Glossário de inteligência artificial - Glossary of artificial intelligence

Este glossário de inteligência artificial é uma lista de definições de termos e conceitos relevantes para o estudo da inteligência artificial , suas subdisciplinas e campos relacionados. Glossários relacionados incluem Glossário de ciência da computação , Glossário de robótica e Glossário de visão de máquina .

UMA

programação lógica abdutiva (ALP): Uma estrutura de representação de conhecimento de alto nível que pode ser usada para resolver problemas declarativamente com base no raciocínio abdutivo . Ele estende a programação da lógica normal , permitindo que alguns predicados sejam definidos de forma incompleta, declarados como predicados abdutíveis.
raciocínio abdutivo: Uma forma de inferência lógica que começa com uma observação ou conjunto de observações, em seguida, busca encontrar a explicação mais simples e provável. Este processo, ao contrário do raciocínio dedutivo , produz uma conclusão plausível, mas não a verifica positivamente . inferência abdutiva ou retrodução
tipo de dados abstratos: Um modelo matemático para tipos de dados , onde um tipo de dados é definido por seu comportamento ( semântica ) do ponto de vista de um usuário dos dados, especificamente em termos de valores possíveis, operações possíveis em dados desse tipo e o comportamento de essas operações.
abstração: O processo de remoção de detalhes físicos, espaciais ou temporais ou atributos no estudo de objetos ou sistemas , a fim de atender mais de perto a outros detalhes de interesse
mudança acelerada: Um aumento perceptível na taxa de mudança tecnológica ao longo da história, o que pode sugerir uma mudança mais rápida e profunda no futuro e pode ou não ser acompanhado por mudanças sociais e culturais igualmente profundas.
linguagem de ação: Uma linguagem para especificar sistemas de transição de estado e é comumente usada para criar modelos formais dos efeitos das ações no mundo. As linguagens de ação são comumente usadas nos domínios da inteligência artificial e da robótica , onde descrevem como as ações afetam os estados dos sistemas ao longo do tempo e podem ser usadas para planejamento automatizado .
aprendizagem modelo de ação: Uma área de aprendizado de máquina voltada para a criação e modificação do conhecimento do agente de software sobre os efeitos e pré-condições das ações que podem ser executadas em seu ambiente. Esse conhecimento é geralmente representado em linguagem de descrição de ação baseada em lógica e usado como entrada para planejadores automatizados.
seleção de ação: Uma forma de caracterizar o problema mais básico dos sistemas inteligentes: o que fazer a seguir. Em inteligência artificial e ciência cognitiva computacional, "o problema de seleção de ação" é tipicamente associado a agentes inteligentes e animats - sistemas artificiais que exibem comportamento complexo em um ambiente de agente.
função de ativação: Em redes neurais artificiais , a função de ativação de um nó define a saída desse nó dada uma entrada ou conjunto de entradas.
algoritmo adaptativo: Um algoritmo que muda seu comportamento no momento em que é executado, com base em um mecanismo ou critério de recompensa definido a priori .
sistema de inferência neuro difuso adaptativo (ANFIS): Um tipo de rede neural artificial baseada no sistema de inferência fuzzy Takagi – Sugeno . A técnica foi desenvolvida no início dos anos 1990. Uma vez que integra redes neurais e princípios de lógica difusa , tem potencial para capturar os benefícios de ambos em uma única estrutura . Seu sistema de inferência corresponde a um conjunto de regras fuzzy IF – THEN que possuem capacidade de aprendizado para aproximar funções não lineares. Portanto, ANFIS é considerado um estimador universal. Para utilizar o ANFIS de forma mais eficiente e ótima, podem-se utilizar os melhores parâmetros obtidos por algoritmo genético.
heurística admissível: Na ciência da computação , especificamente em algoritmos relacionados ao pathfinding , uma função heurística é considerada admissível se nunca superestimar o custo para atingir a meta, ou seja, o custo que estima para atingir a meta não é maior do que o menor custo possível do atual ponto no caminho.
computação afetiva: O estudo e o desenvolvimento de sistemas e dispositivos que podem reconhecer, interpretar, processar e simular os afetos humanos . A computação afetiva é um campo interdisciplinar que abrange ciência da computação , psicologia e ciências cognitivas .
arquitetura do agente: Um projeto para agentes de software e sistemas de controle inteligentes , descrevendo a disposição dos componentes. As arquiteturas implementadas por agentes inteligentes são chamadas de arquiteturas cognitivas .
Acelerador de IA: Uma classe de microprocessador ou sistema de computador projetado como aceleração de hardware para aplicativos de inteligência artificial , especialmente redes neurais artificiais , visão de máquina e aprendizado de máquina .
AI completo: No campo da inteligência artificial, os problemas mais difíceis são informalmente conhecidos como AI-completo ou AI-hard, o que implica que a dificuldade desses problemas computacionais é equivalente à de resolver o problema central da inteligência artificial - tornando os computadores tão inteligentes quanto as pessoas, ou IA forte . Chamar um problema de AI-completo reflete uma atitude de que não seria resolvido por um algoritmo específico simples.
algoritmo: Uma especificação inequívoca de como resolver uma classe de problemas. Os algoritmos podem realizar cálculos, processamento de dados e tarefas de raciocínio automatizadas.
eficiência algorítmica: Uma propriedade de um algoritmo que se relaciona ao número de recursos computacionais usados pelo algoritmo. Um algoritmo deve ser analisado para determinar seu uso de recursos e a eficiência de um algoritmo pode ser medida com base no uso de diferentes recursos. A eficiência do algoritmo pode ser considerada análoga à produtividade da engenharia para um processo repetitivo ou contínuo.
probabilidade algorítmica: Na teoria da informação algorítmica , a probabilidade algorítmica, também conhecida como probabilidade de Solomonoff, é um método matemático de atribuir uma probabilidade anterior a uma determinada observação. Foi inventado por Ray Solomonoff na década de 1960.
AlphaGo: Um programa de computador que joga o jogo de tabuleiro Go . Foi desenvolvido pela Alphabet Inc. 's Google DeepMind em Londres. AlphaGo tem várias versões, incluindo AlphaGo Zero , AlphaGo Master , AlphaGo Lee , etc. Em outubro de 2015, AlphaGo se tornou o primeiro programa de Go de computador a vencer um jogador Go profissional humano sem limitações em uma placa 19 × 19 de tamanho normal.
inteligência ambiental (AmI): Ambientes eletrônicos sensíveis e responsivos à presença de pessoas.
análise de algoritmos: A determinação da complexidade computacional dos algoritmos, ou seja, a quantidade de tempo, armazenamento e / ou outros recursos necessários para executá-los . Normalmente, isso envolve a determinação de uma função que relaciona o comprimento da entrada de um algoritmo ao número de etapas que ele executa (sua complexidade de tempo ) ou ao número de locais de armazenamento que ele usa (sua complexidade de espaço ).
analítica: A descoberta, interpretação e comunicação de padrões significativos em dados.
programação de conjunto de respostas (ASP): Uma forma de programação declarativa orientada para problemas de pesquisa difíceis (principalmente NP-difíceis ) . É baseado na semântica do modelo estável (conjunto de respostas) de programação lógica . No ASP, os problemas de pesquisa são reduzidos a modelos estáveis de computação e solucionadores de conjuntos de respostas - programas para gerar modelos estáveis - são usados para realizar a pesquisa.
algoritmo a qualquer hora: Um algoritmo que pode retornar uma solução válida para um problema, mesmo se for interrompido antes de terminar.
interface de programação de aplicativo (API): Um conjunto de definições de sub-rotina, protocolos de comunicação e ferramentas para a construção de software. Em termos gerais, é um conjunto de métodos de comunicação claramente definidos entre vários componentes. Uma boa API torna mais fácil desenvolver um programa de computador, fornecendo todos os blocos de construção, que são então reunidos pelo programador . Uma API pode ser para um sistema baseado na web, sistema operacional , sistema de banco de dados , hardware de computador ou biblioteca de software .
correspondência de string aproximada: A técnica de encontrar strings que correspondam aproximadamente a um padrão (em vez de exatamente). O problema de correspondência aproximada de string é normalmente dividido em dois subproblemas: encontrar correspondências de substring aproximadas dentro de uma determinada string e encontrar strings de dicionário que correspondam aproximadamente ao padrão.
erro de aproximação: A discrepância entre um valor exato e alguma aproximação a ele.
quadro de argumentação: Uma maneira de lidar com informações controversas e tirar conclusões delas. Em uma estrutura de argumentação abstrata, a informação de nível de entrada é um conjunto de argumentos abstratos que, por exemplo, representam dados ou uma proposição. Os conflitos entre argumentos são representados por uma relação binária no conjunto de argumentos. Em termos concretos, você representa uma estrutura de argumentação com um gráfico direcionado de forma que os nós são os argumentos e as setas representam a relação de ataque. Existem algumas extensões da estrutura de Dung, como as estruturas de argumentação baseadas em lógica ou as estruturas de argumentação baseadas em valores.
inteligência artificial geral (AGI)
sistema imunológico artificial (AIS): Uma classe de sistemas de aprendizado de máquina baseados em regras e com inteligência computacional, inspirados nos princípios e processos do sistema imunológico de vertebrados . Os algoritmos são normalmente modelados de acordo com as características de aprendizagem e memória do sistema imunológico para uso na resolução de problemas .
inteligência artificial (IA): Qualquer inteligência demonstrada por máquinas , em contraste com a inteligência natural exibida por humanos e outros animais. Na ciência da computação , a pesquisa de IA é definida como o estudo de " agentes inteligentes ": qualquer dispositivo que percebe seu ambiente e executa ações que maximizam sua chance de atingir seus objetivos com sucesso. Coloquialmente, o termo "inteligência artificial" é aplicado quando uma máquina imita funções "cognitivas" que os humanos associam a outras mentes humanas , como "aprendizado" e "solução de problemas".
Linguagem de marcação de inteligência artificial: Um dialeto XML para criar agentes de software de linguagem natural .
rede neural artificial (ANN): Qualquer sistema de computação vagamente inspirado nas redes neurais biológicas que constituem o cérebro dos animais .
Associação para o Avanço da Inteligência Artificial (AAAI): Uma sociedade científica internacional, sem fins lucrativos, dedicada a promover a pesquisa e o uso responsável da inteligência artificial . A AAAI também visa aumentar a compreensão pública da inteligência artificial (IA), melhorar o ensino e o treinamento de praticantes de IA e fornecer orientação para planejadores e financiadores de pesquisa sobre a importância e o potencial dos atuais desenvolvimentos de IA e direções futuras.
complexidade computacional assintótica: Na teoria da complexidade computacional , complexidade computacional assintótica é o uso de análise assintótica para a estimativa de complexidade computacional de algoritmos e problemas computacionais , comumente associados com o uso da notação O grande .
cálculo de atribuição: Um sistema lógico e de representação definido por Ryszard S. Michalski . Ele combina elementos da lógica de predicados , cálculo proposicional e lógica de múltiplos valores . O cálculo de atribuição fornece uma linguagem formal para a indução natural , um processo de aprendizado indutivo cujos resultados estão em formas naturais para as pessoas.
realidade aumentada (AR): Uma experiência interativa de um ambiente do mundo real onde os objetos que residem no mundo real são "aumentados" por informações perceptivas geradas por computador, às vezes através de várias modalidades sensoriais, incluindo visual , auditivo , háptico , somatossensorial e olfativo .
teoria dos autômatos: O estudo de máquinas abstratas e autômatos , bem como dos problemas computacionais que podem ser resolvidos com eles. É uma teoria em ciência da computação teórica e matemática discreta (um assunto de estudo em matemática e ciência da computação ).
planejamento e programação automatizados: Ramo da inteligência artificial que diz respeito à realização de estratégias ou sequências de ação, normalmente para execução por agentes inteligentes , robôs autônomos e veículos não tripulados . Ao contrário dos problemas clássicos de controle e classificação , as soluções são complexas e devem ser descobertas e otimizadas em um espaço multidimensional. O planejamento também está relacionado à teoria da decisão .
raciocínio automatizado: Uma área da ciência da computação e lógica matemática dedicada a compreender diferentes aspectos do raciocínio . O estudo do raciocínio automatizado ajuda a produzir programas de computador que permitem aos computadores raciocinar completamente, ou quase completamente, automaticamente. Embora o raciocínio automatizado seja considerado um subcampo da inteligência artificial , ele também tem conexões com a ciência da computação teórica e até mesmo com a filosofia .
computação autônoma (AC): As características de autogerenciamento de recursos de computação distribuída , adaptando-se a mudanças imprevisíveis enquanto oculta a complexidade intrínseca para operadores e usuários. Iniciada pela IBM em 2001, essa iniciativa teve como objetivo principal desenvolver sistemas de computador capazes de autogerenciamento, superar a complexidade crescente do gerenciamento de sistemas de computação e reduzir a barreira que a complexidade representa para um maior crescimento.
carro autônomo: Um veículo que é capaz de sentir seu ambiente e se mover com pouca ou nenhuma entrada humana .
robô autônomo: Um robô que executa comportamentos ou tarefas com alto grau de autonomia . A robótica autônoma é geralmente considerada um subcampo da inteligência artificial , robótica e engenharia da informação .

