《人工智能專業(yè)術(shù)語(yǔ)》A-Z匯總 《人工智能專業(yè)術(shù)語(yǔ)》A-Z匯總

　　讀者在此項(xiàng)目中，可通過(guò)以上表盤(pán)查看自己想要了解的專業(yè)詞匯。在單個(gè)首字母中，表格的組織形式為：英文/縮寫(xiě)、漢語(yǔ)、來(lái)源&擴(kuò)展。

　　來(lái)源&擴(kuò)展是對(duì)該詞匯的注解，內(nèi)容為機(jī)器之心往期的相關(guān)文章。例如字母A中的「算法」，我們關(guān)聯(lián)到的三篇文章是《回歸、分類與聚類：三大方向剖解機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)》和《機(jī)器學(xué)習(xí)算法附速查表》和《深度學(xué)習(xí)算法全景圖：從理論證明其正確性》。因此，我們希望不僅能提供相對(duì)應(yīng)的術(shù)語(yǔ)，同時(shí)還希望能為讀者提供每一個(gè)術(shù)語(yǔ)的來(lái)源和概念上的擴(kuò)展。但由于這一部分工作量較大，我們還將與讀者共同推進(jìn)這一部分?jǐn)U展的進(jìn)程。

　　準(zhǔn)確性

　　本項(xiàng)目中所有英文專業(yè)詞匯對(duì)照的中文都來(lái)自機(jī)器之心編譯的文章和系列機(jī)器學(xué)習(xí)教科書(shū)(如周志華的《機(jī)器學(xué)習(xí)》和李航的《統(tǒng)計(jì)學(xué)習(xí)方法》等)，我們力求在提供準(zhǔn)確翻譯的同時(shí)保留最常用的形式。同時(shí)，為了保證詞匯翻譯的準(zhǔn)確性，我們將此項(xiàng)目向讀者開(kāi)源，并希望能與讀者共同迭代術(shù)語(yǔ)的準(zhǔn)確度。除此之外，我們還將為每一個(gè)詞匯提供來(lái)源與擴(kuò)展進(jìn)一步提升詞匯的置信度。

　　機(jī)器之心術(shù)語(yǔ)編譯標(biāo)準(zhǔn)

　　因?yàn)樵擁?xiàng)目很多術(shù)語(yǔ)都是機(jī)器之心平常編譯文章所積累的，所以我們首先需要向讀者說(shuō)明機(jī)器之心術(shù)語(yǔ)編譯的標(biāo)準(zhǔn)。

　　常見(jiàn)術(shù)語(yǔ)的編譯標(biāo)準(zhǔn)

　　機(jī)器之心常見(jiàn)術(shù)語(yǔ)的編譯首先會(huì)確保術(shù)語(yǔ)的正確性，其次再考慮術(shù)語(yǔ)的傳播廣度。例如常見(jiàn)術(shù)語(yǔ)。logistic regression，首先機(jī)器之心會(huì)保證該術(shù)語(yǔ)的準(zhǔn)確度。我們常見(jiàn) logistic regression 會(huì)翻譯為邏輯回歸，但中文「邏輯」與 logistic 的含義還是有些差別，因此我們并不太傾向于采用這種譯法。在準(zhǔn)確度的基礎(chǔ)上，我們會(huì)考慮術(shù)語(yǔ)的傳播廣度。例如有學(xué)者建議可以將 logistic regression 譯為對(duì)數(shù)幾率回歸，但鑒于該譯法的傳播度不廣，看到中文并不會(huì)馬上檢索到對(duì)應(yīng)英文和概念，所以我們最終在常見(jiàn)術(shù)語(yǔ)編譯標(biāo)準(zhǔn)下將 logistic regression 譯為 logistical 回歸。機(jī)器之心在對(duì)常見(jiàn)術(shù)語(yǔ)編譯時(shí)并不會(huì)保留英文，也不會(huì)做進(jìn)一步說(shuō)明。

　　非常見(jiàn)術(shù)語(yǔ)的編譯標(biāo)準(zhǔn)

