-
人工智能 (AI, Artificial Intelligence)
让机器模拟人类智能的学科,包括学习、推理、感知等能力。
-
机器学习 (ML, Machine Learning)
AI 的子领域，让计算机通过数据自动学习规律，无需显式编程。
-
深度学习 (Deep Learning)
基于多层神经网络的机器学习方法,擅长处理图像、语音等复杂数据。
-
神经网络 (Neural Network)
模仿人脑神经元结构的计算模型,是深度学习的核心。
机器学习关键术语
-
监督学习 (Supervised Learning)
使用带标签的数据训练模型,如分类（猫 vs 狗）、回归（预测房价）。
-
无监督学习 (Unsupervised Learning)
从未标注数据中发现模式,如聚类（用户分群）、降维。
-
强化学习 (Reinforcement Learning)
智能体通过与环境互动获得奖励来学习最优策略（如 AlphaGo）。
-
特征工程 (Feature Engineering)
从原始数据中提取对模型有用的特征。
-
过拟合 (Overfitting)
模型过度拟合训练数据,在新数据上表现差。
-
泛化 (Generalization)
模型对未知数据的适应能力。
深度学习相关
-
卷积神经网络 (CNN, Convolutional Neural Network)
专用于图像处理的神经网络,通过卷积层提取空间特征。
-
循环神经网络 (RNN, Recurrent Neural Network)
处理序列数据（如文本、时间序列），具有记忆能力。
-
Transformer
基于自注意力机制的模型,颠覆了 NLP 领域（如 BERT、GPT）。
-
生成对抗网络 (GAN, Generative Adversarial Network)
通过生成器和判别器对抗生成逼真数据（如图像生成）。
-
预训练模型 (Pre-trained Model)
在大规模数据上预先训练的模型,可通过微调适应新任务。
自然语言处理 (NLP)
-
词嵌入 (Word Embedding)
将词语映射为向量,捕捉语义关系（如 Word2Vec、GloVe）。
-
注意力机制 (Attention Mechanism)
让模型关注输入数据的关键部分,提升序列任务性能。
-
大语言模型 (LLM, Large Language Model)
参数量巨大的语言模型（如 GPT-4、Claude），具备强文本生成能力。
-
提示工程 (Prompt Engineering)
设计有效的输入提示,以引导 AI 模型生成理想输出。
计算机视觉 (CV)
-
目标检测 (Object Detection)
识别图像中的物体并标注位置（如 YOLO、Faster R-CNN）。
-
图像分割 (Image Segmentation)
将图像像素按语义分类（如医疗图像分析）。
-
OCR (Optical Character Recognition)
识别图像中的文字并转为文本。
模型评估与优化
-
准确率 (Accuracy)
分类正确的样本占总样本的比例。
-
精确率 (Precision) 与召回率 (Recall)
- 精确率：预测为正的样本中实际为正的比例；
- 召回率：实际为正的样本中被正确预测的比例。
-
F1 分数 (F1-Score)
精确率和召回率的调和平均数,综合评估模型。
-
损失函数 (Loss Function)
衡量模型预测值与真实值差距的函数（如交叉熵、均方误差）。
-
梯度下降 (Gradient Descent)
通过迭代调整参数最小化损失函数的优化算法。
-
反向传播 (Backpropagation)
神经网络中根据损失函数反向计算梯度并更新权重的过程。
数据与部署
-
数据集 (Dataset)
用于训练和测试模型的标注或未标注数据集合。
-
数据增强 (Data Augmentation)
通过变换（旋转、裁剪等）扩充训练数据，提升泛化能力。
-
模型部署 (Model Deployment)
将训练好的模型集成到实际应用中提供服务。
-
边缘计算 (Edge Computing)
在终端设备（如手机、摄像头）本地运行 AI 模型，减少延迟。
伦理与风险
-
算法偏见 (Algorithmic Bias)
因训练数据或设计偏差导致模型产生歧视性结果。
-
可解释 AI (XAI, Explainable AI)
使 AI 模型的决策过程对人类透明可理解。
-
对抗样本 (Adversarial Examples)
通过微小扰动欺骗模型的输入,可能导致安全风险。
热门应用方向
-
AIGC (AI-Generated Content)
人工智能生成内容,如文本、图像、视频、代码。
-
智能体 (Agent)
能感知环境、制定决策并执行行动的 AI 系统（如 AutoGPT）。
-
多模态 AI (Multimodal AI)
同时处理文本、图像、声音等多种输入类型的模型（如 GPT-4V）。
