|
認識ＡＩ人工智慧（AI）又稱智械、機器智能，指由人製造出來的機器所表現出來的智慧。通常人工智能是指透過普通電腦程式來呈現人類智能的技術。該詞也指出研究這樣的智能系統是否能夠實現，以及如何實現。同時，通過醫學、神經科學、機器人學及統計學等的進步，常態預測則認為人類的很多職業也逐漸被其取代。
人工智能於一般教材中的定義領域是「智慧主體的研究與設計」，智慧主體指一個可以觀察周遭環境並作出行動以達致目標的系統。人工智能可以定義為模仿人類與人類思維相關的認知功能的機器或計算機，如學習和解決問題。人工智能是計算機科學的一個分支，它感知其環境並採取行動，最大限度地提高其成功機會。此外，人工智能能夠從過去的經驗中學習，做出合理的決策，並快速回應。因此，人工智能研究人員的科學目標是通過構建具有象徵意義的推理或推理的計算機程式來理解智慧。人工智能的四個主要組成部分是：
1. 專家系統：作為專家處理正在審查的情況，併產生預期或預期的績效。
2. 啟發式問題解決：包括評估小範圍的解決方案，並可能涉及一些猜測，以找到接近最佳的解決方案。
3. 自然語言處理：在自然語言中實現人機之間的交流。
4. 計算機視覺：自動生成識別形狀和功能的能力 。
人工智能的研究是高度技術性和專業的，各分支領域都是深入且各不相通的，因而涉及範圍極廣。人工智能的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程序。
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、規劃、學習、交流、感知、移物、使用工具和操控機械的能力等。人工智能目前仍然是該領域的長遠目標。目前弱人工智慧已經有初步成果，甚至在一些影像辨識、語言分析、棋類遊戲等等單方面的能力達到了超越人類的水平，而且人工智慧的通用性代表著，能解決上述的問題的是一樣的AI程式，無須重新開發算法就可以直接使用現有的AI完成任務，與人類的處理能力相同，但達到具備思考能力的統合強人工智慧還需要時間研究，比較流行的方法包括統計方法，計算智能和傳統意義的AI。目前有大量的工具應用了人工智能，其中包括搜索和數學優化、邏輯推演。而基於仿生學、認知心理學，以及基於概率論和經濟學的演算法等等也在逐步探索當中。
概論 人工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」即由人設計，為人創造、製造。 關於什麼是「智能」，較有爭議性。這涉及到其它諸如意識、自我、心靈，包括無意識的精神等等問題。人唯一瞭解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能必要元素的瞭解也很有限，所以就很難定義什麼是「人工」製造的「智能」。因此人工智能的研究往往涉及對人智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。 人工智慧目前在電腦領域內，得到了愈加廣泛的發揮。並在機器人、經濟政治決策、控制系統、仿真系統中得到應用。
(一) 人工智慧AI系統的領域
1. 演繹、推理和解決問題 早期的人工智慧研究人員直接模仿人類進行逐步的推理，就像是玩棋盤遊戲或進行邏輯推理時人類的思考模式。到了1980和1990年代，利用概率和經濟學上的概念，人工智慧研究還發展了非常成功的方法處理不確定或不完整的資訊。
對於困難的問題，有可能需要大量的運算資源，也就是發生了「可能組合爆增」：當問題超過一定的規模時，電腦會需要天文數量級的存儲器或是運算時間。尋找更有效的演算法是優先的人工智慧研究項目。
人類解決問題的模式通常是用最快捷、直觀的判斷，而不是有意識的、一步一步的推導，早期人工智慧研究通常使用逐步推導的方式。人工智慧研究已經於這種「次表徵性的」解決問題方法取得進展：實體化Agent研究強調感知運動的重要性。神經網絡研究試圖以模擬人類和動物的大腦結構重現這種技能。
2. 知識表示法
