AI 常用語中英對照 A-Z

AI

Artificial Intelligence

人工智慧

模擬人類智能的技術

讓機器能夠學習、推理

解決問題和感知環境

AGI

Artificial General Intelligence

通用人工智慧

具備像人類一樣的廣泛智能

能在多個領域執行任務

而非僅限於特定領域

ANI

Artificial Narrow Intelligence

狹義人工智慧

專注於執行特定任務的AI

例如語音助理、圖像識別

是目前主流的AI形式

ASI

Artificial Super Intelligence

超級人工智慧

智能遠超最聰明人類的AI

能在科學、創意等領域超越人類

目前仍是理論概念

AUC

Area Under the Curve

曲線下面積

評估分類模型性能的指標

衡量模型區分正負類的能力

值越接近1表示性能越好

Adam

Adaptive Moment Estimation

自適應矩估計

一種常用的優化算法

用於訓練神經網絡

能高效調整學習率

API

Application Programming Interface

應用程式介面

不同軟體系統間的連接橋樑

AI服務常透過API提供

方便開發者調用AI功能

BERT

Bidirectional Encoder Representations from Transformers

來自Transformer的雙向編碼表示

Google開發的自然語言處理模型

能理解句子中詞語的上下文關係

在多種NLP任務上表現優異

Bias

Bias (in ML)

偏差 (機器學習中)

模型預測值與真實值之間的差異

高偏差表示模型過於簡單

未能捕捉數據的複雜性

Backprop

Backpropagation

反向傳播

訓練神經網絡的核心算法

計算損失函數對權重的梯度

並據此更新權重

Batch Size

批量大小

每次訓練迭代中使用的樣本數

影響訓練速度和模型性能

是重要的超參數

CNN

Convolutional Neural Network

卷積神經網絡

一種特殊的深度學習網絡

尤其適用於圖像處理任務

通過卷積層提取特徵

CV

Computer Vision

電腦視覺

讓電腦「看見」和解釋圖像

用於圖像識別、物體偵測

是AI感知世界的方式

Clustering

聚類

一種無監督學習技術

將數據點分組到不同的簇

使同一簇內的點相似

Classification

分類

一種監督學習任務

將數據點分配到預定義類別

例如垃圾郵件檢測

Chatbot

聊天機器人

能與人類進行對話的AI程序

應用於客服、資訊查詢等

基於NLP技術

CLS

Cumulative Layout Shift

累積佈局偏移

衡量網頁視覺穩定性的指標

AI生成的網頁應避免CLS

提升用戶體驗

Context

Context (in NLP/LLMs)

上下文 (自然語言處理/大型語言模型中)

文本中詞語周圍的詞語或句子

對理解詞語含義至關重要

LLM需要理解上下文

Cross-validation

交叉驗證

評估模型性能的技術

將數據分割成多個子集

減少過擬合風險

CPU

Central Processing Unit

中央處理器

電腦的核心計算單元

雖然GPU更適合深度學習

CPU仍用於數據預處理等

CSP

Content Security Policy

內容安全策略

一種網頁安全機制

限制頁面可以載入的資源

AI生成的網頁需注意兼容性

DL

Deep Learning

深度學習

機器學習的一個分支

使用多層神經網絡

處理複雜的數據模式

Dataset

數據集

用於訓練和測試AI模型的數據集合

數據的質量和數量至關重要

影響模型最終性能

Dropout

丟棄法

一種正則化技術

在訓練時隨機「關閉」部分神經元

減少神經網絡的過擬合

Dimension

Dimension (Data)

維度 (數據)

數據集中特徵的數量

高維度數據可能導致「維度詛咒」

需要降維技術

D3

Data-Driven Documents

數據驅動文檔

一個JavaScript庫

用於創建數據可視化

AI結果常通過D3展示

Decision Tree

決策樹

一種監督學習算法

通過樹狀結構進行決策

易於理解和解釋

Discriminative Model

判別模型

直接對數據進行分類或回歸

學習輸入與輸出之間的邊界

例如邏輯回歸、SVM

Data Augmentation

數據增強

通過對現有數據進行變換

生成新的訓練樣本

增加數據量，提高模型泛化能力

Data Preprocessing

數據預處理

在訓練模型前對數據進行清洗、轉換

處理缺失值、異常值等

確保數據質量，提升模型性能

Dimensionality Reduction

降維

減少數據集中特徵的數量

同時盡量保留重要信息

應對維度詛咒，提高效率

Epoch

訓練輪次

所有訓練數據完整地

通過神經網絡一次

稱為一個Epoch

Embedding

嵌入

將高維數據（如詞語）

映射到低維向量空間

捕捉數據之間的語義關係

Ensemble Learning

集成學習

結合多個模型的預測結果

以提高整體預測性能

例如隨機森林、梯度提升

Evaluation Metrics

評估指標

衡量AI模型性能的標準

如準確率、精確率、召回率等

選擇合適指標至關重要

Edge AI

邊緣人工智慧

在設備本地而非雲端運行AI模型

減少延遲，保護隱私

應用於智能設備、物聯網

Ethical AI

倫理人工智慧

關注AI開發和使用中的道德問題

如偏見、隱私、透明度

確保AI的公平和負責任

Explainable AI (XAI)

