术语表
A
致瘾技术（Addictive tech） ：
在关注度和参与度的激烈竞争的推动下，一些应用程序专门进行了让人上瘾的设计。虽然这对向受众销售广告业务的公司来说可能是件好事，但人们越来越意识到致瘾技术对社会和环境造成的危害。
计算（Affective（emotional）computing） ：
能够识别、解释、处理、模拟和响应人类情感的系统和设备统称为“情感计算”。智能体建模仿真（Agent-based simulation） ：使用模拟的独立智能体，每个代理都朝着自己的目标努力，力求模拟真实世界的情况。 这种模拟可以帮助我们理解疾病传播或蛋白质折叠等复杂现象。
通用人工智能研究（AGI research） ：
通用人工智能（AGI）具备完成一系列智能任务的广泛能力，经常与人类水平的智能相提并论。这与当今的“狭义”人工智能形成了鲜明对比，后者可能表现非常出色，但只能完成非常具体的任务。
人工智能体（AI agent） ：
应用程序的内置功能，可将公开可用的生成式人工智能模型的功能与模型之外的特定知识（如产品信息）相结合。人工智能即服务（AI as a service） ：在云平台上以服务的形式提供的“随时可用”人工智能解决方案，通常无需专门的人工智能或机器学习技能即可使用。
AI 与网络安全（AI in security） ：
威胁领域的攻防双方都在越来越普遍地采用人工智能，防御者用之动态地应对威胁，而攻击者则用之探测系统中的漏洞。人工智能市场（AI marketplaces） ：亚马逊的 AWS Marketplace、 谷 歌 的 TensorFlowHub 和 微 软 的Azure Marketplace 等市场使独立开发人员和公司能够向全球市场出售其模型，从而使消费者能快速利用这些模型来创造价值。
人工智能安全与监管（AI safety and regulation） ：
政府对人工智能的使用进行监管和指导，目的是确保负责任地使用人工智能系统并确保其后果，其中包括监测、合规性和良好实践。
人工智能辅助软件开发（AI-assisted software development） ：
利用人工智能加快或改进软件开发例如，集成开发环境（IDE）中的代码补全、人工智能创建的自动测试、能够检测错误的人工智能，甚至是人工智能代码生成工具。
人工智能生成媒体内容（AI-generated media） ：
经人工智能处理的图像、音频或视频，也称为“合成媒体内容”。人工智能、物联网和扩展现实综合解决方案（AI， IoT and XR combined solutions） ： 多种技术相结合并共同发挥作用的新型解决方案。 无人机、机器人和自动驾驶汽车都是需要机器学习、数据流处理和智能层来解决问题的设备实例。
端侧模型（AI/ML on edge） ：
在网络边缘终端（通常在资源有限的设备上）运行人工智能和机器学习算法的能力。
可替代货币（Alternative currencies） ：
普通货币以外的货币，例如加密货币或基于信誉的货币。越来越多的供应商也开始使用基于供应商特定奖励的货币，如星巴克的星星或亚马逊币。
增强现实（Augmented reality） ：
通过将现实世界与数字空间相结合，一种通过苹果和安卓移动设备提供的有限形式增强现实技术目前正在普及，这种技术能够将虚拟对象叠加到摄像头的现实世界视图中。还有更多先进的增强现实技术是通过专用的耳机来实现的，比如苹果的 Vision Pro、微软的 Hololens或 Meta 的 Quest 3。
合规自动化技术（Automated compliance） ：
利用技术随时提供满足合规报告、检查和平衡所需的所有数据。在许多情况下，自动化可以通过筛选数据简化报告，但人工智能现在已开始取代人工决策。工作自动化（Automated workforce） ：利用技术执行可重复或可预测的工作流程。 劳动力自动化并不意味着完全取代人类。在某些情况下，人机“团队合作”可能比任一方单独工作效果更好。
自动机器学习（AutoML） ：
这是一种通过自动地选择和训练针对特定任务的机器学习模型来使数据科学家和机器学习工程师的工作部分实现自动化的方法。
自主机器人（Autonomous robots） ：
与工业机器人相比，机载人工智能机器人的体积更小、成本更低，能够感知环境、提供导航、学习如何完成任务，甚至进行自我修复和修复其他东西。
自动驾驶汽车（Autonomous vehicles） ：
自动驾驶汽车、卡车和公共交通工具。虽然无人驾驶汽车可能是人们关注的焦点，但自动驾驶汽车在采矿和工厂车间等特殊工业和商业应用方面也有很大的潜力。
B
脑机接口（Brain computer interfaces） ：
