Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
ISO/IEC 26134:2023 人工智能 — 术语标准解析
ISO/IEC 26134:2023
ISO/IEC 26134:2023 为人工智能领域建立了统一且权威的术语体系。随着 AI 技术在各个行业的普及——从医疗诊断和自动驾驶到自然语言处理和预测分析——共享词汇的需求变得至关重要。该标准为超过 200 个关键 AI 术语提供了清晰、一致的定义，作为所有后续 AI 标准（包括 ISO/IEC 26135 风险管理、ISO/IEC 26136 生命周期过程和 ISO/IEC 26137 验证）的语言基础。没有标准化的术语，AI 开发中的跨学科沟通、法规遵从和国际合作将充满歧义和误解。
术语标准是所有技术标准化的基石。在实施AI风险管理（26135）或验证（26137）之前，确保您的团队对26134中定义的术语如’AI系统’、’ML模型’、’训练数据’、’偏差’和’公平性’有共同的理解。
请注意，该标准中的某些术语与其他领域的用法存在细微差异。例如，AI语境中的’验证’与传统软件工程中的范围不同。请仔细交叉引用定义。
该标准于2023年发布，反映了当时的AI术语状态。随着生成式AI和大语言模型的快速发展，一些新兴术语（例如’基础模型’、’RLHF’）可能尚未包含在内。请关注修订活动。
在您的组织中采用通用术语可以减少集成摩擦，提高审计线索清晰度，并简化合规性证明。考虑将您的内部词汇表映射到本标准。
1. AI术语的范围与结构
该标准将 AI 术语分为几个领域：基础概念（例如人工智能、机器学习、深度学习、神经网络）、系统属性（例如鲁棒性、可解释性、透明度、偏差、公平性）、数据相关术语（例如训练数据、验证数据、测试数据、标注、数据质量）、过程相关术语（例如训练、推理、微调、迁移学习）和治理术语（例如 AI 生命周期、AI 管理、风险、伤害、可信赖性）。每个定义不仅包含简洁的文本描述，还包括说明用法的注释和示例，使该标准对技术专业人员和非专业利益相关者都易于理解。
请特别注意’偏差’和’公平性’的定义——这些术语在AI语境中具有特定的技术含义，与日常用法不同。误解这些术语可能导致错误的合规性评估。
‘验证’（确保构建了正确的系统）和’确认’（确保系统构建正确）之间的区别遵循经典的V模型，但具有围绕数据和模型行为的AI特定细微差别。
对于采用机器学习的系统，’训练’一词具有精确的统计含义。不要将其与人类意义上的’学习’混淆——该标准提供了必要的技术精确性。
‘AI系统’的定义很广泛，包括基于规则和基于学习的方法。这确保了该标准在AI技术超越当前范式时仍然保持相关性。
2. 关键定义及其实际影响
ISO/IEC 26134 中的几个定义对 AI 系统设计和部署具有重大的实际意义。“可信赖性” 定义为 AI 系统满足利益相关者对可靠性、可用性、韧性、安全性、安保和隐私期望的能力——将多个质量属性封装到一个总体概念中。“可解释性” 定义为提供对 AI 系统输出的可理解解释的能力，这是金融、医疗和自动驾驶等受监管行业的关键要求。该标准还为不同类型的学习（监督学习、无监督学习、半监督学习、强化学习）提供了精确定义，使得能够清晰地沟通所采用的方法。
| 术语 | 定义（简略） | 实际意义 | 相关概念 |
|---|---|---|---|
| AI系统 | 使用AI技术生成输出的工程化系统 | 所有AI标准的范围定义 | 机器学习、基于规则的系统 |
| 可信赖性 | 满足利益相关者对可靠性、安全性等期望的能力 | 整体质量框架 | 鲁棒性、可解释性、公平性 |
| 偏差 | 处理或代表方面的系统性差异 | 合规和伦理要求 | 公平性、歧视、平等 |
| 可解释性 | 为输出提供可理解解释的能力 | 法规要求（欧盟AI法案） | 透明度、可理解性 |
| 训练数据 | 用于训练ML模型的数据 | 数据质量治理 | 验证数据、测试数据、标注 |
| AI生命周期 | AI系统从构思到退役的演变 | 流程管理框架 | 验证、监控、退役 |
