人工智慧是什麼？

「人工智慧」概念最早在 1956 年由美國學者約翰‧麥卡錫（John McCarthy）提出， 意即「以科學與工程學做出聰明機器」。

至於什麼是「聰明的機器」？簡單來說，就是要能夠模仿人類行為做出決定，以較早期出現的「專家系統（expert system）」來說，包含知識庫（knowledge base）與推理機（inference engine）兩部分，後者以前者為基礎推理出邏輯，並從中演繹出新資訊。機器經過不斷餵養特定專業領域的知識，也能逐漸養成自己判斷的能力，若有其他人諮詢該機器，就機器能夠根據既有知識給出合理建議或決策。

「專家系統」概念圖

一般電腦科學中的演算法屬於「確定性算法（deterministic algorithm）」，給予相同的輸入必有相同的輸出結果，若要有好的結果，則「演算法設計」是關鍵；但在機器學習的模型中，重點是要讓機器可以自主學習、養成自行判斷的能力，因此，關鍵在於「餵養的資料」。

人工智慧、機器學習與深度學習

一般而言，人工智慧被視為最高層的超集（super set），而機器學習又是深度學習的超集，也就是說，深度學習是機器學習的一個分支、機器學習又是人工智慧的一環。

1. 人工智慧：是最大的概念，目標就是要讓機器變得跟人一樣聰明，有辦法自己學、自己做判斷，上文提及的「專家系統」就是一種實現方式。
2. 機器學習：實現人工智慧的方法，高度仰賴量測結果與統計學分析，透過不斷餵養機器資料，讓機器從中累積知識、逐漸養成判斷的能力，但能夠處理的工作較為侷限，比較像是「你有教的我才會、沒教的我就不會」。
3. 深度學習：機器學習的分支，透過多層神經網路實現，因為機器是透過自主學習，面對未被訓練過的任務時，並不需要大量人為介入、重新設計演算法就能做出決定，也就是說，機器也有辦法「融會貫通」，你教我一，我連二、三都有辦法自己學會。

一個重要的核心觀念是，要運用人工智慧技術，必須先了解目前欲解決的問題是什麼，有什麼樣的輸入空間（input space）、可能得到什麼樣的輸出空間（output space）。

以目前人工智慧的應用而言，最熱門的領域是圖像處理，大概佔了所有人工智慧相關專利的將近一半，但除此之外，自然語言處理、語音辨識、AI 機器人等，都屬於人工智慧的一環。

參考資料

1. Expert System
2. 深度學習與機器學習：簡單辨別兩者差異