Explainable AI

可解釋人工智慧 (XAI)

旨在讓人們理解AI模型

如何做出決策

提高AI的透明度和信任度

Feature

Feature (Data)

特徵 (數據)

數據集中用於描述樣本的屬性

是模型學習的基礎

特徵的選擇和處理影響模型性能

F1 Score

F1分數

評估分類模型性能的指標

是精確率和召回率的調和平均

綜合考慮了兩者

Framework

Framework (ML)

框架 (機器學習)

提供構建和訓練AI模型工具的庫

如TensorFlow, PyTorch

簡化了AI開發流程

Fine-tuning

微調

在預訓練模型基礎上

使用特定任務數據進行訓練

使其適應新任務

Feature Engineering

特徵工程

從原始數據中創建新特徵

或轉換現有特徵

以提高模型性能

Feature Extraction

特徵提取

從數據中自動學習和提取特徵

常用於深度學習

例如CNN從圖像中提取特徵

GAN

Generative Adversarial Network

生成對抗網絡

由生成器和判別器組成

通過相互對抗學習生成數據

常用於圖像生成

GPU

Graphics Processing Unit

圖形處理器

擅長並行計算的硬體

極大地加速深度學習訓練

是AI研究的關鍵基礎設施

GPT

Generative Pre-trained Transformer

生成式預訓練Transformer

OpenAI開發的大型語言模型系列

基於Transformer架構

擅長文本生成和理解

Gradient Descent

梯度下降

一種優化算法

沿著損失函數梯度的反方向

迭代更新參數以找到最小值

Generative AI

生成式人工智慧

能夠創造新內容的AI

如文本、圖像、音樂

基於生成模型

Generative Model

生成模型

學習數據的分布

能夠生成與訓練數據相似的新數據

例如GAN、VAE

Hyperparameters

超參數

在訓練模型前設定的參數

不通過訓練學習

如學習率、批量大小

IoT

Internet of Things

物聯網

連接到互聯網的物理設備網絡

常與AI結合

實現智能感知和控制

Interpretability

Interpretability (Model)

可解釋性 (模型)

理解模型如何做出預測的能力

對於關鍵應用領域很重要

與XAI相關

Keras

一個高層次的深度學習API

運行在TensorFlow, PyTorch等之上

易於使用，快速構建模型

KNN

K-Nearest Neighbors

K近鄰

一種簡單的分類或回歸算法

基於樣本與其K個最近鄰居的距離

進行預測

LLM

Large Language Model

大型語言模型

擁有數十億甚至數萬億參數的語言模型

在海量文本數據上訓練

能執行多種自然語言任務

ML

Machine Learning

機器學習

AI 的一個子領域

讓電腦從數據中學習

無需明確程式設計

Loss Function

損失函數

衡量模型預測值與真實值之間差異的函數

訓練模型的目標是最小化損失函數

指導模型學習方向

Learning Rate

學習率

控制模型在每次迭代中

更新權重的步長大小

重要的超參數，影響收斂速度

ML

Machine Learning

機器學習

AI 的一個子領域

讓電腦從數據中學習

無需明確程式設計

Model

Model (AI/ML)

模型 (人工智慧/機器學習)

學習數據模式並用於預測或決策的結構

可以是神經網絡、決策樹等

是AI的核心組成部分

MCP

Model Context Protocol

模型上下文協議

用於管理和傳輸

AI模型運行時的上下文信息

確保模型能理解當前狀態

NN

Neural Network

神經網絡

受人腦結構啟發的計算模型

由多層神經元組成

是深度學習的基礎

NLP

Natural Language Processing

自然語言處理

讓電腦理解和處理人類語言

應用於翻譯、情感分析等

是AI與語言的交叉領域

Optimizer

優化器

用於調整模型參數

以最小化損失函數的算法

如SGD, Adam

Overfitting

過擬合

模型在訓練數據上表現很好

但在新數據上表現差

模型過於複雜，記住了訓練數據

PCA

Principal Component Analysis

主成分分析

一種常用的降維技術

將數據轉換到新的坐標系

保留數據中最重要的方差

Prompt

Prompt (LLM)

提示 (大型語言模型)

