| 单词 | 音标 | 词性 | 核心释义 |
|---|---|---|---|
| Artificial Intelligence | /ˌɑːrtɪˈfɪʃl ɪnˈtelɪdʒəns/（英式）/ˌɑːrtɪˈfɪʃl ɪnˈtelɪdʒəns/（美式） | n.（名词短语） | 人工智能的全称，简称 AI，指模拟人类智能的计算机技术 |
| AI | /ˌeɪ ˈaɪ/ | n.（缩写名词） | Artificial Intelligence 的缩写，日常交流中最常用的 "人工智能" 代称 |
| Machine Learning | /məˈʃiːn ˈlɜːrnɪŋ/（英式）/məˈʃiːn ˈlɜːrnɪŋ/（美式） | n.（名词短语） | 机器学习，AI 的核心分支，指计算机通过数据 "学习" 规律、自主改进的技术 |
| Deep Learning | /diːp ˈlɜːrnɪŋ/（英式）/diːp ˈlɜːrnɪŋ/（美式） | n.（名词短语） | 深度学习，机器学习的重要子领域，基于 "神经网络" 模拟人脑结构处理复杂数据 |
| Neural Network | /ˈnjʊrəl ˈnetwɜːrk/（英式）/ˈnʊrəl ˈnetwɜːrk/（美式） | n.（名词短语） | 神经网络，模拟人脑神经元连接的算法结构，是深度学习的核心框架 |
| Algorithm | /ˈælɡərɪðəm/ | n.（名词） | 算法，AI 技术的 "逻辑核心"，指解决特定问题的步骤化指令集合 |
| Data Set | /ˈdeɪtə set/（英式）/ˈdeɪtə set/（美式） | n.（名词短语） | 数据集，AI 模型 "学习" 的基础材料，由大量结构化 / 非结构化信息组成 |
| Training | /ˈtreɪnɪŋ/ | n.（名词） | 模型训练，指用数据集调整 AI 模型参数、使其具备特定能力的过程（如识别图片、生成文本） |
| Inference | /ˈɪnfərəns/（英式）/ˈɪnfərəns/（美式） | n.（名词） | 模型推理，训练后的 AI 模型处理新数据、输出结果的过程（如用训练好的模型识别一张新照片） |
| Natural Language Processing | /ˈnætʃrəl ˈlæŋɡwɪdʒ ˈprəsesɪŋ/（英式）/ˈnætʃrəl ˈlæŋɡwɪdʒ ˈprɑːsesɪŋ/（美式） | n.（名词短语，简称 NLP） | 自然语言处理，AI 处理人类语言的分支，应用包括机器翻译、聊天机器人等 |
| Computer Vision | /kəmˈpjuːtər ˈvɪʒn/ | n.（名词短语） | 计算机视觉，AI "看懂" 图像 / 视频的分支，应用包括人脸识别、物体检测等 |
| Model | /ˈmɒdl/（英式）/ˈmɑːdl/（美式） | n.（名词） | AI 模型，指通过算法和数据构建的、具备特定智能能力的 "数学框架"（如 ChatGPT 的基础模型） |
| Big Data | /ˌbɪɡ ˈdeɪtə/ | n.（名词短语） | 大数据，指规模庞大、类型复杂的数据集，是训练高性能 AI 模型的关键支撑 |
| Supervised Learning | /ˈsuːpərvaɪzd ˈlɜːrnɪŋ/（英式）/ˈsuːpərvaɪzd ˈlɜːrnɪŋ/（美式） | n.（名词短语） | 监督学习，机器学习的主流类型之一，用 "带标签的数据"（如标注好 "猫" 的图片）训练模型 |
| Unsupervised Learning | /ˌʌnˈsuːpərvaɪzd ˈlɜːrnɪŋ/（英式）/ˌʌnˈsuːpərvaɪzd ˈlɜːrnɪŋ/（美式） | n.（名词短语） | 无监督学习，机器学习的类型之一，用 "无标签的数据" 让模型自主挖掘规律（如聚类分析用户群体） |
| Generative AI | /ˈdʒenərətɪv ˌeɪ ˈaɪ/ | n.（名词短语） | 生成式 AI，能自主生成新内容（文本、图像、音频等）的 AI 技术，如 ChatGPT、MidJourney |