B

retropropagação: Um método usado em redes neurais artificiais para calcular um gradiente que é necessário no cálculo dos pesos a serem usados na rede. Retropropagação é a abreviatura de "propagação de erros para trás", uma vez que um erro é calculado na saída e distribuído para trás pelas camadas da rede. É comumente usado para treinar redes neurais profundas , um termo que se refere a redes neurais com mais de uma camada oculta.
retropropagação ao longo do tempo (BPTT): Uma técnica baseada em gradiente para treinar certos tipos de redes neurais recorrentes . Ele pode ser usado para treinar redes Elman . O algoritmo foi derivado de forma independente por vários pesquisadores
encadeamento para trás: Um método de inferência descrito coloquialmente como um trabalho retroativo a partir do objetivo. É usado em provadores de teoremas automatizados , mecanismos de inferência , assistentes de prova e outras aplicações de inteligência artificial .
modelo de saco de palavras: Uma representação simplificada usada no processamento de linguagem natural e recuperação de informações (IR). Nesse modelo, um texto (como uma frase ou um documento) é representado como a bolsa (multiset) de suas palavras, desconsiderando a gramática e até mesmo a ordem das palavras, mas mantendo a multiplicidade . O modelo da bolsa de palavras também foi usado para visão computacional . O modelo bag-of-words é comumente usado em métodos de classificação de documentos onde a (frequência de) ocorrência de cada palavra é usada como um recurso para treinar um classificador .
modelo de saco de palavras em visão computacional: Na visão computacional, o modelo do saco de palavras (modelo BoW) pode ser aplicado à classificação de imagens , tratando os recursos da imagem como palavras. Na classificação de documentos, um saco de palavras é um vetor esparso de contagens de ocorrências de palavras; ou seja, um histograma esparso sobre o vocabulário. Na visão computacional , um pacote de palavras visuais é um vetor de contagens de ocorrências de um vocabulário de características locais da imagem.
normalização de lote: Uma técnica para melhorar o desempenho e a estabilidade de redes neurais artificiais . É uma técnica que fornece a qualquer camada de uma rede neural entradas que têm média zero / variação unitária. A normalização de lote foi introduzida em um artigo de 2015. É usado para normalizar a camada de entrada ajustando e escalando as ativações.
Programação bayesiana: Um formalismo e uma metodologia para ter uma técnica para especificar modelos probabilísticos e resolver problemas quando menos do que as informações necessárias estão disponíveis.
algoritmo de abelhas: Um algoritmo de busca baseado em população que foi desenvolvido por Pham, Ghanbarzadeh e et al. em 2005. Ele imita o comportamento de forrageamento de alimentos de colônias de abelhas. Em sua versão básica, o algoritmo realiza uma espécie de busca na vizinhança combinado com pesquisa global, e pode ser usado tanto para otimização combinatória e otimização contínua . A única condição para a aplicação do algoritmo das abelhas é que alguma medida de distância entre as soluções seja definida. A eficácia e habilidades específicas do algoritmo das abelhas foram comprovadas em vários estudos.
informática de comportamento (BI): A informática de comportamentos para obter inteligência comportamental e insights comportamentais.
árvore de comportamento (BT): Um modelo matemático de execução de planos usado em ciência da computação , robótica , sistemas de controle e videogames . Eles descrevem alternâncias entre um conjunto finito de tarefas de forma modular. Sua força vem de sua capacidade de criar tarefas muito complexas compostas de tarefas simples, sem se preocupar como as tarefas simples são implementadas. Os BTs apresentam algumas semelhanças com as máquinas de estado hierárquico, com a diferença fundamental de que o bloco de construção principal de um comportamento é uma tarefa, e não um estado. Sua facilidade de compreensão humana torna os BTs menos sujeitos a erros e muito populares na comunidade de desenvolvedores de jogos. BTs demonstraram generalizar várias outras arquiteturas de controle.
modelo de software crença-desejo-intenção (BDI): Um modelo de software desenvolvido para programar agentes inteligentes . Superficialmente caracterizado pela implementação das crenças , desejos e intenções de um agente , ele na verdade usa esses conceitos para resolver um problema particular na programação do agente. Em essência, ele fornece um mecanismo para separar a atividade de seleção de um plano (de uma biblioteca de planos ou um aplicativo de planejador externo) da execução de planos atualmente ativos. Conseqüentemente, os agentes do BDI são capazes de equilibrar o tempo gasto na deliberação sobre os planos (escolher o que fazer) e na execução desses planos (fazê-lo). Uma terceira atividade, criar os planos em primeiro lugar (planejamento), não está dentro do escopo do modelo e é deixada para o projetista e programador do sistema.
compensação de viés-variância: Em estatística e aprendizado de máquina , a compensação de viés-variância é a propriedade de um conjunto de modelos preditivos em que modelos com um viés menor na estimativa de parâmetro têm uma variância mais alta das estimativas de parâmetro entre as amostras e vice-versa.
big data: Um termo usado para se referir a conjuntos de dados que são muito grandes ou complexos para o software de aplicativo de processamento de dados tradicional lidar adequadamente. Dados com muitos casos (linhas) oferecem maior poder estatístico , enquanto dados com maior complexidade (mais atributos ou colunas) podem levar a uma taxa de descoberta falsa maior .
Notação Big O: Uma notação matemática que descreve o comportamento limitante de uma função quando o argumento tende para um determinado valor ou infinito. É membro de uma família de notações inventadas por Paul Bachmann , Edmund Landau e outros, chamadas coletivamente de notação Bachmann-Landau ou notação assintótica.
árvore binária: Uma estrutura de árvore de dados em que cada nó tem no máximo dois filhos , que são chamados de criança esquerda e ocriança certa . Umadefinição recursivausando apenasnoções dateoria dos conjuntosé que uma árvore binária (não vazia) é umatupla(L,S,R), ondeLeRsão árvores binárias ou oconjunto vazioeSé umconjunto singleton. Alguns autores permitem que a árvore binária também seja o conjunto vazio.
sistema de quadro-negro: Uma abordagem de inteligência artificial baseada no modelo de arquitetura de quadro negro , onde uma base de conhecimento comum, o “quadro negro”, é atualizada iterativamente por um grupo diverso de fontes de conhecimento especializado, começando com a especificação de um problema e terminando com uma solução. Cada fonte de conhecimento atualiza o quadro-negro com uma solução parcial quando suas restrições internas correspondem ao estado do quadro-negro. Dessa forma, os especialistas trabalham juntos para resolver o problema.
Máquina boltzmann: Um tipo de rede neural recorrente estocástica e campo aleatório de Markov . As máquinas de Boltzmann podem ser vistas como a contraparte estocástica e geradora das redes de Hopfield .
Problema de satisfatibilidade booleana: {{{contente}}}
tecnologia do cérebro: Uma tecnologia que emprega as últimas descobertas da neurociência . O termo foi introduzido pela primeira vez pelo Laboratório de Inteligência Artificial em Zurique, Suíça , no contexto do projeto ROBOY . A Brain Technology pode ser empregada em robôs, sistemas de gerenciamento de know-how e qualquer outra aplicação com recursos de autoaprendizagem. Em particular, os aplicativos da Brain Technology permitem a visualização da arquitetura de aprendizagem subjacente, freqüentemente cunhada como "mapas de know-how".
fator de ramificação: Em computação , estruturas de dados em árvore e teoria dos jogos , o número de filhos em cada nó é o outdegree . Se este valor não for uniforme, um fator de ramificação médio pode ser calculado.
busca de força bruta: Uma técnica de solução de problemas muito geral e paradigma algorítmico que consiste em enumerar sistematicamente todos os candidatos possíveis para a solução e verificar se cada candidato satisfaz a declaração do problema.

C

rede neural de cápsula (CapsNet): Um sistema de aprendizado de máquina que é um tipo de rede neural artificial (RNA) que pode ser usado para melhor modelar relacionamentos hierárquicos. A abordagem é uma tentativa de imitar mais de perto a organização neural biológica.
raciocínio baseado em casos (CBR): Amplamente interpretado, o processo de resolução de novos problemas com base nas soluções de problemas anteriores semelhantes.
chatbot: Um programa de computador ou inteligência artificial que conduz uma conversa por meio de métodos auditivos ou textuais.
robótica na nuvem: Um campo da robótica que tenta invocar tecnologias de nuvem, como computação em nuvem , armazenamento em nuvem e outras tecnologias da Internet centradas nos benefícios de infraestrutura convergente e serviços compartilhados para robótica. Quando conectados à nuvem, os robôs podem se beneficiar dos poderosos recursos de computação, armazenamento e comunicação do data center moderno na nuvem, que pode processar e compartilhar informações de vários robôs ou agentes (outras máquinas, objetos inteligentes, humanos, etc.) . Os humanos também podem delegar tarefas a robôs remotamente por meio de redes . As tecnologias de computação em nuvem permitem que os sistemas de robôs sejam dotados de capacidade poderosa, ao mesmo tempo que reduz os custos por meio das tecnologias de nuvem. Assim, é possível construir robôs leves, de baixo custo, mais inteligentes e com "cérebro" inteligente na nuvem. O "cérebro" consiste em data center , base de conhecimento , planejadores de tarefas, aprendizagem profunda , processamento de informações, modelos de ambiente, suporte de comunicação, etc.
análise de cluster: A tarefa de agrupar um conjunto de objetos de forma que os objetos no mesmo grupo (chamados de cluster) sejam mais semelhantes (em certo sentido) entre si do que em outros grupos (clusters). É uma tarefa principal de mineração de dados exploratória e uma técnica comum para análise estatística de dados , usada em muitos campos, incluindo aprendizado de máquina , reconhecimento de padrões , análise de imagens , recuperação de informações , bioinformática , compressão de dados e computação gráfica .
Teia de aranha: Um sistema incremental para agrupamento conceitual hierárquico . O COBWEB foi inventado pelo Professor Douglas H. Fisher , atualmente na Vanderbilt University. O COBWEB organiza as observações de forma incremental em uma árvore de classificação . Cada nó em uma árvore de classificação representa uma classe (conceito) e é rotulado por um conceito probabilístico que resume as distribuições de valor de atributo de objetos classificados no nó. Esta árvore de classificação pode ser usada para prever atributos ausentes ou a classe de um novo objeto.
arquitetura cognitiva: O Instituto de Tecnologias Criativas define arquitetura cognitiva como: "hipótese sobre as estruturas fixas que fornecem uma mente, seja em sistemas naturais ou artificiais, e como elas funcionam juntas - em conjunto com o conhecimento e as habilidades incorporadas à arquitetura - para produzir um comportamento inteligente em uma diversidade de ambientes complexos. "
computação cognitiva: Em geral, o termo computação cognitiva tem sido usado para se referir a um novo hardware e / ou software que imita o funcionamento do cérebro humano e ajuda a melhorar a tomada de decisão humana. Nesse sentido, CC é um novo tipo de computação com o objetivo de modelos mais precisos de como o cérebro / mente humana sente, raciocina e responde a estímulos.
Ciência cognitiva: O estudo científico interdisciplinar da mente e seus processos.
otimização combinatória: Em Pesquisa Operacional , matemática aplicada e ciência da computação teórica , a otimização combinatória é um tópico que consiste em encontrar um objeto ideal a partir de um conjunto finito de objetos.
máquina de comitê: Um tipo de rede neural artificial que usa uma estratégia de dividir para conquistar , na qual as respostas de várias redes neurais (especialistas) são combinadas em uma única resposta. A resposta combinada da máquina de comitês deve ser superior àquela de seus especialistas constituintes. Compare conjuntos de classificadores .
conhecimento de senso comum: Na pesquisa de inteligência artificial , o conhecimento do senso comum consiste em fatos sobre o mundo cotidiano, como "Limões são azedos", que se espera que todos os humanos saibam. O primeiro programa de IA a abordar o conhecimento do senso comum foi o Advice Taker em 1959, de John McCarthy.
raciocínio de senso comum: Um ramo da inteligência artificial preocupado em simular a habilidade humana de fazer suposições sobre o tipo e a essência das situações comuns que encontram todos os dias.
química computacional: Um ramo da química que usa simulação de computador para auxiliar na solução de problemas químicos.
teoria da complexidade computacional: Concentra-se na classificação de problemas computacionais de acordo com sua dificuldade inerente e relacionando essas classes entre si. Um problema computacional é uma tarefa resolvida por um computador. Um problema de computação pode ser resolvido pela aplicação mecânica de etapas matemáticas, como um algoritmo.
criatividade computacional: Um esforço multidisciplinar que inclui os campos da inteligência artificial , psicologia cognitiva , filosofia e artes .
cibernética computacional: A integração de técnicas de cibernética e inteligência computacional .
humor computacional: Um ramo da linguística computacional e inteligência artificial que usa computadores na pesquisa de humor .
inteligência computacional (CI): Normalmente se refere à capacidade de um computador de aprender uma tarefa específica a partir de dados ou observação experimental.
teoria de aprendizagem computacional: Na ciência da computação, a teoria do aprendizado computacional (ou apenas teoria do aprendizado) é um subcampo da inteligência artificial dedicado ao estudo do projeto e análise de algoritmos de aprendizado de máquina .
lingüística computacional: Um campo interdisciplinar preocupado com a modelagem estatística ou baseada em regras da linguagem natural de uma perspectiva computacional, bem como o estudo de abordagens computacionais apropriadas para questões linguísticas.
matemática computacional: A pesquisa matemática em áreas da ciência onde a computação desempenha um papel essencial.
neurociência computacional: Um ramo da neurociência que emprega modelos matemáticos, análises teóricas e abstrações do cérebro para compreender os princípios que governam o desenvolvimento , a estrutura , a fisiologia e as habilidades cognitivas do sistema nervoso .
teoria dos números computacionais: O estudo de algoritmos para realizar cálculos teóricos dos números .
problema computacional: Na ciência da computação teórica , um problema computacional é um objeto matemático que representa uma coleção de questões que os computadores podem ser capazes de resolver.
estatística computacional: A interface entre estatística e ciência da computação .
design automatizado por computador (CAutoD): Automação de projeto geralmente se refere à automação de projeto eletrônico ou Automação de Projeto, que é um Configurador de Produto . Estendendo o projeto auxiliado por computador (CAD), o projeto automatizado e o projeto automatizado por computador estão relacionados a uma gama mais ampla de aplicações, como engenharia automotiva , engenharia civil , projeto de materiais compostos , engenharia de controle , identificação e otimização de sistemas dinâmicos , sistemas financeiros , industriais equipamentos, sistemas mecatrônicos , construção em aço , otimização estrutural e a invenção de novos sistemas. Mais recentemente, a simulação CAD tradicional parece ser transformada em CAutoD por aprendizado de máquina de inspiração biológica , incluindo técnicas de pesquisa heurística , como computação evolutiva e algoritmos de inteligência de enxame .
audição de computador (CA): Veja a escuta da máquina .
Ciência da Computação: A teoria, experimentação e engenharia que formam a base para o design e uso de computadores . Envolve o estudo de algoritmos que processam, armazenam e comunicam informações digitais . Um cientista da computação se especializou em teoria da computação e projeto de sistemas computacionais.
visão de computador: Um campo científico interdisciplinar que trata de como os computadores podem ser feitos para obter um entendimento de alto nível a partir de imagens ou vídeos digitais . Do ponto de vista da engenharia , busca automatizar tarefas que o sistema visual humano pode realizar.
deriva de conceito: Na análise preditiva e no aprendizado de máquina , o desvio de conceito significa que as propriedades estatísticas da variável de destino, que o modelo está tentando prever, mudam ao longo do tempo de maneiras imprevistas. Isso causa problemas porque as previsões se tornam menos precisas com o passar do tempo.
conexionismo: Uma abordagem no campo das ciências cognitivas , que visa explicar fenômenos mentais usando redes neurais artificiais .
heurística consistente: No estudo de problemas de descoberta de caminhos em inteligência artificial , uma função heurística é dita consistente, ou monótona, se sua estimativa for sempre menor ou igual à distância estimada de qualquer vértice vizinho ao objetivo, mais o custo de atingir aquele vizinho.
modelo condicional restrito (CCM): Uma estrutura de aprendizado de máquina e inferência que aumenta o aprendizado de modelos condicionais (probabilísticos ou discriminativos) com restrições declarativas.
programação lógica de restrição: Uma forma de programação de restrição , na qual a programação lógica é estendida para incluir conceitos de satisfação de restrição . Um programa lógico de restrição é um programa lógico que contém restrições no corpo das cláusulas. Um exemplo de uma cláusula que inclui uma restrição é . Nesta cláusula, é uma restrição; , E são literais como em lógica de programação regular. Esta cláusula estabelece uma condição sob a qual a declaração é válida: é maior que zero e ambos e são verdadeiros.A(X,Y) :- X+Y>0, B(X), C(Y)X+Y>0A(X,Y)B(X)C(Y)A(X,Y)X+YB(X)C(Y)
programação de restrição: Um paradigma de programação em que as relações entre as variáveis são estabelecidas na forma de restrições . As restrições diferem das primitivas comuns das linguagens de programação imperativas porque não especificam uma etapa ou sequência de etapas a serem executadas, mas sim as propriedades de uma solução a ser encontrada.
linguagem construída: Uma língua cuja fonologia , gramática e vocabulário são planejados conscientemente, em vez de se desenvolverem naturalmente . As linguagens construídas também podem ser chamadas de linguagens artificiais, planejadas ou inventadas.
teoria de controle: Em sistemas de controle, a engenharia é um subcampo da matemática que lida com o controle de sistemas dinâmicos em operação contínua em processos e máquinas projetados. O objetivo é desenvolver um modelo de controle para controlar tais sistemas usando uma ação de controle de maneira ideal, sem atrasos ou overshoot e garantindo a estabilidade do controle .
rede neural convolucional: No aprendizado profundo , uma rede neural convolucional (CNN ou ConvNet) é uma classe de redes neurais profundas , mais comumente aplicada à análise de imagens visuais. CNNs usam uma variação de perceptrons multicamadas projetada para exigir um pré-processamento mínimo . Eles também são conhecidos como redes neurais artificiais invariantes de deslocamento ou invariantes de espaço (SIANN), com base em sua arquitetura de pesos compartilhados e características de invariância de tradução .
crossover: Em algoritmos genéticos e computação evolutiva , um operador genético usado para combinar a informação genética de dois pais para gerar novos descendentes. É uma maneira de gerar estocasticamente novas soluções a partir de uma população existente e análoga ao crossover que ocorre durante a reprodução sexual em organismos biológicos. As soluções também podem ser geradas pela clonagem de uma solução existente, que é análoga à reprodução assexuada . Soluções recém-geradas são tipicamente mutadas antes de serem adicionadas à população.