该标准对”AI 生命周期”的定义对工程师尤其重要。它不仅包括开发阶段，还包括部署、运营、监控和最终退役。这种生命周期视角确保 AI 治理不仅限于设计阶段，而是贯穿系统整个运行寿命。关于”数据质量”和”数据治理”的定义提供了实施强大数据管理实践所需的词汇，这对于 AI 系统性能和法规合规性至关重要。
注意：组织经常滥用’AI’一词来描述传统的统计模型或简单的基于规则的系统。ISO/IEC 26134 提供了清晰的定义来区分 AI 系统和传统软件。错误标注可能导致不正确的监管分类和不适当的风险管理方法。在与监管机构接触之前，确保您的合规团队理解这些区别。
3. 对AI标准生态系统的影响
ISO/IEC 26134 作为整个 ISO/IEC AI 标准系列的术语基础。其定义被 ISO/IEC 26135（风险管理）、ISO/IEC 26136（生命周期过程）和 ISO/IEC 26137（验证）等标准规范性引用。这创建了一致的概念框架，使不同标准之间的互操作性成为可能，并促进集成实施。对于采用多个 AI 标准的组织，从术语对齐开始可以减少混淆、简化培训，并确保跨团队一致地解释要求。该标准还通过提供与新兴 AI 法规（如欧盟 AI 法案）一致的术语来支持合规性工作。
在实施多个AI标准时，将26134作为培训基础。在深入风险管理或验证过程之前，举办术语研讨会，确保所有团队成员对关键概念有共同的理解。
该标准对’伤害’和’风险’的定义旨在与ISO 31000（风险管理）保持一致，促进集成风险管理方法。这种一致性是故意的且有益的。
将组织的内部AI词汇表映射到26134术语可以揭示理解中的不一致和差距。即使不需要完全符合该标准，这也是一个有价值的练习。
该标准预计将随着AI技术的发展而更新。请关注修订周期——特别是与生成式AI、基础模型和自主AI系统相关的术语。
常见问题
Q: ISO/IEC 26134 与欧盟 AI 法案的术语有何关系？
A: 欧盟 AI 法案使用自己的定义体系，但该法案的术语与 ISO/IEC 26134 之间存在显著一致性。遵循两个框架的组织最好使用 26134 作为内部术语基线，然后在存在差异时映射到法案的特定定义。
A: 欧盟 AI 法案使用自己的定义体系，但该法案的术语与 ISO/IEC 26134 之间存在显著一致性。遵循两个框架的组织最好使用 26134 作为内部术语基线，然后在存在差异时映射到法案的特定定义。
Q: ISO/IEC 26134 是否适用于非机器学习 AI 系统？
A: 是的。该标准广义地定义 AI，包括基于规则和基于学习的方法。除了机器学习术语外，还包括’专家系统’、’知识表示’和’符号 AI’的定义。
A: 是的。该标准广义地定义 AI，包括基于规则和基于学习的方法。除了机器学习术语外，还包括’专家系统’、’知识表示’和’符号 AI’的定义。
Q: 我可以在 AI 采购合同中引用该标准作为词汇表吗？
A: 完全可以。在采购合同中引用 ISO/IEC 26134 定义是确保买卖双方在关键 AI 术语上保持一致的最佳实践。这减少了工作说明书、验收标准和服务水平协议中的歧义。
A: 完全可以。在采购合同中引用 ISO/IEC 26134 定义是确保买卖双方在关键 AI 术语上保持一致的最佳实践。这减少了工作说明书、验收标准和服务水平协议中的歧义。
Q: 该标准多久更新一次？
A: 该标准于 2023 年发布。ISO 标准通常每 3-5 年进行一次定期审查。鉴于 AI 发展的快速步伐，早期修订是可能的。
A: 该标准于 2023 年发布。ISO 标准通常每 3-5 年进行一次定期审查。鉴于 AI 发展的快速步伐，早期修订是可能的。
Q: 该标准是否定义了’通用人工智能’（AGI）？
A: 该标准侧重于当前的 AI 技术，不包括 AGI 的定义，因为 AGI 仍然是一个没有具体实现的理论概念。其范围限于当代 AI 系统。
A: 该标准侧重于当前的 AI 技术，不包括 AGI 的定义，因为 AGI 仍然是一个没有具体实现的理论概念。其范围限于当代 AI 系统。
