A

Algorithms 算法：给AI、神经网络或其他机器供应的一套规则或指令，以帮助它自己学习; 分类，聚类，推举和回归是四种最盛行的类型。

Artificial intelligence 人工智能：机器能够做出决策并实行仿照人类智能和行为的任务。

Artificial neural network 人工神经网络（ANN）：一种学习模型，可以像人脑一样事情，办理传统打算机系统难以办理的任务。

Autonomic computing 自主打算：系统的自适应自我管理能力，用于高等打算功能，无需用户输入。

C

Chatbots 谈天机器人：谈天机器人（简称谈天机器人），旨在通过文本谈天，语音命令或两者进行通信来仿照与人类用户的对话。
它们是包含AI功能的打算机程序的常用接口。

Classification 分类：分类算法让机器根据演习数据为数据点分配种别。

Cluster analysis 聚类剖析：一种用于探索性数据剖析的无监督学习，用于查找数据中的隐蔽模式或分组;群集利用由欧几里得或概率间隔等度量定义的相似性度量建模。

Clustering 聚类：聚类算法许可机器将数据点或项目分组到具有相似特色的组中。

Cognitive computing 认知打算：一种模拟人类大脑思维办法的打算机模型。
它涉及通过利用数据挖掘，自然措辞处理和模式识别进行自学习。

Convolutional neural network 卷积神经网络（CNN）：一种识别和理解图像的神经网络。

D

Data mining 数据挖掘：检讨数据集以创造和挖掘可以进一步利用的数据模式。

Data science 数据科学：一个跨学科领域，结合了统计学，信息科学和打算机科学的科学方法，系统和过程，通过构造化或非构造化数据供应对征象的洞察。

Decision tree 决策树：基于树和分支的模型，用于映射决策及其可能的后果，类似于流程图。

Deep learning 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拟人类思维模式的能力。

F

Fluent 流畅：一种可以随韶光变革的状况。

G

Game AI ：一种特定于游戏的AI形式，它利用算法来代替随机性。
它是非玩家角色中利用的打算行为，用于天生玩家所采纳的类似人类智能和基于反应的动作。

Genetic algorithm 遗传算法：一种基于遗传学和自然选择事理的进化算法，用于探求困难问题的最优或近似最优解，否则须要数十年才能办理。

H

Heuristic search techniques 启示式搜索技能：支持通过肃清禁绝确的选项来缩小搜索问题的最佳办理方案的范围。

K

Knowledge engineering 知识工程：专注于构建基于知识的系统，包括其所有科学，技能和社会方面。

L

Logic programming 逻辑编程：一种编程范式，个中基于事实和规则的知识库进行打算; LISP和Prolog是用于AI编程的两种逻辑编程措辞。

M

Machine intelligence 机器智能：一个涵盖机器学习，深度学习和经典学习算法的总称。

Machine learning 机器学习：人工智能的一个方面，专注于算法，许可机器学习而不须要编程，并在暴露于新数据时进行变动。

Machine perception 机器感知：系统吸收和解释来自外部天下的数据的能力，类似于人类如何利用我们的感官。
这常日利用附加的硬件来完成，只管软件也是可用的。

N

Natural language processing 自然措辞处理：程序能够识别人类互换的能力。

R

Recurrent neural network 递归神经网络（RNN）：一种神经网络，它能够理解顺序信息并识别模式，并根据这些打算创建输出。

S

Supervised learning 监督学习：一种机器学习，个中输出数据集演习机器天生所需的算法，如监督学生的西席; 比无监督学习更常见。

Swarm behavior 群体行为：从数学建模者的角度来看，它是由个人遵照的大略规则产生的紧急行为，不涉及任何中央折衷。

U

Unsupervised learning 无监督学习：一种机器学习算法，用于从没有标记相应的输入数据组成的数据集中得出推论。
最常见的无监督学习方法是聚类剖析。