这是一种设备，用于读取和分析来自大脑的信号，并将其转换为计算机输入机制。 经过一段时间的训练后，人和设备共同对人类的意图进行编码和解码。
C
机器学习因果推断（Causal inference for ML） ：
此类方法可以推导出输入数据和机器学习模型结果之间的因果关系。如果机器学习模型能够推而广之，那么使用为数不多的训练数据即可有效运行。
软件道德规范（Code of ethics for software） ：
企业可用于管理风险和减轻特定技术潜在负面影响（如人工智能偏见）的一套准则。
协作生态系统（Collaboration ecosystems） ：
当个人或组织有共同的目标时，他们很可能会想要协作为此，他们需要一套工具和资源，以有效实现价值，开发团队的远程工作环境就是典型的例子。有了该系统，人们能够共同解决问题。
消费级扩展现实（Consumer XR） ：
这种扩展现实是针对消费者，而非专业用户或企业用户。
D
数据清洗（Data clean room）：
为企业提供安全的环境，让这些企业能够相互共享和合并数据，而无需实际共享自己的数据。
数据契约（Data contract） ：
生产者和消费者双方就使用数据集或数据产品达成的正式协议。
数据市场（Data marketplaces） ：
一种能够在企业内外查找、购买、共享和销售数据的系统。
数据网格（Data Mesh） ：
一个围绕业务领域构建的数据平台，其将数据视为一种产品，每个数据产品由一个团队负责。为了提高速度，推动标准化，基础设施团队提供了实现数据产品团队自助服务的工具。
数据产品规范（Data product specification） ：
对数据产品的精准技术描述，有助于数据产品的供应、配置和管理。
去中心化数据平台（Decentralized data platforms） ：
使用多个数据存储，而不是单一的集中存储，这种平台的一个范例是 Data Mesh（见上文）。
去中心化身份（Decentralized identity） ：
去中心化身份（DiD）也称为身份自主权，是一种基于开放标准的身份架构，使用自主独立的数字 ID 和可验证的凭证来传输可信数据。虽然不依赖于区块链，但目前许多示例都是基于区块链以及其他形式的分布式账本技术和私钥 / 公钥加密技术进行部署，目的是保护在线交互的隐私和安全。
去中心化个人数据存储（Decentralized personal data stores） ：
一种数据架构形式，个人以去中心化方式控制自己的数据，允许采用按使用量计费的访问（例如 Solid POD）。
去中心化安全（Decentralized security） ：
零信任网络（Zero-Trust Networks）等技术将安全检查分散到整个网络，而不是使用可能发生单点故障的传统安全边界。
决策科学（Decision science） ：
将人工智能工具和技术与行为科学和管理科学相结合，目的是针对情景
规划、运营研究等各种复杂问题，提高决策能力，扩大决策者的影响力。
开发者体验平台（Developer experience platforms） ：
提供工具的平台，让开发人员能够尽可能有效地创建、测试和部署软件。
开发安全运维一体化（DevSecOps） ：
开发（development）、安全（security）和运行（operations）三个词的缩写。这种方法将安全的重要性与开发和运行的重要性都置于首位。
差分隐私（Differential privacy） ：
差分隐私技术通过在数据集中引入噪声保护个人隐私，同时仍然可以在数据基础上获取洞见或构建机器学习模型。
数字化碳管理（Digital carbon management） ：
可测量企业温室气体（GHG）的排放量，并为减少这些排放量而做出努力。建立碳足迹和确定碳足迹的计划，是实现净零目标的必不可少的环节，也是实现任何可持续发展战略的第一步。
数字生态系统（Digital ecosystems） ：
不同的参与者、系统甚至企业，通过合作、协同和竞争来建立一个整体大于部分之和的新兴生态系统。例如，旅游业、在线市场以及 Gojek 和微信等新型“超级应用”。
数字人（Digital humans） ：
基于人工智能的虚拟助手和非玩家角色，在元宇宙中再现人类交互。
数字孪生（Digital twin） ：
一种过程、产品或服务的虚拟模型，允许进行模拟和数据分析，可将 3D 可视
化与实时数据相结合，从而了解那些实际上无法看见的设备的情况。
分布式能源（Distributed energy resources） ：
