什麼是人工智慧？帶你秒懂AI人工智慧在做什麼
人工智慧（英語名稱為Artificial Intelligence，簡稱AI），又稱人工智能，是計算機科學領域的部分範疇，意指讓機器具備和人類一樣的思考邏輯與行為模式。發展過程包括學習，可以大量讀取資訊、並判斷何時使用該資訊、感知、推理，可利用已知資訊做出結論、自我校正，以及如何操縱或移動物品。人工智慧發展的領域包括但不限於：語音識別、電腦視覺 與專家系統。
知識工程是過去人工智慧研究的核心部位。人工智慧發展的第一步，必須是讓機器大量的讀取資料，並讓機器能夠判斷物件、進行歸類統整，並能判斷資料間的關聯度。知識工程的發展讓機器能具備專業知識，但另一方面，讓機器擁有常識、推論思考並解決問體卻相對困難。
指由人製造出來的機器所表現出來的智慧。通常人工智慧是指透過普通電腦程式來呈現人類智慧的技術。該詞也指出研究這樣的智慧系統是否能夠達成，以及如何達成。同時，透過醫學、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。
人工智慧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。約翰·麥卡錫於1955年的定義是「製造智慧機器的科學與工程」。安德烈亞斯·卡普蘭和麥可·海恩萊因將人工智慧定義為「系統正確解釋外部資料，從這些資料中學習，並利用這些知識透過靈活適應達成特定目標和任務的能力」。
人工智慧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。人工智慧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式。
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。人工智慧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準，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，無須重新開發演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，計算智慧和傳統意義的AI。目前有大量的工具應用了人工智慧，其中包括搜尋和數學最佳化、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。
人工智慧如何發展？
過去的基礎人工智慧AI發展
二十世紀末期，傳統的人工智慧無法容許誤差的缺點被大型商用系統給淘汰，改以投入統計學模型為基底的機器學習(Machine Learning)，其成本較低、彈性佳且允許誤差的特性，幾乎取代掉傳統人工智慧而成為現今發展的主流技術。隨著不斷進步的MCU、CPU、GPU甚至是專為機器學習處理設計的NPU，加上支援向量機(SVM)模型的橫空出世，更是讓機器學習又往深度學習這一技術分支去發展，更有效地分類(或分群)來處理各式結構化、半結構化甚至是非結構化的資料，替人類省去金錢與時間成本並提升工作的執行效率。
人工智慧運用什麼技術原理？
機器學習，一種人工智慧的技術，不同於傳統程式，機器學習是通過處理並學習龐大的數據後，利用歸納推理的方式來解決問題，所以當新的數據出現，機器學習模型即能更新自己對於這個世界的理解，並改變他對於原本問題的認知。
簡單來說，假設現在有一個人對於美醜沒有概念，那麼你把他帶到一群人面前，並指著其中一個說是美、一個是醜、另一個是美等等…隨著這位本無審美觀的人看到更多資訊後，他也會開始對審美這個觀念有一定的想法。 而關鍵在於，數據的量一定要足夠大且數據的質一定要好，才能讓機器學習模型更好的判斷問題的答案。
