| 序号 | 概念/主题 | 描述 | 应用场景 |
| 1 | 迁移学习 | 一种机器学习技术，旨在将已有知识和经验从一个或多个源领域迁移到目标领域，以提高目标任务的学习性能。 | 数据稀缺、标注困难、提高建模效率等场景 |
| 2 | 预训练模型 | 在大规模数据集上预先训练好的模型，可以作为迁移学习的源领域模型。 | 自然语言处理、计算机视觉等任务 |
| 3 | 微调 | 在迁移学习中，对预训练模型进行少量调整以适应目标领域的任务。 | 针对特定任务优化模型性能 |
| 4 | 领域自适应 | 在多个不同领域之间进行特征匹配、分类、回归等任务的过程中，自动学习领域之间的关联。 | 跨领域数据集的模型训练和应用 |
| 5 | 强人工智能 | 具有与人类智能相媲美或超越人类智能水平的AI系统，具有通用性、自主性、学习能力、理解和推理能力等特征。 | 远期目标，多领域复杂任务处理 |
| 6 | 弱人工智能 | 仅限于特定领域或任务的AI系统，不具备强人工智能的广泛通用性和自主性。 | 特定领域的任务处理，如语音识别、图像识别等 |
| 7 | 通用性 | 强人工智能具备在多个领域处理任务的能力。 | 处理多领域任务，提高AI系统的应用范围 |
| 8 | 自主性 | 强人工智能系统具有自主决策的能力，能够在不需要人类干预的情况下执行任务。 | 自动驾驶、机器人等场景 |
| 9 | 学习能力 | 强人工智能能够通过学习经验和数据不断提高性能。 | 机器学习、深度学习等场景 |
| 10 | 理解和推理能力 | 强人工智能能够理解自然语言、视觉信息等，并进行高级的推理和抽象思维。 | 语义理解、图像识别、自然语言处理等场景 |
