【AI60問】Q9什麼是人工智慧？

1956 年夏天的達特⽭斯會議，人工智慧領域先驅們的夢想是藉由新興計算機構建具備等同於人類智⼒特徵的複雜機器。這就是所謂的「廣義人工智慧」的概念，擁有人類的所有感覺、所有理智，並且像人類⼀樣思考的神奇機器。

爲了使機器變的更加聰明，聰明到能夠完全替代人工，工程師們漸漸發現，必須要使機械設備具有人類⼀樣的思維邏輯，這就是人工智慧 (AI) 的早期概念。

許多領域對於AI的定義與看法都不相同，但有個一樣的核心層面定義。認為 AI 是指用「人造機器所變現出來的智慧」，可以將AI 想為人類，它具備常識、推理，能形成意見、社會行為、預測分析等能力。

AI有多種技術，像是機器學習、深度學習、自然語言處理、神經網路。

特別介紹AI當中的機器學習、深度學習，關係結構為人工智慧＞機器學習＞深度學習。

機器學習：讓機器擁有智慧的第一步

在不經過刻意導引之下，讓機器具備自我學習的能力。使用大數量數據和演算法來訓練機器，讓它學習如何執行任務，訓練後會擁有判斷、預測的能力。

在AI技術中，廣為應用的就是機器學習，不只因為他只需要較低技術、成本，更因為機器學習部署的價值體現較快，所以組織更傾向於發展這項技術。

擅長領域

電腦視覺是最常運用機器學習的領域，雖然電腦視覺和影像檢測技術面易出錯，仍得靠人工編碼作業來完成工作。如：自動駕駛應用，起霧無法看清標誌

機器學習的演算法

簡單分為監督式學習、非監督式學習

1. 監督式學習

在訓練電腦的過程中，有給標準答案。如：先給電腦看1,000張狗跟貓的照片，之後問他這是狗還是貓

2. 非監督式學習

沒有給電腦標準答案，只提供範例，讓它自己在範例中找到潛在規則。如：銀行的顧客資料分析，以年齡、性別、職業進行資料分類，它能找出客戶比較、將相似客戶分群。

深度學習：延伸機器學習的發展與進化

深度學習是能「實現機器學習」的技術，它交替使用先進的神經網路，主動發現新模型，並不斷完善它。更重要的是，它讓工程師使用完全不同的工程思維方式。

深度學習也具備廣大的潛能，AI技術每年能產出3.5兆～5.8兆的潛能，而當前於物件偵測、自然語言處理、以及圖像辨識等等技術的突破，都是深深仰賴著深度學習和其他較為先進的AI模型的發展。

深度學習為人工智慧創造光明與未來，開創許多機器學習的實際應用，人工智慧正是處在當下和未來，讓整個智能世界有了實現的機會！

驅動AI未來發展的5個趨勢

從技術角度看，在過去5年之間AI有了爆發性成長，各產業的採納與技術滲透率顯示，AI技術成功的給予許多產業影響，包含電信、金融、軟體平台、製造業…等。AI席捲全球，也改變我們的生活型態，以下有5個趨勢在近年有最明顯的改變。

1. 強化學習的高速成長

自從Google DeepMind的AlphaGo在2016年擊敗韓國圍棋棋王李世乭後，媒體使用人工智慧、機器學習、深度學習描述它的致勝方式。這也強化人工智慧相關研究論文，被提到的比例從當時的4.7%成長到2020年的近20％。學習逐漸在各產業中帶來更高的價值，Google的數據中心也透過這項技術，將能源耗損降低50％以上。