知識表示是人工智能領域的核心研究問題之一，它的目標是讓機器存儲相應的知識，並且能夠按照某種規則推理演繹得到新的知識。有許多需要解決的問題需要大量的對世界的知識,這些知識包括事先存儲的先驗知識和透過智能推理得到的知識。事先存儲的先驗知識指：人類透過某種方式告訴給機器的知識。透過智能推理得到的知識指：結合先驗知識和某種特定的推理規則得到的知識。
首先，先驗知識可以指描述目標，特徵，種類及物件之間的關係的知識， 也可以描述事件，時間，狀態，原因和結果， 以及任何知識你想要機器存儲的。比如：今天沒有太陽，沒有太陽就是陰天。那麼以命題邏輯語言，這些知識可以被表示為：今天-->沒有太陽， 沒有太陽-->陰天。這些知識是先驗知識，那麼透過推理可以得到新知識：今天-->陰天。由此例子可以看出，先驗知識的正確性非常重要，這個例子中沒有太陽就是陰天，這個命題是不嚴謹的、比較籠統的，因為沒有太陽可能是下雨，也可能下雪。
另外如果人工智慧能看出太陽，除了該如何判斷的這件問題，在這個前提之下，應該也能判斷出陰天與晴天的差異。邏輯命題表示在知識表示中非常重要，邏輯推理規則是目前主要推理規則。可以在機器中用邏輯符號定義每一個邏輯命題，然後再讓機器存儲相應的邏輯推理規則，那麼自然而然機器便可進行推理。目前知識表達有許多困境尚無法解決，比如：建立一個完備的知識庫幾乎不可能，所以知識庫的資源受到限制；先驗知識的正確性需要進行檢驗，而且先驗知識有時候不一定是只有對或者錯兩種選擇。
3. 規劃 智能Agent必須能夠制定目標和實現這些目標。他們需要一種方法來建立一個可預測的世界模型，將整個世界狀態用數學模型表現出來，並能預測它們的行為將如何改變這個世界，這樣就可以選擇功效最大的行為。在傳統的規劃問題中，智能Agent被假定它是世界中唯一具有影響力的，所以它要做出什麼行為是已經確定的。但是，如果事實並非如此，它必須定期檢查世界模型的狀態是否和自己的預測相符合。如果不符合，它必須改變它的計劃。因此智能代理必須具有在不確定結果的狀態下推理的能力。 在多Agent中，多個Agent規劃以合作和競爭的方式去完成一定的目標，使用演化演算法和群體智慧可以達成一個整體的突現行為目標。
4. 學習
機器學習的主要目的是為了讓機器從使用者和輸入數據等處獲得知識，從而讓機器自動地去判斷和輸出相應的結果。這一方法可以幫助解決更多問題、減少錯誤，提高解決問題的效率。對於人工智能來說，機器學習從一開始就很重要。
機器學習的方法各種各樣，主要分為監督學習和非監督學習兩大類。監督學習指事先給定機器一些訓練樣本並且告訴樣本的類別，然後根據這些樣本的類別進行訓練，提取出這些樣本的共同屬性或者訓練一個分類器，等新來一個樣本，則通過訓練得到的共同屬性或者分類器進行判斷該樣本的類別。監督學習根據輸出結果的離散性和連續性，分為分類和回歸兩類。非監督學習是不給定訓練樣本，直接給定一些樣本和一些規則，讓機器自動根據一些規則進行分類。無論哪種學習方法都會進行誤差分析，從而知道所提的方法在理論上是否誤差有上限。
5. 自然語言處理
自然語言處理探討如何處理及運用自然語言，自然語言認知則是指讓電腦「懂」人類的語言。自然語言生成系統把計算機數據轉化為自然語言。自然語言理解系統把自然語言轉化為計算機程序更易於處理的形式。
(二) 運動和控制
1. 社交
情感和社交技能對於一個智能agent是很重要的。首先，透過了解他們的動機和情感狀態，代理人能夠預測別人的行動。此外，為了良好的人機互動，智慧代理人也需要表現出情緒來。至少它必須出現禮貌地和人類打交道。至少，它本身應該有正常的情緒。
2. 創造力
一個人工智慧的子領域，代表了理論（從哲學和心理學的角度）和實際（通過特定的實現產生的系統的輸出是可以考慮的創意，或系統識別和評估創造力）所定義的創造力。相關領域的研究包括了人工直覺和人工想像。
3. 倫理管理
人工智慧若在許多方面超越人類智慧水平的智能、不斷更新、自我提升，進而取得控制管理權，人類是否有足夠的能力及時停止人工智慧領域的「軍備競賽」，能否保有最高掌控權，現有事實是：機器常失控導致人員傷亡，這樣的情況是否會更加擴大規模出現，歷史顯然無法給出可靠的樂觀答案。