| 单词 | 音标（英式 / 美式） | 词性 | 核心释义 |
|---|---|---|---|
| Reinforcement Learning | /ˌriːɪnˈfɔːsmənt ˈlɜːnɪŋ/ /ˌriːɪnˈfɔːrsmənt ˈlɜːrnɪŋ/ | n.（名词短语） | 强化学习，机器学习的重要类型，通过 "奖励 / 惩罚" 机制让 AI 在交互中自主优化策略（如训练机器人下棋、自动驾驶决策） |
| Large Language Model (LLM) | /ˌlɑːdʒ ˈlæŋɡwɪdʒ ˈmɒdl/ /ˌlɑːrdʒ ˈlæŋɡwɪdʒ ˈmɑːdl/ | n.（名词短语） | 大语言模型，基于海量文本数据训练的大型 AI 模型，具备理解和生成人类语言的能力（如 GPT 系列、LLaMA） |
| Speech Recognition | /ˈspiːtʃ ˌrekəɡˈnɪʃn/ /ˈspiːtʃ ˌrekəɡˈnɪʃn/ | n.（名词短语） | 语音识别，AI 将人类语音信号转换为文本的技术，应用于语音助手（如 Siri）、实时字幕生成等 |
| Image Recognition | /ˈɪmɪdʒ ˌrekəɡˈnɪʃn/ /ˈɪmɪdʒ ˌrekəɡˈnɪʃn/ | n.（名词短语） | 图像识别，计算机视觉的核心应用，指 AI 识别图像中物体、场景或特征的技术（如手机拍照 "识物"、工业质检） |
| Fine-tuning | /ˈfaɪn tjuːnɪŋ/ /ˈfaɪn tuːnɪŋ/ | n.（名词） | 模型微调，在预训练好的 AI 模型基础上，用小批量特定数据进一步调整参数，使其适配具体任务（如用医疗文本微调 LLM 做问诊辅助） |
| Unstructured Data | /ˌʌnˈstrʌktʃəd ˈdeɪtə/ /ˌʌnˈstrʌktʃərd ˈdeɪtə/ | n.（名词短语） | 非结构化数据，无法用传统表格存储的信息（如文本、图片、音频、视频），是 AI 处理的主要数据类型之一 |
| Overfitting | /ˌəʊvəˈfɪtɪŋ/ /ˌoʊvərˈfɪtɪŋ/ | n.（名词） | 过拟合，AI 模型训练时 "过度记忆" 训练数据，导致对新数据的预测能力下降（如模型能精准识别训练过的猫图片，却认不出新品种的猫） |
| Generative Adversarial Network (GAN) | /ˌdʒenərətɪv ədˈvɜːsəri ˈnetwɜːk/ /ˌdʒenərətɪv ədˈvɜːrsəri ˈnetwɜːrk/ | n.（名词短语） | 生成对抗网络，一种生成式 AI 技术，由 "生成器" 和 "判别器" 相互对抗训练，可生成高度逼真的图像、音频等内容（如 AI 绘画、虚拟人脸生成） |
| Transfer Learning | /ˌtrænsˈfɜː(r) ˈlɜːrnɪŋ/ /ˌtrænsˈfɜːr ˈlɜːrnɪŋ/ | n.（名词短语） | 迁移学习，将 AI 模型在 A 任务上训练的知识 "迁移" 到 B 任务（通常 B 任务数据较少），减少训练成本（如用识别 "狗" 的模型知识辅助训练 "狼" 的识别模型） |
| Tokenization | /ˌtəʊkənaɪˈzeɪʃn/ /ˌtoʊkənaɪˈzeɪʃn/ | n.（名词） | 分词（或 "token 化"），NLP 的基础步骤，将连续的文本拆分为最小语义单元（如英文拆分为单词 / 子词，中文拆分为汉字 / 词语），方便模型处理 |
| Edge AI | /ˌedʒ ˌeɪ ˈaɪ/ | n.（名词短语） | 边缘 AI，将 AI 模型部署在 "边缘设备"（如手机、摄像头、物联网传感器）上，而非云端，实现低延迟、隐私保护的本地智能处理（如手机本地人脸解锁） |
| Bias (in AI) | /ˈbaɪəs/ | n.（名词） | AI 偏差，AI 模型因训练数据或算法设计问题，对特定群体产生不公平的预测结果（如招聘 AI 因历史数据偏向男性，导致对女性求职者评分偏低） |
| 单词 | 音标（英式 / 美式） | 词性 | 核心释义 |
|---|---|---|---|
