成员@caic99

董昊森，DPTechnology，DeepModeling开源社区成员@Asuna981002

深势科技成立于2018年，致力于以新一代分子模拟技术解决微尺度工业设计难题。深势科技自研算法DeepPotential在保持量子力学精度准确性的基础上，将分子动力学的计算速度提升了多个数量级；结合高性能计算，能够对数十亿原子规模的体系进行量子力学精度的计算模拟。围绕领先的分子模拟方法，深势科技正在推动DeepModeling开源社区建设，以开放与包容的环境，推动全球科学计算事业发展。发布两年多以来，DeepModeling社区中的开源软件已得到国内外近千个研究组使用，涉及物理、化学、材料、生物、地质等多个领域。

读者及用户的反馈意见和更新建议将贯穿整个阶段，我们也将在项目致谢页中展示对该项目起积极作用的读者及用户。如果您在使用术语库的过程中若发现了存在的错误、或是想要扩展术语库的内容、讨论特定术语的翻译等等非常欢迎大家提Issue与我们以及各位读者进行讨论（请附带来源，以便我们能更客观地更新词汇）。同时也非常欢迎读者们进行Fork、提PullRequest，共同加强术语的编译质量以及扩充术语库的规模。

「AITD」Version3.1：「AIforScience」专项领域术语中英对照表

参与「AITD」！

我们邀请更多感兴趣一起参与「AITD」项目的小伙伴通过加入「机器之心分析师网络」加入到「AITD」项目工作中来。除了旨在构建AI领域术语库的「Artificial-Intelligence-Terminology-Database」，机器之心目前还有「开放知识库」GitHub项目，例如——

「ML-Tutorial-Experiment」算法教程与实现项目目前共获得2500+Star。它目前有五篇详细的教程文章，即CNN的实现、经典GAN的推导实现、CapsNet的解读、LSTM等语言建模和基于Transformer的神经机器翻译实现。我们希望能提供高质量和能实现的技术文章，在这些文章中，我们所使用的代码块或整体实现都是我们预先测试的，且提供的JupyterNotebook都带有代码注释，非常适合初学者随文章阅读。

项目地址：https://github.com/jiqizhixin/ML-Tutorial-Experiment

「SyncedLeg2018」机器之腿项目是源于机器之心2018年暑期实习生Hackathon的输出成果，可基于微信历史文章与相应的流量数据、分析统计出热点词汇。

项目地址：https://github.com/jiqizhixin/SyncedLeg2018

加入机器之心分析师网络，在参与机器之心发起的人工智能及相关技术领域的「开放知识库」项目之外，还将有机会受邀作为特约分析师：

现场参与国内外学术、学术及产业盛会，现场观察。

参与热点技术解读、指标分析、性能评测等专业性技术分析项目。

参与热点事件解读、产业前景分析等专业性产业分析项目。

人工智能的研究热点和应用，主要包含哪几个方面

现在，人工智能已逐渐形成了诸如专家系统、机器学习、模式识别、自然语言理解、机器人学、博弈、人工神经网络等多个研究领域。而目前人工智能研究的热点和应用包含以下几个方面：1、智能接口智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。2、数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱：数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。3、主体及多主体系统主体是具有信念、愿望、意图、能力、选择等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自主地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前，对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统。人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：网络人工智能的六大应用方向http://www.duozhishidai.com/article-9314-1.html哪些是人工智能应用最多的场景？http://www.duozhishidai.com/article-6786-1.html百年来人工智能的应用实例，主要有哪些？http://www.duozhishidai.com/article-2464-1.html

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站