学习人工智能必须知道的25个AI术语越是成为挑战。今天我为大家总结了人工智能领域最重要的几个术语，希望大家能够深入理解：自学；分类、聚合类、推荐和回归是四种最常见的类型。人工智能：机器模拟人类智能和行为以做出决策和执行任务的能力。人工神经网络（ANN）：这种学习模型模拟人脑的运作来解决传统计算机系统难以完成的任务。自主计算：系统在无需用户输入的情况下自适应地自我管理自身资源以实现高级计算功能的能力。聊天机器人（Chatbots）：聊天机器人（简称chatbot）通过文本对话和语音命令模拟与人类用户的对话。它们是具有AI功能的计算机程序的通用接口。分类：分类算法允许机器根据训练数据对数据点进行分类。聚类分析：一种用于探索性数据分析的无监督学习，寻找数据中隐藏的模式或分组；聚类是由例如定义的相似性度量创建的。欧几里德或概率距离。聚类：聚类算法让机器将数据点或项目分组到具有相似特征的组中。认知计算：一种模仿人脑思维方式的计算模型。通过使用数据挖掘、自然语言处理和模式识别进行自我学习。卷积神经网络（CNN）：一种识别和处理图像的神经网络。数据挖掘：通过查看数据集来发现和挖掘其中的模式来进一步使用数据。数据科学：一门跨学科学科，它结合了统计学、信息科学和计算机科学、科学系统和科学过程的科学方法，通过结构化或非结构化数据提供对现象的洞察力。决策树：基于分支的树模型，绘制决策及其可能后果的模型图，类似于流程图。深度学习：机器通过由级联信息层组成的人工神经网络自主模仿人类思维模式的能力。流利：一种可以随时间变化的情况。游戏AI：一种特定形式的AI，适用于使用算法而非随机性的游戏。非玩家角色(NPC)使用这种计算行为来为玩家动作生成类人智能和基于反应的行为。知识工程：专注于构建基于知识的系统，包括科学、技术和社会的各个方面。机器智能：涵盖机器学习、深度学习和经典学习算法的总称。机器学习：人工智能的一个方面，侧重于允许机器在不编程的情况下学习并随着新数据的摄入而改变的算法。机器感知：系统接收和解释来自外部世界的数据的能力，类似于人类使用感官的方式。这通常需要在外部硬件的帮助下完成，尽管软件也可以。自然语言处理：程序识别和理解人类交流的能力。递归神经网络(RNN)：一种理解顺序信息、识别模式并根据这些计算产生输出的神经网络。监督学习：机器学习的一种，输出数据集训练机器生成需要的算法，比如老师监督学生；比无监督学习更常见。群体行为：从数学建模者的角度来看，这是一种新生的行为，源于个人遵循的简单规则，不涉及任何中央协调。无监督学习：一种机器学习算法，它对由具有未标记响应的输入数据组成的数据集执行推理。最常见的无监督学习方法是聚类分析。以上是人工智能时代的一些重要名词。有兴趣的朋友可以关注多知事。如有疑问，请在留言区指正。
