永續 AI 資料庫

可解釋人工智慧是讓系統輸出或行為能提供人可理解理由的技術與設計方向，需考量解釋對象、忠實性及知識限制。

協助辨識經濟活動對自然的依賴與壓力，進而探索自然相關風險的線上篩選工具。

生產者延伸責任是一種環境政策作法，使生產者對產品整個生命週期承擔責任，包括消費者使用後的階段。具體收集、處理及責任安排仍須依產品類別與適用制度確認。

IUCN 紅色名錄中，已無合理懷疑最後一個個體死亡的類別；判定須依物種生態特性，在適當時間與已知或預期棲地進行充分調查。

IUCN 紅色名錄中，僅知存活於栽培、圈養，或遠離過去分布範圍的歸化族群之類別；原分布範圍的野外判定仍需充分調查。

資料擷取、載入與轉換是先把來源資料載入目標平台，再利用平台能力轉換資料的整合流程，適合特定分析架構但仍需權限及品質管理。

資料擷取、轉換與載入是從來源取得資料，先清理或轉換，再載入目標系統的整合流程，用於統一資料格式及支援分析。

F1 分數是精確率與召回率的調和平均數，用於同時觀察兩者的平衡；解讀時仍須確認類別設定、樣本分布與計算方式。

失效模式與效應分析是事先辨識可能失效方式、後果及原因的方法，用於排定需優先降低風險的設計或流程項目。

在 IFRS S1 脈絡下，允當表達是揭露與企業永續相關風險及機會有關的資訊，並以完整、中立及準確的描述忠實表達這些風險與機會；涵蓋範圍為可合理預期影響企業前景者。

特徵工程是把原始資料轉換成適合模型使用的變數或表示的過程，包括建構、轉換與組合特徵，需符合實際可取得資料的條件。

特徵重要性是以指定方法衡量輸入欄位對模型預測或表現影響的結果，可協助理解模型依賴，數值會受方法與資料關聯影響。

特徵縮放是調整數值欄位尺度的前處理方法，例如標準化或映射至指定範圍，避免量綱差異不當影響距離或最佳化計算。

特徵選擇是從可用輸入欄位中挑選較合適子集合的方法，可降低維度與冗餘，但選取過程必須避免把測試資料資訊帶入訓練。

特徵儲存庫是集中保存、發現與提供機器學習特徵的系統，可支援離線訓練及線上推論取值，協助重用特徵與減少處理差異。

聯邦學習是讓多個資料持有端在本地訓練並交換模型更新等資訊的學習方式，減少集中原始資料的需求，但仍須防護更新資訊洩漏。

少樣本提示是在提示中提供少量輸入與預期輸出範例，讓模型依範例掌握任務形式或回答模式，通常不會改變模型權重。

投融資排放是金融機構貸款與投資所對應的溫室氣體排放，依適用資產類別方法，將借款人或被投資者排放按歸屬比例分配至金融資產。

財務控制法是依企業是否能主導某營運的財務及營運政策以取得經濟利益，決定排放整合範圍的方法；受控制營運通常認列全部排放。

在 ESRS 脈絡下，財務重大性是指永續事項對企業發展、財務狀況、財務績效、現金流量、融資取得或資金成本，於短、中或長期已產生或可合理預期產生重大財務影響。

模型微調是在已訓練模型的基礎上，使用特定資料進一步訓練並調整參數，使其更適應某類任務、風格或專業需求。

五Ｓ管理以整理、整頓、清掃、清潔及素養建立有秩序的工作環境，讓物品、資訊與異常更容易辨識和管理。

流程圖是以符號及連線呈現活動、判斷與先後順序的工具，可協助理解作業現況、交接關係與流程中的重複或缺口。

糧食損失在 FAO 方法中，是零售、餐飲及消費者之前的供應鏈活動導致食物數量或品質下降，須與後段食物浪費區分。