D

Floresta Negra: Um programa de computador go desenvolvido pelo Facebook , baseado em técnicas de aprendizado profundo usando uma rede neural convolucional . Sua versão atualizada Darkfores2 combina as técnicas de seu antecessor com a pesquisa em árvore de Monte Carlo . O MCTS usa métodos de pesquisa em árvore comumente vistos em programas de xadrez de computador e os randomiza. Com a atualização, o sistema passa a ser conhecido como Darkfmcts3.
Oficina de dartmouth: O Projeto de Pesquisa de Verão de Dartmouth em Inteligência Artificial era o nome de um workshop de verão de 1956 agora considerado por muitos (embora não todos) como o evento seminal para a inteligência artificial como um campo.
aumento de dados: O aumento de dados na análise de dados são técnicas usadas para aumentar a quantidade de dados. Isso ajuda a reduzir o overfitting ao treinar um aprendizado de máquina .
fusão de dados: O processo de integração de várias fontes de dados para produzir informações mais consistentes, precisas e úteis do que as fornecidas por qualquer fonte de dados individual.
integração de dados: O processo de combinar dados residentes em diferentes fontes e fornecer aos usuários uma visão unificada deles. Esse processo se torna significativo em uma variedade de situações, que incluem tanto domínios comerciais (como quando duas empresas semelhantes precisam mesclar seus bancos de dados ) quanto científicos (combinando resultados de pesquisas de diferentes repositórios de bioinformática , por exemplo). A integração de dados aparece com frequência crescente conforme o volume (ou seja, big data ) e a necessidade de compartilhar dados existentes explodem . Tornou-se o foco de um extenso trabalho teórico e numerosos problemas em aberto permanecem sem solução.
mineração de dados: O processo de descoberta de padrões em grandes conjuntos de dados envolvendo métodos na interseção de aprendizado de máquina, estatísticas e sistemas de banco de dados.
ciência de dados: Um campo interdisciplinar que usa métodos científicos, processos, algoritmos e sistemas para extrair conhecimento e percepções de dados em várias formas, estruturadas e não estruturadas, semelhantes à mineração de dados . Ciência de dados é um "conceito para unificar estatísticas, análise de dados, aprendizado de máquina e seus métodos relacionados" para "compreender e analisar fenômenos reais" com dados. Ele emprega técnicas e teorias extraídas de muitos campos dentro do contexto da matemática , estatística , ciência da informação e ciência da computação .
conjunto de dados: Uma coleção de dados . Mais comumente, um conjunto de dados corresponde ao conteúdo de uma única tabela de banco de dados , ou uma única matriz de dados estatísticos , onde cada coluna da tabela representa uma variável particular e cada linha corresponde a um determinado membro do conjunto de dados em questão. O conjunto de dados lista valores para cada uma das variáveis, como altura e peso de um objeto, para cada membro do conjunto de dados. Cada valor é conhecido como um datum. O conjunto de dados pode compreender dados para um ou mais membros, correspondendo ao número de linhas.
armazém de dados (DW ou DWH): Um sistema usado para relatórios e análise de dados . Os DWs são repositórios centrais de dados integrados de uma ou mais fontes distintas. Eles armazenam dados atuais e históricos em um único lugar
Registro de dados: Uma linguagem de programação lógica declarativa que sintaticamente é um subconjunto do Prolog . Geralmente é usado como uma linguagem de consulta para bancos de dados dedutivos . Nos últimos anos, a Datalog encontrou um novo aplicativo na integração de dados , extração de informações , rede , análise de programas , segurança e computação em nuvem .
limite de decisão: No caso de redes neurais artificiais baseadas em retropropagação ou perceptrons , o tipo de limite de decisão que a rede pode aprender é determinado pelo número de camadas ocultas que a rede possui. Se não tiver camadas ocultas, só aprenderá problemas lineares. Se ele tiver uma camada oculta, então ele pode aprender qualquer função contínua em subconjuntos compactos de R ⁿ como mostrado pelo teorema de aproximação universal , portanto, ele pode ter um limite de decisão arbitrário.
sistema de apoio à decisão (DSS): Um sistema de informação que apóia as atividades de tomada de decisão de negócios ou organizacionais . Os DSSs atendem aos níveis de gerenciamento, operações e planejamento de uma organização (geralmente gerenciamento intermediário e superior) e ajudam as pessoas a tomar decisões sobre problemas que podem estar mudando rapidamente e não são facilmente especificados com antecedência - ou seja, problemas de decisão não estruturados e semiestruturados. Os sistemas de suporte à decisão podem ser totalmente informatizados ou movidos a energia humana, ou uma combinação de ambos.
teoria da decisão: O estudo do raciocínio subjacente às escolhas de um agente . A teoria da decisão pode ser dividida em dois ramos: teoria da decisão normativa , que dá conselhos sobre como tomar as melhores decisões dado um conjunto de crenças incertas e um conjunto de valores , e teoria da decisão descritiva que analisa como agentes existentes, possivelmente irracionais, realmente tomam decisões .
Aprendizagem da árvore de decisão: Usa uma árvore de decisão (como um modelo preditivo ) para ir de observações sobre um item (representado nos ramos) para conclusões sobre o valor alvo do item (representado nas folhas). É uma das abordagens de modelagem preditiva usadas em estatística , mineração de dados e aprendizado de máquina .
programação declarativa: Um paradigma de programação - um estilo de construção da estrutura e dos elementos de programas de computador - que expressa a lógica de uma computação sem descrever seu fluxo de controle .
classificador dedutivo: Um tipo de mecanismo de inferência de inteligência artificial . Leva como entrada um conjunto de declarações em uma linguagem de quadro sobre um domínio, como pesquisa médica ou biologia molecular. Por exemplo, os nomes das classes, subclasses , propriedades e restrições sobre os valores permitidos.
Azul profundo: era um computador para jogar xadrez desenvolvido pela IBM . É conhecido por ser o primeiro sistema de xadrez de computador a vencer um jogo de xadrez e uma partida de xadrez contra um campeão mundial em controle de tempo regular.
aprendizado profundo: Parte de uma família mais ampla de métodos de aprendizado de máquina com base em representações de dados de aprendizado , em oposição a algoritmos específicos de tarefas. Aprender pode ser supervisionado , semi-supervisionado ou não supervisionado .
DeepMind Technologies: Um britânico de inteligência artificial empresa fundada em setembro de 2010, atualmente de propriedade da Alphabet Inc. A empresa está sediada em Londres , com centros de pesquisa no Canadá , França , eo Estados Unidos . Adquirida pelo Google em 2014, a empresa criou uma rede neural que aprende a jogar videogames de maneira semelhante à dos humanos, bem como uma máquina de Turing neural , ou uma rede neural que pode acessar uma memória externa como uma máquina de Turing convencional , resultando em um computador que imita a memória de curto prazo do cérebro humano. A empresa ganhou as manchetes em 2016 depois que seu programa AlphaGo venceu o jogador profissional de Go Lee Sedol , campeão mundial, em uma partida de cinco jogos , que foi tema de um documentário. Um programa mais geral, AlphaZero , venceu os programas mais poderosos jogando Go , xadrez e shogi (xadrez japonês) depois de alguns dias jogando contra si mesmo usando o aprendizado por reforço .
lógica padrão: Uma lógica não monotônica proposta por Raymond Reiter para formalizar o raciocínio com suposições padrão.
lógica de descrição (DL): Uma família de linguagens de representação formal do conhecimento . Muitas DLs são mais expressivas do que a lógica proposicional, mas menos expressivas do que a lógica de primeira ordem . Em contraste com o último, os principais problemas de raciocínio para LDs são (geralmente) decidíveis , e procedimentos de decisão eficientes foram projetados e implementados para esses problemas. Existem lógicas de descrições gerais, espaciais, temporais, espaço-temporais e difusas, e cada lógica de descrição apresenta um equilíbrio diferente entre a expressividade de DL e a complexidade de raciocínio , apoiando diferentes conjuntos de construtores matemáticos.
robótica de desenvolvimento (DevRob): Um campo científico que visa estudar os mecanismos de desenvolvimento, arquiteturas e restrições que permitem a aprendizagem ao longo da vida e aberta de novas habilidades e novos conhecimentos em máquinas incorporadas .
diagnóstico: Preocupa-se com o desenvolvimento de algoritmos e técnicas capazes de determinar se o comportamento de um sistema está correto. Se o sistema não estiver funcionando corretamente, o algoritmo deve ser capaz de determinar, com a maior precisão possível, que parte do sistema está falhando e que tipo de falha está enfrentando. O cálculo é baseado em observações , que fornecem informações sobre o comportamento atual.
sistema de diálogo: Um sistema de computador destinado a conversar com um ser humano com uma estrutura coerente. Os sistemas de diálogo empregam texto, fala, gráficos, haptics, gestos e outros modos de comunicação nos canais de entrada e saída.
redução de dimensionalidade: O processo de redução do número de variáveis aleatórias em consideração, obtendo um conjunto de variáveis principais. Ele pode ser dividido em seleção e extração de recursos .
sistema discreto: Qualquer sistema com um número contável de estados. Os sistemas discretos podem ser contrastados com os sistemas contínuos, que também podem ser chamados de sistemas analógicos. Um sistema discreto final é freqüentemente modelado com um gráfico direcionado e é analisado quanto à exatidão e complexidade de acordo com a teoria computacional . Como os sistemas discretos têm um número contável de estados, eles podem ser descritos em modelos matemáticos precisos . Um computador é uma máquina de estado finito que pode ser vista como um sistema discreto. Como os computadores são freqüentemente usados para modelar não apenas outros sistemas discretos, mas também sistemas contínuos, foram desenvolvidos métodos para representar sistemas contínuos do mundo real como sistemas discretos. Um desses métodos envolve a amostragem de um sinal contínuo em intervalos de tempo discretos .
inteligência artificial distribuída (DAI): Um subcampo da pesquisa de inteligência artificial dedicado ao desenvolvimento de soluções distribuídas para problemas. O DAI está intimamente relacionado e é um predecessor do campo de sistemas multiagentes .
lógica epistêmica dinâmica (DEL): Uma estrutura lógica que lida com a mudança de conhecimento e informação. Normalmente, DEL concentra-se em situações que envolvem vários agentes e estuda como seu conhecimento muda quando os eventos ocorrem.

