幻覺 (Hallucination)
幻覺在人工智能領域中，指的是 AI 系統，尤其是大型生成模型（如大型語言模型）生成的錯誤、虛假或誤導性資訊。這類輸出看起來非常有說服力，甚至邏輯自洽，但實際上與真實世界的信息不符，沒有任何真憑實據。幻覺的現象讓使用者誤以為模型提供的是準確可靠的答案，極大地影響了人工智能技術的信任度和應用安全性。
查看AI術語
合成數據 (Synthetic Data)
合成數據指的是通過計算機算法和模擬生成的，非直接從現實世界收集的人造數據。這些數據在統計特性、結構和相關性上高度擬合真實數據，但不包含任何真實個體的具體信息，因此在保護隱私和數據安全的同時，能有效支持人工智慧模型的訓練與測試。
查看AI術語
遷移學習 (Transfer Learning)
遷移學習是機器學習中的一種先進方法，旨在將一個領域或任務中已經學習到的知識和模型，應用於另一個相關但不同的領域或任務，以提高新任務的學習效率和性能。它突破了傳統機器學習中「每個任務必須從零開始訓練模型」的限制，使得在缺乏大量標註數據的情況下，也能快速獲得良好的模型表現。
查看AI術語
過擬合 (Overfitting)
過擬合是機器學習中一個常見且棘手的問題，指的是模型在訓練資料上表現非常優異，幾乎完全“記住”了訓練數據的細節，包括數據中的噪聲和異常點，但在未見過的新數據（測試集或實際應用中）上表現不佳，泛化能力明顯下降。換句話說，過擬合的模型過度專注於訓練數據本身，無法學習到數據的普遍規律，導致預測結果不具代表性。
查看AI術語
欠擬合 (Underfitting)
欠擬合是機器學習中一種常見的問題，指模型在訓練過程中未能充分學習到數據中的規律和模式，結果導致模型在訓練集和測試集上都表現不佳。簡單來說，欠擬合表示模型過於簡單，難以捕捉數據的複雜關係，因此不能有效描述數據特性，影響預測準確度和泛化能力。
查看AI術語