人工智能
让计算机系统能够模拟人类智能行为的科学与技术，包括学习、推理、感知、理解和决策能力。
AI技术分类思维导图
机器学习
使计算机系统通过数据学习改进经验的方法，无需明确编程，而是从数据中自动提取模式和规律。
监督学习
使用已标记的训练数据（输入和期望输出）来训练模型，使其能够预测新输入的输出。如分类和回归问题。
回归分析
预测连续值的监督学习方法，如预测房价、温度等数值。
决策树
一种基于树结构进行决策的监督学习算法，适用于分类和回归问题。
SVM
支持向量机，一种强大的分类算法，通过找到最优超平面分隔不同类别的数据点。
无监督学习
使用无标记数据，让算法自主发现数据中的结构和模式。如聚类分析和降维技术。
聚类分析
将数据点分组到相似性高的集合中，发现数据内在结构的无监督学习方法。
降维技术
减少数据维度同时保留关键信息的方法，如PCA和t-SNE等。
深度学习
机器学习的一个子领域，使用多层神经网络处理复杂数据，能够自动学习特征表示。如CNN、RNN等。
CNN
卷积神经网络，特别适用于图像处理的深度学习模型，通过卷积运算提取空间特征。
RNN
循环神经网络，处理序列数据的深度学习模型，能够记忆之前的信息，适用于文本和时间序列数据。
Transformer
基于自注意力机制的深度学习模型，广泛应用于NLP任务，是BERT和GPT等模型的基础架构。
强化学习
通过与环境互动获取反馈奖励的学习方法，智能体通过尝试和错误来学习最优策略。如游戏AI和自动驾驶。
Q-Learning
一种无模型强化学习算法，通过学习动作价值函数来优化行为策略。
自然语言处理
使计算机能够理解、解析、生成人类语言的技术，包括文本分析、语言模型和机器翻译等。
文本分析
处理和分析文本数据的技术，包括情感分析、主题建模和内容分类等。
情感分析
判断文本表达的情感倾向（如积极、消极或中性）的技术。
文本分类
将文本自动分配到预定义类别的技术，如垃圾邮件过滤、新闻分类等。
语言模型
预测和生成文本的AI模型，能够理解语言上下文和语义。
BERT
双向编码器表示的Transformer，Google开发的预训练语言模型，擅长理解文本上下文。
GPT
生成式预训练Transformer，OpenAI开发的大型语言模型，擅长生成连贯自然的文本。
LLM
大型语言模型，具有数十亿参数的先进语言模型，能够理解和生成人类语言，如GPT-4、Claude等。
机器翻译
自动将文本从一种语言翻译成另一种语言的技术。
计算机视觉
让计算机能够从图像或视频中获取信息并理解内容的技术，包括图像识别、目标检测和图像生成等。
图像识别
识别图像中的内容和对象的技术，如人脸识别、物体识别等。
目标检测
在图像中定位和识别多个对象的技术，不仅知道有什么，还知道在哪里。
图像生成
创建新的、逼真图像的技术，如风格迁移、图像合成等。
GAN
生成对抗网络，通过生成器和判别器的对抗训练生成逼真图像的深度学习架构。
Diffusion
扩散模型，通过逐步去除噪声生成高质量图像的技术，如Stable Diffusion、DALL-E等产品的核心技术。
推荐系统
根据用户的历史行为、偏好和特征，预测并推荐可能感兴趣的内容或产品的技术。
协同过滤
基于用户或物品之间的相似性进行推荐的方法，依赖于用户历史行为数据。
内容推荐
基于物品特征和内容属性进行推荐的方法，不依赖用户历史行为。
知识图谱
以网络形式存储和表示概念、实体及其关系的知识库，支持复杂查询和推理。
信息抽取
从非结构化文本中自动提取结构化知识和关系的技术。
知识推理
在知识图谱上进行逻辑推理，推导出新的知识和关系的技术。
应用场景
金融领域
风险评估
智能投顾
反欺诈
医疗领域
医学影像分析
智能诊断
药物研发
零售领域
个性化推荐
需求预测
智能客服
工业领域
预测性维护
质量控制
供应链优化
政务领域
智慧城市管理
舆情分析与监测
政务服务智能化
节点详细解释
核心技术解释
人工智能
让计算机系统能够模拟人类智能行为的科学与技术，包括学习、推理、感知、理解和决策能力。
机器学习
使计算机系统通过数据学习改进经验的方法，无需明确编程，而是从数据中自动提取模式和规律。
监督学习
使用已标记的训练数据（输入和期望输出）来训练模型，使其能够预测新输入的输出。如分类和回归问题。
无监督学习
使用无标记数据，让算法自主发现数据中的结构和模式。如聚类分析和降维技术。
深度学习
机器学习的一个子领域，使用多层神经网络处理复杂数据，能够自动学习特征表示。如CNN、RNN等。
强化学习
通过与环境互动获取反馈奖励的学习方法，智能体通过尝试和错误来学习最优策略。如游戏AI和自动驾驶。
自然语言处理
使计算机能够理解、解析、生成人类语言的技术，包括文本分析、语言模型和机器翻译等。
计算机视觉
让计算机能够从图像或视频中获取信息并理解内容的技术，包括图像识别、目标检测和图像生成等。
推荐系统
根据用户的历史行为、偏好和特征，预测并推荐可能感兴趣的内容或产品的技术，如协同过滤和内容推荐。
知识图谱
以网络形式存储和表示概念、实体及其关系的知识库，支持复杂查询和推理，用于信息抽取和知识推理。
应用场景解释
金融领域
AI在金融中的应用包括风险评估（信用评分和风险预测）、智能投顾（资产配置和投资建议）、反欺诈（异常交易检测）等。
医疗领域
AI在医疗中的应用包括医学影像分析（检测肿瘤等异常）、智能诊断（辅助医生判断疾病）、药物研发（加速新药发现）等。
零售领域
AI在零售中的应用包括个性化推荐（商品推荐系统）、需求预测（库存优化）、智能客服（自动回答顾客问题）等。
工业领域
AI在工业中的应用包括预测性维护（预测设备故障）、质量控制（自动检测产品缺陷）、供应链优化（提高效率和降低成本）等。
政务领域
AI在政务中的应用包括智慧城市管理（交通优化）、舆情分析与监测（公共舆论追踪）、政务服务智能化（智能问答和自动审批）等。