人工知能を学ぶために知っておくべき25のAI用語

人工知能 (AI) が漠然とした流行語を超えてより正確な意味合いを持つようになるにつれて、AI 分野の用語を理解することはますます困難になっています。今日は、人工知能の分野で最も重要な用語をいくつかまとめました。皆さんがそれらを深く理解していただければ幸いです。

アルゴリズム: 人工知能、ニューラル ネットワーク、またはその他のマシンが自ら学習できるようにするための一連のルールまたは指示。分類、クラスタリング、推奨、回帰の 4 つが最も一般的なタイプです。

人工知能: 機械が人間の知能と行動をシミュレートして意思決定を行い、タスクを実行する能力。

人工ニューラル ネットワーク (ANN): 従来のコンピュータ システムでは困難なタスクを解決するために人間の脳の働きを模倣した学習モデル。

自律コンピューティング: ユーザーの入力なしに、高度なコンピューティング機能のためにシステムが独自のリソースを適応的に自己管理する機能。

チャットボット: チャットボット (略してチャットボット) は、テキスト会話と音声コマンドを通じて人間のユーザーとの会話をシミュレートします。これらは、AI 機能を備えたコンピュータ プログラムの一般的なインターフェースです。

分類: 分類アルゴリズムにより、マシンはトレーニング データに基づいてデータ ポイントを分類できます。

クラスター分析: 探索的データ分析、データ内の隠れたパターンやグループ化のために使用される教師なし学習の一種。クラスターは、ユークリッド距離や確率距離などの類似性尺度を使用して作成されます。

クラスタリング: クラスタリング アルゴリズムを使用すると、マシンはデータ ポイントまたは項目を類似した特性を持つグループに分割できます。

認知コンピューティング: 人間の脳の思考方法を模倣したコンピューティング モデル。データマイニング、自然言語処理、パターン認識を利用した自己学習。

畳み込みニューラル ネットワーク (CNN): 画像を認識および処理するニューラル ネットワークの一種。

データ マイニング: データ セットを調べてパターンを発見およびマイニングし、データをさらに活用できるようにするプロセス。

データ サイエンス: 統計、情報科学、コンピューター サイエンスの科学的手法、科学的システム、科学的プロセスを組み合わせて、構造化データまたは非構造化データを通じて現象に関する洞察を提供する学際的な分野。

決定木: フローチャートと同様に、決定とその可能性のある結果をプロットする分岐ベースのツリー モデル。

ディープラーニング: 積み重ねられた情報層で構成された人工ニューラル ネットワークを通じて、機械が人間の思考パターンを自律的に模倣する能力。

流暢: 時間の経過とともに変化する可能性がある状態。

ゲーム AI: ランダム性の代わりにアルゴリズムを使用する、ゲームに適した特定の形式の AI。この計算動作は、ノンプレイヤーキャラクター (NPC) に使用され、プレイヤーのアクションに応じて人間のような知性と反応ベースの動作を生成します。

知識工学: 科学、技術、社会のあらゆる側面を含む知識ベースのシステムの構築に重点を置いています。

機械知能: 機械学習、ディープラーニング、従来の学習アルゴリズムを含む包括的な用語。

機械学習: 機械がプログラムなしで学習し、新しいデータが取り込まれると変化できるようにするアルゴリズムに重点を置いた人工知能の側面。

機械知覚: 人間が感覚を使用するのと同じように、システムが外界からデータを受信して​​解釈する能力。これは通常、外部ハードウェアの助けを借りて行われますが、ソフトウェアでも可能です。

自然言語処理: プログラムが人間のコミュニケーションを認識して理解する能力。

リカレント ニューラル ネットワーク (RNN): 連続情報を理解し、パターンを認識し、これらの計算に基づいて出力を生成するニューラル ネットワーク。

教師あり学習: 教師が生徒を指導するのと同じように、出力データセットによって機械が目的のアルゴリズムを生成するようにトレーニングするタイプの機械学習。教師なし学習よりも一般的です。

群集行動: 数学的モデラーの観点から見ると、これは中央集権的な調整を必要とせず、個体が従う単純なルールから生じる創発的な行動です。

教師なし学習: ラベル付けされた応答のない入力データで構成されるデータセットから推論を行う機械学習アルゴリズム。最も一般的な教師なし学習法はクラスター分析です。

上記は人工知能時代の重要な用語です。ご興味がありましたら、Duozhishiをフォローしてください。ご質問がある場合は、コメント欄にコメントを残してください。