什麼是人工智慧？
人工智慧（AI）屬於電腦科學領域，專注於打造能夠執行通常需要人類智慧任務的機器。透過學習、推理、理解與適應，這項目標得以實現。AI 已存在多年，並用於特定且通常有限的應用，例如線上搜尋的推薦引擎，以及針對影像或影片中物件進行識別和反應的電腦視覺。
AI 的運作利用複雜的軟體演算法，遵循指令與邏輯模式，這項過程稱為機器學習。此外，還有利用神經網路（類似人類大腦）上多層機器學習過程的深度學習，讓 AI 自主辨別和學習模式，最終做出更精準的決策。
狹義 AI 與廣義 AI
隨著大型語言模式（LLM）和生成式 AI（GenAI）工具（如 ChatGPT）的推出，AI 在日常生活中變得越來越普及且實用。這項改變也促成了 AI 的新分類，預示未來的使用案例：
- 狹義 AI 或弱 AI：這類 AI 專為執行特定任務而設計，例如臉部辨識或汽車駕駛。目前大多數 AI 應用屬於這項類別。
- 廣義 AI 或強 AI：此類 AI 專為使用更廣泛的認知能力，執行任何與人類相當的推理任務而設計。廣義 AI 尚未實現，但被視為 AI 研究的長期目標。
人工智慧的優勢
AI 為各行各業的終端使用者與企業帶來眾多優勢。根據不同使用案例，AI 能夠依據專案或個人需求識別模式與預測事件、自動化複雜的流程，以及量身打造工作流程。AI 在資源管理的監測與最佳化方面也能發揮關鍵作用。隨著自然語言處理（NPL）等技術有所進展，AI 還能支援聊天機器人與介面，為使用者提供個人化互動，協助使資訊更易於取得。AI 可以徹底改變人們與組織工作、決策制定與展現創意的方式。
人工智慧的運作方式
AI 技術的核心在於機器學習與深度學習過程（稱為 AI 模型）的能力，能夠分析資料、辨別模式，並在最少人為介入的情況下做出決策。從技術層面來看，AI 模型透過複雜的演算法與神經網路運作，讓機器處理資料、從中學習，並作出明智的決策。
AI 模型本質上是資料科學家與 AI 開發者利用預先處理資料進行編碼和訓練的軟體。TensorFlow 與 Pytorch 等架構在 AI 開發中扮演了關鍵角色，提供有效設計、訓練和部署機器學習與深度學習 AI 模型的工具、程式庫以及平台。
AI 開發工作流程
AI 開發工作流程包含三個主要階段。第一階段是預先處理資料，將要分析的資料進行清理與格式化。接下來是 AI 建模，選擇演算法和架構來建構模型，並讓模型從預先處理的資料中學習。最後，將經過訓練的模型部署並用於推斷，根據新資料進行預測或決策，展示實際的適用性。這項從頭到尾完整的過程通常稱為 AI 管道。
LLM 與生成式 AI 的規模
由於 LLM 受到廣泛關注，人們可能會好奇 LLM 與傳統 AI 部署有何區別。LLM 和典型的深度學習 AI 模型在規模和複雜度上存在差異。LLM 採用稱為 Transformer 的廣泛神經網路，協助理解語言的微妙之處，並在各種來源的大量文本資料上進行訓練。因此 LLM 與 ChatGPT 等工具可有效生成具有創造性的擬人化文字，並能夠應對不同語法、風格與上下文。相較之下，深度學習 AI 模型通常著重於特定任務，例如影像辨識或簡單的語言翻譯。
人工智慧的使用
由於 AI 的適應性以及其中有待發掘的應用潛力，這項技術正逐步成為各行各業數位轉型的基本要素。以下是部分重點範例：
- 汽車領域的 AI：AI 協助將無人駕駛車輛化為可能，利用電腦視覺實現駕駛與乘客監測，並將生成式 AI 助理與 AI 支援的遊戲帶入車內。
- 銀行業與金融服務領域的 AI：AI 聊天機器人將客戶互動個人化，後端則透過 AI 協助偵測與預防詐騙、自動化風險評估，以及促進演算法股票交易。
- 製造業的 AI：AI 推動工廠和倉庫的機器人技術，利用數位孿生自動化情境意識、透過預測性維護減少停機時間，並借助自動化缺陷偵測提升產能。
- 綠能永續發展與能源領域的 AI：AI 強化高效整合再生能源的智慧電網，針對電線等能源基礎設施進行預測性維護，協助最佳化建築能源使用量，並分析環境與排放資料，為應對氣候變遷出一份力。
人工智慧的挑戰
部署 AI 仍然存在阻礙，包括建立 AI 基礎架構與聘請專業人員開發和維護系統所需的高昂初期成本。企業領導者也可能會發現將 AI 技術整合至現有工作流程中不僅耗時，且具有破壞性，並且需要持續監測、分析和調整 AI 模型才能達到最佳效果。此外，組織利用 AI 輔助決策制訂時，必須主動防範 AI 模型中的潛在偏見。
幸好，除了使用混合式雲端資源外，組織還有機會利用現有的 IT 架構支援 AI 流程，協助降低初期成本。逐步實施與試驗計劃有助於在全面推行 AI 之前，減輕轉型壓力，並且隨著持續調整，AI 模型的效率也將逐漸提升。組織可定期審核資料與推斷結果來提升透明度、使用多樣化的訓練資料集，並在設計與開發 AI 系統的團隊中促進多元與公平，從而減少 AI 模型的偏差。
人工智慧的未來
AI 發展迅速，展現出顯著的進展，預示著充滿潛力的未來。機器學習與深度學習領域既有技術的進展，結合 LLM 的獨創性，有望重塑產業、提升效率，並解鎖前所未有的創意可能性。追求透明、公平、盡善責任的負責任 AI 有助於培養 AI 對社會影響的覺察，並確保 AI 的進展能持續造福社會各界。
從概念上來看，未來的 AI 可能自然具備遠超現今運算基礎架構與神經網路極限的功能。其中的可能性包括完全實現人類認知能力與達成心智理論的 AI，所謂心智理論即理解與解讀他人情感、信念與意圖的能力。與現今使用者互動的個人化聊天機器人相比，具有心智理論的 AI 在對話中更能展現同理心。最後，具有自我意識的 AI 意指能理解自身存在的系統，目前仍屬於理論與科幻小說的範疇。