E

ávido aprendizado: Um método de aprendizado no qual o sistema tenta construir uma função de destino geral independente de entrada durante o treinamento do sistema, em oposição ao aprendizado preguiçoso , em que a generalização além dos dados de treinamento é atrasada até que uma consulta seja feita ao sistema.
Teste de Ebert: Um teste que avalia se uma voz sintetizada por computador pode contar uma piada com habilidade suficiente para fazer as pessoas rirem . Foi proposto pelo crítico de cinema Roger Ebert na conferência TED de 2011 como um desafio aos desenvolvedores de software para que uma voz computadorizada dominasse as inflexões, a entrega, o tempo e as entonações de um ser humano falante. O teste é semelhante ao teste de Turing proposto por Alan Turing em 1950 como uma forma de avaliar a capacidade de um computador de exibir comportamento inteligente, gerando desempenho indistinguível de um ser humano .
rede de estado de eco (ESN): Uma rede neural recorrente com uma camada oculta conectada esparsamente (com conectividade normalmente de 1%). A conectividade e os pesos dos neurônios ocultos são fixos e atribuídos aleatoriamente. Os pesos dos neurônios de saída podem ser aprendidos para que a rede possa (re) produzir padrões temporais específicos. O principal interesse dessa rede é que, embora seu comportamento seja não linear, os únicos pesos que são modificados durante o treinamento são para as sinapses que conectam os neurônios ocultos aos neurônios de saída. Assim, a função de erro é quadrática em relação ao vetor de parâmetros e pode ser facilmente diferenciada para um sistema linear.
agente corporificado: Um agente inteligente que interage com o ambiente por meio de um corpo físico dentro desse ambiente. Os agentes que são representados graficamente com um corpo, por exemplo, um humano ou um animal de desenho animado, também são chamados de agentes incorporados, embora tenham apenas incorporação virtual, não física.
ciência cognitiva incorporada: Um campo de pesquisa interdisciplinar, cujo objetivo é explicar os mecanismos subjacentes ao comportamento inteligente. Compreende três metodologias principais: 1) a modelagem de sistemas psicológicos e biológicos de uma maneira holística que considera a mente e o corpo como uma entidade única, 2) a formação de um conjunto comum de princípios gerais de comportamento inteligente, e 3) o experimental uso de agentes robóticos em ambientes controlados.
aprendizagem orientada por erros: Uma subárea do aprendizado de máquina que se preocupa com como um agente deve realizar ações em um ambiente para minimizar algum feedback de erro. É um tipo de aprendizado por reforço .
média de conjunto: No aprendizado de máquina , particularmente na criação de redes neurais artificiais , a média do conjunto é o processo de criar vários modelos e combiná-los para produzir a saída desejada, em vez de criar apenas um modelo.
ética da inteligência artificial: A parte da ética da tecnologia específica à inteligência artificial.
algoritmo evolutivo (EA): Um subconjunto de computação evolutiva , um algoritmo de otimização metaheurística baseado em população genérico . Uma EA usa mecanismos inspirados pela evolução biológica , como reprodução , mutação , recombinação e seleção . As soluções candidatas para o problema de otimização desempenham o papel de indivíduos em uma população, e a função de adequação determina a qualidade das soluções (ver também função de perda ). A evolução da população ocorre então após a aplicação repetida dos operadores acima.
computação evolutiva: Uma família de algoritmos para otimização global inspirada na evolução biológica e o subcampo de inteligência artificial e computação suave que estuda esses algoritmos. Em termos técnicos, eles são uma família de solucionadores de problemas de tentativa e erro baseados em população com um caráter de otimização estocástica ou metaheurística .
função de classificação em evolução (ECF): Funções de classificador em evolução ou classificadores em evolução são usados para classificar e agrupar no campo de aprendizado de máquina e inteligência artificial , normalmente empregados para tarefas de mineração de fluxo de dados em ambientes dinâmicos e em mudança.
risco existencial: A hipótese de que o progresso substancial na inteligência geral artificial (AGI) poderia algum dia resultar na extinção humana ou alguma outra catástrofe global irrecuperável .
sistema inteligente: Um sistema de computador que emula a capacidade de tomada de decisão de um especialista humano. Os sistemas especialistas são projetados para resolver problemas complexos raciocinando por meio de corpos de conhecimento, representados principalmente como regras if – then, em vez de por meio de códigos procedimentais convencionais .

F

árvores rápidas e frugais: Um tipo de árvore de classificação . Árvores rápidas e frugais podem ser utilizadas como ferramentas de tomada de decisão que operam como classificadores lexicográficos e, se necessário, associam uma ação (decisão) a cada classe ou categoria.
extração de características: No aprendizado de máquina , reconhecimento de padrões e processamento de imagem , a extração de recursos começa a partir de um conjunto inicial de dados medidos e cria valores derivados ( recursos ) destinados a serem informativos e não redundantes, facilitando as etapas subsequentes de aprendizagem e generalização e, em alguns casos, levando para melhores interpretações humanas.
aprendizagem de recursos: No aprendizado de máquina , o aprendizado de recursos ou aprendizado de representação é um conjunto de técnicas que permite que um sistema descubra automaticamente as representações necessárias para a detecção ou classificação de recursos a partir de dados brutos. Isso substitui a engenharia de recursos manuais e permite que uma máquina aprenda os recursos e os use para executar uma tarefa específica.
seleção de recursos: Em aprendizado de máquina e estatística , a seleção de recursos, também conhecida como seleção de variável, seleção de atributo ou seleção de subconjunto de variável, é o processo de seleção de um subconjunto de recursos relevantes (variáveis, preditores) para uso na construção do modelo.
aprendizagem federada: Um tipo de aprendizado de máquina que permite o treinamento em vários dispositivos com dados descentralizados, ajudando assim a preservar a privacidade de cada usuário e de seus dados.
lógica de primeira ordem: Uma coleção de sistemas formais usados em matemática , filosofia , linguística e ciência da computação . A lógica de primeira ordem usa variáveis quantificadas sobre objetos não lógicos e permite o uso de sentenças que contêm variáveis, de modo que ao invés de proposições como Sócrates é um homem, pode-se ter expressões na forma "existe X tal que X é Sócrates e X é um homem "e existe um quantificador enquanto X é uma variável. Isso a distingue da lógica proposicional , que não usa quantificadores ou relações.
fluente: Uma condição que pode mudar com o tempo. Em abordagens lógicas para raciocinar sobre ações, os fluentes podem ser representados na lógica de primeira ordem por predicados com um argumento que depende do tempo.
linguagem formal: Um conjunto de palavras cujas letras são retiradas de um alfabeto e são bem formadas de acordo com um conjunto específico de regras.
encadeamento para frente: Um dos dois principais métodos de raciocínio ao usar um mecanismo de inferência e pode ser descrito logicamente como a aplicação repetida do modus ponens . O encadeamento direto é uma estratégia de implementação popular para sistemas especialistas , sistemas de regras de negócios e produção . O oposto do encadeamento direto é o encadeamento reverso . O encadeamento direto começa com os dados disponíveis e usa regras de inferência para extrair mais dados (de um usuário final, por exemplo) até que um objetivo seja alcançado. Um mecanismo de inferência usando encadeamento direto pesquisa as regras de inferência até encontrar uma em que o antecedente (cláusula If) seja conhecido como verdadeiro. Quando tal regra é encontrada, o motor pode concluir, ou inferir, o consequente (cláusula Then), resultando na adição de novas informações aos seus dados.
quadro, Armação: Uma estrutura de dados de inteligência artificial usada para dividir o conhecimento em subestruturas, representando " situações estereotipadas ". Quadros são a estrutura de dados primária usada na linguagem de quadros de inteligência artificial .
linguagem de quadro: Uma tecnologia usada para representação do conhecimento em inteligência artificial. Os quadros são armazenados como ontologias de conjuntos e subconjuntos dos conceitos de quadro . Eles são semelhantes às hierarquias de classes em linguagens orientadas a objetos, embora seus objetivos fundamentais de design sejam diferentes. Os frames são focados na representação explícita e intuitiva do conhecimento, enquanto os objetos focam no encapsulamento e ocultação de informações . Frames originados em pesquisas e objetos de IA, principalmente em engenharia de software . No entanto, na prática, as técnicas e recursos das linguagens orientadas a quadros e a objetos se sobrepõem significativamente.
problema de quadro: O problema de encontrar coleções adequadas de axiomas para uma descrição viável de um ambiente de robô.
inteligência artificial amigável: Uma hipotética inteligência geral artificial (AGI) que teria um efeito positivo na humanidade. Faz parte da ética da inteligência artificial e está intimamente relacionado à ética da máquina . Enquanto a ética da máquina se preocupa com a forma como um agente artificialmente inteligente deve se comportar, a pesquisa de inteligência artificial amigável concentra-se em como provocar esse comportamento na prática e em garantir que ele seja adequadamente restrito.
estudos futuros: O estudo de postular futuros possíveis, prováveis e preferíveis e as cosmovisões e mitos que os sustentam.
sistema de controle difuso: Um sistema de controle baseado em lógica difusa - um sistema matemático que analisa valores de entrada analógica em termos de variáveis lógicas que assumem valores contínuos entre 0 e 1, em contraste com a lógica clássica ou digital , que opera em valores discretos de 1 ou 0 ( verdadeiro ou falso, respectivamente).
lógica difusa: Uma forma simples para a lógica de muitos valores , em que os valores verdade das variáveis podem ter qualquer grau de " Veracidade " que pode ser representado por qualquer número real no intervalo entre 0 (como em Completamente Falso) e 1 (como em Completamente Verdadeiro) inclusive. Conseqüentemente, é empregado para lidar com o conceito de verdade parcial, em que o valor da verdade pode variar entre totalmente verdadeiro e totalmente falso. Em contraste com a lógica booleana , onde os valores verdade das variáveis podem ter os valores inteiros 0 ou 1 apenas.
regra difusa: Uma regra usada em sistemas de lógica difusa para inferir uma saída com base em variáveis de entrada.
conjunto difuso: Na teoria clássica dos conjuntos , a associação de elementos em um conjunto é avaliada em termos binários de acordo com uma condição bivalente - um elemento pertence ou não pertence ao conjunto. Em contraste, a teoria dos conjuntos difusos permite a avaliação gradual da associação de elementos em um conjunto; isso é descrito com o auxílio de uma função de pertinência avaliada no intervalo de unidade real [0, 1]. Os conjuntos difusos generalizam os conjuntos clássicos, uma vez que as funções indicadoras (também conhecidas como funções características ) dos conjuntos clássicos são casos especiais das funções de pertinência dos conjuntos difusos, se estes últimos assumem apenas os valores 0 ou 1. Na teoria dos conjuntos difusos, os conjuntos bivalentes clássicos são geralmente chamados conjuntos nítidos . A teoria dos conjuntos fuzzy pode ser usada em uma ampla gama de domínios nos quais as informações são incompletas ou imprecisas, como a bioinformática .

G

teoria do jogo: O estudo de modelos matemáticos de interação estratégica entre tomadores de decisão racionais.
jogo geral (GGP): O jogo geral é o projeto de programas de inteligência artificial para executar e jogar mais de um jogo com sucesso.
rede adversarial geradora (GAN): Uma classe de sistemas de aprendizado de máquina . Duas redes neurais competem entre si em uma estrutura de jogo de soma zero .
algoritmo genético (GA): Uma metaheurística inspirada no processo de seleção natural que pertence à classe maior de algoritmos evolutivos (EA). Os algoritmos genéticos são comumente usados para gerar soluções de alta qualidade para problemas de otimização e pesquisa, contando com operadores bioinspirados, como mutação , cruzamento e seleção .
operador genético: Um operador usado em algoritmos genéticos para guiar o algoritmo em direção a uma solução para um determinado problema. Existem três tipos principais de operadores ( mutação , crossover e seleção ), que devem trabalhar em conjunto para que o algoritmo seja bem-sucedido.
otimização de enxame de vaga-lumes: Um enxame inteligência otimização algoritmo baseado no comportamento de glowworms (também conhecido como vaga-lumes ou vaga-lumes).
gráfico (tipo de dados abstratos): Na ciência da computação , um gráfico é um tipo de dado abstrato que se destina a implementar o gráfico não direcionado e os conceitos de gráfico direcionado da matemática ; especificamente, o campo da teoria dos grafos .
gráfico (matemática discreta): Em matemática, e mais especificamente na teoria dos grafos , um gráfico é uma estrutura que corresponde a um conjunto de objetos em que alguns pares de objetos estão em algum sentido "relacionados". Os objetos correspondem a abstrações matemáticas chamadas vértices (também chamados de nós ou pontos ) e cada um dos pares de vértices relacionados é chamado de aresta (também chamado de arco ou linha ).
banco de dados gráfico (GDB): Um banco de dados que usa estruturas de gráfico para consultas semânticas com nós , arestas e propriedades para representar e armazenar dados. Um conceito chave do sistema é o gráfico (ou borda ou relacionamento ), que relaciona diretamente os itens de dados na loja, uma coleção de nós de dados e bordas que representam os relacionamentos entre os nós. Os relacionamentos permitem que os dados no armazenamento sejam vinculados diretamente e, em muitos casos, recuperados com uma operação. Os bancos de dados gráficos mantêm os relacionamentos entre os dados como uma prioridade. Consultar relacionamentos dentro de um banco de dados gráfico é rápido porque eles são armazenados perpetuamente no próprio banco de dados. Os relacionamentos podem ser visualizados intuitivamente usando bancos de dados gráficos, tornando-os úteis para dados fortemente interconectados.
teoria dos grafos: O estudo de gráficos , que são estruturas matemáticas usadas para modelar relações de pares entre objetos.
travessia de gráfico: O processo de visitar (verificar e / ou atualizar) cada vértice em um gráfico . Essas travessias são classificadas pela ordem em que os vértices são visitados. A travessia da árvore é um caso especial de travessia do gráfico.

