人工智能畛域中，发问问题的耦合度（Coupling）通常指问题与数据之间的分割水平，即问题对数据的依赖水平。具体来说，问题的耦合度越高，阐明问题须要更多的信息和背景常识能力失去正确的答案；反之，耦合度越低，问题所需的信息和背景常识越少，答案也更容易失去。
例如，对于以下两个问题：
(1) 计算机视觉中的指标检测算法有哪些？
(2) 如何检测图像中的人脸？
第一个问题的耦合度绝对较低，因为它只须要晓得计算机视觉畛域的指标检测算法，而不须要太多具体的图像或数据信息。相比之下，第二个问题的耦合度绝对较高，因为它须要具体的图像数据以及人脸检测算法等相干常识。
在理论利用中，理解问题的耦合度对于设计和开发智能问答零碎十分重要。如果问题的耦合度过高，零碎须要更多的背景常识和语义理解能力能力答复问题；如果问题的耦合度过低，零碎可能会给出过于简略或不精确的答案。因而，须要依据具体场景和利用需要来设计问答零碎，并对问题和数据进行正当的剖析和建模。
这个耦合度须要和软件设计畛域模块间的耦合度概念相辨别。
在软件设计畛域中，模块之间的耦合度指的是模块之间相互依赖的水平。模块之间的依赖包含数据依赖、管制依赖和程序依赖等。高耦合度的模块之间的依赖程度较高，一旦一个模块发生变化，其余模块可能须要相应地进行批改；而低耦合度的模块之间互相独立，不会相互影响。
以下是常见的几种耦合度类型：
数据耦合：指两个或多个模块之间共享数据的水平。如果多个模块共享同一个数据结构，就会减少它们之间的耦合度。如果某个模块须要拜访其余模块的数据，也会减少它们之间的耦合度。
管制耦合：指一个模块对另一个模块管制流程的影响水平。如果一个模块对另一个模块的管制流程产生影响，就会减少它们之间的耦合度。
公共耦合：指两个或多个模块之间共享一个全局变量、常量或者环境变量等，这些变量是整个程序中所有模块都能够拜访的。公共耦合会减少程序中各个模块之间的依赖关系，升高程序的可维护性。
内部耦合：指模块与外部环境之间的依赖水平。如果一个模块依赖于外部环境中的某个变量或函数，就会减少它们之间的耦合度。
程序耦合：指一个模块对另一个模块的执行程序产生影响。如果一个模块要求另一个模块在特定的工夫执行，就会减少它们之间的耦合度。
缩小模块之间的耦合度是进步软件品质和可维护性的关键因素之一。在软件设计中，应该尽量采纳低耦合度的模块，尽量减少模块之间的依赖关系，进步模块的内聚性，从而升高软件开发和保护的老本。