AI-人工智慧是什麽?

人工智慧 (AI) 是电脑科学的一个领域,致力于解决与人类智慧相关的常见认知问题,例如学习、解决问题和模式辨识。人工智慧 (通常简称为 “AI”) 呈现出机器人或未来世界的景像,也就是说,AI 不再是科幻小说中虚构的机器人,而真正成为现代高阶电脑科学中的现实。

目前AI发展还无法发展到电影中涉及到的自主推理、自我意识、情感和认知的强AI,目前已知的地球科技中没有人或任何一家公司发展出强AI。

现阶段的AI只能在预先定义范围内运作,没有自我意识,像是目前市面上有许多公司推出的产品,大多以”关键字”系统来运作,并非是真正的智能。爱挚能的智能客服系统,则是完全使用自然语言处理的技术

他牌智能机器人
关键词系统的极大缺点

如果遇到问题类型多、问法复杂的时候关键字是没办法设定完全的应对, 这也是市面上有许多号称智能客服回复时却变成智障客服的原因

以下举例两个关键字系统错误的状况

light_icon

AI小学堂

人工智慧 – Artificial Intelligence = 简称AI

我們常說人工智慧不是真的智慧,但我們卻不知道智慧是甚麼,
在1994年由52位国际学者连署提出的Mainstream Science on Intelligence论文中,
定义了智慧必须具备『事物的理解能力』『捕捉语言含义的能力』『解决事情的能力』三种特征,让智慧的定义稍微有了雏形。

whatiswisdom

人工智慧的核心是演算法,演算法其实就是一种程序,近年来AI又掀起一片风潮的原因,
就是使用了类神经网路演算法中的机器学习-【深度学习】,解决了机器自我学习的问题。

在现行的AI技术中,最重要的就是资料
因为人工智慧的学习无法透过实际的观察或触摸,往往需要大量资料才能学。

所以能够在互联网上收集海量信息的大数据技术,很好的解决了资料来源。
透过统计学搜索、整理、分析数据等,达到推断对象的本质,再透过演算持续学习。

深度学习

前面提到深度学习是透过类神经网络的方式来实践,
而神经网络是由无数个神经元串联所组成,
这些神经元的运作方式和人类神经一样,一个连着一个传递讯号,
只不过输入的不是生物电流, 而是变量、权重、误差等分析,
这些资料会在神经网络中慢慢转化,
最后得到我们的预测模型

在不断地反覆运算中逐渐萃取出所需要的特征,
不断改进模型本身权重,最后产生预测模型。
这个步骤需要大量的反覆运算, 也就是为什么深度学习领域
到这几年随着 GPU 技术的突破才突飞猛进的进步。


假设我们已经让AI学习了黄瓜、香蕉、茄子,
深度学习的训练只需将标记好类别的影像输入到模型中,
神经网络会自行将影像特征撷取出来。
那么如果这时候将「青辣椒」的照片丢入,
模型会给出什么结果呢?

黄瓜 茄子 香蕉 青辣椒

答案是 A、B、C 都可能是得到的答案

由于神经网络训练的模型中并没有青辣椒,所以模型会按照它分类的特征去判别照片,尝试让它在黄瓜或茄子、香蕉之中,选出一个答案(即使它都不是)所以这也是深度学习的限制。

light_icon

AI小学堂

人工智慧 –
Artificial Intelligence = 简称AI

我們常說人工智慧不是真的智慧,但我們卻不知道智慧是甚麼, 在1994年由52位国际学者连署提出
Mainstream Science on Intelligence论文中, 定义了智慧必须具备『事物的理解能力』『捕捉语言含义的能力』『解决事情的能力』三种特征,让智慧的定义稍微有了雏形。
whatiswisdom_pad

人工智慧的核心是演算法,演算法其实就是一种程序,近年来AI又掀起一片风潮的原因,就是使用了类神经网路演算法中的机器学习【深度学习】,解决了机器自我学习的问题。

在现行的AI技术中,最重要的就是资料,因为人工智慧的学习无法透过实际的观察或触摸,往往需要大量资料才能学。

AI VS HUMAN _PAD
所以能够在互联网上收集海量信息的大数据技术,很好的解决了资料来源。

透过统计学搜索、整理、分析数据等, 达到推断对象的本质,
再透过演算持续学习。

深度学习

前面提到深度学习是透过类神经网络的方式来实践,而神经网络是由无数个神经元串联所组成,这些神经元的运作方式和人类神经一样,一个连着一个传递讯号,只不过输入的不是生物电流,而是变量、权重、误差等分析,这些资料会在神经网络中慢慢转化,最后得到我们的预测模型

在不断地反覆运算中逐渐萃取出所需要的特征,不断改进模型本身权重,最后产生预测模型。这个步骤需要大量的反覆运算,也就是为什么深度学习领域到这几年随着 GPU 技术的突破才突飞猛进的进步。

假设我们已经让AI学习了黄瓜、香蕉、茄子,深度学习的训练只需将标记好类别的影像输入到模型中,神经网络会自行将影像特征撷取出来。那么如果这时候将「青辣椒」的照片丢入,模型会给出什么结果呢?

黄瓜  香蕉茄子青辣椒

答案是 A、B、C 都可能是得到的答案

由于神经网络训练的模型中并没有青辣椒,所以模型会按照它分类的特征去判别照片,尝试让它在黄瓜或茄子、香蕉之中,选出一个答案(即使它都不是)这也是深度学习的限制。