H

problema de parada
heurística: Uma técnica projetada para resolver um problema mais rapidamente quando os métodos clássicos são muito lentos ou para encontrar uma solução aproximada quando os métodos clássicos falham em encontrar uma solução exata. Isso é obtido trocando-se otimização, integridade, exatidão ou precisão por velocidade. De certa forma, pode ser considerado um atalho. Uma função heurística, também chamada simplesmente de heurística, é uma função que classifica alternativas em algoritmos de pesquisa em cada etapa de ramificação com base nas informações disponíveis para decidir qual ramificação seguir. Por exemplo, pode aproximar a solução exata.
camada escondida: Uma camada interna de neurônios em uma rede neural artificial , não dedicada à entrada ou saída.
unidade escondida: Um neurônio em uma camada oculta em uma rede neural artificial .
hiper-heurística: Um método de pesquisa heurística que visa automatizar o processo de seleção, combinação, geração ou adaptação de várias heurísticas mais simples (ou componentes de tais heurísticas) para resolver problemas de pesquisa computacional de forma eficiente, muitas vezes pela incorporação de técnicas de aprendizado de máquina . Uma das motivações para estudar hiper-heurística é construir sistemas que possam lidar com classes de problemas ao invés de resolver apenas um problema.

eu

IEEE Computational Intelligence Society: Uma sociedade profissional do Instituto de Engenheiros Elétricos e Eletrônicos (IEEE) com foco na "teoria, design, aplicação e desenvolvimento de paradigmas computacionais motivados biologicamente e linguisticamente, enfatizando redes neurais , sistemas conexionistas, algoritmos genéticos , programação evolutiva , sistemas fuzzy e sistemas inteligentes híbridos nos quais esses paradigmas estão contidos ”.
aprendizagem incremental: Um método de aprendizado de máquina , no qual os dados de entrada são usados continuamente para estender o conhecimento do modelo existente, ou seja, para treinar ainda mais o modelo. Representa uma técnica dinâmica de aprendizagem supervisionada e aprendizagem não supervisionada que pode ser aplicada quando os dados de treinamento se tornam disponíveis gradualmente ao longo do tempo ou seu tamanho está fora dos limites de memória do sistema. Algoritmos que podem facilitar o aprendizado incremental são conhecidos como algoritmos de aprendizado de máquina incremental.
motor de inferência: Um componente do sistema que aplica regras lógicas à base de conhecimento para deduzir novas informações.
integração de informações (II): A fusão de informações de fontes heterogêneas com diferentes representações conceituais, contextuais e tipográficas. É usado na mineração de dados e consolidação de dados de recursos não estruturados ou semiestruturados. Normalmente, a integração de informações se refere a representações textuais do conhecimento, mas às vezes é aplicada a conteúdo de mídia avançada. A fusão de informações, que é um termo relacionado, envolve a combinação de informações em um novo conjunto de informações para reduzir a redundância e a incerteza.
Linguagem de processamento de informações (IPL): Uma linguagem de programação que inclui recursos destinados a ajudar com programas que realizam ações simples de resolução de problemas, como listas, alocação dinâmica de memória , tipos de dados , recursão , funções como argumentos, geradores e multitarefa cooperativa . IPL inventou o conceito de processamento de lista, embora em um estilo de linguagem assembly .
amplificação de inteligência (IA): O uso eficaz da tecnologia da informação para aumentar a inteligência humana .
explosão de inteligência: Um possível resultado da humanidade construindo inteligência geral artificial (AGI). AGI seria capaz de autoaperfeiçoamento recursivo levando ao rápido surgimento de ASI ( superinteligência artificial ), cujos limites são desconhecidos, na época da singularidade tecnológica.
agente inteligente (IA): Um autónoma entidade que actua, dirige a sua actividade no sentido de atingir metas (ou seja, é um agente ), sobre um ambiente utilizando a observação através de sensores e actuadores consequentes (ou seja, é inteligente). Os agentes inteligentes também podem aprender ou usar o conhecimento para atingir seus objetivos. Eles podem ser muito simples ou muito complexos .
controle inteligente: Uma classe de técnicas de controle que usam várias abordagens de computação de inteligência artificial , como redes neurais , probabilidade Bayesiana , lógica fuzzy , aprendizado de máquina , aprendizado por reforço , computação evolutiva e algoritmos genéticos .
assistente pessoal inteligente: Um agente de software que pode realizar tarefas ou serviços para um indivíduo com base em comandos verbais. Às vezes, o termo " chatbot " é usado para se referir a assistentes virtuais geralmente ou especificamente acessados por chat online (ou em alguns casos, programas de chat online que são exclusivamente para fins de entretenimento). Alguns assistentes virtuais são capazes de interpretar a fala humana e responder por meio de vozes sintetizadas. Os usuários podem fazer perguntas a seus assistentes, controlar dispositivos de automação residencial e reprodução de mídia por voz e gerenciar outras tarefas básicas, como e-mail, listas de tarefas e calendários com comandos verbais.
interpretação: Uma atribuição de significado aos símbolos de uma linguagem formal . Muitas linguagens formais usadas em matemática , lógica e ciência da computação teórica são definidas apenas em termos sintáticos e, como tal, não têm nenhum significado até que recebam alguma interpretação. O estudo geral de interpretações de linguagens formais é chamado de semântica formal .
motivação intrínseca: Um agente inteligente está intrinsecamente motivado a agir se apenas o conteúdo da informação, da experiência resultante da ação, for o fator motivador. O conteúdo da informação neste contexto é medido no sentido da teoria da informação como quantificação da incerteza. Uma motivação intrínseca típica é a busca por situações incomuns (surpreendentes), em contraste com uma motivação extrínseca típica, como a busca por comida. Agentes artificiais intrinsecamente motivados exibem comportamentos semelhantes à exploração e curiosidade .
árvore de problemas: Uma análise gráfica de uma pergunta que a disseca em seus diferentes componentes verticalmente e que progride em detalhes à medida que é lida à direita. As árvores de problemas são úteis na solução de problemas para identificar as causas raízes de um problema, bem como para identificar suas soluções potenciais. Eles também fornecem um ponto de referência para ver como cada peça se encaixa no quadro geral de um problema.

J

algoritmo de árvore de junção: Um método usado em aprendizado de máquina para extrair marginalização em gráficos gerais . Em essência, envolve a propagação de crenças em um grafo modificado denominado árvore de junção . O gráfico é chamado de árvore porque se ramifica em diferentes seções de dados; nós de variáveis são os ramos.

K

método do kernel: No aprendizado de máquina , os métodos do kernel são uma classe de algoritmos para análise de padrões , cujo membro mais conhecido é a máquina de vetores de suporte (SVM). A tarefa geral da análise de padrões é encontrar e estudar tipos gerais de relações (por exemplo , clusters , classificações , componentes principais , correlações , classificações ) em conjuntos de dados.
KL-ONE: Um conhecido sistema de representação de conhecimento na tradição de redes e frames semânticos ; ou seja, é uma linguagem de quadro . O sistema é uma tentativa de superar a indistinção semântica nas representações da rede semântica e de representar explicitamente a informação conceitual como uma rede de herança estruturada.
aquisição de conhecimento: O processo usado para definir as regras e ontologias necessárias para um sistema baseado em conhecimento . A frase foi usada pela primeira vez em conjunto com sistemas especialistas para descrever as tarefas iniciais associadas ao desenvolvimento de um sistema especialista, ou seja, encontrar e entrevistar especialistas no domínio e capturar seu conhecimento por meio de regras , objetos e ontologias baseadas em quadros .
sistema baseado em conhecimento (KBS): Um programa de computador que raciocina e usa uma base de conhecimento para resolver problemas complexos . O termo é amplo e se refere a muitos tipos diferentes de sistemas. O único tema comum que une todos os sistemas baseados em conhecimento é uma tentativa de representar o conhecimento explicitamente e um sistema de raciocínio que permite derivar novos conhecimentos. Assim, um sistema baseado em conhecimento possui duas características distintas: uma base de conhecimento e um motor de inferência .
engenharia do conhecimento (KE): Todos os aspectos técnicos, científicos e sociais envolvidos na construção, manutenção e uso de sistemas baseados no conhecimento .
extração de conhecimento: A criação de conhecimento a partir de fontes estruturadas ( bases de dados relacionais , XML ) e não estruturadas ( texto , documentos, imagens ). O conhecimento resultante precisa estar em um formato legível e interpretável por máquina e deve representar o conhecimento de uma maneira que facilite a inferência. Embora seja metodicamente semelhante à extração de informações ( NLP ) e ETL (data warehouse), o principal critério é que o resultado da extração vá além da criação de informações estruturadas ou da transformação em um esquema relacional . Requer a reutilização do conhecimento formal existente (reutilização de identificadores ou ontologias ) ou a geração de um esquema baseado nos dados de origem.
Formato de intercâmbio de conhecimento (KIF): Uma linguagem de computador projetada para permitir que os sistemas compartilhem e reutilizem informações de sistemas baseados em conhecimento . KIF é semelhante a linguagens de quadro como KL-ONE e LOOM, mas ao contrário de tal linguagem, seu papel principal não se destina a ser uma estrutura para a expressão ou uso de conhecimento, mas sim para o intercâmbio de conhecimento entre sistemas. Os designers do KIF o compararam ao PostScript . PostScript não foi projetado principalmente como uma linguagem para armazenar e manipular documentos, mas sim como um formato de intercâmbio para sistemas e dispositivos para compartilhar documentos. Da mesma forma, o KIF visa facilitar o compartilhamento de conhecimento entre diferentes sistemas que usam diferentes linguagens, formalismos, plataformas, etc.; O campo da inteligência artificial dedicado a representar informações sobre o mundo de uma forma que um sistema de computador possa utilizar para resolver tarefas complexas, como diagnosticar uma condição médica ou ter um diálogo em uma linguagem natural . A representação do conhecimento incorpora descobertas da psicologia sobre como os humanos resolvem problemas e representam o conhecimento para projetar formalismos que tornarão sistemas complexos mais fáceis de projetar e construir. A representação e o raciocínio do conhecimento também incorporam descobertas da lógica para automatizar vários tipos de raciocínio , como a aplicação de regras ou as relações de conjuntos e subconjuntos . Exemplos de formalismos de representação de conhecimento incluem redes semânticas , arquitetura de sistemas , quadros , regras e ontologias . Exemplos de mecanismos de raciocínio automatizados incluem mecanismos de inferência , provadores de teoremas e classificadores.

eu

aprendizagem preguiçosa: No aprendizado de máquina , o aprendizado lento é um método de aprendizado em que a generalização dos dados de treinamento é, em teoria, atrasada até que uma consulta seja feita ao sistema, ao contrário do aprendizado rápido, onde o sistema tenta generalizar os dados de treinamento antes de receber consultas.
Lisp (linguagem de programação) (LISP): Uma família de linguagens de programação com uma longa história e uma notação de prefixo distinta, totalmente entre parênteses .
programação lógica: Um tipo de paradigma de programação amplamente baseado na lógica formal . Qualquer programa escrito em uma linguagem de programação lógica é um conjunto de sentenças na forma lógica, expressando fatos e regras sobre algum domínio do problema. As principais famílias de linguagens de programação lógica incluem Prolog , answer set programming (ASP) e Datalog .
memória longa de curto prazo (LSTM): Uma arquitetura de rede neural recorrente artificial usada no campo de aprendizado profundo . Ao contrário das redes neurais feedforward padrão , o LSTM tem conexões de feedback que o tornam um "computador de uso geral" (ou seja, ele pode computar qualquer coisa que uma máquina de Turing ). Ele pode não apenas processar pontos de dados únicos (como imagens), mas também sequências inteiras de dados (como fala ou vídeo).

M

visão de máquina (MV): A tecnologia e os métodos usados para fornecer inspeção e análise automáticas baseadas em imagem para aplicações como inspeção automática, controle de processo e orientação de robô, geralmente na indústria. Visão de máquina é um termo que engloba um grande número de tecnologias, produtos de software e hardware, sistemas integrados, ações, métodos e conhecimentos. A visão de máquina como uma disciplina da engenharia de sistemas pode ser considerada distinta da visão por computador , uma forma de ciência da computação . Ele tenta integrar tecnologias existentes de novas maneiras e aplicá-las para resolver problemas do mundo real. O termo é o predominante para essas funções em ambientes de automação industrial, mas também é usado para essas funções em outros ambientes, como segurança e orientação de veículos.
Cadeia de Markov: Um modelo estocástico que descreve uma sequência de eventos possíveis em que a probabilidade de cada evento depende apenas do estado alcançado no evento anterior.
Processo de decisão de Markov (MDP): Um processo de controle estocástico de tempo discreto . Ele fornece uma estrutura matemática para modelar a tomada de decisão em situações em que os resultados são parcialmente aleatórios e parcialmente sob o controle de um tomador de decisão. Os MDPs são úteis para estudar problemas de otimização resolvidos por meio de programação dinâmica e aprendizado por reforço .
otimização matemática: Em matemática , ciência da computação e pesquisa operacional , a seleção do melhor elemento (com relação a algum critério) a partir de algum conjunto de alternativas disponíveis.
aprendizado de máquina (ML): O estudo científico de algoritmos e modelos estatísticos que os sistemas de computador usam para realizar uma tarefa específica de forma eficaz sem usar instruções explícitas, baseando-se em padrões e inferência.
escuta da máquina: Um campo geral de estudo de algoritmos e sistemas para compreensão de áudio por máquina.
percepção da máquina: A capacidade de um sistema de computador de interpretar dados de maneira semelhante à maneira como os humanos usam seus sentidos para se relacionar com o mundo ao seu redor.
desenho de mecanismo: Um campo da economia e da teoria dos jogos que adota uma abordagem de engenharia para projetar mecanismos ou incentivos econômicos , em direção aos objetivos desejados, em cenários estratégicos , onde os jogadores agem racionalmente . Como ela começa no final do jogo e depois vai para trás, também é chamada de teoria reversa do jogo. Tem amplas aplicações, desde economia e política (mercados, leilões, procedimentos de votação) até sistemas em rede (roteamento entre domínios da Internet, leilões de busca patrocinados).
Mecatrônica: Um ramo multidisciplinar da engenharia que se concentra na engenharia de sistemas elétricos e mecânicos e também inclui uma combinação de robótica , eletrônica , informática , telecomunicações , sistemas , controle e engenharia de produto .
reconstrução e simulação de rede metabólica: Permite uma visão aprofundada dos mecanismos moleculares de um organismo específico. Em particular, esses modelos correlacionam o genoma com a fisiologia molecular.
metaheurística: Em ciência da computação e otimização matemática , uma metaheurística é um procedimento de nível superior ou heurística projetada para encontrar, gerar ou selecionar uma heurística ( algoritmo de pesquisa parcial ) que pode fornecer uma solução suficientemente boa para um problema de otimização , especialmente com informações incompletas ou imperfeitas ou capacidade de computação limitada. Metaheurísticas amostram um conjunto de soluções que é muito grande para ser completamente amostrado.
verificação de modelo: Em ciência da computação , a verificação de modelo ou verificação de propriedade é, para um determinado modelo de um sistema, verificar exaustiva e automaticamente se esse modelo atende a uma determinada especificação . Normalmente, um tem sistemas de hardware ou software em mente, enquanto a especificação contém requisitos de segurança, como a ausência de deadlocks e estados críticos semelhantes que podem causar o travamento do sistema . A verificação de modelo é uma técnica para verificar automaticamente as propriedades de correção de sistemas de estado finito .
modus ponens: Na lógica proposicional , o modus ponens é uma regra de inferência . Pode ser resumido como " P implica Q e P é afirmado como verdadeiro, portanto Q deve ser verdadeiro."
modus tollens: Na lógica proposicional , o modus tollens é uma forma de argumento válida e uma regra de inferência . É uma aplicação da verdade geral de que, se uma afirmação é verdadeira, então sua contraposição também o é . O modus tollens da regra de inferência afirma que a inferência de P implica Q para a negação de Q implica que a negação de P é válida.
Pesquisa em árvore Monte Carlo: Em ciência da computação , Monte Carlo tree search (MCTS) é um algoritmo de pesquisa heurística para alguns tipos de processos de decisão .
sistema multiagente (MAS): Um sistema informatizado composto de vários agentes inteligentes interagindo . Os sistemas multiagentes podem resolver problemas difíceis ou impossíveis de serem resolvidos por um agente individual ou por um sistema monolítico . A inteligência pode incluir abordagens metódicas , funcionais , procedimentais , busca algorítmica ou aprendizagem por reforço .
otimização multi-enxame: Uma variante da otimização de enxame de partículas (PSO) com base no uso de vários sub-enxames em vez de um (padrão) enxame. A abordagem geral na otimização multi-enxame é que cada sub-enxame se concentra em uma região específica, enquanto um método de diversificação específico decide onde e quando lançar os sub-enxames. A estrutura multi-enxame é especialmente ajustada para a otimização em problemas multimodais, onde existem múltiplos ótimos (locais).
mutação: Um operador genético usado para manter a diversidade genética de uma geração de uma população de cromossomos do algoritmo genético para a próxima. É análogo à mutação biológica . A mutação altera um ou mais valores de genes em um cromossomo de seu estado inicial. Na mutação, a solução pode mudar totalmente da solução anterior. Portanto, o GA pode chegar a uma solução melhor usando mutação. A mutação ocorre durante a evolução de acordo com uma probabilidade de mutação definida pelo usuário. Essa probabilidade deve ser definida como baixa. Se for definido muito alto, a pesquisa se tornará uma pesquisa aleatória primitiva.
Mycin: Um sistema especialista de encadeamento anterior que usava inteligência artificial para identificar bactérias que causam infecções graves, como bacteremia e meningite , e para recomendar antibióticos , com a dosagem ajustada para o peso corporal do paciente - o nome derivado dos próprios antibióticos, como muitos antibióticos têm o sufixo "-mycin". O sistema MYCIN também foi usado para o diagnóstico de doenças da coagulação do sangue.

