什麼是人工智慧？

人工智慧（AI）是電腦科學的一個領域，致力打造的機器能夠執行一般需要人類智慧才能完成的任務。這是透過學習、推理、理解和適應來完成的。AI 已存在多年，常用於特定且通常範圍狹隘的應用，例如線上搜尋的推薦引擎。

狹義 AI 和通用 AI

隨著大型語言模型（LLM）與生成式 AI （GenAI）工具（例如 ChatGPT）的推出，AI 在日常生活中的應用日益普及且實用。這也催生出可預測未來使用案例的新 AI 類別：
 

• 窄義 AI 或弱 AI: 這種類型的 AI 專為執行特定任務而設計，例如臉部辨識或駕駛汽車。目前大多數 AI 應用程式都屬於這個類別。
• 通用 AI 或強 AI: 這種類型的 AI 旨在使用更廣泛的認知能力，執行人類可以執行的任何推理任務。通用 AI 尚不存在，但人們認為它是 AI 研究的長期目標。

人工智慧的益處

AI 為各行各業的終端使用者與企業提供諸多益處。視使用案例而定，AI 能夠識別模式並預測事件、將複雜流程自動化，以及量身定做工作流程，以滿足專案或個人的需求。AI 也可以在監控和最佳化資源管理方面發揮關鍵作用。隨著自然語言處理（NLP）等技術進步，AI 也能為聊天機器人和介面提供動力，為使用者提供個人化互動，讓資訊更容易存取。AI 可對人們與組織運作、決策制定以及表達創意的方式產生顛覆性的影響。

人工智慧的挑戰

部署 AI 存在一些入門障礙，包括設定 AI 基礎架構和聘用熟練專業人士來開發及維護這些系統所需的初期成本高昂。企業領導者可能也發現，將 AI 技術整合至現有的工作流程可能既耗時又會造成干擾，而且需要持續監控、分析及改善 AI 模型，才能獲得最佳結果。此外，組織必須主動抵消 AI 模型潛在的偏見，以協助其制定決策。

所幸除了使用混合雲端資源，組織或許也能利用現有的 IT 基礎架構進行 AI 流程，協助抵銷初期成本。逐步實作與試行計畫，有助於在全面推出前輕鬆過渡至 AI ，而持續改善 AI 模型，讓 AI 隨著時間變得更加高效。為了協助減少 AI 模型中的偏見，組織可定期稽核資料與推斷結果，提高透明度、使用各種訓練資料集，以及促進設計和開發 AI 系統的團隊多元化與公平性。

人工智慧如何運作？

AI 技術的核心在於 AI 模型分析資料、辨識模式，以及在最少人為干預的情況下做出決策。在技術層面，AI 模型透過複雜的演算法運作，讓機器處理資料、從中學習，然後做出明智的決策。AI 模型本質上是軟體，由資料科學家與 AI 開發者使用大量資料編碼及訓練。

AI 開發工作流程

AI 開發工作流程涉及三大階段。第一階段是資料前置處理，會清理及格式化將要分析的資料。接下來是 AI 建模，選取演算法和框架來建置模型，然後模型從前置處理的資料中學習。最後，經過訓練的模型用來部署並根據新的資料進行預測或決策，以證明其實際應用性。從端到端的整個流程通常稱為 AI 管道。

人工智慧為什麼重要？

AI 已對社會產生深遠的影響，包括協助臨床醫生進行醫學診斷，以及幫助企業設計更精細、更具創新性的改良產品。無論知識與資料存在何處，AI 都能提供新方式來理解資料，並與資料互動，生成新的成果。

