現今科技發達，網絡上最常聽到的詞「人工智慧」，從不知道何時開始，「人工智能」成為了熱門的話題，關鍵到科技的未來發展。
你可能會有以下的問題想知道︰
- 什麼叫「人工智能」？
- 「人工智能」的好處跟壞處？
- 「人工智能」的未來發展趨勢？
讓我將外界的資訊簡化，整理一下跟大家分享。
定義
人工智能的英文名叫 Artificial Intelligence，簡稱是AI。
人工智能是指我們人類製造出來的機器 (例如︰機器人/機器) 表現出來的智慧，主要模擬電腦或者我們人類思維過程，模仿我們人類能力或行為。
出主意是讓機器人替我們人類處理工作，程序師/工程師會編寫一個電腦程式，模擬出人類的行為，市面上有不少應用程式都含有AI，像是翻譯語言的程式。
我們經常聽到的詞「機器學習」、「深度學習」，都是「人工智能」的其中一部份，我們寫了電腦程式給機器人，可能有些動作或行為預先沒有寫進去，機器人自己會學習去模仿。
好處
- 減少出錯機會
- 正確決策
- 在危險情境下實施人工智能
- 可以連續工作
壞處
- 維修費用昂貴
- 太依賴機器
- 取代低技術工作
- 工作限制
- 員工面臨失業
- 機械失控危機
AI的應用
人工智能的發展，應用在我們生活上，應用於交通、娛樂、醫療等方面，AI真的無處不在。
使用案例
- 物體識別
- 語音識別
- 聲波探測
- 自然語言處理
- 創造力
- 預測
- 語言翻譯
- 修復/轉換
- 推薦引擎
真實案例
- 手機助理語音辨識功能
- 社群網路上的廣告投放
- 串流影音網站的推薦（如 YouTube 推薦影片、Spotify 精選）
- Google Map 最佳路線規劃
Siri – 語言判識程式
Google Map 最佳路線規劃
涉及學科
- 認知科學
- 數學及統計學
- 物理學
- 邏輯學
- 控制論
- 決定論
- 社會學
- 犯罪學
- 智慧犯罪學
研究範圍
- 演繹、推理、解決問題
- 知識表示法
- 規劃
- 學習
- 自然語言處理
- 運動和控制
- 知覺
- 社交
- 創造力
- 倫理管理
- 經濟衝擊
- AI對人類的威脅
人工智能的4個分級
- 自動控制
- 探索推論、運用知識
- 機器學習
- 深度學習
自動控制
是指機器含有自動控制的功能，它利用感測器偵測外界的溫度、濕度、亮度、震動、距離、影像、聲音等訊號，再經控制程式自動做出相應的反應。
這些程式是一早讓工程師把所有預計到的情況寫進去，之後放進一個機器去運作，像是家電產品︰吸塵機、冷氣機等。
當你使用冷氣機的時候，你要使用開關掣讓它開啟冷氣，你要手動設定溫度，讓它調到你想要的溫度。它永遠都是聽從你的指令、命令去做，所以它沒有思考空間。
探索推論、運用知識
是指機器可以探索推論、運用知識，發展了很多邏輯進論系統，讓機器利用演算法將輸入與輸出資料產生關聯，產生大量的輸入與輸出資料的排列組合，可以應用於拼圖解析程式、醫學診斷程式等。
假設老闆給你一個指令，要你判斷貨品分類為「易碎」或「易燃」，他會用他的知識告訴你知道如何去判斷，你就會運用他給你的知識去進行分類貨品。
機器學習
是指機器會進行「自我學習」，利用過往的資料及經驗去學習，不斷做訓練，分析數據、作出問題的判斷，不斷改進自身。應用例子有搜尋器、大數據分析等。
就像公司的經理，他會利用過往的知識和經驗，再學習公司的營運方法，慢慢去探索，會做一些營運上的決策。
深度學習
是指機器設有神度經神經網絡，可根據預測性推理模仿人類大腦去作出決定。它會深入了解大量相關的資料，分析數據，建立模型，不斷改進，最後會產生預測模型。
這個深度學習需要大量的反覆運算，因此需要佔用大量電腦的運算能力，它能快速及準確處理數以億計的資料。
這個技術常應用於網絡安全，它會收集數據，做惡意軟件、惡意網址或其他攻擊手法的趨勢分析及預測，去保護系統安全。
