AI人工智能相关词汇解析

本文简要介绍一些与AI人工智能相关的专业词汇，以方便普通读者能够有个初步的印象，不至于对一些与AI有关的新闻或者文章一头雾水。

AI科普吴军宁-AI人工智能相关词汇解析

Artificial intelligence (AI) 人工智能：

旨在创建智能机器的一门范围广泛的学科，这里说的智能是人类和动物所展现的自然智能不同。所有术语都变得有些笼统，尽管如此，这个词汇它还是说明了人类在该领域的雄心壮志，以制造可以模拟并超越人类认知范围的机器。

Machine learning (ML)机器学习：机器学习是AI人工智能范畴的一个子集，通常使用统计学技术来赋予机器从数据中“学习”的能力，而无需明确地给出如何操作的说明。此过程称为使用学习“算法”“训练”“模型”，该“算法”逐渐提高特定任务的模型性能，如常见的人脸识别和分类。

Reinforcement learning (RL)强化学习：强化学习是过去的十年中，机器学习受到了研究人员广泛关注的一个子领域。它与软件代理（例如下围棋的AlphaGo）有关，该软件代理会在环境中通过反复试验来学习面向目标的行为，该环境会根据代理为实现该目标而采取的行动（称为“策略”）提供奖励或惩罚。

Deep learning (DL)深度学习：机器学习的一个子领域，它试图模仿大脑神经元层的活动，以学习如何识别数据中的复杂模式。深度学习中的“深度”是指当代ML模型中的大量神经元层，有助于学习丰富的数据表示形式以获得更好的性能提升，从最初的5层神经网络一直发展到如今的上百层网络。

Model模型:人工智能工程师们一般会利用标注好的数据对机器学习ML算法进行训练，以便提高算法的准确度，该训练过程的输出即为模型。然后可以将其用于进行预测任务，比如训练一个模型用来进行人脸识别，步态识别，最早的神经网络模型被用来识别0-9的手写数字。

Supervised learning监督学习: 这是当今（商业）机器学习算法中最常见的一种，其中向系统显示带有标记的示例以供明确学习，例如下围棋的AlphaGo，就是需要输入大量的人类棋盘，告诉计算程序怎么走才能获胜。

Unsupervised learning无监督学习:与监督学习相反，输入的训练数据是未标注的，AlphaGo的升级版本AlphaGoZero就是无监督学习的产物，不需要人类手工标注数据。