永續 AI 資料庫

決策樹是依資料特徵逐步分支的預測模型，以條件判斷把樣本分到葉節點，可執行分類或迴歸，深度過大可能過度擬合。

宣告單位是以重量、體積或件數等數量表達產品環境資料的參考單位，常用於功能或完整使用情境尚不能明確界定的中間產品。

神經網路解碼器是利用內部表示或已有序列產生輸出的模型部分，語言解碼器常逐步生成詞元，並依架構採用不同上下文限制。

脫鉤是經濟活動與資源使用或環境壓力的連動減弱。依 EEA 的說明，相對脫鉤指環境壓力增速低於經濟增速；絕對脫鉤則指經濟成長時，相關環境壓力維持穩定或下降。

深度學習是使用多層神經網路學習資料表徵的機器學習方法，常用於影像、語音與語言任務，通常需要適當資料及運算資源。

DMAIC 是常用於既有流程改善的五階段方法，先釐清問題及量測現況，再分析原因、實施改善並維持成果。

毀林在 FAO 土地使用脈絡中，是森林轉為其他土地用途的變化，判斷時須確認土地使用及森林定義，不能只看短期樹冠消失。

需量反應是用戶因價格、誘因或系統需要而調整用電時點或負載的安排，讓需求端參與電力供需平衡；實際參與條件依市場或方案規定。

稠密檢索是把查詢與內容編成稠密向量，再以向量相似性找出候選資料的方法，可捕捉概念關係，但受嵌入模型與資料影響。

具雜訊的密度式空間分群是根據鄰近範圍與最少樣本數，把高密度區域連成群並標示雜訊的方法，可探索非球形群組。

自然依賴是組織運作所仰賴的環境資產或生態系服務，例如供水、授粉或土壤功能；辨識依賴有助於理解自然變化如何影響營運。

荒漠化是乾旱、半乾旱及乾燥半濕潤地區的土地退化，由氣候變異及人類活動等因素造成，並非沙漠單純向外擴張。

易拆解設計是在設計階段考量構件如何分離及拆卸，使後續維修、替換、再使用與材料回收較易執行，減少破壞性拆除。

差分隱私是以數學條件限制單一個體資料變動對輸出分布影響的隱私方法，常搭配隨機化，需權衡隱私參數與資料效用。

擴散模型是一類學習從雜訊逐步還原資料的生成模型，訓練與生成常涉及加噪及去噪過程，廣泛用於影像等內容生成。

數位簽章是以密碼技術產生可供驗證的資料簽署結果，用於檢查完整性及簽署金鑰關聯，可信程度仍取決於金鑰與身分管理。

直接空氣捕捉是利用技術從環境空氣中分離二氧化碳的方法，捕捉後可利用或封存；是否形成耐久移除，取決於後續儲存及整體排放。

直接偏好最佳化是利用成對偏好資料直接調整語言模型的訓練方法，原始方法不需另訓練顯式獎勵模型或執行傳統強化學習迴圈。

就業與職業歧視是基於受保障特徵作區別、排除或偏好，導致工作機會或待遇平等受損，須結合適用法規與工作條件判斷。

廢棄物處置是在所採廢棄物框架下不屬回收作業的處理方式，即使附帶回收少量物質或能源，也須依主要功能判定。

距離基礎法是依運輸距離及相應排放係數估算排放的方法，貨運通常還需貨物重量與運具資訊，讓活動單位與係數單位相符。

分散式追蹤是把跨服務請求的執行區段串聯成整體追蹤紀錄的技術，可用來定位延遲及錯誤，需在服務間傳遞追蹤脈絡。

文件化資訊是組織需要控制與維持的資訊及其載體，可包括程序、圖面與紀錄，重點在可用性與適當控制。

雙重重大性是在 ESRS 中，同時以衝擊重大性與財務重大性檢視永續議題的原則；議題符合其中一個面向或兩者時，都可能屬重大。