另外的例子有 Google教會電腦貓的特徵。
發展歷程
起始於1943年
美國神經科學家 Warren McCulloch 跟 邏輯學家 Water Pitts 提出神經元的數學模型。
當年論文「神經活動中內在思想的邏輯演算」被視為人工智能學科的基石。現今的「深度學習」都是屬於人工神經網絡，它的基礎為神經元的數學模型。
在1949年，加拿大神經心理學家 Donald Hebb 提出「赫布規則」，已歸入機器自動學習算法裡。
1950-1960
在1950年，人工智能之父圖靈(Alan Turing)，他曾思考機器能否模仿人類的認知、學習過程、會利用自身信息，做邏輯推理去解決問題。之後他提出圖靈機的設想，是一種抽象計算模型，也是數學邏輯機。
當年他發表「計算機與智能」的論文，關於模仿遊戲的設想和測試方式。
在1955年，誕生了「人工智能」一詞。當年有4位AI專家寫了一份提案，申請開會來研究「人工智能」。之後在1956年8月31日，暑期研討會已在新罕布什爾州達特茅斯學院召開。
當年4位AI專家分別是John McCarthy、Marvin Minsk、Nathaniel Rochester、Claude Shannon。
在1957年，出現了GPS的設想，該原理是任何形式化的符號問題都可以用這個電腦程序來解決。
在1959年，麥卡錫提出世界上第一個完整的AI系統。他發表的「具備常識的程序」中提出一個能像一個人類學習的假想程序，然後跟明斯基在MIT成立了人工智能的實驗室。
同年，Arthur Samuel 首創了機器學習的概念，他早於在1956年寫出了具有自學能力的跳棋程序。
1960-1970
在1960年，美國新澤西的通用電氣工廠試用世界第一款工業機器人Unimate，創造者是George Devol。
在1965年，I. J. Good 發表了文章，指人工智能在未來可能對人類構成威脅。他認為機器擁有超強的智能，可能會超出我們人類想像的空間。後來著名科學家霍金都認同此說法。
在1966年，斯坦福研究所的人工智能中心成功製造第一台機器人，叫Shakey。這台機器人能感知周圍環境，運用演算法去推出隱含事實，到處導航，制定計劃以實現目標。它也可以用簡單的英語去交流。
延伸閱讀︰深入研究Shakey(英文版)
在1966年研發出自然語言電腦程序，叫Eliza，算是早期的語音助手，就像現在的Amazon語言助手、Google助理及Siri。Eliza 是由 Joseph Weizenbaum 創造的，實現了人類和機器的溝通程序。
因為早期語音助手 (Eilza) 的產生，讓機器翻譯語音/語言有成果，但是抽象思維、自我認知和自然語言處理等問題仍然未有方案解決。
延伸閱讀︰人工智能時代的開始 – 自然語言電腦程序 Eliza
1970-1980
在1970年，世界上日本誕生出第一個機器人，叫WABOT-1。
在1972年，成功製造了針對細菌感染的醫療診斷系統 (MYCIN)。
在1978年，產生了用於電腦銷售過程中為顧客自動配置零部件的專家系統(XCON)。
在1979年，斯坦福大學開始研發自動駕駛技術。
1980-1990
在1984年，美國普林斯頓的大學教授霍普菲爾德用模擬集成電路，研發出神經網絡模型。同一年，Rodney Allen Brooks 發表了「大象不下棋」的論文，提出了高層次的AI系統設想。
在1986年才有世界上的第一次無人駕車秀，當年是德國聯邦大學研製，車上有攝錄機跟感應裝置，在無人街道行走。
延伸閱讀︰1986年發明自動駕駛汽車的人(英文版)
沒有進展的那些年
在1974-1980年 和 1987至1993年，那段期間各界研究AI沒有進展。