　　機(jī)器之心在編譯技術(shù)文章或論文時(shí)，常常會(huì)遇到非常見(jiàn)的術(shù)語(yǔ)。因?yàn)橄裾撐哪菢拥奈恼率窃谔囟I(lǐng)域下為解決特定問(wèn)題而規(guī)范化書(shū)寫(xiě)的，所以就會(huì)存在較多的非常見(jiàn)的術(shù)語(yǔ)。而機(jī)器之心在編譯非常見(jiàn)術(shù)語(yǔ)時(shí)，唯一的標(biāo)準(zhǔn)就是準(zhǔn)確性，通常我們也會(huì)保留英文。因?yàn)榉浅Ｒ?jiàn)術(shù)語(yǔ)通常是數(shù)學(xué)、神經(jīng)科學(xué)和物理學(xué)等領(lǐng)域上的專業(yè)術(shù)語(yǔ)，機(jī)器之心會(huì)盡可能地借鑒其他領(lǐng)域內(nèi)的譯法和意義而確定如何編譯。例如 fixed-point theorem，在參考數(shù)學(xué)的情況下，我們會(huì)更傾向于譯為不動(dòng)點(diǎn)定理，fixed-point 譯為不動(dòng)點(diǎn)而不是定點(diǎn)。

　　歧義術(shù)語(yǔ)的編譯標(biāo)準(zhǔn)

　　還有很多術(shù)語(yǔ)其實(shí)是有歧義的，而對(duì)于這一類詞，機(jī)器之心的編譯標(biāo)準(zhǔn)會(huì)根據(jù)語(yǔ)義進(jìn)行確定，因此也會(huì)有一些誤差。例如 bias 在描述神經(jīng)網(wǎng)絡(luò)層級(jí)單元時(shí)可以譯為偏置項(xiàng)。而在描述訓(xùn)練誤差和與叉驗(yàn)證誤差間的關(guān)系或?qū)W習(xí)曲線時(shí)，bias 可以譯為偏差。這樣的例子還有很多，比如 Stationary 在馬爾可夫模型中可譯為穩(wěn)態(tài)分布(Stationary distribution)，在最優(yōu)化問(wèn)題中可譯為駐點(diǎn)(Stationary point)，而在涉及博弈論或?qū)剐杂?xùn)練時(shí)，其又可能表達(dá)為靜態(tài)。

　　以上是機(jī)器之心大概編譯術(shù)語(yǔ)的標(biāo)準(zhǔn)，雖然我們?cè)诔Ｓ眯g(shù)語(yǔ)的編譯上錯(cuò)誤率相對(duì)較少，但在非常見(jiàn)術(shù)語(yǔ)和歧義術(shù)語(yǔ)上仍然會(huì)出現(xiàn)一些錯(cuò)誤。尤其是在非常見(jiàn)術(shù)語(yǔ)的編譯上，沒(méi)有特定的背景知識(shí)很容易在編譯上出現(xiàn)誤差。因此我們希望能與讀者共同加強(qiáng)術(shù)語(yǔ)的編譯質(zhì)量。

　　詞匯更新

　　本詞匯庫(kù)目前擁有的專業(yè)詞匯共計(jì) 500 個(gè)，主要為機(jī)器學(xué)習(xí)基礎(chǔ)概念和術(shù)語(yǔ)，同時(shí)也是該項(xiàng)目的基本詞匯。機(jī)器之心將繼續(xù)完善術(shù)語(yǔ)的收錄和擴(kuò)展閱讀的構(gòu)建。詞匯更新主要分為兩個(gè)階段，第一階段機(jī)器之心將繼續(xù)完善基礎(chǔ)詞匯的構(gòu)建，即通過(guò)權(quán)威教科書(shū)或其它有公信力的資料抽取常見(jiàn)術(shù)語(yǔ)。第二階段機(jī)器之心將持續(xù)性地把編譯論文或其他資料所出現(xiàn)的非常見(jiàn)術(shù)語(yǔ)更新到詞匯表中。

　　讀者的反饋意見(jiàn)和更新建議將貫穿整個(gè)階段，并且我們將在項(xiàng)目致謝頁(yè)中展示對(duì)該項(xiàng)目起積極作用的讀者。因?yàn)槲覀兿Ｍg(shù)語(yǔ)的更新更具準(zhǔn)確度和置信度，所以我們希望讀者能附上該術(shù)語(yǔ)的來(lái)源地址與擴(kuò)展地址。因此，我們能更客觀地更新詞匯，并附上可信的來(lái)源與擴(kuò)展。

　　第一版(500詞)，2017年07月10日

　　第二版(743詞)，2017年07月30日