如何使用人工智慧？

AI 的應用在複雜度和功能方面可能差異很大。以下是四種常見的 AI 部署類型：

機器學習

機器學習使用多種演算法（邏輯指令集）來辨識資料的模式，並從中學習。機器學習處理的資料愈多，獲得的準確性就愈高。

深度學習

深度學習是多層次的機器學習版本，專為處理大量資料而打造。與機器學習不同的是，深度學習旨在處理原始資料，需要較少或完全不需要人工介入，即可提高準確性。

神經網路

神經網路是機器和深度學習系統的架構模塊，由模仿人腦結構的互連節點組成。每個節點執行運算，並將結果傳遞至後續的節點。

電腦視覺

電腦視覺是一種 AI ，可讓電腦理解視覺輸入，並據以行動。一般而言，電腦視覺協助機器辨識實體世界中的特定物件。

人工智慧產業應用

由於其高度的適應性以及在尚未構想的應用領域中所展現的潛力，AI 正日益成熟，成為多個產業數位轉型的核心要素。以下是幾個重點範例：
 

• 汽車業的 AI: AI 協助實現無人駕駛汽車，利用電腦視覺監測駕駛員與乘客，並將 GenAI 助理與 AI 支援的遊戲引進車輛。
• 銀行業的 AI、金融服務業的 AI: AI 聊天機器人正將客戶互動個人化，而後端則協助偵測及防範詐騙、將風險評估自動化，並促進演算法式股票交易。
• 網路安全的 AI: AI 透過將威脅偵測與回應自動化，支援深度防禦策略。隨著企業的數位足跡持續擴大，SecOps 與 IT 團隊也日益仰賴 AI 來擴大營運，突破人為限制。
• 教育領域的 AI: AI 工具協助師生將課程個人化，同時提高作業評分或出勤率的管理效率。
• 醫療保健領域的 AI: 醫療保健從業者人員正利用 AI 提升診斷速度與準確性。在醫學研究領域，AI 的模式辨識能力有助於加速藥物研發。
• 製造業的 AI: AI 正在工廠和廠房推動機器人技術，利用數位孿生將情境感知自動化，透過預測性維護協助減少停機時間，並透過自動化缺陷偵測協助提升產出。
• 綠能永續發展的 AI、能源中的 AI: AI 強化智慧電網，有效率地整合再生能源，實現電力線路等能源基礎設施的預測性維護，協助將建築物的能源使用最佳化，以及分析環境與排放資料，協助對抗氣候變遷。

人工智慧的歷史

AI 擁有豐富而複雜的歷史，其中充滿許多關鍵人物、創新與機構。以下幾個重要里程碑說明了人工智慧發展至今，如何深刻影響並塑造當下的時代。

四種類型的人工智慧

研究人員識別出四種類型的 AI。這些類型反映 AI 的現狀，以及完全實現時可能的樣貌。

反應式機器

專門執行特定任務，且不會記住過去事件的人工智慧稱為反應式機器。這種類型的 AI 處理可重複的資料輸入，並提供可預測的輸出。反應式機器的例子是生產線上的視覺檢查設備。

記憶有限

有限記憶是指從額外資料輸入學習的 AI 處理程序。應用深度學習，持續調整及改善準確性。有限記憶 AI 的例子包括自動駕駛汽車和大型機器學習。

心智理論

心智理論描述一種可理解及解讀其他生物的情緒、信念與意圖的 AI 類型。目前尚不存在這種類型的 AI。

自我意識

具備自我意識的 AI 能夠理解自身的存在，並具備自我感知。目前這種 AI 仍停留在理論階段和科幻小說的範疇。

人工智慧解決方案

大多數 AI 部署都包含在 AI 硬體上執行的 AI 軟體，可能包括裝置和/或伺服器，而且一律是某種類型的 AI 處理器。

AI 硬體

AI 硬體包含用於支援裝置、伺服器或雲端環境之 AI 工作負載的通用與專用電腦零件與元件。一般而言，AI 硬體指的是為部署後推斷而建構的系統，但也指用於開發及訓練 AI 模型的系統。

AI 處理器

AI 處理器通常指的是專為 AI 工作負載設計的中央處理器（CPU），以及 AI 加速器，例如圖形處理器（GPU）、神經處理器（NPU）或現場可程式化閘陣列（FPGA）。

AI 伺服器

AI 伺服器是指任何伺服器配置，包括處理器、加速器、記憶體、儲存裝置、網路，專為支援 AI 工作負載而設計。

AI 軟體

AI 軟體是涵蓋多種類型之程式的廣泛主題。可以指使用者直接互動的 AI 介面應用程式或 AI 模型（例如 AI 聊天機器人），或者是在背景處理程序中執行、不需使用者提示的 AI 程式。AI 軟體也可以指開發者用來準備資料集，以及開發、部署和最佳化 AI 模型的程式或工具。

人工智慧的未來

AI 正在快速演變，展現顯著的進步，代表未來充滿潛力。機器學習與深度學習已建立領域的新技術，結合大型語言模型創意，可能重塑產業、提升效率，以及開啟創意的新領域。

負責任的 AI

隨著愈來愈多的企業和大眾接受 AI，使用負責任的 AI 有助於抑制潛在的負面影響。負責任的 AI 說明透明、公平且負責任的 AI 流程。將這些實務整合至 AI 的開發與實作，有助於減輕偏見的影響，確保 AI 提升社群的品質。