Machsync 馬森

人工智慧是一種能模仿人類的智慧並執行任務的系統或機器，為電腦科學的一個領域，可以根據蒐集到的資訊進行學習，並解決問題與辨識模式，過去在許多科幻電影中，人工智慧時常出現，也是我們對未來的想像，而現在AI不再是小說中虛構的機器或系統，而是真正被視為高階電腦科學的現實。

Pedro Domingos教授是這個領域的研究人員，提出AI中很重要的機器學習有五大流派，包含符號主義（邏輯與哲學）、聯結主義（神經科學分支）、進化主義（進化生物學）、貝葉斯派（統計學與概率）與類比主義（心理學），而這些技術可分為「監督」與「未監督」兩種學習技巧，前者為包含預期結果的訓練資料，後者為不包含預期結果的資料。提供人工智慧越多資料，它會變得更聰明，學習的更快速，因此IoT與感測器的出現讓資料量暴增，包含過去不曾接觸到的來源、地點與事件資料等，有助於人工智慧的發展。

人工智慧是高度技術性與專業的，各分支領域都是非常深入，涉及的範圍也非常廣泛，組成可分為四個部分：

• 專家系統：作為專家處理正在審查的狀況，並針對資訊產生預期的成效。

• 啟發式問題解決：評估一定範圍的解決方案，並針對可能涉及的猜測，找出接近最佳的解決方式。

• 自然語言處理：在語言中實現人機之間的交流。

• 計算機視覺：自動生成辨識形狀與功能的能力。

人工智慧核心就是建構出能與人類相似的推理、知識、規劃、學習、交流與感知等能力，雖然有些方面已有初步的成果，但要達到真正的人工智慧還需要持續探索與研究。

知識工程為過去人工智慧研究的核心部位，人工智慧發展的第一步就是讓機器大量讀取資料，並讓電腦能擁有能力判斷物件、歸類統整與比對資料間的關聯度。此發展將讓電腦獲得專業知識，但要讓電腦擁有常識、推理與思考並解決問題卻是較難的事。

機器學習為近代人工智慧發展的另一個核心，主要是透過處理與學習龐大的數據後，運用歸納推理的方式解決問題，當獲得新的數據後，機器學習就會自我學習，更新對這個世界的理解與改變原本的認知。

舉例來說，若現在有個人對於穿著美感沒有概念，那當開始對他灌輸哪些穿著是美，哪些又是醜陋，隨著他接收到這些資訊後，會開始對穿著的審美有自己的想法。其實關鍵在於，這些資訊的量要足夠龐大，且品質要良好，才能讓機器學習有更好判斷問題答案的模型。

此為機器學習的分支之一，利用獎懲機制的方式訓練演算法模型的方法，簡單來說就是當演算法做出我們期望的行為時，會因此而獎勵它，使它做出更多如此的行為，反之亦然。而評估演算法每項任務的有效性，就是透過被獎勵的多寡來衡量。強化學習的應用範圍非常廣泛，包含自動駕駛的軌跡優化、路徑規劃或運動規劃等，也有擴及到行銷與銷售的領域。

集成學習能降低模型偏見、變數與提高數據的準確度，並在各階段應用不同的機器學習演算法來訓練模型的演算法。在數據複雜或有很多潛在假設時非常實用，因為能根據不同的假設建立模型，以定義出更正確的方向。

人工智慧的技術中，不管是機器學系、集成學習、深度學習或是強化學習，都在各個領域中有強大的潛力，而隨著各產業轉型的需求提高，人工智慧的應用也越來越多，像是製造業的工業4.0、智慧城市、或智慧家居等。

不論是哪個領域的應用，我們可將人工智慧的價值分為時間序列、圖像處理、音訊處理、NLP與影像處理，產業中所運用到的技術都是建立於這些價值之上，像是IOS系統中的Siri，就是在處理音訊與自然語言極為成熟的運用。

• 企業人工智慧需要建構自己的方法：事實上已有許多企業結合內部與解決方案來採用人工智慧，內部的開發可以讓企業根據不同的需求進行客製化，而預先建立好的解決方案則是能利用現成的方案簡化流程或成本，以解決更常見的業務問題。
  
  
• 人工智慧能立即提供成效：人工智慧目前的技術未到完美，導入後需要時間及縝密的計畫，才能實現真正想達成的結果。
  
  
• 企業AI不需要人員執行：AI真正的意義是增加人們的能力，適時提供正確的資訊與分析，使人們能在有限的時間內完成更多策略與任務。
  
  
• 資料越多越好：人工智慧是需要大量的數據，但為了從中獲得最佳的解決方案或決策意見，需要的是高品質、最新且最相關的資料，才能真正發揮人工智慧的效益。
  
  
• 人工智慧只需要資料與模型即可成功：數據、演算法與模型只是初階，需要擴展更詳細的解決方案才能滿足千變萬化的需求，目前大部分的解決方案都是由資料分析師進行，且需要人為設定與維護，而成功的人工智慧解決方案就需要隨著發展不斷地擴充才能滿足新的需求。

AI在近幾年突飛猛進的成長，以各個產業的採納率與技術滲透率來說，這項技術已成功在電信、金融、軟體平台與製造等產業帶來極大的影響，除了各產業外，也確實對人類的生活有所改變，在人工智慧的驅使下，有六個主要趨勢在近年最為明顯。

1.強化學習的高速成長：自從AlphaGo於2015年在圍棋上打敗韓國棋手李世石後，強化學習在AI的相關論文中被提到的比率越來越高，也開始在各領域中創造價值，Google更是透過強化學習將能源耗損降低超過50%。

2.商業決策的改變：人工智慧參與許多商業決策，包含運營、行銷與銷售，甚至是設計，創造出數據與商業決策之間的連結點。

3.流程自動化：此為人工智慧最常出現的應用，在過去針對152個AI應用的研究中發現，有將近一半都是基於流程自動化，近年來發展也十分成熟，未來流程自動化在產業中的應用會大幅提升，使各領域能高效率與幾乎零錯誤的完成任務。

4.不再只需要仰賴大數據：人工智慧只要給它越多數據，它就能不斷學習而越來越聰明，但其實有些領域（醫療）的數據不是非常好取得，因此現在可以直接運用現有的數據，模擬出新數據，讓這些只有少量數據的環境也能建構出許多模型。

5.道德與可信度：AI發展至今也是有許多爭議性，像是模擬人的聲音與影片，或是監控系統等，還有AI未來的潛能，都是人們需要進一步探討如何增強用戶與消費者對AI的可信度，而目前也有許多政策與產業規範逐漸在呼應此趨勢。

6.更多元的互動模式：AI所驅動的互動模式，常被稱為認知投入，像是24小時顧客服務的聊天機器人，能透過相互交流提供個人化的服務與體驗，除此之外，未來AI將會在更多領域中與用戶進行互動，值得期待。

AI在近幾年的發展，雖然已經被應用在相當多的領域之中，其實人工智慧的技術與應用有很多是需要進行更深入的探索與研究，未來可持續關注它的發展，值得我們期待。

主圖photo by adobestock

參考網站 維基 / oosga

本文由馬森科技Machsync創作，請勿商用或以任何方式散播、贈送、販售。未經許可不得轉載、摘抄、複製及建立圖像等任何使用。如需轉載，請與 馬森科技Machsync 聯絡。