使机器能够模拟人类智能行为（学习、推理、感知）的跨学科科学
人工智能的子领域，使计算机无需明确编程就能从数据中学习
基于人工神经网络的机器学习子集，能处理更复杂模式
受生物大脑启发的计算模型，由相互连接的节点（神经元）组成
使用标记数据训练的机器学习方法，学习输入到输出的映射
使用未标记数据发现数据内在结构和模式的机器学习方法
智能体通过与环境交互学习最优策略的机器学习方法
计算机理解、解释和生成人类语言的技术
使计算机从图像和视频中获取高级理解的技术
基于规则和知识库模拟人类专家决策能力的早期AI系统
将世界知识编码为计算机可处理形式的方法
基于已有知识进行逻辑推导得出结论的系统
从大数据中发现模式、关联和趋势的过程
识别数据中规律和结构的技术
基于统计理论的机器学习方法
将原始数据转换为更能代表问题特征的特征的过程
衡量机器学习模型性能的方法和指标
模型对训练数据拟合过度，导致泛化能力下降的问题
模型在未见数据上表现良好的能力
解决问题或执行任务的一系列指令或规则
数据量巨大、复杂，传统方法难以处理的数据集
通过互联网提供计算资源和服务的模式
在数据源附近进行数据处理的计算模式
物理设备通过互联网相互连接的网络
设计、建造和操作机器人的跨学科领域
模拟人类思维过程的计算机模型
创建新内容（文本、图像等）的人工智能
基于海量文本数据训练的大型神经网络模型
使用自注意力机制的神经网络架构
神经网络专注于输入相关部分的技术
训练神经网络调整权重的算法
通过迭代调整参数最小化损失函数的优化算法
专门处理网格状数据（如图像）的神经网络
处理序列数据的神经网络，具有内部状态记忆
由生成器和判别器组成的对抗性神经网络
自动化机器学习流程（特征工程、模型选择等）的技术
分布式机器学习方法，保护数据隐私
使AI决策过程对人类透明可理解的技术
确保AI系统公平、负责、透明和安全的研究领域
防止AI系统被滥用或产生有害结果的研究领域
