人工智能詞彙表

代理人工智慧是指先進的 AI 系統，不僅僅僅是回應命令；它們會產生內容、自主執行任務並實現目標。這些系統結合了推理能力，記憶功能和反饋循環，以獨立規劃和執行動作，通常使用各種數字工具並通過學習調整其方法。與傳統 AI 不同，代理人工智能可以獨立運作，也可以與其他 AI 代理人合作，在與不同的平台和系統互動以完成複雜的任務時做出自主決策。

在工業環境中，Agentic AI 涉及部署 AI 系統，這些系統可以獨立監控、分析和控制工業營運的各個方面，例如預測性維護、品質控制、庫存管理或生產流程的優化。

人工智能（AI）是指具有學習和適應能力的軟件。AI 可以解決需要解釋輸入數據含義並適應要求的任務。通常，這些是以前只能通過自然智能解決的任務。AI 方法有幾種類型，它們在其應用領域，其潛力和與它們相關的風險方面顯著不同。AI 的基本原則是在 20 世紀開發的。由於所有 AI 方法都需要大量訓練數據，因此該技術現在通過數字化和大數據獲得越來越關鍵的關鍵性。

這種技術可讓數位資訊覆蓋在現實世界環境和物件上，通常使用沉浸式 3D 虛擬實境。AR 通過添加數字視覺，聲音和其他感官元素來允許實體世界的增強版本。

可以在沒有人干預的情況下運行的系統，例如自動駕駛汽車和無人機。

可以在沒有人干預的情況下運行的車輛，例如自動駕駛汽車和卡車。

由於偏見的訓練數據或算法，可能在 AI 系統中發生意外的偏見或偏愛。

大型複雜的數據集，通常由（工業）傳感器，也由公司，組織和人員產生。由於這些數據通常是非結構化的，不完整或不正確，因此非 AI 驅動的軟件通常無法以有意義的方式處理它。

一個由 AI 驅動的程序，可以通過文本或語音通信與人類進行交互。

一種類型的 AI，旨在複製人類認知過程，例如感知，推理和決策。

AI 的一個子集，允許計算機從視覺效果（例如圖像和視頻）中提取信息，以理解和解釋它們。

協助保護數位資訊免受外部攻擊者的攻擊者的策略、測量和工具。AI 可用於偵測和防止網路攻擊，以及識別和回應安全漏洞。

分析和解釋數據的過程，以發現見解並做出明智的決策。

計算機系統旨在通過提供相關信息和分析來幫助人類做出決策。

機器學習的一個子集，涉及使用具有多層的神經網絡，以使機器能夠從數據中學習。

描述物理物件或過程的行為的數學模型。在模擬環境中，可以使用數字雙胞胎來模擬如果系統的參數更改，將會發生在現實世界中的情況。數位雙胞胎可在整個產品生命週期中使用，包括設計、製造、操作和服務階段。數位雙胞胎的視覺表現，看起來和行為就像他們的物理同伴一樣，反映現實世界，並實時適應當地發生的事情。

邊緣運算是一種系統架構類型，與雲計算不同，使計算和數據存儲更接近數據源（「邊緣」）。它有助於縮短數據傳輸所需的回應時間和能量。邊緣 AI 系統可以實現在靠近實際執行設備。這些設備無需連接到雲端即可執行 AI 應用程式。

AI 旨在與物理世界進行互動並導航，通常通過使用機器人或自動駕駛汽車。

在人工智能的開發和使用中的道德原則的研究和應用，包括偏見、隱私和責任等問題。

AI 旨在透明且易於解釋，使人類能夠了解機器如何以及為什麼做出特定決定。

是一種機器學習中的培訓方法，其中多個單獨的設備使用自己的（單獨）數據集訓練機器學習模型。只有最終結果與網絡中的主要參與者共享。

AI 旨在通過結合並從現有內容中學習來生成新內容，例如圖像，視頻和音樂。

應用程式 (例如 CAD 軟體) 能夠在一組限制下自主產生多種設計替代方案。使用 AI，優化和模擬等技術。

工業人工智能是指 AI 在構成經濟骨幹的行業中應用，包括產業、基礎設施、行動和醫療保健。

工業基礎模型 (IFM) 已針對產業特定資料進行預先訓練，以深入了解工程、自動化和製造的「語言」，並實現更快、更準確的 AI 解決方案部署。它們提供標準化的起點，通過規模經濟來節省時間、資源和能源。IFM 是為了解決真實世界的工業挑戰而量身定制。它們充當工業副駕駛員背後的情報層，並促進跨行業知識轉移和協作。它們不僅支援文字、影像和音訊，還支援 3D 模型、2D 圖面以及其他複雜的結構，例如產業特定的時間序列資料（另請參閱多模式 LLM）。

