AI愛好者應該知道的10 個專有名詞
編譯/黃竣凱
隨著人工智慧 (AI)成為各行業的變革力量,改變了我們與技術和周圍世界互動的方式。 對於那些想深入了解AI領域的人來說,理解基本術語非常重要。以下,我們就帶大家看看AI領域中10個最重要的專有名詞,讓大家更能掌握這項技術。
![](https://www.technice.com.tw/wp-content/uploads/2023/11/自然語言處理(Natural-Language-Processing,NLP)_135678946_fb-link_normal_none-1024x535.jpg)
1、人工智慧Artificial Intelligence(AI)
從本質上來說,AI是指能夠執行通常需要人類智慧的任務的電腦系統,包括學習、推理、解決問題、知覺和語言理解。 AI系統使用演算法來=分析數據、從中學習並做出明智的決策。
更多新聞:激發工作創新 10 大提示 ChatGPT成為最佳助手
2、機器學習Machine Learning(ML)
機器學習是AI的一個子集,專注於演算法的開發,允許系統從經驗中學習和改進,而無需明確程式設計。機器學習演算法使電腦能夠識別模式、做出預測。隨著時間過去,透過接觸更多資料提高效能。
3、神經網路Neural Networks
神經網路是深度學習的關鍵組成部分,也是機器學習的子集。 受人腦結構的啟發,神經網路由多層互連的節點或人工神經元組成。 這些網路經過資料訓練識別模式並做出決策,進而實現圖像和語音識別等複雜任務。
4、自然語言處理Natural Language Processing(NLP)
自然語言處理是AI的一個領域,專注於電腦和人類語言之間的互動。 NLP 演算法使電腦能夠理解、解釋和產生人類語言,進而促進聊天機器人、語言翻譯和情緒分析等應用。
5、深度學習Deep Learning
深度學習是機器學習的一個子領域,涉及深度神經網路。 這些網路可以自動學習資料的分層意義,在辨識影像和語音以及自然語言處理等任務上,深度學習異常強大。
6、演算法Algorithm
演算法是電腦為解決特定問題或執行特定任務遵循的一組逐步指令或規則。 在AI中,演算法對於處理和分析數據非常重要,並能使機器根據模式和資訊做出決策或預測。
7、監督學習Supervised Learning
在監督學習中,訓練數據有人工標記。模型的準確性取決於標記的品質和數據集的完整性。監督的機器學習通常需要人工干預檢查輸出、提高準確性並糾正任何偏差。 在網路安全中,監督學習用於分類,並可以幫助識別網路釣魚和惡意軟體。 它還可以用於回歸分析,如根據過去的事件預測新型攻擊。
8、無監督學習Unsupervised Learning
與監督學習相反,無監督學習則涉及在未標記的資料集上訓練演算法。這種方法允許演算法在「沒有人工干預」的情況下從數據中進行推斷,並找到模式、集群和關聯性。 無監督學習通常用於動態推薦,如零售網站。
9、強化學習Reinforcement Learning
強化學習 (RL)介於完全監督學習和無監督學習之間,是一種教導AI模型透過試驗和錯誤找到最佳結果的技術。 根據行為,AI會收到激勵或懲罰形式的回饋,並逐漸學習最佳的行動方案。
10、電腦視覺Computer Vision
電腦視覺使機器能夠根據視覺資料進行解釋和決策,包括辨識影像和視訊、偵測物件和分割影像等任務。 電腦視覺是臉部辨識和自動駕駛汽車等應用不可或缺的一部分。
參考資料:Analytics Insight
瀏覽 6,481 次