人工智能相关的术语介绍 人工智能术语大全

人工智能相关的术语介绍

随着人工智能不再是一个模棱两可的营销术语，而是一个更精确的意识形态，很多人被人工智能相关的各种术语所困扰。因此，我们为您介绍了人工智能世界中一些最重要的术语。

Algorithms(算法):给人工智能、神经网络或其他机器一组规则或指令，以帮助其自主学习;分类、聚类、推荐和回归是最流行的四种类型。

Artificialintelligence(人工智能):机器做出决定并执行模拟人类智能和行为的任务的能力。

Artificialneuralnetwork(人工神经网络):一种学习模型，其作用类似于人脑，可以解决传统计算机系统难以解决的任务。

Autonomiccomputing(自主计算):系统在不需要用户输入的情况下，对自己的资源进行自适应管理的能力，用于高级别的计算功能。

Chatbots(聊天机器人):一种聊天机器人(简称聊天机器人)，通过文本聊天、语音命令或两者兼而有之来模拟与人类用户的对话。它们是包含人工智能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将一个类别分配给一个数据点。

Clusteranalysis(聚类分析):一种用于探索性数据分析的无监督学习，用于发现数据中的隐藏模式或分组;集群的建模使用由欧几里德或概率距离等度量标准定义的相似性度量。

Clustering(聚类):聚类算法让机器将数据点或项分组成具有相似特征的组。

Cognitivecomputing(认知计算):一种模拟人脑思维方式的计算机模型。它包括通过使用数据挖掘、自然语言处理和模式识别进行自学。

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

Datamining(数据挖掘):对数据集的检查，从中发现并挖掘出可进一步使用的模式。

Datascience(数据科学):数据科学是一个跨学科的领域，包含所有结构化和非结构化数据相关内容，从准备、清理、分析和源于有用的视角开始。结合了数学、统计学、智能数据捕获、编程、问题解决、数据清理、不同的观察角度、准备和数据对齐。

Decisiontree(决策树):一种基于树和分支的模型，用于映射决策及其可能的结果，类似于流程图。

Deeplearning(深度学习):深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术

Fluent(流态):一种随着时间推移而改变的状态。

GameAI:一种特定于游戏的AI形式，它使用一种算法来取代随机性。它是一种在非玩家角色中使用的计算行为，用于生成类人智能和玩家所采取的基于反应的动作。

Geneticalgorithm(遗传算法):一种基于遗传和自然选择原理的进化算法，用于为需要几十年才能解决的难题找到最优或接近最优的解决方案。

Heuristicsearchtechniques(启发式搜索技术):支持通过排除不正确的选项来缩小对问题的最优解决方案的搜索范围。

Knowledgeengineering(知识工程):侧重于构建基于知识的系统，包括it的所有科学、技术和社会方面。

Logicprogramming(逻辑编程):一种基于事实和规则知识库进行计算的编程范式;LISP和Prolog是用于人工智能编程的两种逻辑编程语言。

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): 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。

Machineperception(机器感知):系统接收和解释外部世界数据的能力，类似于人类如何使用我们的感官。这通常是通过附加的硬件完成的，不过软件也是可用的。

Natural language processing(自然语言处理): 自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。

Recurrentneuralnetwork(RNN)(递归神经网络):一种对序列信息有意义的神经网络，它能识别模式，并根据这些计算生成输出。

Supervisedlearning(监督学习):一种机器学习，输出数据集训练机器生成所需的算法，就像老师监督学生一样;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，它是由个体遵循的简单规则产生的紧急行为，不涉及任何中心协调。

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集中得出推论。最常见的无监督学习方法是聚类分析。

外媒速递：28个你必须掌握的人工智能技术术语

【51CTO.com原创稿件】外媒速递是核子可乐精选的近日国外媒体的精彩文章推荐，希望大家喜欢！

今天给大家推荐的内容包括：28个你必须掌握的人工智能技术术语、聊天机器人开发***实践汇总、语音机器人开发当中的六项挑战与机遇和重视并使用事件溯源机制的五个重要理由等。

一、人工智能：28个你必须掌握的技术术语

原文标题：28ArtificialIntelligenceTermsYouNeedtoKnow

随着人工智能快速成为新兴市场之上的热门词汇，从业者则赫然发现自己突然“看不懂”与之相关的探讨与表述。事实上，新型技术的诞生总是伴随着大量新性词汇以及对原有词汇的再次定义。在今天的文章中，我们将着眼于人工智能方向，了解28个必须加以掌握的相关术语。

1.算法

2.人工智能

3.人工神经网络

4.自主计算

5.聊天机器人

6.分类

7.集群分析

8.集群化

9.认知计算

10.卷积神经网络

11.数据挖掘

12.数据科学

13.决策树

14.尝试学习

15.流式

16.游戏AI

17.遗传算法

18.试探搜寻技术

19.知识工程

20.逻辑编程

21.机器智能

22.机器学习

23.机器感知

24.自然语言处理

25.递归神经网络

26.监督学习

27.群集行为

28.非监督学习

二、聊天机器人开发***实践汇总

原文标题：BestPracticesforChatbotDevelopment

2016年堪称聊天机器人元年，而2017年相关市场的规模正进一步扩大。无论是打算全力投身其中，还是出于兴趣加以尝试，相信很多朋友都对聊天机器人抱有好奇之心。下面，我们将从***实践角度出发，聊聊如何开发出理想的聊天机器人方案。

1.您的潜在用户是谁?

2.引入丰富情感

3.营造宾至如归之感

4.引导用户更好参与其中

5.简化访问方式

6.听取用户意见

三、语音机器人开发当中的六项挑战与机遇

原文标题：6voicebotchallengesandopportunities

[[196515]]

语音机器人生态系统正在快速发展，同时也带来极为惊人的发展机遇。事实上，众多产品经理、初创企业甚至开发人员都关注语音技术领域，并希望为当前乃至未来的市场需求提供理想的解决方案。而这也带来了我们今天的议题——语音机器人开发中的六大挑战与机遇。

1.发现

2.获取

3.培训

4.优化

5.保留

6.传播

四、重视并使用事件溯源机制的五个重要理由

原文标题：5GoodReasonstoUseEventSourcing

老乔有个习惯——每次在借记卡上进行一次交易，他都会将其记录在日志中以备日后查看。乔不懂技术，也没听说过什么在线帐户声明，但他知道这是种理想的管理办法。如此一来，当月底银行交付帐单后，他能够立刻发现其中的差别，并进行求证。本文将以此为案例，深入探讨事件溯源机制的思路与五大采用理由。

1.状态重构

2.临时查询

3.状态比较

4.状态调试

5.未来预测

【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】

戳这里，看该作者更多好文