| Pre-training | /ˌpriːˈtreɪnɪŋ/ /ˌpriːˈtreɪnɪŋ/ | n.（名词） | 预训练，AI 模型训练的前期阶段，指用大规模通用数据先让模型掌握基础能力（如 LLM 先用海量文本学习语言规律），为后续微调打基础 |
| Object Detection | /ˈɒbdʒɪkt dɪˈtekʃn/ /ˈɑːbdʒekt dɪˈtekʃn/ | n.（名词短语） | 目标检测，计算机视觉的核心任务之一，指 AI 不仅识别图像中的物体类别（如 "狗""车"），还能定位物体在图像中的具体位置（用矩形框标注） |
| Underfitting | /ˌʌndəˈfɪtɪŋ/ /ˌʌndərˈfɪtɪŋ/ | n.（名词） | 欠拟合，与 "过拟合" 相对，指 AI 模型过于简单，无法充分学习训练数据中的规律，导致对训练数据和新数据的预测效果都较差（如用简单线性模型预测复杂的图像特征） |
| Hyperparameter Tuning | /ˌhaɪpəˈpærəmɪtə ˈtjuːnɪŋ/ /ˌhaɪpərˈpærəmɪtər ˈtuːnɪŋ/ | n.（名词短语） | 超参数调优，AI 模型训练的关键步骤，指调整模型 "预设参数"（如学习率、神经网络层数），而非训练过程中自动优化的参数，以提升模型性能 |
| Labeled Data | /ˈleɪbəld ˈdeɪtə/ /ˈleɪbəld ˈdeɪtə/ | n.（名词短语） | 带标签数据，指标注了 "结果信息" 的数据（如标注 "猫" 的图片、标注 "正面评价" 的文本），是监督学习的核心训练材料 |
| Semi-supervised Learning | /ˌsemi ˈsuːpəvaɪzd ˈlɜːrnɪŋ/ /ˌsemi ˈsuːpərvaɪzd ˈlɜːrnɪŋ/ | n.（名词短语） | 半监督学习，机器学习的一种类型，结合 "少量带标签数据" 和 "大量无标签数据" 训练模型，平衡数据成本与模型性能（如用 100 条标注文本 + 10000 条无标注文本训练情感分析模型） |
| Text Generation | /ˈtekst ˌdʒenəˈreɪʃn/ /ˈtekst ˌdʒenəˈreɪʃn/ | n.（名词短语） | 文本生成，NLP 的重要应用，指 AI 根据输入指令（如提示词）自主生成连贯、符合逻辑的文本（如 AI 写文章、生成邮件、创作诗歌） |
| Voice Synthesis | /ˈvɔɪs ˈsɪnθəsɪs/ /ˈvɔɪs ˈsɪnθəsɪs/ | n.（名词短语） | 语音合成，又称 "文本转语音（TTS）"，指 AI 将文本内容转换为自然、流畅的人类语音（如导航软件的语音播报、AI 配音） |
| Transformer | /trænsˈfɔːmə(r)/ /trænsˈfɔːrmər/ | n.（名词） | Transformer 架构，现代 AI 模型（尤其是 LLM）的核心基础架构，通过 "注意力机制" 捕捉数据中的关联信息，大幅提升语言理解和生成能力 |
| Embedding | /ɪmˈbedɪŋ/ /ɪmˈbedɪŋ/ | n.（名词） | 嵌入（或 "向量嵌入"），AI 中表示数据语义的方式，将文本、图像等非数值数据转换为低维数值向量（如 "猫" 可转为 [0.2, 0.5, -0.1...]），方便模型计算语义相似度 |
| Model Deployment | /ˈmɒdl dɪˈplɔɪmənt/ /ˈmɑːdl dɪˈplɔɪmənt/ | n.（名词短语） | 模型部署，指将训练好的 AI 模型从 "研发环境" 迁移到 "实际应用环境"（如云端服务器、手机 APP），使其能处理真实场景中的数据并输出结果 |
| In-context Learning | /ˌɪn ˈkɒntekst ˈlɜːrnɪŋ/ /ˌɪn ˈkɑːntekst ˈlɜːrnɪŋ/ | n.（名词短语） | 上下文学习，LLM 的核心能力之一，指模型无需修改参数，仅通过在 "提示词中加入示例"（如 "例 1：苹果→水果；例 2：香蕉→水果；问：橙子→？"），就能完成新任务 |