7 AI术语机器之心开放人工智能专业词汇集.docx

【AI术语】机器之心开放人工智能专业词汇合 机器之心 2017-11-14 原文 机器之心原创 机器之心编辑部 作为最早关注人工智能技术的媒体，机器之心在编译国外技术博客、论文、专家观点等内容上已经积累了超过两年多的阅历。期间，从无到有，机器之心的编译团队一直在积累专业词汇。虽然有很多的文章由于专业性我们没能尽善尽美的编译为中文呈现给大家，但我们一直在进步、一直在积累、一直在提高本人的专业性。 两年来，机器之心编译团队整理过翻译词汇对比表「红宝书」，编辑个人也整理过类似的词典。而我们也从机器之心读者留言中发觉，有些人工智能专业词汇没有统一的翻译标准，这可能是因地区、跨专业等等缘由构成的。举个例子，DeepMind?的一篇论文中有个词汇为?differentiable?boundary?tree，当时机器之心的翻译为可微分界树，但后来有读者表示这样的译法假如不保留英文很难明白表达的意思且建议翻译为可微分边界树。 因此，我们想把机器之心内部积累的人工智能专业词汇中英对比表开放给大家，期望为大家写论文、中文博客、阅读文章供应挂念。同时，这也是一份开放的表单，期望越来越多的人能够供应添加、修改建议，为人工智能的传播助力。 项目地址：/jiqizhixin/Artificial-Intelligence-Terminology 组织形式 读者在此项目中，可通过以上表盘查看本人想要了解的专业词汇。在单个首字母中，表格的组织形式为：英文／缩写、汉语、来源&扩展。 来源&扩展是对该词汇的注解，内容为机器之心往期的相关文章。例如下图所示的「算法」，我们关联到的三篇文章是《回归、分类与聚类：三大方向剖解机器学习算法的优缺点》和《机器学习算法附速查表》和《深度学习算法全景图：从理论证明其正确性》。因此，我们期望不只能供应相对应的术语，同时还期望能为读者供应每一个术语的来源和概念上的扩展。但由于这一部分工作量较大，我们还将与读者共同推动这一部分扩展的进程。 精确?????性 本项目中全部英文专业词汇对比的中文都来自机器之心编译的文章和系列机器学习教科书（如周志华的《机器学习》和李航的《统计学习方法》等），我们力求在供应精确?????翻译的同时保留最常用的形式。同时，为了保证词汇翻译的精确?????性，我们将此项目向读者开源，并期望能与读者共同迭代术语的精确?????度。除此之外，我们还将为每一个词汇供应来源与扩展进一步提升词汇的信任度。 机器之心术语编译标准 由于该项目很多术语都是机器之心平常编译文章所积累的，所以我们首先需要向读者说明机器之心术语编译的标准。 1.?常见术语的编译标准 机器之心常见术语的编译首先会确保术语的正确性，其次再考虑术语的传播广度。例如常见术语。logistic?regression，首先机器之心会保证该术语的精确?????度。我们常见?logistic?regression?会翻译为规律回归，但中文「规律」与?logistic?的含义还是有些差别，因此我们并不太倾向于接受这种译法。在精确?????度的基础上，我们会考虑术语的传播广度。例如有学者建议可以将?logistic?regression?译为对数几率回归，但鉴于该译法的传播度不广，看到中文并不会马上检索到对应英文和概念，所以我们最终在常见术语编译标准下将?logistic?regression?译为?logistical?回归。机器之心在对常见术语编译时并不会保留英文，也不会做进一步说明。 2.?格外见术语的编译标准 机器之心在编译技术文章或论文时，经常会遇到格外见的术语。由于像论文那样的文章是在特定领域下为处理特定问题而规范化书写的，所以就会存在较多的格外见的术语。而机器之心在编译格外见术语时，独一的标准就是精确?????性，通常我们也会保留英文。由于格外见术语通常是数学、神经科学和物理学等领域上的专业术语，机器之心会尽可能地自创其他领域内的译法和意义而确定如何编译。例如?fixed-point?theorem，在参考数学的情况下，我们会更倾向于译为不动点定理，fixed-point?译为不动点而不是定点。 3.?歧义术语的编译标准 还有很多术语其实是有歧义的，而对于这一类词，机器之心的编译标准会依据语义进行确定，因此也会有一些误差。例如?bias?在描述神经网络层级单元时可以译为偏置项。而在描述训练误差和与叉验证误差间的关系或学习曲线时，bias?可以译为偏差。这样的例子还有很多，比如?Stationary?在马尔可夫模型中可译为稳态分布（Stationary?distribution），在最优化问题中可译为驻点（Stationary?point），而在涉及博弈论或对抗性训练时，其又可能表达为静态。 以上是机器之心或许编译术语的标准，虽然我们在常用术语