随着人工智能（AI）在商业上的业务采用迅速扩展，用于描述该技术的词汇量也在迅速增加，企业也在用各种各样的方式使用它。将其付诸实践的方式也越来越多。

虽然诸如算法、机器学习和神经网络等术语在今天已经变得像云、SaaS和物联网一样熟悉，但是许多新的AI术语和趋势已经进入该领域也变得越来越重要。本文列举出一些比较重要的术语，

对抗性数据

一种机器学习训练技术，科学家故意将算法暴露给损坏的数据，以欺骗他们做出错误的预测或得出错误的结论。该技术允许开发人员发现可能被黑客利用的安全漏洞，或检查结果中可能导致错误结果的隐藏偏差。

AI架构师

数据科学家，他在应用人工智能改善业务流程方面发挥了直接作用。人工智能架构师为整个公司寻找人工智能的应用，例如自动化招聘和，以及让人工智能自动化日常工作（如为客户服务开发聊天机器人）的方法。

AIOps

实时使用大数据分析实时自动化IT运营的流程。 AIOps使用高级数据分析和模式识别，使IT团队能够简化其许多传统管理功能，从而最大限度地提高系统性能。到2022年，Gartner预测，40％的大公司将用自动AIOps系统取代目前由人类主导的IT服务。

算法审计

也称为影子审计。该过程用于识别AI“盲点”。人们对人工智能系统隐藏偏差的担忧不断增加，算法审计是一种寻找结构设计、编码和训练数据集的缺陷，并评估系统一致性、透明度、准确性和公平性的方法。这种审计被用于检测用在金融服务、刑事司法系统和招聘决策的人工智能工具中的偏见。

环境智能

智能系统是一种与物理对象的集成，可以与人们互动并适应他们的需求。其最著名的应用是使用亚马逊的Alexa和Apple的语音控制技术的各种设备，专家们预计环境智能将成为构成物联网的各种智能网络设备的一个关键功能。想象一下，老年人的“智能家居”不仅可以调节温度，以获得最大的舒适度，还可以提醒他们在医疗紧急情况下服用药物并监控医疗紧急情况。

首席数据官（CDO）

随着人工智能的采用，负责公司数据资产的高管变得越来越重要。 CDO主要负责确保数据质量，正在发挥越来越重要的战略作用，指导数据的使用，以解决紧迫的业务问题，并创造长期的业务价值。

数据策展人

这是一个新角色，它弥合了数据科学家与消费数据驱动洞察力的业务人员之间的差距，在他们之间架起了桥梁。数据管理员将对业务目标的理解与数据收集、处理和分析知识相结合，使他们能够简化数据的使用以解决业务问题。人工智能对企业越来越重要，数据管理者也越来越有必要使其研究结果易于理解。

边缘AI

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。利用边缘AI，传感器或智能手机等设备上的数据可用于训练机器学习算法，从而实现更快的决策制定和实时响应。通过消除连接到基于云的系统的需要，边缘AI消除了延迟并降低了数据脆弱性和存储成本。新兴应用包括自动驾驶汽车、机器人和人工智能工业设备。

情感AI

也称为情感计算。这些AI系统可以识别、解释和模拟人类的情感。为了实现这一点，深度学习算法和生物识别技术被训练为基于文本、语音和面部模式中的模式识别来响应情绪状态。今天的保险业使用聊天机器人中的技术来检测语音或面部表情的压力或其他“撒谎线索”。在医疗保健领域，拥有情感AI的虚拟护士可以监控患者，发现痛苦并以舒缓的方式做出反应。

人机回圈（HITL）测试

一种用于训练机器学习算法以检查和细化其结果的技术。例如，在基于人工标记的图像训练的图像识别系统需要人们检查并评分结果的准确性。该技术还可用于提高绘图技术、语音识别和产品类别的准确性。研究表明，使用80％的机器测试、19％人工输入和1％随机输入的混合方法可减少错误推荐并产生更高质量的结果。

推理

神经网络用于决定新的、有时是不完整的数据做出决策的过程。在认知心理学中，推理指的是人类进行有根据的猜测的能力。在人工智能中，计算机使用推理来模拟人类的决策。该能力对于语音识别、自然语言处理和机器学习的其他高级用途也是必不可少的。

长短时记忆（LSTM）

一种可以比标准神经网络更长时间地回忆数据序列，例如语音和视频的递归神经网络。这是一种更复杂的数据处理方式，可以在视频中挑选出一个易于搜索静态图像的时刻。该技术使自然语言生成、音乐创作和分析以及手写识别成为可能，并可用于预测疾病的爆发。

自然语言生成（NLG）

与自然语言处理（允许机器理解人类文本和语音）一样，NLG技术可以将结构化数据转换为会话语言的报告或摘要。 NLG使用深度学习算法超越基本理解来理解使数据相关的上下文，就像人类分析师一样。虽然目前的应用依赖于结构化数据，但最近有一种机器学习算法使用学术论文中的非结构化语句编写了一本教科书。

“无代码”机器学习

也称为AutoML。该过程允许开发人员简单地通过在开源平台上使用拖放式可视化界面来构建自定义算法，例如Microsoft的Azure ML、百度的EZDL和google的AutoML Vision。该技术消除了对专业编码知识和经验的需求，并具有在公司内部实现人工智能编程民主化的潜力。

XAI（可解释的AI）

人工智能是一种向普通人描述其目的、原理和决策的程序设计。伦理倡导者敦促更多地使用XAI，以提高透明度和公平性，并远离“黑匣子算法”。