人工智能不再是定義模糊的流行詞匯，已經(jīng)成為了更為精確的指代，在這樣的背景下，理解人工智能領(lǐng)域的術(shù)語(yǔ)越來(lái)越成為一種挑戰(zhàn)。今天為大家總結(jié)了一些人工智能領(lǐng)域最重要的術(shù)語(yǔ)，望大家深入理解：

算法（Algorithms）：一組用于人工智能、神經(jīng)網(wǎng)絡(luò)或其他機(jī)器的規(guī)則或指令，以幫助它自己學(xué)習(xí)；分類、聚類、推薦和回歸是四種最常見(jiàn)的類型。

人工智能（Artificial intelligence）：機(jī)器模擬人類智力和行為做出決策、執(zhí)行任務(wù)的能力。

人工神經(jīng)網(wǎng)絡(luò)（ANN）：這種學(xué)習(xí)模型，模擬人腦運(yùn)作，從而解決傳統(tǒng)計(jì)算機(jī)系統(tǒng)難以解決的任務(wù)。

自主計(jì)算（Autonomic computing）：系統(tǒng)自適應(yīng)自我管理自身資源用于高級(jí)計(jì)算功能的能力，而無(wú)需用戶輸入。

聊天機(jī)器人（Chatbots）：聊天機(jī)器人（簡(jiǎn)稱chatbot）通過(guò)文本對(duì)話、語(yǔ)音命令來(lái)模擬與人類用戶進(jìn)行對(duì)話。它們是有AI功能的計(jì)算機(jī)程序的常用界面。

分類（Classification）：分類算法讓機(jī)器根據(jù)訓(xùn)練數(shù)據(jù)給數(shù)據(jù)點(diǎn)進(jìn)行分類。

聚類分析（Cluster analysis）：一種用于探索性數(shù)據(jù)分析的無(wú)監(jiān)督學(xué)習(xí)，查找數(shù)據(jù)中的隱藏模式或分組；群集的建立是通過(guò)歐氏距離（Euclidean）或概率距離等定義的相似性度量。

聚類（Clustering）：聚類算法讓機(jī)器將數(shù)據(jù)點(diǎn)或項(xiàng)目分成具有相似特征的組。

認(rèn)知計(jì)算（Cognitive computing）：一種模仿人類大腦思維方式的計(jì)算模型。通過(guò)使用數(shù)據(jù)挖掘、自然語(yǔ)言處理和模式識(shí)別來(lái)進(jìn)行自學(xué)習(xí)（self-learning）。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）：一種識(shí)別和處理圖像的神經(jīng)網(wǎng)絡(luò)。

數(shù)據(jù)挖掘（Data mining）：通過(guò)查看數(shù)據(jù)集以發(fā)現(xiàn)和挖掘其中模式，從而進(jìn)一步使用數(shù)據(jù)。

數(shù)據(jù)科學(xué)（Data science）：結(jié)合統(tǒng)計(jì)、信息科學(xué)、計(jì)算機(jī)科學(xué)的科學(xué)方法、科學(xué)系統(tǒng)和科學(xué)過(guò)程的交叉學(xué)科，通過(guò)結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)提供對(duì)現(xiàn)象的洞察。

決策樹(shù)（Decision tree）：一個(gè)基于分支的樹(shù)模型，繪制決策及其可能后果的模型圖，與流程圖類似。

深度學(xué)習(xí)（Deep learning）：機(jī)器通過(guò)由層疊信息層組成的人工神經(jīng)網(wǎng)絡(luò)自主模仿人類思維模式的能力。

Fluent：一種可隨時(shí)間變化的條件。

游戲AI（Game AI）：使用算法替代隨機(jī)性的一種適用于游戲的AI特定形式。這種計(jì)算行為用于非玩家角色（NPC），對(duì)于玩家的操作生成類似人類的智力和基于反應(yīng)的行為。

知識(shí)工程（Knowledge engineering）：側(cè)重于建立以知識(shí)為基礎(chǔ)的系統(tǒng)，包括科學(xué)、技術(shù)和社會(huì)在內(nèi)的所有方面。

機(jī)器智能（Machine intelligence）：涵蓋機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和古典學(xué)習(xí)算法在內(nèi)的總括術(shù)語(yǔ)。

機(jī)器學(xué)習(xí)（Machine learning）：人工智能的一個(gè)方面，專注于算法，允許機(jī)器在不經(jīng)過(guò)編程的情況下學(xué)習(xí)，并隨著新數(shù)據(jù)的攝入而改變。

機(jī)器感知（Machine perception）：系統(tǒng)接收和解釋來(lái)自外部世界數(shù)據(jù)的能力，類似于人類使用感官。這通常需要借助外接硬件完成，盡管軟件也同樣需要。

自然語(yǔ)言處理（Natural language processing）：程序識(shí)別理解人類溝通的能力。

循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）：一種理解順序信息、識(shí)別模式、并根據(jù)這些計(jì)算產(chǎn)生輸出的神經(jīng)網(wǎng)絡(luò)。

監(jiān)督學(xué)習(xí)（Supervised learning）：機(jī)器學(xué)習(xí)的一種，其輸出數(shù)據(jù)集訓(xùn)練機(jī)器產(chǎn)生所需的算法，如老師監(jiān)督學(xué)生；比無(wú)監(jiān)督學(xué)習(xí)更常見(jiàn)。

群體行為（Swarm behavior）：從數(shù)學(xué)建模者的角度來(lái)看，這是從個(gè)體遵循的簡(jiǎn)單規(guī)則衍生出的新生行為，不涉及任何集中協(xié)調(diào)。

無(wú)監(jiān)督學(xué)習(xí)（Unsupervised learning）：一種機(jī)器學(xué)習(xí)算法，通過(guò)不帶標(biāo)簽響應(yīng)的輸入數(shù)據(jù)組成的數(shù)據(jù)集進(jìn)行推理。最常見(jiàn)的無(wú)監(jiān)督學(xué)習(xí)方法是聚類分析。