AI 術語詞典

物件偵測是一種電腦視覺技術，用於識別影像或影片中特定物件的位置和類別，常用於自動駕駛、安全監控、零售分析等。

利用AI技術在衛星影像中識別並定位特定物件，如建築、車輛、船隻等。

機器人透過感測與控制，對實體物件進行抓取、移動、放置等動作，以完成特定任務的技術。

目標函數是機器學習模型訓練中用於評估模型表現的函數，其數值代表模型預測與實際值的差距，優化目標是最小化或最大化此函數。

光學字元辨識（OCR）是一種技術，能將圖像中的文字轉換為機器可讀的文字格式，例如將掃描文件轉換為可編輯的文字。

從預先收集的固定資料集學習策略，不與環境互動，適合昂貴或危險環境。

透過最小化殘差平方和來估計線性回歸模型係數的統計方法。

研究 AI 系統是否及如何產生欺騙性輸出的學術方向，涵蓋幻覺、策略性錯誤陳述與對齊失敗等問題。

裝置端學習是一種直接在智慧型手機等終端設備上進行模型訓練與推論的技術，能降低延遲並提升資料隱私安全性。

單類別支持向量機為非監督式異常偵測演算法，利用正常樣本建立高維邊界，以分離出落於邊界之外的異常資料。

獨熱編碼是一種將類別資料轉換為二元向量的方法，為每個類別建立獨立欄位，存在時標記為 1，其餘為 0

單樣本學習是一種機器學習方法，旨在僅使用一個或少數幾個樣本來學習新的類別或概念，模擬人類快速學習的能力。

線上學習是一種機器學習方法，模型在接收到每個新資料點後立即更新，無需儲存所有資料或進行批次訓練，適用於資料流場景。

ONNX 是一種開放標準，用於表示機器學習模型，允許模型在不同框架之間互操作，簡化模型部署流程。

本體論是明確指定領域概念及其關係的正式表示，用於知識共享和推理，是知識圖譜的基礎。

從非結構化文本或現有數據自動發現和學習本體及概念關係。

分佈外指測試資料的特徵分佈與訓練集不一致的現象，對 AI 模型的泛化能力構成重大挑戰。

分類任務中測試集包含訓練集未見過的類別，模型需識別『這是一個未知類別』的問題。

OpenAI開發的多模態模型，透過對比學習理解圖像與文字關係，實現零樣本識別。

估計影片相鄰幀之間像素的運動向量，用於動作檢測、影片壓縮、視覺導航等應用。

指機器學習訓練過程中，最佳化演算法為更新模型權重所儲存的動量、變異數等歷史計算數值。

選項框架是層次化強化學習中的數學模型，透過將基礎動作抽象為高階宏觀動作，幫助智能體在複雜環境中進行長時間跨度的規劃與決策。

流程協調是指自動化安排、協調和管理複雜的計算機系統、應用程式和服務的過程，以實現特定目標。

將類別型特徵依照其固有順序轉換為整數的編碼方式，保留類別間的大小關係。

一種具有明確順序或等級關係，但數值間距不一定均等的類別型資料。

識別模型在推論時遇到的輸入是否來自訓練資料分布之外的技術，以防止模型在未知情境下給出不可靠的預測。

長短期記憶網路（LSTM）的門控機制之一，通過 sigmoid 激活函數產生 0-1 的信號，決定細胞狀態中有多少信息應被輸出至隱藏狀態，控制網路對外部環境的信息交互程度。

神經網路最後一層，根據任務類型選擇合適的激活函數，將隱藏層的高維特徵轉換為最終預測結果（分類概率、迴歸值或其他形式），是模型與外界交互的界面。

過擬合指模型過度記憶訓練資料的細節與雜訊，導致在未見過的新資料上預測表現大幅下滑