N

classificador bayes ingênuo: No aprendizado de máquina , classificadores Bayes ingênuos são uma família de classificadores probabilísticos simples baseados na aplicação do teorema de Bayes com suposições de independência fortes (ingênuas) entre os recursos.
semântica ingênua: Uma abordagem usada em ciência da computação para representar o conhecimento básico sobre um domínio específico, e tem sido usada em aplicações como a representação do significado de sentenças em linguagem natural em aplicações de inteligência artificial. Em um cenário geral, o termo tem sido usado para se referir ao uso de um armazenamento limitado de conhecimento geralmente compreendido sobre um domínio específico no mundo e tem sido aplicado a campos como o design baseado em conhecimento de esquemas de dados.
ligação de nome: Em linguagens de programação, a vinculação de nomes é a associação de entidades (dados e / ou código) com identificadores . Diz-se que um identificador vinculado a um objeto faz referência a esse objeto. As linguagens de máquina não têm nenhuma noção embutida de identificadores, mas as ligações nome-objeto como um serviço e notação para o programador são implementadas por linguagens de programação. A vinculação está intimamente ligada ao escopo , pois o escopo determina quais nomes se ligam a quais objetos - em quais locais no código do programa ( lexicamente ) e em qual dos caminhos de execução possíveis ( temporariamente ). O uso de um identificador idem um contexto que estabelece uma ligação para idé chamado de ocorrência de ligação (ou definição). Em todas as outras ocorrências (por exemplo, em expressões, atribuições e chamadas de subprograma), um identificador representa ao que está vinculado; tais ocorrências são chamadas de ocorrências aplicadas.
reconhecimento de entidade nomeada (NER): Uma subtarefa de extração de informações que busca localizar e classificar menções de entidades nomeadas em texto não estruturado em categorias predefinidas, como nomes de pessoas, organizações, locais, códigos médicos , expressões de tempo, quantidades, valores monetários, porcentagens, etc.
gráfico nomeado: Um conceito chave da arquitetura da Web Semântica em que um conjunto de declarações Resource Description Framework (um gráfico ) são identificados usando um URI , permitindo que descrições sejam feitas desse conjunto de declarações, como contexto, informações de proveniência ou outros metadados . Os gráficos nomeados são uma extensão simples do modelo de dados RDF por meio do qual os gráficos podem ser criados, mas o modelo carece de um meio eficaz de distingui-los depois de publicado na Web em geral.
geração de linguagem natural (NLG): Um processo de software que transforma dados estruturados em conteúdo em inglês simples. Ele pode ser usado para produzir conteúdo de formato longo para as organizações automatizarem relatórios personalizados, bem como produzir conteúdo personalizado para um aplicativo da web ou móvel. Ele também pode ser usado para gerar pequenas notas de texto em conversas interativas (um chatbot ), que podem até ser lidas em voz alta por um sistema de conversão de texto em voz .
processamento de linguagem natural (PNL): Um subcampo da ciência da computação, engenharia da informação e inteligência artificial preocupado com as interações entre computadores e linguagens humanas (naturais), em particular como programar computadores para processar e analisar grandes quantidades de dados de linguagem natural .
programação de linguagem natural: Uma forma de programação assistida por ontologia em termos de frases em linguagem natural , por exemplo, inglês .
motivo da rede: Todas as redes, incluindo redes biológicas, redes sociais, redes tecnológicas (por exemplo, redes de computadores e circuitos elétricos) e mais, podem ser representadas como gráficos , que incluem uma ampla variedade de subgráficos. Uma propriedade local importante das redes são os chamados motivos de rede, que são definidos como subgráficos ou padrões recorrentes e estatisticamente significativos .
tradução automática neural (NMT): Uma abordagem de tradução automática que usa uma grande rede neural artificial para prever a probabilidade de uma sequência de palavras, normalmente modelando frases inteiras em um único modelo integrado.
máquina de Turing neural (NTM): Um modelo de rede neural recorrente . Os NTMs combinam os recursos de correspondência de padrões difusos das redes neurais com o poder algorítmico dos computadores programáveis . Um NTM possui um controlador de rede neural acoplado a recursos de memória externa , com os quais interage por meio de mecanismos de atenção. As interações de memória são diferenciáveis de ponta a ponta, sendo possível otimizá-las por meio de gradiente descendente . Um NTM com um controlador de rede de memória longa de curto prazo (LSTM) pode inferir algoritmos simples, como cópia, classificação e recuperação associativa, apenas a partir de exemplos.
neuro-difuso: Combinações de redes neurais artificiais e lógica difusa .
neurocibernética: Uma via de comunicação direta entre um cérebro aprimorado ou com fio e um dispositivo externo. O BCI difere da neuromodulação porque permite o fluxo de informações bidirecional. As BCIs costumam ser direcionadas à pesquisa, mapeamento, assistência, aumento ou reparo das funções cognitivas ou sensoriais motoras humanas.
engenharia neuromórfica: Um conceito que descreve o uso de sistemas de integração em escala muito grande (VLSI) contendo circuitos eletrônicos analógicos para imitar arquiteturas neurobiológicas presentes no sistema nervoso. Recentemente , o termo neuromórfico foi usado para descrever VLSI analógico, digital, analógico / digital de modo misto e sistemas de software que implementam modelos de sistemas neurais (para percepção , controle motor ou integração multissensorial ). A implementação da computação neuromórfica no nível do hardware pode ser realizada por memristores baseados em óxido , memórias spintrônicas, interruptores de limite e transistores .
nó: Uma unidade básica de uma estrutura de dados , como uma lista vinculada ou estrutura de dados em árvore . Os nós contêm dados e também podem se conectar a outros nós. Links entre nós são frequentemente implementados por ponteiros .
algoritmo não determinístico: Um algoritmo que, mesmo para a mesma entrada, pode exibir comportamentos diferentes em execuções diferentes, ao contrário de um algoritmo determinístico .
nouvelle AI: Nouvelle AI difere da AI clássica por ter como objetivo produzir robôs com níveis de inteligência semelhantes aos dos insetos. Os pesquisadores acreditam que a inteligência pode emergir organicamente de comportamentos simples à medida que essas inteligências interagiam com o "mundo real", em vez de usar os mundos construídos que as IAs simbólicas normalmente precisavam ter programado neles.
NP: Na teoria da complexidade computacional , NP (tempo polinomial não determinístico) é uma classe de complexidade usada para classificar problemas de decisão . NP é o conjunto de problemas de decisão para os quais as instâncias do problema , onde a resposta é "sim", possuem provas verificáveis em tempo polinomial .
NP-completude: Na teoria da complexidade computacional , um problema é NP-completo quando pode ser resolvido por uma classe restrita de algoritmos de busca de força bruta e pode ser usado para simular qualquer outro problema com um algoritmo semelhante. Mais precisamente, cada entrada para o problema deve ser associada a um conjunto de soluções de comprimento polinomial, cuja validade pode ser testada rapidamente (em tempo polinomial ), de modo que a saída para qualquer entrada seja "sim" se o conjunto de solução não for vazio e "não" se estiver vazio.
NP-dureza: Na teoria da complexidade computacional , a propriedade definidora de uma classe de problemas que são, informalmente, "pelo menos tão difíceis quanto os problemas mais difíceis em NP". Um exemplo simples de um problema NP-difícil é o problema da soma de subconjuntos .

O

Navalha de Occam: O princípio de solução de problemas que afirma que, quando apresentado com hipóteses concorrentes que fazem as mesmas previsões, deve-se selecionar a solução com o menor número de suposições; o princípio não se destina a filtrar hipóteses que fazem previsões diferentes. A ideia é atribuída ao frade franciscano inglês William de Ockham ( c. 1287–1347), um filósofo e teólogo escolástico .
aprendizagem offline
aprendizado de máquina online: Um método de aprendizado de máquina no qual os dados ficam disponíveis em uma ordem sequencial e é usado para atualizar o melhor preditor para dados futuros em cada etapa, em oposição às técnicas de aprendizado em lote que geram o melhor preditor aprendendo todo o conjunto de dados de treinamento de uma só vez . O aprendizado online é uma técnica comum usada em áreas de aprendizado de máquina onde é computacionalmente inviável treinar todo o conjunto de dados, exigindo a necessidade de algoritmos fora do núcleo . Também é usado em situações em que é necessário que o algoritmo se adapte dinamicamente a novos padrões nos dados ou quando os próprios dados são gerados em função do tempo.
aprendizagem de ontologia: A criação automática ou semiautomática de ontologias , incluindo a extração dos termos do domínio correspondente e as relações entre os conceitos que esses termos representam a partir de um corpus de texto em linguagem natural, e codificando-os com uma linguagem de ontologia para fácil recuperação.
OpenAI: A corporação com fins lucrativos OpenAI LP, cuja organização matriz é a organização sem fins lucrativos OpenAI Inc que conduz pesquisas no campo da inteligência artificial (IA) com o objetivo declarado de promover e desenvolver IA amigável de forma a beneficiar a humanidade como um todo.
OpenCog: Um projeto que visa construir uma estrutura de inteligência artificial de código aberto . OpenCog Prime é uma arquitetura para robótica e cognição incorporada virtual que define um conjunto de componentes de interação projetados para dar origem à inteligência artificial geral equivalente humana (AGI) como um fenômeno emergente de todo o sistema.
Senso Comum de Mente Aberta: Um projeto de inteligência artificial baseado no Laboratório de Mídia do Massachusetts Institute of Technology (MIT), cujo objetivo é construir e utilizar uma grande base de conhecimento de senso comum a partir das contribuições de milhares de pessoas em toda a web.
software de código aberto (OSS): Um tipo de software de computador em que o código-fonte é lançado sob uma licença na qual o detentor dos direitos autorais concede aos usuários os direitos de estudar, alterar e distribuir o software a qualquer pessoa e para qualquer finalidade. O software de código aberto pode ser desenvolvido de forma pública colaborativa . O software de código aberto é um exemplo proeminente de colaboração aberta .