属于“用户侧储能系统”的一个发电类别。分布式能源（DER）为电网发电，并为 DER 奖励能源信用。例如，在住宅上安装的太阳能电池板就属于 DER。
E
易于访问生成式人工智能（Easing access to Generative AI） ：
不熟悉提示工程的人可能会难以获取背景信息和其他数据，因此可以通过共享背景和数据，降低入门门槛，让人工智能更易于使用。
边缘计算（Edge computing） ：
确保数据的存储和处理更靠近设备，而不依赖数千公里外的数据中心。其优势包括减少实时系统的延迟和提高数据私密性。
加密计算（Encrypted computation） ：
一种无需先解密就可对加密数据进行计算的能力，有助于维护数据隐私，同时允许数据存储和操作外包，包括安全多方计算和同态加密等技术。
企业级扩展现实（Enterprise XR） ：
是虚拟现实和增强现实及相关技术的总称，目前，企业正在利用它降低成本，提高效率，改进安全性。
道德框架（Ethical frameworks） ：
一种决策框架，重点围绕人工智能的使用和数据中可能存在的偏差，用于尝试为决策过程带来透明度和清晰性。
演进式架构（Evolutionary architectures） ：
与传统的前期、重量级企业架构设计相比，演进式架构接受我们无法预测未来的事实，为系统架构的指导性、渐进式变化提供了一种机制。
可解释的人工智能（Explainable AI） ：
一套用于理解机器学习模型得出某个结论的原理的工具和方法。这些工具通常适用于推理过程不透明的模型。
F
联邦学习（Federated learning） ：
可下载机器学习模型，然后使用其他设备上的本地数据来计算，或是训练经过修改的特定模型。这种方法可以帮助多个企业协作创建模型，而无需显式地交换受保护的数据。
细粒度数据访问控制（Fine grained data access controls） ：
更精细的数据访问控制，如基于策略的访问控制（PBAC）或基于属性的访问控制（ABAC），在决定谁有权访问数据时，可以应用更多的情境元素。
财务运营（FinOps） ：
将财务问责制引入云计算的可变支出模型。涉及财务、运营和开发等团队之间的协作方法，目的是有效管理和优化云成本。
G
IDE 中的生成式 AI 工具（GenAI tools in IDEs） ：
将生成式人工智能功能集成至集成开发环境（IDE），即程序员用于编写代码的软件应用程序。
生成式人工智能（Generative AI） ：
可根据简单的人类语言提示创建文本、图像、音频和视频的人工智能。
手势与姿态识别（Gesture recognition） ：
机器理解和解释人类的手势，如挥手、做“向上”或“向下”的动作、将手放在某个位置等。
绿色云（Green cloud） ：
一种由可再生能源提供能源的数据中心，运行为高效处理而设计和优化的软件和系统，同时最大限度地降低能耗。
绿色软件工程（Green software engineering） ：
选择高效、节能的技术、编程语言、算法和软件架构。
绿色用户体验（Green UX） ：
通过设计用户界面和提示，帮助人们了解所做选择对环境的影响。例如，显
示航班碳排放量的航空公司网站，或者显示驾驶特定路线的碳排放量的地图工具。
I
强化监管（Increased regulation） ：
相关法规日益强化，特别是关于数据、隐私、安全和温室气体排放
的法规。
工业级扩展现实（Industrial XR） ：
在工业环境中，利用虚拟环境测试和模拟所需的物理结果。
集成数据和人工智能平台（Integrated data and AIplatforms） ：
机器学习专用平台，可提供端到端的功能，如数据管理、特征工程、模型训练、模型评估、模型治理、可解释性、自动机器学习（AutoML）、模型版本控制、环境间推广、模型服务、模型部署和模型监控。
智能机器间协作（Intelligent machine to machinecollaboration） ：
通常以自主方式实现设备间直接交互和信息共享的技术。决策和行动只需很少的人工干预或根本无需人工干预。
加密资产国际法（International law for crypto assets） ：
加密资产的交易遍布全球。与针对人工智能制定国际法的举措类似，加密资产的跨境交易也需要国际法的支持，其中可能包括成本、资产类别以及合法交易的构成要素。
K
知识图谱（Knowledge graphs） ：
使用图谱数据结构表示实体间知识和语义关系的一种方法。
M
机器学习运维一体化（MLOps） ：