DeepMind的人工智慧（AI）系統在2016年「AlphaGo」對戰南韓棋王獲勝，開發商表示在內部設立倫理委員會，針對人工智慧的應用制定政策，防範人工智慧淪為犯罪開發者。
科技進步，人工智慧科技產生「自主武器」軍備競賽已悄悄展開，英國、以色列與挪威，都已部署自主飛彈與無人操控的無人機，具「射後不理」飛彈，多枚飛彈還可互相溝通，分享找到攻擊目標。這些武器還未被大量投入，但很快就會出現在戰場上，且並非使用人類所設計的程序，而是完全利用機器自行決策。
4. 經濟衝擊
日本野村總合研究所也與英國牛津大學的研究學者共同調查指出，10至20年後，日本有49%的職業(235種職業)可能會被機械和人工智慧取代而消失，直接影響約達2500萬人，例如：超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員、製造業工人、金融中間人和分析師、新聞記者、電話公司職員、麻醉師、士兵和保安、律師、醫生、軟體開發者和操盤手、股票交易員等等高薪酬的腦力職業將最先受到衝擊。
2017年6月份馬雲在美國底特律舉行「鏈結世界」產業大會，會上提出人工智慧可能導致第三次世界大戰，因為前兩次產業革命都導致兩次大戰，戰爭原因並非這些創新發明本身，而是發明對社會上許多人的生活方式衝擊處理不當，新科技在社會上產生新工作也取代舊工作，產生了新的輸家和贏家，若是輸家的人數太多將造成一股社會不穩的能量而這股能量被有心人利用可能導致各種事件。他認為各國應該強制訂定規定AI機器只能用於人類不能做的工作，避免短時間大量人類被取代的失業大潮，但馬雲沒有提出這種世界性規定將如何實現並確保遵守的細節方案。
(三) AI對人類的威脅
(一) 悲觀學派:
1. AI會遵循科技發展的加速度理論。
2. AI可能會有自我改造創新的能力。
3. AI進步的速度遠遠超過人類。
4. 人類會有被滅絕的危機存在。
(二) 樂觀學派:
1. 人類只要關掉電源就能除掉AI機器人。
2. 任何的科技都會有瓶頸，「摩爾定律」到目前也遇到相當的瓶頸，AI科技也不會無限成長，依然存在許多難以克服的瓶頸。
3. 依目前的研究方向，電腦無法突變、甦醒、產生自我意志，AI也不可能具有創意與智慧、同情心與審美等這方面的能力。
(四) AI與管理
AI逐漸普及後，將會在企業管理中扮演很重要的角色，而人類的管理者應如何適度的調整自己的工作職能，有以下幾點建議： 1. 放棄行政工作
2. 退守分析預測的領域而強化自己的綜合判斷力。
3. 把AI當作同事，形成協同合作的團隊。
4. 多琢磨在創造力以及各種流程架構設計師角色。
5. 強化自己人際網路、溝通協調、談判上的能力。
6. 培養自身領導能力，能有效地帶領一個士氣高、團結及凝結力高的工作夥伴。
(五) 強人工智能和弱人工智能
人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智能的可能性。另一個定義指人工智能是人造機器所表現出來的智能。總體來講，目前對人工智能的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這裡「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。
1. 強人工智能
強人工智能觀點認為「有可能」製造出「真正」能推理和解決問題的智能機器，並且，這樣的機器將被認為是具有知覺、有自我意識的。強人工智能可以有兩類： 1. 人類的人工智能，即機器的思考和推理就像人的思維一樣。
2. 非人類的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
2. 弱人工智能