工業級 AI 表示品質水平；可靠、安全且值得信賴，旨在滿足最嚴苛的專業環境的嚴格要求和標準。

一個用於描述第四次工業革命的術語，該術語涉及 AI，物聯網和其他先進技術將其集成到製造和工業中。

嵌入感測器、軟體和連線能力的技術裝置網路，以實現資料交換。物聯網是數位化和大數據的主要驅動力之一。

一種資料庫，將知識表示為互連節點和邊緣的圖形，用於人工智慧應用程式，例如 NLP 和搜尋。

一種 AI 語言模型，在大量數據（例如 GPT-3）上訓練以生成類似人類的文本。

AI 的一個子集，涉及使用演算法和統計模型，以使機器能夠從經驗或數據中學習。

AI 的一個子集，允許帶有連接攝像頭的機器提取視覺信息，以了解和解釋其周圍環境。

多模式 LLM 可以同時理解和處理多種類型的數據（例如文本，圖像，音頻或傳感器數據）。它們集成到計算機視覺，自動駕駛汽車和機器人等應用中。它們改善對象識別、場景理解，並使機器能夠遵循複雜的指示。多模式 LLM 具有影響產業特定資料的處理和產生 (例如時間序列、2D 和 3D 模型或機器視覺資料)，就像傳統的 LLM 影響文字和語音處理的方式相同。

AI 的一個子集，專注於計算機和人類語言之間的互動。

一種使人類使用自然手勢，語音和其他表達形式與計算機進行交互的界面。

一種類型的機器學習算法，該算法是根據人類大腦的結構進行模型，並用於識別數據中的模式。

用於分析包含多個子設備的建築物或機器電壓和電流變化的過程，以推斷系統中每個設備的個別貢獻。

物理 AI 指人工智能將人工智能整合到機器（例如機器人）中，這些機器人可以感知自己的環境並在其中行動。靈感來自人類感官運動週期，物理 AI 處理感官輸入（例如 3D 攝像機或觸覺感測器），從它們產生控制命令，並使機器能夠在物理的 3D 環境中自適應和自主執行複雜的任務。

物理知識的 AI，也稱為物理感知 AI，指的是一種新類的人工智能方法，該方法將物理定律直接納入培訓過程中。與傳統的 AI 方法不同，這些方法主要依賴大型數據集來學習行為，物理知的 AI 集成了基於物理的限制來指導學習。這使 AI 系統能夠利用我們現有對物理世界運作的知識，即使現實世界數據受限，也能夠推理和做出預測。這些模型不僅從例子中學習，而是使用其物理知識來引導學習到更優化和物理一致的解決方案。

預測性 AI 利用統計分析和機器學習來識別機器和設備的即時和歷史操作數據中的模式，使其能夠預測未來行為、偵測異常、預測潛在故障，並建議維護動作。它用於增強資產健康狀況和可靠性、減少未計劃的停機時間，並支援跨工業營運的更快資料驅動決策。

使用 AI 和統計模型根據歷史數據預測未來的事件或趨勢。

根據即時數據，使用 AI 來預測機器何時需要維護或維修。

使用 AI 來檢測缺陷並確保產品符合質量標準。

一種機器學習類型，未經訓練的代理人在執行操作後通過系統的罰款和獎勵來學習策略。

義的道德和道德標準的 AI 應用程序。

工程和 AI 的分支，專注於機器人的設計，施工和操作。

使用 AI 來分析和解釋在文本或語音中表達的情緒和意見。

一種使用 AI 和其他先進技術來優化電力的生產、配送和消耗的電網。

專業硬體，例如圖形處理單元 (GPU) 或支援語言處理單元 (LPU) 的邊緣裝置，是工業人工智慧的新興趨勢。這些設備在邊緣提供高性能計算能力，可實現 AI 演算法的即時處理。它們的整合允許並行處理和加速效能，從而更快地執行複雜的 AI 任務。此本機處理可減少延遲和對雲端資源的依賴，因此對於敏感時間的應用程式來說非常重要。專業硬體還支援進階 AI 模型，從而提升洞察力和改善效能。此外，它通過最大限度地減少對廣泛的雲端基礎架構和數據傳輸的需求來降低成本。

機器識別和解釋人類語音的能力。

一種學習方法，其中使用標記（已知）數據集訓練機器學習模型以預測結果。

優化供應鏈中的貨物和材料流量，以降低成本並提高效率。AI 通常用於流程自動化、低效率偵測、商品質保證和需求預測。

由演算法產生的人工資料，而不是用來訓練和驗證機器學習模型的真實事件。合成資料的品質至關重要。它決定 AI 是否在訓練後產生可接受的結果。

一種學習方法，其中機器學習模型發現以前未知（未標記）資料中的模式和群組。

虛擬現實 (VR) 提供了一種數位渲染的環境，可以複製實際空間、創建替代現實或結合兩者。用戶可以從家庭，辦公室或工廠的界限探索虛擬空間。