Each category is a question people ask about a technology, and its elements are the answers. Choose a category, then an element, to see its icon and what it means. New to the terms? Read the concepts.
資料由什麼演算法或模型處理？
處理輸入資料的方式：用來將輸入轉換為輸出的演算法類別、模型類型或技術。
情感與情緒分析從文字、語音、臉部表情或生理訊號推斷情緒狀態、心情或感受的技術。用於掌握群眾情緒、評估服務體驗，或篩檢是否有人處於情緒困擾。情感推斷的準確度與文化公平性仍有爭議，部分司法管轄區限制在職場與公共服務中使用。
異常偵測標示出偏離已學習的正常行為基準的異常事件、模式或數值的技術。用於預測設備故障、篩檢詐欺、偵測入侵、監測漏水，以及人流異常警示。輸出結果通常是設有門檻的分數，而非直接的決定。
生物特徵辨識根據生物訊號（臉孔、指紋、聲音、虹膜或步態）識別或驗證特定個人的技術。與一般電腦視覺不同，因為輸出結果會連結到具名的個人。許多司法管轄區限制或禁止在公眾可進入的空間使用生物特徵辨識。
分類與預測為輸入資料指定標籤或估算數值結果的技術，包括分類器（是否為垃圾郵件、風險等級）、迴歸模型（預測需求、預估等候時間）及時間序列預測（下一小時的搭乘人次、能源負載）。以已標記的歷史資料，透過統計或機器學習模型建立。
分群與區隔不使用預先定義的標籤，而依相似程度將人、地點或事件分成群組的技術。用於區隔受眾、移動模式、用電型態或服務需求區域。輸出結果是群組歸屬，下游系統可能將其視為類別，但這些群組是推斷出來的，並非由人訂定。
電腦視覺解讀影像或影片的技術：計算人數、偵測物體、讀取圖片中的文字、追蹤動態或分割場景。常見於空間使用偵測、交通與人群監測、無障礙輔助及標示檢查。與生物特徵辨識不同，後者會識別特定個人。
語言模型能以人類語言閱讀、書寫、摘要、翻譯或進行對話的模型。包括大型語言模型（LLM）、聊天機器人及文字生成系統。其運作方式是根據輸入內容與先前的脈絡，預測最可能接續的詞元（token）。
最佳化在限制條件下尋找最佳指派、路線、時程或分配方式的技術。包括車輛路線規劃、大眾運輸號誌時制、能源與空調排程、人員排班及資源分配。其運作方式是探索各種可能性，使成本、時間或排放量等既定目標達到最大或最小。
隱私保護轉換主要功能是在下游使用前轉換輸入資料，將可識別身分的細節移除、模糊化或替換的技術。包括臉部模糊化、車牌遮蔽、代碼化、k-匿名化、差分隱私及合成資料生成。它在收集到的原始資料與用於分析或決定的資料之間形成一道屏障。
推薦與排序依據偏好、行為或與他人的相似程度，為個人建議或排序項目（服務、刊登資訊、新聞、路線指引選項）的技術。包括協同過濾、內容式推薦系統及學習式排序。它讓每個人從同一份目錄中看到個人化的內容。
搜尋與檢索因應查詢，從大量文件、紀錄或媒體中找出並呈現相關內容的技術。包括語意搜尋、向量檢索，以及將相關段落送入語言模型的檢索增強生成（RAG）流程。用於文件問答、公共紀錄查詢，以及圖書館或檔案館的搜尋。
語音與音訊在口語與其他格式之間轉換，或對非語音聲音進行分類的技術。包括語音轉文字（逐字稿）、文字轉語音（合成語音）、關鍵詞偵測及聲音事件偵測。以聲音作為身分（辨認說話者是誰）則屬於「生物特徵辨識」。解讀影像或影片的技術：計算人數、偵測物體、讀取圖片中的文字、追蹤動態或分割場景。常見於空間使用偵測、交通與人群監測、無障礙輔助及標示檢查。與生物特徵辨識不同，後者會識別特定個人。