弱人工智能觀點認為「不可能」製造出能「真正」推理和解決問題的智能機器，這些機器只不過「看起來」像是智能的，但是並不真正擁有智能，也不會有自主意識。 弱人工智能是對比強人工智能才出現的，因為人工智能的研究一度處於停滯不前的狀態下，直到類神經網路有了強大的運算能力加以模擬後，才開始改變並大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解強人工智能和弱人工智能的內容與差別，對定義爭論不休。 就當下的人工智能研究領域來看，研究者已大量造出「看起來」像是智能的機器，取得相當豐碩的理論上和實質上的成果，如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa電腦程式，只要給予一些資料，這電腦程式自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這電腦程式也能用來研究很多其他領域的科學問題上。這些所謂的弱人工智慧在神經網路發展下已經有巨大進步，但對於要如何整合成強人工智慧，現在還沒有明確定論。
(六) 基本應用 1. 感知能力（Perception）
指的是人類透過感官所收到環境的刺激，察覺訊息的能力，簡單的說就是人類五官的看、聽、說、讀、寫等能力，學習人類的感知能力是AI目前主要的焦點之一，包括： 1. 「看」：電腦視覺（Computer Vision）、圖像辨識（Image Recognition）、人臉辨識（Face Recognition）、物件偵測（Object Detection）。
2. 「 聽」：語音辨識（Sound Recognition）。
3. 「說」：語音生成（Sound Generation）、文本轉換語音（Text-to-Speech）。
4.. 「讀」：自然語言處理（Natural Language Processing，NLP）、語音轉換文本（Speech-to-Text）。
5. 「寫」：機器翻譯（Machine Translation）。
2. 認知能力（Cognition）
指的是人類透過學習、判斷、分析等等心理活動來瞭解訊息、獲取知識的過程與能力，對人類認知的模仿與學習也是目前AI第二個焦點領域，主要包括： 1. 分析辨識能力：例如醫學圖像分析、產品推薦、垃圾郵件辨識、法律案件分析、犯罪偵測、信用風險分析、消費行為分析等。
2. 預測能力：例如AI執行的預防性維修（Predictive Maintenance）、智慧天然災害預測與防治。
3. 判斷能力：例如AI下圍棋、自動駕駛車、健保詐欺判斷、癌症判斷等。
4. 學習能力：例如機器學習、深度學習、增強式學習等等各種學習方法。
3. 創造力（Creativity）
指的是人類產生新思想，新發現，新方法，新理論，新設計，創造新事物的能力，它是結合知識、智力、能力、個性及潛意識等各種因素優化而成，這個領域目前人類仍遙遙領先AI，但AI也試著急起直追，主要領域包括：AI作曲、AI作詩、AI小說、AI繪畫、AI設計等。 4. 智慧（Wisdom）
指的是人類深刻瞭解人、事、物的真相，能探求真實真理、明辨是非，指導人類可以過著有意義生活的一種能力，這個領域牽涉人類自我意識、自我認知與價值觀，是目前AI尚未觸及的一部分，也是人類最難以模仿的一個領域。
(七) AI實體案例
1. 製造業代表－石化產業、金屬加工產業
工研院表示，以石化業「製程參數優化」為例，AI導入世界級石化大廠之裂鍵反應製程後，單一產線每年可降低2千萬元生產成本，減少碳排放量，並已擴散導入光電半導體、鋼鐵等產業。此外，針對金屬加工產線上下料需求，全台首創的擬真穩定取物點自動標記資料產生技術，可迅速決定陌生物品之穩定取物點，並導入全球第二大協作型機器人業者，取物成功率達97％，將擴大應用至倉儲物流產業。
2. 醫療業代表－糖尿病眼底病變 智慧醫療領域方面，工研院建立國內最完整眼底影像標記資料庫，研發糖尿病眼底病變輔助診斷分析技術，協助醫材業者發展我國首套AI手持式眼底鏡，進行AI糖尿病眼底病變早篩服務，並於2021年6月取得TFDA上市許可證。
3.服務業代表－智慧商店
智慧商務開發部分，工研院開發全台首套「易取智慧商店」科技，運用AI人工智慧發展電腦視覺辨識，以及多重感測技術，發展具「高精準率」、「即時回饋」、「利於佈建」等3大特點的智慧零售技術。因應少子化、高齡化臨，用科技解決零售業勞動力不足問題；其次，在後疫情之際，以AI超前部署降低接觸。
|
