创新及产品管理能力建设项目 – 第 10 页 – 联合国创新及产品管理能力建设项目(UNSDGT)

什么是非结构化数据检索？

非结构化数据检索是指利用人工智能技术从非结构化数据中高效搜索和提取相关信息的过程。非结构化数据包括文本、图像、音频、视频等缺乏固定格式的信息载体，其检索依赖于自然语言处理、计算机视觉及深度学习算法来理解内容语义、构建索引并匹配用户查询，从而 […]

编译优化（Compiler Optimization）是指在编译器将源代码转换为目标代码的过程中，自动应用一系列变换技术，以提升程序执行效率、减少资源消耗（如内存和CPU占用）或优化其他性能指标，同时保持程序功能不变。这些优化包括常量传播、 […]

推理优化库是一种专门用于优化机器学习模型在推理阶段性能的软件库，其核心目标是通过技术如模型量化、剪枝和编译优化等手段，显著提升模型的执行速度、减少内存占用并降低计算资源消耗，从而使训练好的模型在实际部署中更高效、更经济地运行。在AI产品开 […]

模型分发（Model Distribution）是指在人工智能领域中，将训练完成的机器学习模型部署到生产环境或分发给最终用户的过程。这一过程涉及模型的打包、优化、配置以及集成到服务器、云平台或边缘设备中，以便提供实时预测服务。模型分发旨在确 […]

持续学习（Continuous Learning）是人工智能领域的一个核心概念，指机器学习模型能够在不遗忘先前学得的知识的前提下，持续适应新数据或新任务的能力。这种学习机制模拟了人类的终身学习过程，模型通过增量式更新扩展其知识库，避免灾难性 […]

AI蓝队（AI Blue Teaming）是指在人工智能领域中，专门负责防御和保障AI系统安全的团队或实践，其概念源于网络安全的红蓝队对抗框架，其中蓝队专注于主动识别、预防和缓解针对AI模型的潜在威胁，如对抗性攻击、数据中毒、模型窃取等，旨 […]

因果推断（Causal Inference）是一种统计学和机器学习方法，旨在识别变量间的因果关系而非仅仅相关关系，它通过实验设计或观察数据来估计干预对结果的影响，从而提升模型的可解释性和决策可靠性。在人工智能领域，因果推断帮助系统理解“为什 […]

可信赖AI框架（Trustworthy AI Framework）是一套系统化的方法论和工具集，旨在指导人工智能系统的设计、开发与部署过程，确保其在可靠性、公平性、可解释性、安全性和隐私保护等方面达到高标准。它通过嵌入伦理考量和风险管理机制 […]

结构化数据检索是指从具有预定义格式和模式的数据源中高效查找、筛选和提取特定信息的过程。结构化数据通常存储在关系数据库、表格或电子表格中，其数据元素以固定字段和数据类型组织，如SQL数据库中的行与列。检索过程依赖查询语言（如SQL）和索引技术 […]

模型剪枝策略（Model Pruning Strategy）是一种优化深度学习模型的技术，旨在通过移除模型中冗余或不重要的参数（如权重或神经元）来减小模型的规模、降低计算复杂度，同时尽可能维持其原始性能水平。这种策略包括权重剪枝、神经元剪枝 […]