P

redução de pedido parcial: Uma técnica para reduzir o tamanho do espaço de estado a ser pesquisado por uma verificação de modelo ou algoritmo de planejamento e programação automatizado . Ele explora a comutatividade de transições executadas simultaneamente , que resultam no mesmo estado quando executadas em ordens diferentes.
processo de decisão de Markov parcialmente observável (POMDP): Uma generalização de um processo de decisão de Markov (MDP). Um POMDP modela um processo de decisão de agente no qual se assume que a dinâmica do sistema é determinada por um MDP, mas o agente não pode observar diretamente o estado subjacente. Em vez disso, deve manter uma distribuição de probabilidade sobre o conjunto de estados possíveis, com base em um conjunto de observações e probabilidades de observação e o MDP subjacente.
otimização de enxame de partículas (PSO): Um método computacional que otimiza um problema tentando iterativamente melhorar uma solução candidata com relação a uma determinada medida de qualidade. Ele resolve um problema tendo uma população de soluções candidatas, aqui chamadas de partículas , e movendo essas partículas no espaço de busca de acordo com fórmulas matemáticas simples sobre a posição e velocidade da partícula. O movimento de cada partícula é influenciado por sua posição local mais conhecida, mas também é orientado para as posições mais conhecidas no espaço de busca, que são atualizadas conforme as melhores posições são encontradas por outras partículas. Espera-se que isso mova o enxame em direção às melhores soluções.
encontrando o caminho: A plotagem, por um aplicativo de computador, do caminho mais curto entre dois pontos. É uma variante mais prática para resolver labirintos . Este campo de pesquisa é fortemente baseado no algoritmo de Dijkstra para encontrar o caminho mais curto em um gráfico ponderado .
reconhecimento de padrões: Preocupa-se com a descoberta automática de regularidades nos dados por meio da utilização de algoritmos computacionais e com a utilização dessas regularidades para realizar ações como classificar os dados em diferentes categorias.
Lógica de predicado: Uma coleção de sistemas formais usados em matemática , filosofia , linguística e ciência da computação . A lógica de primeira ordem usa variáveis quantificadas sobre objetos não lógicos e permite o uso de sentenças que contêm variáveis, de modo que ao invés de proposições como Sócrates é um homem, pode-se ter expressões na forma "existe x tal que x é Sócrates e x é um homem "e existe um quantificador enquanto x é uma variável. Isso a distingue da lógica proposicional , que não usa quantificadores ou relações ; nesse sentido, a lógica proposicional é o fundamento da lógica de primeira ordem.
análise preditiva: Uma variedade de técnicas estatísticas de mineração de dados , modelagem preditiva e aprendizado de máquina , que analisam fatos atuais e históricos para fazer previsões sobre eventos futuros ou desconhecidos.
análise de componente principal (PCA): Um procedimento estatístico que usa uma transformação ortogonal para converter um conjunto de observações de variáveis possivelmente correlacionadas (entidades que assumem vários valores numéricos) em um conjunto de valores de variáveis linearmente não correlacionadas chamadas componentes principais. Esta transformação é definida de tal forma que o primeiro componente principal tem a maior variância possível (isto é, é responsável pelo máximo possível da variabilidade nos dados), e cada componente sucessivo, por sua vez, tem a maior variância possível sob a restrição de que é ortogonal aos componentes anteriores. Os vetores resultantes (cada um sendo uma combinação linear das variáveis e contendo n observações) são um conjunto de base ortogonal não correlacionado . O PCA é sensível ao escalonamento relativo das variáveis originais.
princípio da racionalidade: Um princípio cunhado por Karl R. Popper em sua Harvard Lecture de 1963 e publicado em seu livro Myth of Framework . Relaciona-se com o que chamou de 'lógica da situação' em um artigo da Economica de 1944/1945, publicado posteriormente em seu livro The Poverty of Historicism . De acordo com o princípio de racionalidade de Popper, os agentes agem da maneira mais adequada de acordo com a situação objetiva. É uma concepção idealizada do comportamento humano que ele usou para conduzir seu modelo de análise situacional .
programação probabilística (PP): Um paradigma de programação no qual modelos probabilísticos são especificados e a inferência para esses modelos é realizada automaticamente. Ele representa uma tentativa de unificar a modelagem probabilística e a programação de propósito geral tradicional, a fim de tornar a primeira mais fácil e mais amplamente aplicável. Ele pode ser usado para criar sistemas que ajudam a tomar decisões diante da incerteza. Linguagens de programação usadas para programação probabilística são chamadas de "linguagens de programação probabilística" (PPLs).
sistema de produção
linguagem de programação: Uma linguagem formal , que compreende um conjunto de instruções que produzem vários tipos de saída . Linguagens de programação são usadas na programação de computadores para implementar algoritmos .
Prolog: Uma linguagem de programação lógica associada à inteligência artificial e linguística computacional . Prolog tem suas raízes na lógica de primeira ordem , uma lógica formal , e ao contrário de muitas outras linguagens de programação , Prolog é planejado principalmente como uma linguagem de programação declarativa : a lógica do programa é expressa em termos de relações, representadas como fatos e regras . Um cálculo é iniciado executando uma consulta sobre essas relações.
cálculo proposicional: Um ramo da lógica que lida com proposições (que podem ser verdadeiras ou falsas) e fluxo de argumento. As proposições compostas são formadas conectando proposições por conectivos lógicos . As proposições sem conectivos lógicos são chamadas de proposições atômicas. Ao contrário da lógica de primeira ordem , a lógica proposicional não lida com objetos não lógicos, predicados sobre eles ou quantificadores. No entanto, todo o mecanismo da lógica proposicional está incluído na lógica de primeira ordem e nas lógicas de ordem superior. Nesse sentido, a lógica proposicional é a base da lógica de primeira ordem e da lógica de ordem superior.
Pitão: Uma linguagem de programação interpretada , de alto nível e de uso geral criada por Guido van Rossum e lançada pela primeira vez em 1991. A filosofia de design do Python enfatiza a legibilidade do código com seu uso notável de espaços em branco significativos . Suas construções de linguagem e abordagem orientada a objetos visam ajudar os programadores a escrever código claro e lógico para projetos de pequena e grande escala.

Q

problema de qualificação: Em filosofia e inteligência artificial (especialmente sistemas baseados em conhecimento ), o problema da qualificação está relacionado à impossibilidade de listar todas as pré - condições necessárias para que uma ação no mundo real tenha o efeito pretendido. Pode ser proposto como lidar com as coisas que me impedem de alcançar o resultado pretendido . Ele está fortemente conectado e oposto ao lado da ramificação do problema do quadro .
quantificador: Na lógica , a quantificação especifica a quantidade de espécimes no domínio do discurso que satisfazem uma fórmula aberta . Os dois quantificadores mais comuns significam " para todos " e " existe ". Por exemplo, em aritmética, os quantificadores permitem dizer que os números naturais continuam para sempre, escrevendo que para todo n (onde n é um número natural), há outro número (digamos, o sucessor de n) que é maior do que n.
Computação quântica: O uso de fenômenos da mecânica quântica , como superposição e emaranhamento, para realizar cálculos . Um computador quântico é usado para realizar tal computação, que pode ser implementada teoricamente ou fisicamente.
Linguagem de consulta: Linguagens de consulta ou linguagens de consulta de dados (DQLs) são linguagens de computador usadas para fazer consultas em bancos de dados e sistemas de informação . De modo geral, as linguagens de consulta podem ser classificadas de acordo com se são linguagens de consulta de banco de dados ou linguagens de consulta de recuperação de informações . A diferença é que uma linguagem de consulta de banco de dados tenta dar respostas factuais a questões factuais, enquanto uma linguagem de consulta de recuperação de informação tenta encontrar documentos contendo informações que são relevantes para uma área de investigação.

R

Linguagem de programação R: Uma linguagem de programação e ambiente de software livre para computação estatística e gráficos com suporte da R Foundation for Statistical Computing. A linguagem R é amplamente usada entre estatísticos e mineradores de dados para o desenvolvimento de software estatístico e análise de dados .
rede de função de base radial: No campo da modelagem matemática , uma rede de função de base radial é uma rede neural artificial que usa funções de base radial como funções de ativação . A saída da rede é uma combinação linear de funções de base radial das entradas e parâmetros do neurônio. As redes de função de base radial têm muitos usos, incluindo aproximação de função , predição de série temporal , classificação e controle de sistema . Eles foram formulados pela primeira vez em um artigo de 1988 por Broomhead e Lowe, ambos pesquisadores do Royal Signals and Radar Establishment .
floresta aleatória: Um método de aprendizagem conjunto para classificação , regressão e outras tarefas que opera construindo uma infinidade de árvores de decisão no tempo de treinamento e produzindo a classe que é o modo das classes (classificação) ou predição média (regressão) das árvores individuais. Aleatórios florestas decisão correta para hábito de árvores de decisão overfitting ao seu conjunto de treinamento .
sistema de raciocínio: Em tecnologia da informação, um sistema de raciocínio é um sistema de software que gera conclusões a partir do conhecimento disponível usando técnicas lógicas como dedução e indução . Os sistemas de raciocínio desempenham um papel importante na implementação da inteligência artificial e dos sistemas baseados no conhecimento .
rede neural recorrente (RNN): Uma classe de redes neurais artificiais em que as conexões entre os nós formam um gráfico direcionado ao longo de uma sequência temporal. Isso permite que ele exiba um comportamento dinâmico temporal. Ao contrário das redes neurais feedforward , os RNNs podem usar seu estado interno (memória) para processar sequências de entradas. Isso os torna aplicáveis a tarefas como reconhecimento de manuscrito conectado não segmentado ou reconhecimento de fala .
cálculo de conexão de região
aprendizagem por reforço (RL): Uma área de aprendizado de máquina que se preocupa com como os agentes de software devem realizar ações em um ambiente para maximizar alguma noção de recompensa cumulativa. O aprendizado por reforço é um dos três paradigmas básicos do aprendizado de máquina, ao lado do aprendizado supervisionado e do aprendizado não supervisionado . Ele difere do aprendizado supervisionado porque os pares de entrada / saída rotulados não precisam ser apresentados e as ações abaixo do ideal não precisam ser corrigidas explicitamente. Em vez disso, o foco é encontrar um equilíbrio entre a exploração (de território não mapeado) e a exploração (de conhecimento atual).
computação de reservatório: Uma estrutura de computação que pode ser vista como uma extensão de redes neurais . Normalmente, um sinal de entrada é alimentado em um sistema dinâmico fixo (aleatório) denominado reservatório e a dinâmica do reservatório mapeia a entrada para uma dimensão superior. Em seguida, um mecanismo de leitura simples é treinado para ler o estado do reservatório e mapeá-lo para a saída desejada. O principal benefício é que o treinamento é realizado apenas na fase de leitura e o reservatório é fixo. Máquinas de estado líquido e redes de estado de eco são dois tipos principais de computação de reservatório.
Resource Description Framework (RDF): Uma família de especificações do World Wide Web Consortium (W3C) originalmente projetada como um modelo de dados de metadados . Ele passou a ser usado como um método geral para descrição conceitual ou modelagem de informações que são implementadas em recursos da web , usando uma variedade de notações de sintaxe e formatos de serialização de dados . Ele também é usado em aplicativos de gerenciamento de conhecimento .
máquina de Boltzmann restrita (RBM): Uma rede neural artificial estocástica gerativa que pode aprender uma distribuição de probabilidade sobre seu conjunto de entradas.
Algoritmo de Rete: Um algoritmo de correspondência de padrões para implementar sistemas baseados em regras . O algoritmo foi desenvolvido para aplicar com eficiência muitas regras ou padrões a muitos objetos ou fatos em uma base de conhecimento . É usado para determinar quais regras do sistema devem ser acionadas com base em seu armazenamento de dados, seus fatos.
robótica: Um ramo interdisciplinar da ciência e engenharia que inclui engenharia mecânica , engenharia eletrônica , engenharia da informação , ciência da computação e outros. A robótica lida com o projeto, construção, operação e uso de robôs , bem como sistemas de computador para seu controle, feedback sensorial e processamento de informações .
sistema baseado em regras: Na ciência da computação , um sistema baseado em regras é usado para armazenar e manipular o conhecimento para interpretar as informações de uma forma útil. É freqüentemente usado em aplicações e pesquisas de inteligência artificial. Normalmente, o termo sistema baseado em regras é aplicado a sistemas que envolvem conjuntos de regras criados por humanos ou selecionados. Sistemas baseados em regras construídos usando inferência automática de regras, como aprendizado de máquina baseado em regras , são normalmente excluídos deste tipo de sistema.

