AI工具有那些? @ 香港AI工具平台
AI Glossary AI人工智能詞彙表
AI Glossary

AI人工智能詞彙表

AI人工智能詞彙表:聯邦學習 (Federated Learning)

聯邦學習 (Federated Learning)

聯邦學習是一種分散式機器學習技術,允許多個分散的設備或服務器在本地數據上協同訓練一個共享模型,而不需將原始數據集中到中央伺服器。這種方法既能有效利用分散的數據資源,提升模型的泛化能力,又能在保障數據隱私和安全的前提下,防止個人或企業數據洩露,符合各類數據保護法律法規。
AI人工智能詞彙表:幻覺 (Hallucination)

幻覺 (Hallucination)

幻覺在人工智能領域中,指的是 AI 系統,尤其是大型生成模型(如大型語言模型)生成的錯誤、虛假或誤導性資訊。這類輸出看起來非常有說服力,甚至邏輯自洽,但實際上與真實世界的信息不符,沒有任何真憑實據。幻覺的現象讓使用者誤以為模型提供的是準確可靠的答案,極大地影響了人工智能技術的信任度和應用安全性。
AI人工智能詞彙表:合成數據 (Synthetic Data)

合成數據 (Synthetic Data)

合成數據指的是通過計算機算法和模擬生成的,非直接從現實世界收集的人造數據。這些數據在統計特性、結構和相關性上高度擬合真實數據,但不包含任何真實個體的具體信息,因此在保護隱私和數據安全的同時,能有效支持人工智慧模型的訓練與測試。
AI人工智能詞彙表:遷移學習 (Transfer Learning)

遷移學習 (Transfer Learning)

遷移學習是機器學習中的一種先進方法,旨在將一個領域或任務中已經學習到的知識和模型,應用於另一個相關但不同的領域或任務,以提高新任務的學習效率和性能。它突破了傳統機器學習中「每個任務必須從零開始訓練模型」的限制,使得在缺乏大量標註數據的情況下,也能快速獲得良好的模型表現。
AI人工智能詞彙表:過擬合 (Overfitting)

過擬合 (Overfitting)

過擬合是機器學習中一個常見且棘手的問題,指的是模型在訓練資料上表現非常優異,幾乎完全“記住”了訓練數據的細節,包括數據中的噪聲和異常點,但在未見過的新數據(測試集或實際應用中)上表現不佳,泛化能力明顯下降。換句話說,過擬合的模型過度專注於訓練數據本身,無法學習到數據的普遍規律,導致預測結果不具代表性。
AI人工智能詞彙表:欠擬合 (Underfitting)

欠擬合 (Underfitting)

欠擬合是機器學習中一種常見的問題,指模型在訓練過程中未能充分學習到數據中的規律和模式,結果導致模型在訓練集和測試集上都表現不佳。簡單來說,欠擬合表示模型過於簡單,難以捕捉數據的複雜關係,因此不能有效描述數據特性,影響預測準確度和泛化能力。
AI人工智能詞彙表:偏見 (Bias)

偏見 (Bias)

偏見,特別是在人工智能領域中,指的是系統性和持續存在的偏差或不公平現象,導致AI系統在預測、決策或行動中對特定群體或特定類型的數據做出不公正的對待。它是AI模型在學習和應用過程中,遺傳並放大了來自訓練數據或設計過程中的偏差和歧視傾向,從而影響了系統的公平性和可信度。
AI人工智能詞彙表:可解釋人工智能 (Explainable AI)

可解釋人工智能 (Explainable AI)

可解釋人工智能(Explainable AI,簡稱XAI)是指通過一系列方法和技術,使人工智能系統的決策過程和結果對人類使用者、開發者以及監管者等各方透明和易於理解。不同於傳統的「黑箱」機器學習模型,XAI旨在打開這個黑箱,提供解釋和理由,讓人們能清楚知道AI是如何、為何做出特定決策的,進而增強信任、安全與公平性。
AI人工智能詞彙表:人工智能倫理 (AI Ethics)

人工智能倫理 (AI Ethics)

人工智能倫理(AI Ethics)是一門探討人工智能技術在發展和應用過程中涉及的道德、法律和社會責任問題的學科。其核心目標是確保人工智能技術的設計、部署及使用方式符合人類的價值觀、尊重個體權利,促進社會公平與福祉,並防止可能帶來的偏見、侵犯隱私、安全風險等負面影響。人工智能倫理不僅關乎技術層面,更涉及哲學、人權、法律及公共政策的綜合考量。

AI人工智能詞彙表 常見問題 FAQ

什麼是「AI人工智能詞彙表」?

「AI人工智能詞彙表」是一個專為香港及中文使用者設計的人工智能術語查詢頁面,系統化整理常用AI相關英文術語與中文解釋,方便企業、教育界及一般用戶快速理解AI技術與應用場景,無需額外翻查專業文件即可輕鬆入門。

這個詞彙表適合哪些人使用?

詞彙表適合學生、初學者、中小企管理層、市場與營運人員,以及任何想了解AI基礎概念但不熟悉技術術語的使用者。無論是準備報告、與技術團隊溝通,還是規劃AI相關專案,這個詞彙表都能作為快速參考工具,幫助理解文章與方案中的關鍵字。

詞彙表的內容是怎樣編排的?

每項詞條通常以「英文術語」配對「中文名稱」及「簡明解釋」三欄呈現,部分條目會追加實際應用場景或相關技術範疇,讓讀者兼顧理論與實務。條目按字母或常見程度排列,方便使用者以關鍵字即時搜尋,並配合本地學習習慣優化表述方式。

這個詞彙表是否偏向某種技術框架或公司?

「AI人工智能詞彙表」設計以中立、通用為主,不特別偏向任何單一技術框架或企業,而是涵蓋機器學習、大型語言模型、自然語言處理、生成式AI等跨領域常見術語,讓香港及亞洲用戶在閱讀不同平台與教材時,都能透過同一套詞彙理解技術本質。

我可以如何在工作或學習中運用這個詞彙表?

您可以將詞彙表作為寫作、會議前後或課前課後的參考工具,例如在擬定AI專案提案前先釐清「LLM」、「微調」、「Prompt 工程」等術語,或在閱讀AI新聞時快速對照專有名詞。團隊亦可共同使用這份詞彙表,建立一致的溝通語言,減少誤解與反覆解釋的時間成本。

平台會如何更新這個AI詞彙表?

平台會根據AI技術發展與市場熱門話題,定期新增或調整詞條,例如加入新興模型名稱、合規與治理相關概念、以及本地化應用常見用語。同時保留基礎核心術語的穩定解釋,讓使用者既可掌握最新趨勢,又不致混淆於短暫流行的術語潮流。

我可不可以推薦新的AI術語加到這個詞彙表?

平台通常開放用戶推薦新詞條或提出補充建議,特別是對本地常用但未收錄的術語(例如香港教育、金融或零售場景特有的AI表述)。建議可透過網站提供的聯絡方式或表單提交,並附上簡短說明與使用情境,由管理團隊審核後決定是否納入正式詞彙表。