▼
人工智能就是人脸识别？
▼
深度学习和机器学习有什么区别？
▼
大家都在谈的迁移学习到底讲了些啥？
▼
看个新闻都要查字典怎！么！破！
极视角白金科普系列之——
AI高频词汇TOP15（入门版）
特！别！放！送！啦！
01/15
计算机视觉ComputerVision
计算机视觉(ComputerVision，简称CV)是人工智能学科中发展最快、应用最广的领域之一。与自然语言处理、语音识别这些不同的是，它是一门研究如何使机器「看」的科学，其主要任务是通过对采集的图片或视频进行处理以获得相应场景的信息；更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等。常见的图片识别、视频识别、人脸识别等都属于这个领域。
—
02/15
自然语言处理NaturalLanguageProcessing
自然语言处理（NaturalLanguageProcessing，简称NLP）是一门融合语言学、计算机科学、人工智能于一体的科学，它解决的核心问题是「如何让机器/计算机理解人类的自然语言」。广义的NLP既包括文本，也包括语音；狭义的NLP单指文本处理。文本处理的成熟代表有机器翻译、搜索引擎分词等；语音处理的成熟代表有语音识别与合成、聊天机器人等。NLP的「处理」机制涉及自然语言理解（NLU）和自然语言生成（NLG）两个流程，除了刚才说到的机器翻译、语音识别等领域，还包括：文本分类、信息抽取、自动摘要、智能问答、话题推荐、主题词识别、知识库构建等等。在NLP的帮助下，大量模糊而非结构化的人类自然语言将能够被机器解析，信息的理解与处理变得更为高效，人机沟通成为可能。
—
03/15
语音识别VoiceRecognition
语音识别（VoiceRecognition）是指机器/程序接收、解释声音，或理解和执行口头命令的能力。与说话人识别、情感识别、语种识别、语音合成、语音转换、语音分离、语音增强等同属「语音处理」的范畴，广义来讲同样隶属于NLP领域，如今随着技术应用的发展成熟已愈趋独立。随着人工智能和智能助手（如亚马逊的Alexa，Apple的Siri和微软的Cortana）的崛起，语音识别已经得到了广泛应用。国内著名的语音识别公司有科大讯飞、思必驰、云知声等。
—
04/15
知识图谱KnowledgeGraph
知识图谱（KnowledgeGraph）在年由Google正式提出，可以理解为一种结构化的语义知识库，它以符号形式描述了物理世界中的概念及其相互关系，是人类独有「认知能力」的具象体现。现有的机器智能更趋向于以深度学习为代表的「感知智能」，它们在诸如语音识别、机器翻译、图像识别等方面的感知力上已接近或超过人类，但若涉及到像司法判案、医疗诊断、投资决策等需要复杂背景知识和前后上下文推理的「认知智能」时，机器智能远无法满足要求。知识图谱作为人类认知的重要表现形式，对现有AI研究从“感知”智能到“认知”智能的跨越奠定了十足的基础。现已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。
—
05/15
数据挖掘DataMining
数据挖掘（DataMining）一般指从大量繁杂的数据中搜索提取出有着特殊关联性信息的过程。其核心目的在于精炼数据，从而后期服务于未来机器学习和AI的数据使用。需要注意的是，数据挖掘不仅是「统计分析」，它还包括了：机器学习、情报检索、专家系统（依靠过去的经验法则）和模式识别等方法。（注：数据挖掘会使用大量机器学习的算法，但是其特定的环境和目的和机器学习不太一样。）现常与「知识发现」（Knowledgediscoveryindatabase，简称KDD）一词混用。
—
06/15
机器学习MachineLearning
机器学习（MachineLearning，简称ML）是「数据挖掘」领域的一个分支，如今在大数据的带动下逐渐成为了当下显学和主流。它涉及了概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，目的在于研究计算机怎样模拟或实现人类的学习行为，从而获取新的知识技能，重组知识结构，并不断改善自身的性能。实践上来讲，它是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。机器学习是使计算机具有智能的根本途径，应用遍及计算机视觉、自然语言处理、智能机器人、专家系统、模式识别等人工智能各个领域。
—
07/15
深度学习DeepLearning
深度学习（DeepLearning，简称DL）是「机器学习」领域的一个分支，其概念源于对人工神经网络的研究，指的是机器通过由层叠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。「深度」是相对浅层学习而言：一个神经网络被分层来理解数据中的复杂模式和关系。将低层的神经网络特征组合叠加，由此形成更抽象的高层表示属性类别或特征，产生的神经网络就是深度了。到了当下，经过深度学习技术训练的机器在识别图像方面已不逊于人类，比如识别猫、识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤。在谷歌AlphaGo学习围棋等等领域，AI已经超越了人类目前水平的极限。
—
08/15
监督学习SupervisedLearning
监督学习（SupervisedLearning）是「机器学习」领域内现有成熟度最高、已成功商用的算法学习方式。（另外几种算法学习方式还包括无监督学习、半监督学习、强化学习等，如后文）「监督学习」是指通过已有的训练样本训练得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，将这些预测结果与原「训练数据」的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。
—
09/15
强化学习ReinforcementLearning
相比其他学习方法，「强化学习」更接近生物学习的本质，它
