生成式 AI 术语表

• 应用默认凭据 (ADC)

  • 应用默认凭据 (ADC) 提供了一种简单的方法来获取用于调用 Google API 的授权凭据。如果在调用时，应用需要与用户无关的一致身份和授权级别，则最适合使用应用默认凭据。这是向 Google Cloud API 调用授权的推荐方法，尤其适合在构建部署于 Google App Engine (GAE) 或 Compute Engine 虚拟机的应用时使用。如需了解详情，请参阅应用默认凭据的工作原理。

• 人工智能 (AI)

  • 人工智能（或 AI）是指研究和设计看似智能的机器，也就是模仿机械运动、推理或解决问题等人类或智力功能的机器。AI 最热门的子领域之一是机器学习，它使用统计和数据驱动的方法来创建 AI。不过，有些人会将这两个术语互换使用。

• 增强现实 (AR)

  • 将渲染的数字内容与现实世界内容相融合，可通过手机等显示屏实现，也可以作为叠加层显示在通过眼镜等光学设备看到的世界中。数字内容应跟踪相机或眼镜的移动（具体取决于场景的渲染方式），以使其看起来像是现实世界的一部分。

• 自动语音识别 (ASR,Speech to Text)

  • 将口语（语音）自动转写为文本。

• 身份验证

  • 此过程验证客户端（可能是用户或其他进程）的身份，以便获得对受保护系统的访问权限。已证明其身份的客户端即被认定为已通过身份验证。如需了解详情，请参阅 Google 的身份验证方法。

• AutoML

  • 通过黑盒优化“学会学习”的机器学习算法。如需了解详情，请参阅机器学习术语表。

• 基准

  • 一种模型，用作比较另一个模型（通常是更复杂的模型）效果时的参考点。例如，逻辑回归模型可以作为深度模型的良好基准。对于特定问题，基准有助于模型开发者量化新模型必须达到的最低预期性能，以便新模型发挥作用。如需了解详情，请参阅基准数据集和目标数据集。

• 批处理

  • 在一次训练迭代中使用的一组示例。批次大小决定了批处理中的示例数量。

• 批次大小

  • 一个批次中的样本数。例如，Stochastic Gradient Descent（随机梯度下降）的批次大小为 1，而小批次的批次大小通常介于 10 到 1000 之间。批次大小在训练和推理期间通常是固定的；不过，TensorFlow 允许使用动态批次大小。

• 偏差

  • 1. 对某些事物、人或群体有刻板印象、偏见或偏袒。这些偏差会影响数据的收集和解读、系统设计以及用户与系统的互动方式。2. 采样或报告过程中引入的系统错误。

• 双向

  • 用于描述一种系统，该系统会评估目标文本部分前后文本。与之相反，单向系统仅评估目标文本部分之前的文本。

• 基于 Transformer 的双向编码器表示法 (BERT)

  • BERT 是预训练语言表示法的一种方法，这意味着我们会使用大型文本语料库（例如维基百科）训练通用语言理解模型，然后将该模型用于我们关注的下游 NLP 任务（例如问答）。BERT 的表现优于之前的方法，因为它是第一个用于预训练 NLP 的无监督深度双向系统。

• 双语替换评测 (BLEU)

  • 一种常用的评估机器翻译算法质量的指标，方法是将其输出与一个或多个人工译文进行比较。

• 边界框

  • 视频帧中对象的边界框可通过以下两种方式之一指定：(i) 使用 2 个包含一组 x、y 坐标的顶点（如果这些点与矩形的对角线相对）。例如：x_relative_min、y_relative_min 以及 x_relative_max、y_relative_max (ii) 使用全部 4 个顶点。如需了解详情，请参阅准备视频数据。

• 聊天

  • 与机器学习系统（通常是大语言模型）进行的来回对话的内容。对话中的前一次互动（您输入的内容以及大语言模型的回复方式）会成为对话后续部分的上下文。聊天机器人是大语言模型的一种应用。

• 检查点

  • 捕获模型参数在训练期间或训练完成后的状态的数据。例如，在训练期间，您可以：停止训练，可能是有意为之，也可能是由于某些错误。2. 捕获检查点。3. 稍后，重新加载检查点（可能在其他硬件上）。4. 重新开始训练。在 Gemini 中，检查点是指基于特定数据集训练的 Gemini 模型的特定版本。

• 分类模型

  • 预测结果为类的模型。例如，以下所有模型都是分类模型：用于预测输入句子的语言（法语？西班牙语？意大利语？一个用于预测树种（枫树？Oak？Baobab?）。用于预测特定疾病的正类别或负类别的模型。

• Cloud TPU

  • 一种专门的硬件加速器，旨在加速 Google Cloud 上的机器学习工作负载。

• 情境窗口

  • 模型在给定问题中可以处理的词元数。上下文时段越长，模型可以使用的信息就越多，从而为问题提供连贯一致的回答。

• 数据分析

  • 根据样本、测量结果和可视化内容理解数据。数据分析在首次收到数据集时且构建第一个模型之前特别有用。此外，数据分析在理解实验和调试系统问题方面也至关重要。

• 数据增强

  • 通过转换现有样本创建其他样本，人为地增加训练样本的范围和数量。例如，假设图像是其中一个特征，但数据集包含的图像样本不足以供模型学习有用的关系。理想情况下，您需要向数据集添加足够的有标签图像，才能使模型正常训练。如果不可行，则可以通过数据增强旋转、拉伸和翻转每张图像，以生成原始照片的多个变体，这样可能会生成足够的有标签数据来实现很好的训练效果。

• DataFrame

  • 一种热门的 Pandas 数据类型，用于表示内存中的数据集。DataFrame 类似于表格或电子表格。DataFrame 的每一列都有一个名称（标题），每一行都由一个唯一的数字标识。DataFrame 中的每一列都像二维数组一样进行结构化，但每列可以分配自己的数据类型。

• 数据并行处理

  • 如需了解详情，请参阅。

• dataset（数据集）

  • 数据集被广泛定义为结构化或非结构化数据记录的集合。一组原始数据，通常（但不限于）采用以下格式之一进行整理：电子表格、CSV（逗号分隔值）格式的文件。有关详情，请参阅创建数据集

• 标准答案

  • 该术语是指根据真实世界（例如标准答案数据集）验证机器学习的准确率。

• 损失（费用）

  • 在监督式模型训练期间，用于衡量模型预测结果与标签之间的差距。损失函数用于计算损失。

• 模型

  • 任何模型，无论是否经过预训练。一般来说，任何处理输入数据并返回输出的数学结构。换句话说，模型是系统进行预测所需的一组参数和结构。

• 流水线作业

  • 流水线作业或流水线运行对应于 Vertex AI API 中的 PipelineJob 资源。它是机器学习流水线定义的执行实例，该定义为由输入/输出依赖项相互关联的一组机器学习任务。