隨著人工智能不再是一個模棱兩可的營銷術語，而是一個更精確的意識形態，很多人被人工智能相關的各種術語所困擾。因此，我們為您介紹了人工智能世界中一些最重要的術語。
A
Algorithms(算法):給人工智能、神經網絡或其他機器一組規則或指令，以幫助其自主學習;分類、聚類、推薦和回歸是最流行的四種類型。
Artificial intelligence(人工智能) : 機器做出決定并執行模擬人類智能和行為的任務的能力。
Artificial neural network (人工神經網絡):一種學習模型，其作用類似于人腦，可以解決傳統計算機系統難以解決的任務。
Autonomic computing(自主計算): 系統在不需要用戶輸入的情況下，對自己的資源進行自適應管理的能力，用于高級別的計算功能。
C
Chatbots(聊天機器人): 一種聊天機器人(簡稱聊天機器人)，通過文本聊天、語音命令或兩者兼而有之來模擬與人類用戶的對話。它們是包含人工智能功能的計算機程序的常用接口。
Classification(分類): 分類算法讓機器根據訓練數據將一個類別分配給一個數據點。
Cluster analysis(聚類分析): 一種用于探索性數據分析的無監督學習，用于發現數據中的隱藏模式或分組;集群的建模使用由歐幾里德或概率距離等度量標準定義的相似性度量。
Clustering(聚類) :聚類算法讓機器將數據點或項分組成具有相似特征的組。
Cognitive computing(認知計算): 一種模擬人腦思維方式的計算機模型。它包括通過使用數據挖掘、自然語言處理和模式識別進行自學。
Convolutional neural network (CNN)(卷積神經網絡): 一種識別和理解圖像的神經網絡。
D
Data mining(數據挖掘): 對數據集的檢查，從中發現并挖掘出可進一步使用的模式。
Data science(數據科學):數據科學是一個跨學科的領域，包含所有結構化和非結構化數據相關內容，從準備、清理、分析和源于有用的視角開始。結合了數學、統計學、智能數據捕獲、編程、問題解決、數據清理、不同的觀察角度、準備和數據對齊。
Decision tree(決策樹):一種基于樹和分支的模型，用于映射決策及其可能的結果，類似于流程圖。
Deep learning(深度學習): 深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。 深度學習是一個復雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術
F
Fluent(流態): 一種隨著時間推移而改變的狀態。
G
Game AI:一種特定于游戲的AI形式，它使用一種算法來取代隨機性。它是一種在非玩家角色中使用的計算行為，用于生成類人智能和玩家所采取的基于反應的動作。
Genetic algorithm(遺傳算法): 一種基于遺傳和自然選擇原理的進化算法，用于為需要幾十年才能解決的難題找到最優或接近最優的解決方案。
H
Heuristic search techniques(啟發式搜索技術):支持通過排除不正確的選項來縮小對問題的最優解決方案的搜索范圍。
K
Knowledge engineering(知識工程):側重于構建基于知識的系統，包括it的所有科學、技術和社會方面。
L
Logic programming(邏輯編程): 一種基于事實和規則知識庫進行計算的編程范式;LISP和Prolog是用于人工智能編程的兩種邏輯編程語言。
M
machine intelligence(機器智能): 一個涵蓋機器學習、深度學習和經典學習算法的總稱。
Machine learning(機器學習): 機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。
Machine perception(機器感知): 系統接收和解釋外部世界數據的能力，類似于人類如何使用我們的感官。這通常是通過附加的硬件完成的，不過軟件也是可用的。
N
Natural language processing(自然語言處理):?自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理是一門融語言學、計算機科學、數學于一體的科學。因此，這一領域的研究將涉及自然語言，即人們日常使用的語言，所以它與語言學的研究有著密切的聯系，但又有重要的區別。自然語言處理并不是一般地研究自然語言，而在于研制能有效地實現自然語言通信的計算機系統，特別是其中的軟件系統。因而它是計算機科學的一部分。
R
Recurrent neural network (RNN)(遞歸神經網絡):一種對序列信息有意義的神經網絡，它能識別模式，并根據這些計算生成輸出。
S
Supervised learning(監督學習): 一種機器學習，輸出數據集訓練機器生成所需的算法，就像老師監督學生一樣;比無監督學習更常見。
Swarm behavior(群體行為):從數學建模者的角度來看，它是由個體遵循的簡單規則產生的緊急行為，不涉及任何中心協調。
U
Unsupervised learning(無監督學習): 一種機器學習算法，用于從沒有標記響應的輸入數據集中得出推論。最常見的無監督學習方法是聚類分析。