一种将 DevOps 实践引入机器学习领域的举措。机器学习运维营造了一种文化氛围，让人们可以不分职称或背景，齐心协力，持续构想、开发、部署、运行、监控和改进机器学习系统。 机器学习下的持续交付（CD4ML）是Thoughtworks 端到端实施机器学习运维的方法。
多模态人工智能（Multimodal AI） ：
可跨越不同交流模式的人工智能模型交互。例如，聊天机器人既能理解书面语言，也能用口头语言做出回应。
N
自然语言处理（Natural language processing） ：
人工智能和其他现代技术，帮助计算机理解口头或书面语言的意图和含义。 用于各种用途，包括听写软件，乃至文档含义分析。
新一代密码学（Next-generation cryptography） ：
为应对技术或社会挑战而创建的密码学形式。例如，抗量子加密算法、使用专用硬件安全飞地（secure enclaves）的保密计算、同态加密（允许在数据加密的同时进行数据计算），以及节能密码学。
O
在线机器学习（Online machine learning） ：
一种技术，基于持续收集的数据，使算法能不断学习，并能实时探索问题领域。这与传统机器学习不同，后者的模型训练仅使用历史数据，无法应对动态或前所未见的情况。
人工智能运营化（Operationalize AI） ：
让人工智能成为业务运营的常规成员，包括适当的安全和管理。
P
个人信息经济（Personal information economy） ：
一种通过拥有和使用大量个人信息获取商业价值的商业模式。例如，cookie 的原始使用；通过人们的在线行为对其进行有针对性的特征分析。这历来是公司或中间广告服务机构试图留住和锁定客户的领域，不过自《欧洲通用数据保护条例》（GDPR）及类似的隐私法颁布以来，我们看到了一种转变，即人们开始控制自己希望公开哪些数据来换取服务。
个性化医疗（Personalized healthcare） ：
了解单个患者的基因图谱，以便先行发现问题，并针对现有情况提供更有效的治疗，防患于未然。
平台即产品（Platforms as products） ：
一种创建和支撑平台的方式，其重点是实现客户（用户）价值，而不是将平台构建视为一个有时限的项目。
隐私优先（Privacy first） ：
隐私第一是业务、组织结构和产品战略的重大转变，在这一转变中，隐私成为企业的核心价值和产品。这种转变摆脱了之前“用户即产品”的枷锁，进入一个以建立信任和提高透明度作为首要任务的全新领域。
隐私通信（Privacy-aware communication） ：
一种通信软件，直接将其安全状态和功能作为一项重要宣传方向，例如，端到端加密服务。
隐私增强技术（Privacy-enhancing technologies（PETs）） ：
一系列保护用户隐私的技术和技巧，如匿名、加密计算和差分隐私。
隐私计算（Privacy-respecting computation） ：
一种新技术，即使在计算中使用个人数据，也能对隐私提供更有力的保障，广义上，该技术属于隐私增强技术（PET）。
生产免疫系统（Production immune systems） ：
这种系统可对复杂分布式系统中的指标进行监控，并在发现问题时采取纠正措施，通常用于安全工作，但也越来越多地用于在停机状态后实现恢复和复原。
Q
量子计算（Quantum computing） ：
使用光子的概率态，而不是二进制的 1 和 0 来运行算法。尽管量子计算已被证明可在特定问题领域中发挥作用，但它尚未扩展到广大应用领域。
量子机器学习（Quantum machine learning） ：
在量子计算引擎上调整和执行的机器学习算法，通常用于分析经典（非量子）数据。
R
检索增强生成（Retrieval Augmented Generation，RAG） ：
一种人工智能方法，让系统可通过从大型数据库或知识源中获取相关信息来增强其回应生成能力。这种方法将生成式人工智能模型的创造性与数据检索的精确性相结合，在各种业务应用中实现了更准确、更符合实际情况的回应。
再去中心化（Re-decentralization） ：
随着时间的推移，原本设计为去中心化的人机系统变得越来越集中。重新去中心化指有意识地将这些系统恢复去中心化模式。
促进负责任技术（Responsible tech facilitation） ：
一系列新工具和新技术，可支持将负责任技术纳入软件交付流程，主要侧重于积极吸纳代表性不足的观点；相关示例包括技术塔罗牌（Tarot Cards of Tech）、结果扫描（Consequence Scanning）和敏捷威胁建模（Agile Threat Modeling）。
视网膜级扩展现实（Retina resolution XR） ：
