AI Keywords

AI的成長史與人類腦神經科學的發展密不可分，這也是為什麼大多數的AI專業術語，總是以人類特徵/特性命名的原因。以下整理出認識AI必須要知道的8大關鍵字，每一個術語都是深厚的研究領域。

1. Artificial intelligence人工智慧

人工智慧一詞是指計算機工程的一個特定領域，著重在創建能夠收集數據、並做出決策和/或解決問題的系統，希望機器可以和人類一樣具有思考能力。

延伸：

能完全模仿人類的稱作Strong AI或 Artificial General Intelligence (AGI)，目前尚未出現；當前的AI只處理特定問題，且以功能性為主，稱作應用AI (applied AI, narrow AI or weak AI)。兩者個差別在於多樣性。

2. Technology Singularity 技術奇點，或稱科技奇點

…all the change in the last million years will be superseded by the change in the next five minutes.

Wired雜誌創辦人Kevin Kelly認為：「所有過去幾百萬年的改變，都將被未來五分鐘的改變所超越，那個臨界點。」

3. Algorithm 演算法

演算法像是一套有效率解決問題的方法。因為只是一套「方法」，所以不光是給電腦用，一般人也常用的，例如常見的輾轉相除法求最大公因數。只是有了電腦以後，我們把複雜的演算法寫成程式，讓電腦去運算。

4. Machine learning機器學習

人們常將機器學習跟人工智慧兩個詞交互使用，他們不完全一樣，卻是相關聯的。機器學習是一個透過收集數據、反覆訓練的過程。

5. Black box 黑盒

指定AI特定行為時，AI會進行複雜的數學運算，而這個計算過程通常還難以被人類所理解（有時候人們也不認為有必要花太多時間搞清楚），只要最終系統輸出有用的信息就好。 當這種情況發生時，這個過程就被稱為「黑盒」學習。

6. Neural network 類神經網路

這些網路以非常類似於人類神經系統和大腦的方法設計而成。透過不同學習階段，神經網路讓AI能夠將資料分解為不同層級的數據，來解決複雜問題。

7. Deep learning 深度學習

透過一層層被傳遞的節點來傳達數據，經過矩陣運算，以模擬人類神經傳導的過程。透過一層層被傳遞的數據，AI能自我建立對指定事物基本的了解。深度學習也就意味著，AI開始學習「為什麼」而不是「理解」什麼。

8. Reinforcement learning

其中一個教導機器的方法，就像教人類一樣，用的是強化學習。這個方法是給AI一個目標，但不清楚告訴他實踐的方法，像是「改善效率」、「找到方法」。這時AI會預測情境、解讀報告，再由人類判定結果，記錄人類的回饋，機器會再繼續推算合適的解答。