深入了解 AI 「人工智能」技術,究竟它能幫助我們什麼呢?

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︰

  1. 什麼叫「人工智能」?
  2. 「人工智能」的好處跟壞處?
  3. 「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

201907261808419589916450
網絡圖片: 2cm.com.tw

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

a82f9201271b12ced8a3f4d9180cb531
網絡圖片: Gartner

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

siri
Siri – 網絡圖片: pocket-lint.com

Google Map 最佳路線規劃

thread 18183457 17981306127781598235
網絡圖片: Google

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

1 I rTLtMaWeRG1dpaiUczNg
網絡圖片: Medium
  • 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

1 eh48E1DUcz7uHusyRtIrhQ
網絡圖片: Medium

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。

1507183517 4274803554 n
網絡圖片: Google

發展歷程

E843nNP32BJijA
網絡圖片: 未來城市

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

alanturing1
Alan Turing – 來源: howstuffworks

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。

Alan Turing 9 26 16 616x440 1
圖靈機 – 來源: techapple

當年他發表「計算機與智能」的論文,關於模仿遊戲的設想測試方式

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。

Marvin Minsky
Marvin Minsk – 來源: latimes.com

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

Arthur Samuel
Arthur Samuel – 來源: medium

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。

全世界首款工業用的機器人 – Unimate

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

第一台會抽煙的機器人 – Shakey

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

ELIZA conversation
機器人程序 Eliza – 來源: WIKI

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。

800wm
網絡圖片: sciencephoto

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。

492682174
網絡圖片: fortune.com

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。

self driving
汽車內部裝置(電腦系統、監測器) – 來源: politico

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。

chatbot
Chatbot -來源: medium

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

人工智能70年:科幻和現實的交融

未來發展趨勢

螢幕快照 2019 10 26 下午5.12.35
網絡圖片: Gartner
  • 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

What Is the Hyperautomation and How It Works
網絡圖片: newsdailyarticles.com

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

ezgif.com webp to jpg 4
網絡圖片: technologymagazine

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

GettyImages 1134862866
網絡圖片: cfo.com

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

high tech prosthetics augments runner 1024x576 1
網絡圖片: stambol.com

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

unnamed
網絡圖片: googleusercontent

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

emowered edge
網絡圖片: tumblr

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

distributed cloud
網絡圖片: chunting.me

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

drone
網絡圖片: WIKI

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

Crypto AE PHOTO
網絡圖片: advisoryexcellence

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

64964
網絡圖片: techerati.com

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


發佈留言