S

satisfatibilidade: Na lógica matemática , satisfatibilidade e validade são conceitos elementares da semântica . Uma fórmula é satisfatória se for possível encontrar uma interpretação ( modelo ) que torne a fórmula verdadeira. Uma fórmula é válida se todas as interpretações a tornarem verdadeira. Os opostos desses conceitos são a insatisfação e a invalidade, ou seja, uma fórmula é insatisfatória se nenhuma das interpretações torna a fórmula verdadeira, e inválida se alguma dessas interpretações torna a fórmula falsa. Estes quatro conceitos estão relacionados uns aos outros de uma maneira exatamente análoga à Aristóteles 's quadrado de oposição .
algoritmo de busca: Qualquer algoritmo que resolva o problema de pesquisa , nomeadamente, para recuperar informação armazenada dentro de alguma estrutura de dados, ou calculada no espaço de pesquisa de um domínio de problema , quer com valores discretos quer contínuos .
seleção: O estágio de um algoritmo genético em que genomas individuais são escolhidos de uma população para reprodução posterior (usando o operador de cruzamento ).
auto Gerenciamento: O processo pelo qual os sistemas de computador gerenciam sua própria operação sem intervenção humana.
rede semântica: Uma base de conhecimento que representa relações semânticas entre conceitos em uma rede. Isso é freqüentemente usado como uma forma de representação do conhecimento . É um dirigida ou gráfico não dirigida que consiste de vértices , que representam conceitos , e arestas , que representam relações semânticas entre conceitos, mapeamento ou ligar campos semânticos .
raciocinador semântico: Um pedaço de software capaz de inferir consequências lógicas de um conjunto de fatos ou axiomas afirmados . A noção de um raciocinador semântico generaliza a de um mecanismo de inferência , fornecendo um conjunto mais rico de mecanismos para trabalhar. As regras de inferência são comumente especificadas por meio de uma linguagem de ontologia e, frequentemente, uma linguagem de descrição lógica . Muitos raciocinadores usam lógica de predicado de primeira ordem para realizar o raciocínio; a inferência geralmente procede por encadeamento direto e encadeamento reverso .
consulta semântica: Permite consultas e análises de natureza associativa e contextual . As consultas semânticas permitem a recuperação de informações derivadas explícita e implicitamente com base nas informações sintáticas, semânticas e estruturais contidas nos dados. Eles são projetados para fornecer resultados precisos (possivelmente a seleção distinta de uma única informação) ou para responder a questões mais vagas e abertas por meio de correspondência de padrões e raciocínio digital .
semântica: Na teoria das linguagens de programação , a semântica é o campo que se preocupa com o estudo matemático rigoroso do significado das linguagens de programação . Ele faz isso avaliando o significado de strings sintaticamente válidas definidas por uma linguagem de programação específica, mostrando a computação envolvida. Nesse caso, em que a avaliação seria de strings sintaticamente inválidas, o resultado seria o não cálculo. A semântica descreve os processos que um computador segue ao executar um programa naquele idioma específico. Isso pode ser mostrado descrevendo a relação entre a entrada e a saída de um programa, ou uma explicação de como o programa será executado em uma determinada plataforma , criando assim um modelo de computação .
fusão de sensores: A combinação de dados sensoriais ou derivados de fontes díspares, de modo que a informação resultante tenha menos incerteza do que seria possível quando essas fontes fossem usadas individualmente.
lógica de separação: Uma extensão da lógica Hoare , uma forma de raciocinar sobre programas. A linguagem de asserção da lógica de separação é um caso especial da lógica das implicações agrupadas (BI).
aprendizagem por similaridade: Uma área de aprendizado de máquina supervisionado em inteligência artificial. Está intimamente relacionado à regressão e classificação , mas o objetivo é aprender com uma função de similaridade que mede o quão semelhantes ou relacionados dois objetos são. Tem aplicações em classificação , em sistemas de recomendação , rastreamento de identidade visual, verificação de rosto e verificação de palestrante.
recozimento simulado (SA): Uma técnica probabilística para aproximar o ótimo global de uma determinada função . Especificamente, é uma metaheurística para aproximar a otimização global em um grande espaço de busca para um problema de otimização .
abordagem situada: Na pesquisa de inteligência artificial, a abordagem situada cria agentes que são projetados para se comportar de maneira eficaz e bem-sucedida em seu ambiente. Isso requer projetar IA "de baixo para cima", focando nas habilidades básicas de percepção e motora necessárias para sobreviver. A abordagem situada dá uma prioridade muito menor ao raciocínio abstrato ou habilidades de resolução de problemas.
cálculo da situação: Um formalismo lógico projetado para representar e raciocinar sobre domínios dinâmicos.
Resolução de cláusula seletiva linear definida: A regra de inferência básica usada na programação lógica . É um refinamento da resolução , que é tanto som e refutação completa de cláusulas de Horn .
Programas: Uma coleção de dados ou instruções do computador que dizem ao computador como trabalhar. Isso contrasta com o hardware físico , a partir do qual o sistema é construído e realmente executa o trabalho. Em ciência da computação e engenharia de software , software de computador é todas as informações processadas por sistemas de computador , programas e dados . O software de computador inclui programas de computador , bibliotecas e dados não executáveis relacionados , como documentação online ou mídia digital .
Engenharia de software: A aplicação da engenharia ao desenvolvimento de software em um método sistemático.
raciocínio espaço-temporal: Uma área de inteligência artificial que atrai das áreas de ciência da computação , ciência cognitiva e psicologia cognitiva . O objetivo teórico - do lado cognitivo - envolve representar e raciocinar o conhecimento espaço-temporal em mente. O objetivo aplicado - no lado da computação - envolve o desenvolvimento de sistemas de controle de alto nível de autômatos para navegar e compreender o tempo e o espaço.
SPARQL: Uma linguagem de consulta RDF - isto é, uma linguagem de consulta semântica para bancos de dados - capaz de recuperar e manipular dados armazenados no formato Resource Description Framework (RDF) .
reconhecimento de fala: Um subcampo interdisciplinar da linguística computacional que desenvolve metodologias e tecnologias que permitem o reconhecimento e a tradução da linguagem falada em texto por computadores. Também é conhecido como reconhecimento automático de fala (ASR), reconhecimento de fala por computador ou fala em texto (STT). Ele incorpora conhecimento e pesquisa nas áreas de lingüística , ciência da computação e engenharia elétrica .
spiking neural network (SNN): Uma rede neural artificial que imita mais de perto uma rede neural natural. Além do estado neuronal e sináptico , os SNNs incorporam o conceito de tempo em seu modelo operacional .
Estado: Em tecnologia da informação e ciência da computação , um programa é descrito como stateful se for projetado para lembrar eventos anteriores ou interações do usuário; a informação lembrada é chamada de estado do sistema.
classificação estatística: Em aprendizado de máquina e estatística , a classificação é o problema de identificar a qual grupo de categorias (subpopulações) uma nova observação pertence, com base em um conjunto de dados de treinamento contendo observações (ou instâncias) cuja associação de categoria é conhecida. Os exemplos são atribuir um determinado e-mail à classe "spam" ou "não-spam" e atribuir um diagnóstico a um determinado paciente com base nas características observadas do paciente (sexo, pressão arterial, presença ou ausência de certos sintomas, etc.) . A classificação é um exemplo de reconhecimento de padrão .
aprendizagem relacional estatística (SRL): Uma subdisciplina de inteligência artificial e aprendizado de máquina que se preocupa com modelos de domínio que exibem incerteza (que pode ser tratada usando métodos estatísticos) e estrutura relacional complexa. Observe que o SRL às vezes é chamado de Relational Machine Learning (RML) na literatura. Normalmente, os formalismos de representação de conhecimento desenvolvidos em SRL usam (um subconjunto de) lógica de primeira ordem para descrever propriedades relacionais de um domínio de uma maneira geral ( quantificação universal ) e se valem de modelos gráficos probabilísticos (como redes Bayesianas ou redes de Markov ) para modelar a incerteza; alguns também se baseiam nos métodos de programação lógica indutiva .
otimização estocástica (SO): Qualquer método de otimização que gera e usa variáveis aleatórias . Para problemas estocásticos, as variáveis aleatórias aparecem na formulação do próprio problema de otimização, que envolve funções objetivo aleatórias ou restrições aleatórias. Os métodos de otimização estocástica também incluem métodos com iterações aleatórias. Alguns métodos de otimização estocástica usam iterações aleatórias para resolver problemas estocásticos, combinando os dois significados de otimização estocástica. Métodos de otimização estocástica generalizar determinísticos métodos para problemas determinísticos.
análise semântica estocástica: Uma abordagem usada na ciência da computação como um componente semântico da compreensão da linguagem natural . Os modelos estocásticos geralmente usam a definição de segmentos de palavras como unidades semânticas básicas para os modelos semânticos e, em alguns casos, envolvem uma abordagem em duas camadas.
Solucionador de problemas do Stanford Research Institute (STRIPS)
especialista no assunto
superinteligência: Um agente hipotético que possui uma inteligência muito superior à das mentes humanas mais brilhantes e talentosas . A superinteligência também pode se referir a uma propriedade dos sistemas de solução de problemas (por exemplo, tradutores superinteligentes de linguagem ou assistentes de engenharia), estejam ou não essas competências intelectuais de alto nível incorporadas em agentes que atuam no mundo físico. Uma superinteligência pode ou não ser criada por uma explosão de inteligência e estar associada a uma singularidade tecnológica .
aprendizagem supervisionada: A tarefa de aprendizado de máquina de aprender uma função que mapeia uma entrada para uma saída com base em pares de entrada-saída de exemplo. Ele infere uma função dedados de treinamento rotulados que consistem em um conjunto deexemplosdetreinamento. Na aprendizagem supervisionada, cada exemplo é umpar queconsiste em um objeto de entrada (normalmente um vetor) e um valor de saída desejado (também chamado desinal de supervisão). Um algoritmo de aprendizado supervisionado analisa os dados de treinamento e produz uma função inferida, que pode ser usada para mapear novos exemplos. Um cenário ideal permitirá que o algoritmo determine corretamente os rótulos de classe para instâncias não vistas. Isso requer que o algoritmo de aprendizagem generalize a partir dos dados de treinamento para situações invisíveis de uma forma "razoável" (vejao viés indutivo).
máquinas de vetores de suporte: No aprendizado de máquina , as máquinas de vetores de suporte (SVMs, também redes de vetores de suporte) são modelos de aprendizagem supervisionada com algoritmos de aprendizagem associados que analisam dados usados para classificação e análise de regressão .
inteligência de enxame (SI): O comportamento coletivo de sistemas descentralizados e auto-organizados , naturais ou artificiais. A expressão foi introduzida no contexto de sistemas robóticos celulares.
inteligência artificial simbólica: O termo para a coleção de todos os métodos de pesquisa de inteligência artificial que são baseados em representações "simbólicas" de alto nível (legíveis por humanos) de problemas, lógica e pesquisa .
inteligência sintética (SI): Um termo alternativo para inteligência artificial que enfatiza que a inteligência das máquinas não precisa ser uma imitação ou de qualquer forma artificial; pode ser uma forma genuína de inteligência.
neurociência de sistemas: Uma subdisciplina de neurociência e biologia de sistemas que estuda a estrutura e a função de circuitos e sistemas neurais. É um termo genérico, abrangendo uma série de áreas de estudo em questão com a forma como as células nervosas se comportam quando ligados entre si para formar vias neurais , circuitos neurais e maiores redes cerebrais .

T

singularidade tecnológica: Um ponto hipotético no futuro quando o crescimento tecnológico se torna incontrolável e irreversível, resultando em mudanças insondáveis na civilização humana.
aprendizagem de diferença temporal: Uma classe de métodos de aprendizagem de reforço sem modelo que aprendem por bootstrap da estimativa atual da função de valor. Esses métodos são amostras do ambiente, como métodos de Monte Carlo , e executam atualizações com base nas estimativas atuais, como métodos de programação dinâmica .
teoria da rede tensorial: Uma teoria da função cerebral (particularmente a do cerebelo ) que fornece um modelo matemático da transformação de coordenadas sensoriais de espaço-tempo em coordenadas motoras e vice-versa por redes neuronais cerebelares . A teoria foi desenvolvida como uma geometrização da função cerebral (especialmente do sistema nervoso central ) usando tensores .
TensorFlow: Uma biblioteca de software livre e de código aberto para fluxo de dados e programação diferenciável em uma variedade de tarefas. É uma biblioteca matemática simbólica e também é usada para aplicativos de aprendizado de máquina , como redes neurais .
ciência da computação teórica (TCS): Um subconjunto da ciência da computação e matemática geral que se concentra em tópicos mais matemáticos da computação e inclui a teoria da computação .
teoria da computação: Na ciência da computação teórica e na matemática , a teoria da computação é o ramo que trata da eficiência com que problemas podem ser resolvidos em um modelo de computação , usando um algoritmo . O campo é dividido em três ramos principais: teoria e linguagens de autômatos , teoria da computabilidade e teoria da complexidade computacional , que estão ligadas pela pergunta: "Quais são as capacidades e limitações fundamentais dos computadores?".
Amostragem Thompson: Uma heurística para escolher ações que aborda o dilema exploração-exploração no problema do bandido multi-armado . Consiste em escolher a ação que maximiza a recompensa esperada em relação a uma crença sorteada aleatoriamente.
complexidade de tempo: A complexidade computacional que descreve a quantidade de tempo que leva para executar um algoritmo . A complexidade do tempo é comumente estimada pela contagem do número de operações elementares executadas pelo algoritmo, supondo que cada operação elementar leve um determinado período de tempo para ser executada. Assim, a quantidade de tempo gasto e o número de operações elementares realizadas pelo algoritmo são considerados diferentes por, no máximo, um fator constante .
transumanismo: Um movimento filosófico internacional que defende a transformação da condição humana através do desenvolvimento e disponibilização de tecnologias sofisticadas amplamente disponíveis para aprimorar o intelecto humano e a fisiologia.
sistema de transição: Na ciência da computação teórica , um sistema de transição é um conceito usado no estudo da computação . É usado para descrever o comportamento potencial de sistemas discretos . Consiste em estados e transições entre estados, que podem ser rotulados com rótulos escolhidos em um conjunto; o mesmo rótulo pode aparecer em mais de uma transição. Se o conjunto de rótulos for um singleton , o sistema é essencialmente sem rótulo e uma definição mais simples que omite os rótulos é possível.
travessia de árvore: Uma forma de travessia de gráfico e refere-se ao processo de visitar (verificar e / ou atualizar) cada nó em uma estrutura de dados em árvore , exatamente uma vez. Essas travessias são classificadas pela ordem em que os nós são visitados.
fórmula booleana quantificada verdadeira: Na teoria da complexidade computacional , a linguagem TQBF é uma linguagem formal que consiste nas verdadeiras fórmulas booleanas quantificadas. Uma fórmula booleana (totalmente) quantificada é uma fórmula em lógica proposicional quantificada onde cada variável é quantificada (ou ligada ), usando quantificadores existenciais ou universais , no início da frase. Essa fórmula é equivalente a verdadeiro ou falso (uma vez que não existem variáveis livres ). Se essa fórmula for avaliada como verdadeira, então essa fórmula está na linguagem TQBF. É também conhecido como QSAT (Quantified SAT ).
Máquina de Turing
Teste de Turing: Um teste da capacidade de uma máquina de exibir um comportamento inteligente equivalente ou indistinguível de um humano, desenvolvido por Alan Turing em 1950. Turing propôs que um avaliador humano julgaria conversas em linguagem natural entre um humano e uma máquina projetada para gerar humanos como respostas. O avaliador estaria ciente de que um dos dois parceiros na conversa é uma máquina e todos os participantes seriam separados um do outro. A conversa seria limitada a um canal apenas de texto, como um teclado e uma tela de computador, de forma que o resultado não dependesse da capacidade da máquina de renderizar palavras como fala. Se o avaliador não puder distinguir com segurança a máquina do humano, diz-se que a máquina passou no teste. Os resultados do teste não dependem da capacidade da máquina de dar respostas corretas às perguntas, apenas quão próximas suas respostas se assemelham às que um ser humano daria.
sistema de tipo: Em linguagens de programação , um conjunto de regras que atribui uma propriedade chamada tipo às várias construções de um programa de computador , como variáveis , expressões , funções ou módulos . Esses tipos formalizam e reforçam as categorias implícitas que o programador usa para tipos de dados algébricos , estruturas de dados ou outros componentes (por exemplo, "string", "array de float", "função retornando booleano"). O objetivo principal de um sistema de tipos é reduzir as possibilidades de bugs em programas de computador, definindo interfaces entre diferentes partes de um programa de computador e, em seguida, verificar se as partes foram conectadas de maneira consistente. Essa verificação pode acontecer estaticamente (em tempo de compilação ), dinamicamente (em tempo de execução ) ou como uma combinação de verificação estática e dinâmica. Os sistemas de tipos também têm outras finalidades, como expressar regras de negócios, permitir certas otimizações do compilador, permitir o envio múltiplo , fornecer uma forma de documentação, etc.

você

aprendizagem não supervisionada: Um tipo de aprendizagem Hebbian auto-organizada que ajuda a encontrar padrões anteriormente desconhecidos em um conjunto de dados sem rótulos pré-existentes. Também é conhecido como auto-organização e permite modelar densidades de probabilidade de dados de entrada. É uma das três categorias principais de aprendizado de máquina, junto com o aprendizado supervisionado e de reforço . A aprendizagem semissupervisionada também foi descrita e é uma hibridização de técnicas supervisionadas e não supervisionadas.

V

unidade de processamento de visão (VPU): Um tipo de microprocessador projetado para acelerar as tarefas de visão de máquina . Alinhamento de valor completo - Análogo a um problema de IA completo , um problema de alinhamento de valor completo é um problema em que o problema de controle de IA precisa ser totalmente resolvido para resolvê-lo.

C

Watson: A -respondendo a pergunta de sistema de computador capaz de responder a perguntas feitas em linguagem natural , desenvolvido na IBM projeto DeepQA 's por uma equipe de pesquisa liderada pelo investigador principal David Ferrucci . Watson foi nomeado em homenagem ao primeiro CEO da IBM, o industrial Thomas J. Watson .
IA fraca: Inteligência artificial que se concentra em uma tarefa limitada.
World Wide Web Consortium (W3C): A principal organização de padrões internacionais para a World Wide Web (abreviado como WWW ou W3).

Veja também

Inteligência artificial

Languages

In other projects

Glossário de inteligência artificial - Glossary of artificial intelligence

UMA

B

C

D

E

F

G

H

eu

J

K

eu

M

N

O

P

Q

R

S

T

você

V

C

Veja também

Referências

Notas