當年1966年發表的「語言與機器：翻譯和語言學中的計算機」跟1973年發表的「人工智能普查報告」，兩份報告吸引不到人們投資去研究，令到研究AI 的進展受到阻滯。
另外原因是因為當年電腦內部存儲空間有限，中央處理器無現在這麼快，一些研究者意識到這個問題比想像中難以解決。
其後1987-1993年，那些時期產生了電腦，電腦開始普及化，有投資者認為投資AI性價比不高，興趣大減。值得一提是，之前投資AI的資金主要是政府給學術機構的科研撥款。
90時代至今
1990年代後期，有了聊天機器人，它是有情感和情緒的智能代理。
進入21世紀，人工智能的能力已經超越了人類，它能做到很多東西，例如語音識別、指紋解鎖、無人駕駛、機器人、雲端伺服器、產業物流的自動化等等。
延伸閱讀
未來發展趨勢
- 超自動化
- 多重體驗
- 普及化
- 人類機能增強
- 透明與可追潮
- 強化邊緣運算
- 分散式雲端
- 自動化物件
- 區塊鏈應用
- 人工智慧防禦
超自動化
目的是自動化需要人工完成的任務。利用先進技術的應用，像是人工智能和機器學習，實現流程自動化和增強人員的能力。連一些複雜程序，如研發、分析、設計、測量、自動化、監控、再評估也會自動化。
多重體驗
傳統電腦的單一式互動，轉換為多個裝置的多點式互動，例如︰智慧型穿戴裝置和先進電腦感應器。實際例子就是AR/VR、多頻道人機介面和感應科技。
普及化
普及化的好處讓我們每個人能掌握科技與商業的專業能力。它包含四項關鍵領域：應用發展、資料與分析、設計與知能。
另外，開發人員無需具備數據科學家的技能即可生成數據模型，他們將會依靠AI驅動來產生代碼和自動化測試。
人類機能增強
是指運用科技來增加人類的認知與身體能力。例如透過植入或操控一台機器，以改強固有的身體能力。
增強身體能力的四個部份
- 增強感官
- 增強附屬器官與生物功能
- 增強大腦
- 增強基因
透明與可追溯
一些企業會在網絡上收集用戶的資料及數據，儲存到數據庫，用戶不知道他們如何處理這些敏感資料。例如會否將用戶個人資料外洩，這些個案在不時會發生，企業都有責任去保護客戶的資料。
要做到這點，有六個關鍵因素︰
- 道德
- 誠信
- 開放
- 當責
- 能力
- 一致性
強化邊緣運算
邊緣運算是一種分散式的運算架構，為了加快資料處理和傳送，信息處理和內容收集，會在網絡中心移動到邊緣節點來處理。
分散式雲端
分散式雲端的好處是數據中心可以位於任何地方，減少資料傳輸延遲等技術問題。基於數據安全性問題，不讓雲端企業掌握資料，雲端科技發展會更隱私。
自動化物件
是指無人機、機器人、輪船等設備，利用AI去執行人類完成的任務。例如2018年平昌冬季奧運上，200台無人機組成的煙火表演秀。
區塊鏈應用
區塊鏈是一個公眾的電子記帳資料庫，區塊鏈能追蹤交易的起源，使金流與物流公開透明。
區塊鏈模式五個元素
- 共享與分散式的帳本
- 不可更改但可追溯的帳本
- 加密
- 代幣化
- 分散式的公眾共識機制
人工智慧防禦
超自動化跟自主學習等技術讓商業界提供了轉型的機會，但是它有機會被及安全漏洞。
三個關鍵觀點
- 保護AI驅動系統 (AI訓練資料/訓練管道/機器演算模型)
- 以AI加強安全防禦 (運用演算法分析攻擊模式、發現攻擊)
- 預測攻擊者惡意使用AI的情況
相關文章
你聽過AI人臉生成器嗎？網絡照片也有假？5分鐘即了解此技術，助你分出真人照片！
你養貓狗很煩惱？常不在家又不知道怎樣照顧貓狗？PAWBO波寶產品幫助到你！
希望此文章能增加你對人工智能的知識，見識到人工智能的強大。喜歡的話在下面讚好，你的讚好讓我會更努力寫文章耶！
參考文獻︰Medium, Amazon, scimonth, markerpro.cc, wiki, MBA智庫百科, unwire.pro, 每日頭條, 未來城市, Gartner, BBC, scimonth