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)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
#人工智慧 #專家系統 #機器學習 #深度學習







你可能感興趣的文章

service worker

service worker

3. 卷積計算與其DSP物理意義

3. 卷積計算與其DSP物理意義

JS Advanced --物件導向基礎與 prototype

JS Advanced --物件導向基礎與 prototype






留言討論