給予LLM的輸入文本或指令

引導模型生成期望的輸出

是與LLM交互的方式

Prompt Engineering

提示工程

設計和優化給予LLM的提示

以獲得更好的生成結果

是使用LLM的關鍵技能

Pre-training

預訓練

在大量數據上訓練模型

使其學習通用的特徵或知識

是遷移學習的基礎

Precision

精確率

分類模型評估指標

在所有被預測為正類的樣本中

真正為正類的比例

PyTorch

一個開源的機器學習框架

常用於深度學習研究和開發

以靈活性和易用性著稱

RL

Reinforcement Learning

強化學習

AI通過與環境互動學習

根據獎勵或懲罰調整行為

應用於遊戲、機器人控制

RLHF

Reinforcement Learning from Human Feedback

基於人類回饋的強化學習

一種訓練AI模型（特別是LLM）的方法

利用人類對模型輸出的偏好

使模型行為更符合人類期望

RNN

Recurrent Neural Network

循環神經網絡

一種處理序列數據的神經網絡

具有記憶能力，能考慮歷史信息

應用於文本、語音處理

ReLU

Rectified Linear Unit

修正線性單元

一種常用的激活函數

輸出為輸入和零的最大值

簡單高效，解決梯度消失問題

Regression

回歸

一種監督學習任務

預測連續數值輸出

例如房價預測

Regularization

正則化

防止模型過擬合的技術

通過添加懲罰項限制模型複雜度

如L1, L2正則化

Recall

召回率

分類模型評估指標

在所有真正為正類的樣本中

被正確預測為正類的比例

ROC Curve

Receiver Operating Characteristic Curve

接收者操作特徵曲線

評估二分類模型性能的圖形

顯示真陽性率與假陽性率的關係

AUC是ROC曲線下面積

Robotics

機器人學

設計、建造、操作機器人的學科

常與AI結合

使機器人更智能、自主

SGD

Stochastic Gradient Descent

隨機梯度下降

一種優化算法

每次迭代使用一個樣本計算梯度

更新速度快，可能震盪

SVM

Support Vector Machine

支持向量機

一種監督學習算法

用於分類和回歸

尋找最優超平面分割數據

Sigmoid

Sigmoid函數

一種常用的激活函數

將輸入映射到(0, 1)區間

常用於二分類輸出層

Softmax

Softmax函數

一種常用的激活函數

將多個輸入轉換為概率分布

常用於多分類輸出層

Supervised Learning

監督學習

使用帶標籤的數據進行訓練

學習輸入與輸出之間的映射關係

如分類、回歸

Unsupervised Learning

無監督學習

使用不帶標籤的數據進行訓練

發現數據中的隱藏模式或結構

如聚類、降維

Semi-supervised Learning

半監督學習

結合少量帶標籤數據和大量無標籤數據

進行模型訓練

在標籤數據稀缺時有用

Sequential Model

序列模型

處理具有順序關係數據的模型

如文本、時間序列

RNN, Transformer是常見序列模型

SDK

Software Development Kit

軟體開發工具包

包含開發軟體所需的工具和庫

AI框架常以SDK形式提供

方便開發者使用

Scikit-learn

一個流行的Python機器學習庫

提供了豐富的算法和工具

適用於傳統機器學習任務

Synthetic Data

合成數據

通過算法或模擬生成的數據

用於補充真實數據不足

或保護隱私

Transformer

Transformer (Architecture)

Transformer (架構)

一種神經網絡架構

基於注意力機制

在NLP領域取得巨大成功

Transfer Learning

遷移學習

將在一個任務上訓練好的模型

應用到另一個相關任務

節省訓練時間和數據

TensorFlow

Google開發的開源機器學習框架

廣泛應用於深度學習

支持多種平台和語言

TPU

Tensor Processing Unit

張量處理器

Google專為機器學習設計的硬體

加速TensorFlow等框架的計算

提高訓練和推理效率

Training Data

訓練數據

用於訓練AI模型的數據集

模型從中學習模式和參數

數據質量直接影響模型性能

Test Data

測試數據

用於最終評估模型性能的數據集

模型在訓練過程中未見過

反映模型在新數據上的泛化能力

Time Series

時間序列

按時間順序排列的數據點

如股票價格、氣溫

AI常用於時間序列分析和預測

Tone.js

一個JavaScript音頻框架

用於在網頁上創建聲音

AI應用可能使用它生成音效

Three.js

一個JavaScript 3D庫

用於在網頁上創建3D圖形

AI模擬或可視化可能用到

Underfitting

欠擬合

模型在訓練數據和新數據上

表現都比較差

模型過於簡單，未能學習到數據模式

Unsupervised Learning

無監督學習

使用不帶標籤的數據進行訓練

發現數據中的隱藏模式或結構

如聚類、降維

Variance

Variance (in ML)

方差 (機器學習中)

模型對訓練數據微小變化的敏感度

高方差表示模型過於複雜

容易過擬合

Vector Space

向量空間

數據點以向量形式表示的空間

相似的數據點在空間中距離較近

常用於文本和圖像表示

Validation Data

驗證數據

用於在訓練過程中評估模型性能

調整超參數和進行模型選擇

幫助避免過擬合

XAI

Explainable AI

可解釋人工智慧 (XAI)

旨在讓人們理解AI模型

如何做出決策

提高AI的透明度和信任度

Zustand

一個用於React的狀態管理庫

簡潔輕量

AI相關的React應用可能使用

Zero-shot Learning

零樣本學習

模型能夠識別或生成

在訓練中從未見過的類別

基於對類別描述的理解

AZR

Absolute Zero Reasoner

絕對零度推理器

一個假設性的AI推理系統

能夠從最基本原理出發

進行邏輯推理和問題解決