一种超高分辨率扩展现实，可在宽广的视野内进行逼真渲染。目前只能通过 Varjo XR-3 等极其昂贵的耳机来实现。
RPA 与低代码（Robotic process automation and low code） ：
机器人流程自动化（RPA）的目的是让脚本或机器人与用户界面（UI）进行交互，而无需人工操作。低代码的目的是实现编程全民化，让非程序员也能创建软件系统。
S
卫星网络（Satellite networks） ：
为传统光纤或无线网络提供商不愿意花钱连接的地方提供高速、低延迟的宽带。例如，SpaceX 的星链（Starlink）、亚马逊的 Kuiper、OneWeb 和 Telesat。
安全软件交付（Secure software delivery） ：
安全性适用于软件创建的整个过程，而在现代架构中意味着要包括用于构建、测试和部署应用程序和基础结构的交付通道。
智慧城市（Smart cities） ：
一种城市区域，可使用不同类型的物联网传感器收集数据，并结合平台对数据进行集成和处理，从而建议或命令数字化系统执行某些响应。从数据中获得的见解可用于有效管理资产、资源和服务；反过来，这些数据又被用于改善整个城市的运营。
智能能源管理系统（Smart energy management systems） ：
通过测量设备、应用程序接口（API）和工具所得到的能源使用数据无处不在，这就使一系列能源业参与者（发电商、配电商、供应商、零售商）和客户能够更好地了解和分析其能源使用情况。
智能家居（Smart homes） ：
通过智能中心，家居变得“智能”起来，人们可以控制几乎所有的家庭系统。分析技术甚至可以指导或管理供热和能源供应，并学习个人习惯或邻里习惯。
智能系统和生态系统（Smart systems and ecosystems） ：
利用人工智能和 ML 增强系统的网络，使其超越各部分的总和。例如，在智能城市中，由汽车和路边传感器组成的网络有助于加快交通流量并确保交通安全。
软件定义汽车（Software-defined vehicles） ：
一种汽车，其核心功能、特性和用户体验主要受控于软件，而非传统机械和电气系统。这种方法通过远程升级提高了灵活性、定制化和持续改进能力，彻底改变了汽车的性能，进而改变了汽车行业的商业模式。
空间音频（Spatial audio） ：
一种先进的信号处理技术，最初来自苹果公司，可将声音虚拟置入三维空间，音频还能跟踪耳机和屏幕位置，实现准确的声音定位。
T
技术主权（Technology and sovereign power） ：
有越来越多的力量导致互联网巴尔干化（即互联网的分裂），其中许多分裂是由民族国家领导的。隐私立法加速了这一进程，因为其强制执行数据权利和数据主权，并深刻地影响着企业在互联网上部署和分发系统和数据的方式。
循环经济技术（Technology for circular economy） ：
一个封闭的经济体系，在这个体系中，原材料和产品不断被共享，从而尽可能减少其价值的损失。支持此理念的技术包括可重用服务、可追溯性、物联网和数据挖掘。
非接触交互（Touchless interactions） ：
由于新冠疫情（至少在一定程度上是由于疫情），人们可能更愿意在不接触设备的情况下与设备交互。 具体技术包括手部跟踪、语音和手势识别。
可信数据（Trustworthy data） ：
一套新兴技术，用于认证数据来源并管理整个企业的数据使用。 经证明，在跟踪和加强实现可持续发展目标的进展方面，该技术具有变革性意义。
U
泛在连接（Ubiquitous connectivity） ：
随时随地为所有人和事物提供连接。有些人预测，无处不在的连接将成为地球上资源有限地区的创新动力，而批评人士则认为，这种连接既昂贵又没有必要。
易懂的知情条款（Understandable consent） ：
大多数服务条款（TOS）或最终用户许可协议（EULA）都包含难以理解的法律术语，没有法律背景的人很难理解。知情同意的目的是改变这种局面，使用简单易懂的条款，明确说明对客户数据的使用方式。
V
向量数据库（Vector databases） ：
一种专业存储系统，专用于高效处理机器学习和人工智能应用中常用
的高维数据向量，并编制索引。
X
扩展现实与混合办公（XR-enabled hybrid working） ：
一种协作策略，利用扩展现实，本地 / 远程混合团队中的每个人都能与相同的共享工件（如白板和其他信息辐射器）进行交互，这就拉近了远程协作者与现场团队的距离。
Z
零知识证明（Zero knowledge proofs） ：
一种方法，可让一方向另一方证明某一陈述的真实性，而无需透露自己是如何知道该陈述是真实的。