|
|
@@ -9,6 +9,8 @@ banner = "https://i.imgur.com/jdQb3ZH.jpg"
|
|
|
|
|
|
## 什麼是人工智慧？帶你秒懂AI人工智慧在做什麼
|
|
|
|
|
|
+
|
|
|
+
|
|
|
人工智慧（英語名稱為Artificial Intelligence，簡稱AI），又稱人工智能，是計算機科學領域的部分範疇，意指讓機器具備和人類一樣的思考邏輯與行為模式。發展過程包括學習，可以大量讀取資訊、並判斷何時使用該資訊、感知、推理，可利用已知資訊做出結論、自我校正，以及如何操縱或移動物品。人工智慧發展的領域包括但不限於：語音識別、電腦視覺 與專家系統。
|
|
|
|
|
|
知識工程是過去人工智慧研究的核心部位。人工智慧發展的第一步，必須是讓機器大量的讀取資料，並讓機器能夠判斷物件、進行歸類統整，並能判斷資料間的關聯度。知識工程的發展讓機器能具備專業知識，但另一方面，讓機器擁有常識、推論思考並解決問體卻相對困難。
|
|
|
@@ -28,11 +30,13 @@ AI的核心問題包括建構能夠跟人類似甚至超卓的推理、知識、
|
|
|
|
|
|
## 人工智慧運用什麼技術原理？
|
|
|
|
|
|
-機器學習，一種人工智慧的技術，不同於傳統程式，機器學習是通過處理並學習龐大的數據後，利用歸納推理的方式來解決問題，所以當新的數據出現，機器學習模型即能更新自己對於這個世界的理解，並改變他對於原本問題的認知。
|
|
|
+
|
|
|
+
|
|
|
+**機器學習**，一種人工智慧的技術，不同於傳統程式，機器學習是通過處理並學習龐大的數據後，利用歸納推理的方式來解決問題，所以當新的數據出現，機器學習模型即能更新自己對於這個世界的理解，並改變他對於原本問題的認知。
|
|
|
|
|
|
簡單來說，假設現在有一個人對於美醜沒有概念，那麼你把他帶到一群人面前，並指著其中一個說是美、一個是醜、另一個是美等等…隨著這位本無審美觀的人看到更多資訊後，他也會開始對審美這個觀念有一定的想法。 而關鍵在於，數據的量一定要足夠大且數據的質一定要好，才能讓機器學習模型更好的判斷問題的答案。
|
|
|
|
|
|
-深度學習，屬於機器學習的分支，利用多層次的人工神經網路透過數據學習，其中兩種最為主要的類別為卷積神經網路（CNN）以及遞歸神經網路（RNN）。
|
|
|
+**深度學習**，屬於機器學習的分支，利用多層次的人工神經網路透過數據學習，其中兩種最為主要的類別為卷積神經網路（CNN）以及遞歸神經網路（RNN）。
|
|
|
|
|
|
CNN較適合如圖片、影片等的空間數據類型，透過不同階級的特色來識別圖像，例如從一個鼻子的特徵、眼睛的特徵、嘴巴的特徵、三者彼此的關係為何、再到最後變成一張人臉。CNN的發展對於需要快速識別周圍環境的自動駕駛至關重要，同時圖像識別的技術，也是工業4.0的核心技術之一。 RNN則較適合如語音、文字等的序列型數據，不同於其他的神經網路，對於RNN，所有的input都是相連的，所有處理過的資訊都會在訓練的過程中被記住，而也是這特色，讓它非常適合處理自然語言。
|
|
|
|
|
|
@@ -41,10 +45,12 @@ CNN較適合如圖片、影片等的空間數據類型，透過不同階級的
|
|
|
## 人工智慧可以用在哪些地方？
|
|
|
**人工智慧AI現況，淺談機器學習 (ML)與深度學習 (DL)**
|
|
|
|
|
|
-機器學習 (Machine Learning) 和深度學習 (Deep Learning) 這兩個技術分支都是從人工智慧這個學科衍生出來的，上述兩類技術的核心概念皆為數據分析，大致可以分為「監督式學習」和「非監督式學習」，「監督式學習」使用能預期結果的訓練資料，而「非監督式學習」則使用無法預期結果的訓練資料。人工智慧處理的問題能再分為「迴歸問題」和「歸類問題」。迴歸問題會從輸入的資料庫中找出脈絡，利用分析來發展出相對應的程式，藉此預測並做出準確的判斷，歸類問題則可將輸入的資料區分出不同類別，簡而言之，提供 A.I. 越多的資料，它就會學習的越快且變得越聰明。
|
|
|
+**機器學習 (Machine Learning) **和**深度學習 (Deep Learning) **這兩個技術分支都是從人工智慧這個學科衍生出來的，上述兩類技術的核心概念皆為數據分析，大致可以分為「監督式學習」和「非監督式學習」，「監督式學習」使用能預期結果的訓練資料，而「非監督式學習」則使用無法預期結果的訓練資料。人工智慧處理的問題能再分為「迴歸問題」和「歸類問題」。迴歸問題會從輸入的資料庫中找出脈絡，利用分析來發展出相對應的程式，藉此預測並做出準確的判斷，歸類問題則可將輸入的資料區分出不同類別，簡而言之，提供 A.I. 越多的資料，它就會學習的越快且變得越聰明。
|
|
|
|
|
|
人工智慧參與其中的領域很廣且項目很細，凡舉娛樂、教育、醫療、金融、製造、零售、交通、農業、博弈等等，都可以看到人工智慧參與其中的跡象，實際應用像是機器學習與深度學習下的語音辨識、影像辨識、自然語言處理、聊天機器人、推薦引擎、廣告投放、大數據分析都可以算是其現今普遍的應用。A.I.確確實實地改變了人們的工作及生活型態，像是密集勞動力為主的產業和社會環境，減少傳統產業中的重複性工作並帶來新的作業方式，提高生產效率並降低產出成本，協助傳統經濟走向智慧化轉型。現在許多科技業、電信業甚至是金融業都求才若渴，希望能導入A.I.來強化自家提供給客戶的加值型應用。隨著技術不斷地提升，在可期盼的未來裡，終將實作出幾近人類的A.I.系統來協助個人或企業解決各式各樣的問題，營造更便利、更智慧、更貼心的感受。
|
|
|
|
|
|
+
|
|
|
+
|
|
|
**AI正悄悄改變你我生活，抓住未來科技新趨勢，成為人工智慧的推手！**
|
|
|
|
|
|
目前，以機器學習為基礎的人工智慧，不可能擁有人類的思考及情緒，沒辦法有人類的常識，更不會有真正的智慧。即便如此，今日的人工智慧仍然足以將許多原本由人類執行的工作做得更好。
|
