12.2 未來只剩兩種人:告訴電腦該怎麼做的人,以及被電腦告知該怎麼做的人。

人工智慧究竟在夯什麼?

人工智慧(Artificial Intelligence,簡稱AI)的崛起與興盛,是近年來有目共睹的趨勢。人工智慧簡單來說,就是致力於電腦技巧的研究,主要目的為替代人類智能所能達到的行為。除此之外,人工智慧也因應人類身處的社會環境中開發社會認知行為,並同時模擬了人與社會的互動模式與行為。 在對人工智慧有最基礎的認知以後,先讓我們先來透過人工智慧的構成元素,來討論它的組成及應用吧!

圖片參考 - 圖表的內層是人工智慧的核心內容,外層則是人工智慧的應用。

而電腦在處理資訊及人工智能指令時,可以藉由商業模式中績效衡量的整合模型(IPO)來解釋。 以語言翻譯為例,當電腦接收到了輸入的自然語言處理以及文字資訊後,會開始進行一連串的運作過程。其中包含了第一章圖表中所提到的內層核心處理內容。在運作完畢過後,最終得以產出翻譯出的文字內容。

生活中的人工智慧範疇

人工智慧的應用截至目前為止已十分普遍。這項技能並不單單應用在資訊科學領域中,它的應用層面之廣泛。大到現正熱議開發的自動駕駛,小至手機APP程式中的美顏修圖。而這些細微之處你我都不見得有留心意識到原來就是人工智慧的應用!以下為大家列出以下幾個重要且核心的應用範疇:

專家系統 (Expert System)

專家系統採用事前做足應對措施的方式,也可以說是人工智慧系統中的知識庫。以針對性的問題作為出發,進而發想出他的解決方法。不過一個很大的缺點是,只限制於專家有預先設想過的答案或應對,侷限性相較比較大,有尚未考慮過的問題是專家系統中的一個缺漏。

電腦視覺 (Computer Vision)

電腦視覺以開啟電腦及攝影機的視覺為目的,也就是讓電腦學會「看」,以便進行資料的圖像化。並且在人工智慧系統中,期望以電腦視覺去取得圖像中的更多資訊。常見的應用有,無人駕駛、圖像監測、工業機器人和圖像資料庫等。

語音辨識 (Speech Understanding)

語音辨識,也可稱做自動語音辨識(Automatic Speech Recognition,簡稱ASR),以人類所釋出的語音轉為對應文字的系統。這一項技術想必大家都不陌生,生活中常見的手機語音輸入法就是一個應用的例子。其他應用包含語音撥號、語音導航、室內裝置控制及語音文件檢索等。近期更是出現了語音轉語音的翻譯系統,也是仰賴語音辨識的智能系統。

機器人應用(Robotic Application)

機器人取代人力的運作模式從數十年前就已開啟。目前機器人的應用在許多工業領域中發光發熱,包含倉儲物流、航太產業、汽車製造,以及木工與建築等。許多搬運及組裝的工作透過機器人組成的自動化流程,不但在力道及作業過程上省時省力,更能使得流程穩定且順暢。

類神經網路 (Artificial Neural Network)

自2010年代後興起的人工智慧浪潮中,其中一個就是機器學習(Machine Learning)的模式。(第12.1章有詳細介紹) 透過深度學習後,電腦以創造了數學及計算模型來處理人工智慧種種複雜行為。類神經網路系統架構就如同人類的神經元和受器的建構關係,在接收指令與執行指令之間完成行為模式。而電腦最基本的數學運算及統計系統就是建構在類神經網路的應用上。

智慧型代理人 (Intelligent Agent)

人工智慧中的智慧型代理能利用快速且精確的運算能力達成目標。同時具有三大特性:自主能力(autonomous)、反應能力(reactivity)和交互作用能力(interactive)。智慧型代理人藉由他的自主主體性在進行決策時,能針對事項進行反應,並且各個代理人之間得以溝通、合作來達成最終目的。常見的例子像是蘋果手機的Siri、聊天機器人Chatbox都是智慧型代理人的一種。

自然語言處理 (Natural Language Understanding)

所謂的自然語言相對應程式語言,是人類為了溝通所形成具結構性語法的語言。而自然語言的處理主要透過演算法讓電腦理解自然語言,並實際執行指令。運作方式是將語法架構拆解以便理解並生成語言。從簡單普遍的拼字檢查、關鍵字搜尋,到複雜的機器翻譯和語意分析都是依賴自然語言處理的功能達成的。

小結

人工智慧一路發展至今,逐漸改變、優化我們的生活,絕對會是未來科技的趨勢,但也可能衍伸了人類與電腦之間的種種問題,比如亞馬遜公司嘗試引入AI技術,評鑑員工工作效率甚至主導開除事宜,就引發了很大的爭議。你要當一個聽電腦話的人,還是讓電腦聽話的人呢?

延伸閱讀:亞馬遜用AI判定:該開除哪位員工?