人工智能AI发展现状与核心技术积累分析

人工智能领域核心术语笔记

进入人工智能行业，持续学习和梳理基础概念是必不可少的功课。下面这份笔记整理了部分关键术语，供大家参考和共同提升。

1. AI

人工智能，整个领域的统称。

2. IOT

物联网，让万物互联的基础。

3. ASR

自动语音识别，让机器“听懂”人话的关键技术。

4. NLU

自然语言理解，比单纯识别文字更进一步的，是理解语言背后的意图。

5. TTS

文本转语音，让机器“开口说话”的技术。

6. 范围大小

这几个概念的包含关系需要理清：人工智能 > 机器学习 > 深度学习。可以这么理解，深度学习是机器学习的一种主流方法，而机器学习又是实现人工智能的核心途径。

7. HTK

这是一款经典的、源自剑桥大学的语音识别工具包，在深度学习兴起前被广泛使用。

8. Kaldi

另一款非常重要的开源语音识别工具。它因模块化设计和效率而知名，其开源社区提供了许多经典示例，比如用于入门训练的“yesno”、识别英文数字的“s4”、音素识别基准“timit”以及开源语音库“voxforge”。

9. 神经网络

DNN

深度神经网络，目前很多AI应用的基础架构。

CNN

卷积神经网络，在图像识别等领域表现尤为出色。

LRU

最近最少使用算法，一种经典的缓存淘汰策略，在计算机系统中应用广泛。

10. AJAX

异步JavaScript和XML技术。它的价值在于能实现网页的局部更新，无需重载整个页面，是打造流畅动态网页体验的基石技术之一。

11. TensorFlow

由谷歌开源的人工智能学习系统。可以说，它已经成为业界的事实标准之一，目前国内大量的语音识别、图像识别等模型训练，都是基于该系统构建和完成的。