深度學習，屬於機器學習的分支，利用多層次的人工神經網路透過數據學習，其中兩種最為主要的類別為卷積神經網路（CNN）以及遞歸神經網路（RNN）。
CNN較適合如圖片、影片等的空間數據類型，透過不同階級的特色來識別圖像，例如從一個鼻子的特徵、眼睛的特徵、嘴巴的特徵、三者彼此的關係為何、再到最後變成一張人臉。CNN的發展對於需要快速識別周圍環境的自動駕駛至關重要，同時圖像識別的技術，也是工業4.0的核心技術之一。 RNN則較適合如語音、文字等的序列型數據，不同於其他的神經網路，對於RNN，所有的input都是相連的，所有處理過的資訊都會在訓練的過程中被記住，而也是這特色，讓它非常適合處理自然語言。
強化學習同樣為機器學習的分支之一，為一種透過獎勵機制以及懲罰機制的方式，訓練演算法模型的方法。 也就是說，當演算法做了我們所期望之行為時，我們就會透過獎勵的方式，明示演算法做更多如此行為，反之亦然。 而我們評估演算法在執行每一個任務的有效性的方式，即是透過觀察其分數（被獎勵之多寡）來衡量。
人工智慧可以用在哪些地方？
人工智慧AI現況，淺談機器學習 (ML)與深度學習 (DL)
機器學習 (Machine Learning) 和 深度學習 (Deep Learning) 這兩個技術分支都是從人工智慧這個學科衍生出來的，上述兩類技術的核心概念皆為數據分析，大致可以分為「監督式學習」和「非監督式學習」，「監督式學習」使用能預期結果的訓練資料，而「非監督式學習」則使用無法預期結果的訓練資料。人工智慧處理的問題能再分為「迴歸問題」和「歸類問題」。迴歸問題會從輸入的資料庫中找出脈絡，利用分析來發展出相對應的程式，藉此預測並做出準確的判斷，歸類問題則可將輸入的資料區分出不同類別，簡而言之，提供 A.I. 越多的資料，它就會學習的越快且變得越聰明。
人工智慧參與其中的領域很廣且項目很細，凡舉娛樂、教育、醫療、金融、製造、零售、交通、農業、博弈等等，都可以看到人工智慧參與其中的跡象，實際應用像是機器學習與深度學習下的語音辨識、影像辨識、自然語言處理、聊天機器人、推薦引擎、廣告投放、大數據分析都可以算是其現今普遍的應用。A.I.確確實實地改變了人們的工作及生活型態，像是密集勞動力為主的產業和社會環境，減少傳統產業中的重複性工作並帶來新的作業方式，提高生產效率並降低產出成本，協助傳統經濟走向智慧化轉型。現在許多科技業、電信業甚至是金融業都求才若渴，希望能導入A.I.來強化自家提供給客戶的加值型應用。隨著技術不斷地提升，在可期盼的未來裡，終將實作出幾近人類的A.I.系統來協助個人或企業解決各式各樣的問題，營造更便利、更智慧、更貼心的感受。
AI正悄悄改變你我生活，抓住未來科技新趨勢，成為人工智慧的推手！
目前，以機器學習為基礎的人工智慧，不可能擁有人類的思考及情緒，沒辦法有人類的常識，更不會有真正的智慧。即便如此，今日的人工智慧仍然足以將許多原本由人類執行的工作做得更好。
身為職場工作者，要為未來做好準備，就一定要有能力分析，人工智慧將會對自己的工作帶來什麼樣的影響？提早做好準備。即使沒有影響，更要認知如何利用人工智慧這項工具為自己加值。
當你的工作內容多數可以由人工智慧代勞時，不用太擔心，這不會是一瞬間發生的事情，工作結構的改變只會慢慢進行，而且一定會看見改變的訊號。
與其不斷精進技能與人工智慧競爭，如打字速度；不如考慮調整工作性質，逐漸轉往人類較擅長的領域，讓自己從可能被取代，升級為讓人工智慧為自己工作的人才。對於非工程背景的職場工作者來說，能不能善用人工智慧、與人工智慧協同合作，將是影響未來職場競爭力的關鍵。
人工智慧有哪些應用？
1. 電子商務
