许多不同的概念，经常被误解和误用，在人工智能的名义下。
我们编写这本词典的目的是用简单而准确的方式解释与人工智能相关的许多术语。
请随时给我们您的反馈info@heuritech.com.让我们开始吧！
A*
人工智能(AI)
这是个棘手的问题因为没有齐次定义。我们要求研发团队,这引发了一场漫长而热烈的辩论。以下是其结果：
- 今天，我们可以把人工智能定义为智能程序完成通常由人类完成的任务。
- 在未来，人工智能可以是人类智能是自动复制的通过一个程序。
- 有一个定义是每个人都认同的:人工智能是研究领域其中包括机器学习*，深度学习*，自然语言处理*，视觉识别*等。
算法
算法是实现预定目标的一连串简单指令．让我们举一个具体的例子:每天早上穿衣服(因为谁不觉得这很难呢?)你要遵循一个严格的程序:首先是内衣，然后是衣服，最后是鞋子。这正是算法所做的:按照指令来回答问题。
属性
这个“对象”的特征:可以是任何颜色、纹理、形状等。例如:Jeanne Damas下面穿的是什么?你可以在照片旁边找到她所有服装的特点。
C*
分类
分类包括将数据片段组织到类别中．在Heuritech的例子中，这些数据对应于图像，类别可能是不同类型的服装(如包、鞋、裙子、裤子)。为了训练分类模型，数据科学家需要有标签的数据*。
聚类
聚类模型自动将具有共同特征的图像分组在一起。有趣的是，模型组图像没有接受图像分组训练。
计算机视觉
计算机视觉是人工智能的一个分支，主要研究图像和视频，也称为视觉识别*。
D*
侦查
检测模型对图片中的一个或多个对象进行本地化和分类. 为了直观地表示检测模型的输出，将绘制矩形（也称为边界框)围绕被探测物体。
数据集
为训练模型或评估其性能而收集的经过精心策划的数据列表。在我们的例子中，数据集由图像组成，主要与时尚相关。有关进一步的解释，请参见labelled data*。
深度学习（机器学习的一个分支）
深度学习是机器学习的一个分支，在过去的十年里，它彻底改变了人工智能。
视觉识别*尤其受益于深度学习的进步，使其能够以非常准确的性能识别、检测和分割图像中的对象。深度学习模型学习识别对我们人类有意义的概念，如风景、手袋、笑脸等。
为此，它会找到最重要的基本轮廓和形状，并将它们组合起来创建更复杂的图案，这些图案也会组合起来创建更复杂的图案，等等。在这一过程的最后，通常被称为多层，模型预测了它所训练的一个类。
G*
一般化
机器学习*算法*的能力在从未见过的图片上表现出色．如果模型在一组1000张图像上训练，它是否能够在每一张其他的图像上产生良好的结果?
H *
启发式。
科学的艺术发现。源自希腊语单词eurisko（“我相信”），这导致了“Eureka”，阿基米德在洗澡时发现了阿基米德原理，从而推广了“Eureka”。启发式方法包括逐步消除所有备选方案，以找到可行的解决方案。
Heuritech。
由两个词组成:启发式和技术. 由大脑组成，共同组成Heuritech，这是一家初创公司，其使命是建立为消费行业量身定制的最佳视觉识别。通过将这项最先进的技术独特地应用于每天数百万张Instagram图片，我们能够提供有关产品和趋势的预测分析。阅读更多信息在这里．
L *
标记数据
机器学习*模型*的目标是通过输入来预测正确的输出．例如，我们在Heuritech使用的一些模型能够预测特定的手提包类型(输出)给一个图像(输入)。这些模型根据标记数据进行训练，即一组图像及其标签*。
训练一个模型是非常昂贵的，部分原因是它需要数千个标记数据，而人类通常需要一个一个地标记这些数据。在Heuritech的例子中，标签数据包含一组与时尚属性相关的图片。
米*
机器学习(人工智能的一个分支)
提醒一下，人工智能*是任何能够完成通常由人类完成的任务的程序。构建这种人工智能的方法之一是使用机器学习模型。这些模型具有使用标记数据进行学习的能力*。例如，如果你想让模特识别图片中的衣服，你将向模特展示数百张图片，并告诉模特它们与衣服相对应。您将这样做，直到它能够在以前从未见过的图片中识别它们为止（请参见泛化*）。
模型
数学模型是一种通过方程式来理解世界的方法。但世界实际上是非常有限的，因为它只由我们的模型能够读取的数据类型组成(比如图像、声音、文本、股票价格等等)。
给定输入，将训练模型以提供适当的输出。在以下情况下，输入为图像，输出为本地化属性，例如手提包。
在机器学习中，所有模型都是用数据训练的，以特定的方式表现。
N *
神经网络
想象一个大脑，你就有了一个神经网络：即。由数百万个单元组成的网络，通过分层计算来实现决策．就像我们思考的时候一样。
自然语言处理
人工智能的一个分支，专注于文本。这个名字不言自明:这台机器正在处理自然语言。例如，这就是垃圾邮件最终进入垃圾邮件邮箱的原因:因为您的电子邮件使用了经过训练的识别和过滤垃圾邮件的NLP系统。
P *
模式
数据*中的结构重复它自己。模型*自动学习提取、识别和描述模式。
精确性与召回
精确度和召回率是用来衡量模型性能的指标*。
精确度:对于你的模型所预测的一切，正确的预测比例是多少?
回想一下:对于你的模型应该找到的所有东西，有效找到的比例是多少?
让我们举一个具体的例子。
下面是一个装着6个苹果和3个桃子的篮子。我们请一个模特来找苹果。这个模型性能不太好，认为有5个苹果，但实际上是3个苹果和2个桃子。
- 这个精度该模型的3/5 = 60%，即5个苹果预测中有3个正确。
- 这个回忆该模型为3/6 = 50%，即在篮子里的6个苹果中，找到了3个。
*
分段
自动图像分割绘制物体的轮廓。分割对于许多功能非常有用，例如颜色提取或服装识别。
在下面的gif中，您可以看到两者边界框（围绕对象的矩形）和分段（对象本身的轮廓），由机器学习*模型*自动生成。
T*
标记
标记对于人工智能来说是什么标签是给Instagram的．每个图像都可以与标签相关联，例如，#t - shirt， #red， #裁剪，等等。
另见：分类
五*
视觉识别(也称为计算机视觉)
人工智能的分支之一，专注于图片，因此命名为视觉+识别。可以训练模型识别图片中的特定项目：例如Heuritech案例中的衣服。
我们希望您喜欢我们的人工智能词典！
请随时给我们您的反馈，并提出新的定义在info@heuritech.com
这本词典将定期更新。如果你想了解我们的最新消息，请订阅我们关于人工智能和时尚。