人工智慧 (AI) 透過增強客戶的購物體驗和優化企業運營，徹底改變了電子商務產業。人工智慧驅動的推薦引擎分析客戶行為和偏好來推薦產品，從而提高銷售和客戶滿意度。此外，人工智慧驅動的聊天機器人提供即時客戶支持，解決查詢並指導購物者完成購買過程。
例子 亞馬遜使用人工智慧根據用戶的瀏覽歷史、過去的購買情況和偏好向其推薦產品。這種個人化透過向客戶展示他們更有可能購買的商品來提高參與度和銷售量。
2. 教育
人工智慧的下一個應用是改善教育！教育領域的人工智慧正在改變學生的學習方式和教育工作者的教學方式。自適應學習平台使用人工智慧根據每個學生的優勢和劣勢來客製化教育內容，確保個人化的學習體驗。人工智慧還可以自動化管理任務，使教育工作者能夠更專注於教學，而不是文書工作。
例子 Simplilearn 等平台使用人工智慧演算法來提供課程推薦並向學生提供個人化回饋，從而增強他們的學習體驗和成果。
3. 生活方式
下一個人工智慧應用是一個常見的應用，即人工智慧在生活方式中的應用。人工智慧已整合到各種生活方式應用中，從 Siri 和 Alexa 等個人助理到智慧家居設備。這些技術簡化了日常任務，提供娛樂選擇，管理日程，甚至控製家用電器，使生活更加方便和高效。
例子 Nest 等智慧恆溫器使用人工智慧來了解房主的溫度偏好和日程安排模式，並自動調整設定以獲得最佳舒適度和節能效果。
4. 導航
人工智慧顯著改善了導航系統，使旅行更安全、更有效率。先進的演算法處理即時交通數據、天氣狀況和歷史模式，以提供準確、及時的路線建議。人工智慧也為自動駕駛汽車提供動力，自動駕駛汽車使用感測器和機器學習來導航道路並避開障礙物。
例子
谷歌地圖利用人工智慧分析交通狀況並提供最快的路線，幫助駕駛員節省時間並減少燃油經濟性。
5. 機器人技術
人工智慧增強了機器人的能力，使它們能夠精確、有效率地執行複雜的任務。在製造業等行業，人工智慧驅動的機器人可以與人類一起工作，處理重複或危險的任務，從而提高生產力和安全性。
例子
在汽車製造中，由人工智慧驅動的機器人用於零件組裝、噴漆和品質控制，顯著加快了生產速度並確保了高品質的輸出。
6.自然語言處理
自然語言處理（NLP）是一個人工智慧領域，專注於電腦與人類透過自然語言互動。 NLP 使機器能夠理解、解釋和產生人類語言，從而促進翻譯、情緒分析和語音激活助理等應用程式。
例子
Grammarly 使用 NLP 來分析文本中的語法錯誤、風格改進和清晰度建議，幫助使用者提高寫作品質。
7. 電腦視覺
電腦視覺涉及使用人工智慧來解釋和處理來自我們周圍世界的視覺訊息。它使機器能夠識別影像和影片中的物體、人員和活動，從而實現安全、醫療保健和自動駕駛汽車應用。
例子
自動駕駛汽車使用電腦視覺來偵測障礙物、交通號誌和行人並做出回應，確保安全導航。
8. 人臉辨識
人臉辨識技術利用人工智慧根據臉部特徵來識別和驗證個人。該技術廣泛應用於安全系統、存取控制和個人設備身份驗證，提供方便、安全的身份確認方式。
例子
Apple 的 Face ID 技術使用臉部辨識來解鎖 iPhone 並授權支付，提供安全且使用者友好的身份驗證方法。
9. 人力資源
人力資源領域的人工智慧透過自動履歷篩選、安排面試和進行初步候選人評估來簡化招募流程。人工智慧工具可以分析職位描述，並將其與候選人資料進行匹配，以找到最合適的人選。
例子
IBM 等公司使用人工智慧驅動的平台來分析履歷並識別最合適的候選人，從而顯著減少招募過程中涉及的時間和精力。
10. 醫療保健
人工智慧的關鍵應用之一是與醫療保健和醫療領域的整合。人工智慧透過改進診斷、個人化治療計劃和優化患者護理來改變醫療保健。人工智慧演算法可以分析醫學影像、預測疾病爆發並協助藥物發現，從而提高醫療保健服務的整體品質。
例子
IBM Watson Health 利用 AI 分析大量醫療數據，協助醫生診斷疾病並推薦個人化治療方案。