人工智慧：定義、好處和應用案例說明

隨著圍繞人工智慧的議題炒作，各類科技產品供應商都在競相宣傳自家的產品和服務，是如何使用人工智慧。但大多時候，他們所說的人工智慧，只是龐大人工智慧系統的一個組成部分，例如機器學習。人工智慧需要專門的硬體和軟體基礎，用於編寫和訓練機器學習的演算法，但編程和演算法並不等於人工智慧的代名詞。

人工智慧編程的重點是三種認知技術：學習、推理和自我糾正。在學習的過程中，人工智慧編程的這一方面著重於資料的獲取，並為如何將資料變成可操作的資訊創建規則。這些規則被稱為演算法，可為計算機裝置提供如何完成特定任務的分步指示。

一般來說，人工智慧系統的運作原理是透過擷取大量標記的訓練資料，分析資料的相關性和模式，並利用模式判讀對未來狀態進行預測。透過此種方式，一個建立大量文本聊天實例資料庫的聊天機器人，可以學會如何與人進行栩栩如生的對話，一個圖像識別工具，也可以透過回顧數百萬的圖片案例，學會識別和描述圖像的物體。

人工智慧之所以重要，是因為它可以協助人類針對龐大的資料量處理、解讀和做出複雜的決策。如今，由於物聯網（IoT）的出現，感應器技術和各種機器所產出的資料量已經遠超出人類可以吸收和處理的能力。人工智慧也是目前所有電腦學習的基礎，人工智慧在涉及到重複性的、以細節為導向的任務時特別突出，電腦可以用極其有效率的方式計算出各種排列組合，因此是處理複雜決策的未來。從西洋棋、圍棋的對戰走勢，大量文件資料的分析與判讀，到企業的營運策略擬定的協助，人工智慧都能夠更快速且更少出錯的完成工作。人工智慧、機器學習和深度學習等邏輯演進的技術，為商業決策的未來奠定了基礎，並且可以大幅改善企業的運作，進一步取得領先優勢。

人工智慧的應用已經進入各種各樣的市場。以下就將介紹使用在 8 個不同產業領域中的人工智慧使用情形。

醫療照護領域的人工智慧。其中最大的賭注是改善病患的結果和降低成本。醫療院所與機構正在應用機器學習來做出比人類更好、更快的診斷。最知名的醫療技術之一是 IBM Watson。它能理解自然語言，並能回答向它提出的問題。該系統可挖掘病人資料和其他可用的資料來源，以形成假設，並用信心評分模式的方式來呈現醫療診斷的預測。其他人工智慧的應用包含使用線上虛擬健康助理和聊天機器人來幫助患者和醫療產業的客戶找到醫療資訊，安排預約，了解計費過程和完成其他醫療管理流程。一系列的人工智慧技術也被用來預測、對抗和理解流行病，如 COVID-19、MERS 等，協助減低大規模流行傳染病造成的影響。

商業領域的人工智慧。整合機器學習演算法到分析和客戶關係管理（CRM）的平台中，提供企業如何更好地服務客戶的相關資訊。聊天機器人技術納入到網站中，為客戶提供即時服務，減少人力 24 小時待命的成本。工作崗位的自動化進程也已成為學術界和 IT 分析專家們的一個關注重點。

教育領域的人工智慧。人工智慧可以自動評分，提供教育者更多時間。它可以評估學生並適應他們的需求，幫助學生按照自己的節奏學習。人工智慧輔導員也可為學生提供額外的支援，確保他們保持在正確的軌道上。而且它還可改變傳統學習的模式，打破場域和距離的限制，學生可以不限地點和時間，找到適合自己的方式學習。某些教師職位甚至還可能會被人工智慧所取代。

金融領域的人工智慧。個人財務應用程式的人工智慧，如 Intuit Mint 或 TurboTax，正在顛覆金融機構。像這樣的應用程式可收集個人資料並提供財務建議。其他程序，如 IBM Watson，也已經使用在買賣房屋的交易過程中。如今，人工智慧軟體執行了大部分華爾街的金融交易。除此之外，銀行也採用聊天機器人的系統，協助客戶了解銀行的服務和產品，並處理不需要人工進行的交易。人工智慧虛擬助手也被用於改善和削減遵守銀行法規的成本。銀行組織也在使用人工智慧來改善自己的貸款決策，並設定信貸限額和識別投資機會。

法律領域的人工智慧。法律訴訟中大量的文件和證據資料，對人類來說往往是不堪重負的。使用人工智慧來幫助法律行業的勞動密集型流程實現自動化，可以節省時間並大幅改善客戶服務。律師事務所已納入使用機器學習來描述資料和預測結果，使用電腦視覺對文件進行分類和提取資訊，並使用自然語言處理來解釋相關資訊請求。

製造領域的人工智慧。製造業一直處於將機器人納入工作流程的最前沿。例如，一度被編程為執行單一任務並與人類工人分開作業的工業機器人，越來越多地發揮著協作機器人（cobot）的角色功能。更小型、且可處理多工任務的機器人與人類協作，在倉庫、工廠和其他工作場所承擔更大且更多的工作責任。

交通領域的人工智慧。除了人工智慧在操作自動駕駛汽車方面的基本作用外，人工智慧技術還可應用於交通管理，預測航班延誤情形，並使航運更加安全和更有效率。

資安領域的人工智慧。人工智慧和機器學習位處當今安全服務供應商，用來區分其產品的熱門詞彙列表的頂端。這些術語也代表了真正可行的技術。企業在安全資訊和事件管理（SIEM）軟體系統和相關領域使用機器學習來檢測異常情況，並識別帶有威脅的可疑活動。通過分析資料和使用邏輯來識別與已知惡意代碼的相似性，人工智慧可以比人類員工和過往的科技，更早對新型和正在發生的攻擊發出警示。日益成熟的技術在幫助企業抵御網路攻擊方面發揮著巨大作用。

人工智慧可以分為四種類型，從現今廣泛使用，針對特定任務的智慧系統開始，一直到尚未存在具有自我意識的系統。以下為四種人工智慧類型的說明：

單一反射人工智慧（Reactive AI）

第一種且最簡單的人工智慧類型為單一反射，其使用演算法來優化基於一組輸入的輸出。例如，下棋的人工智慧是一種單一反射系統，優化最佳策略以贏得比賽。單一反射人工智慧因為無法形成記憶，所以無法持續學習或適應新的情況，只能遵循當初建立的規則。此種類型常見於西洋棋或圍棋的 AI 與人類對抗賽，或是串流影音服務中。

有限記憶人工智慧（Limited memory AI）

有限記憶人工智慧相較於單一反射的類型，是更進階的人工智慧，其可以依照過去的經驗行動，或根據新的觀察或資料來更新自己。通常，更新的數量是有限的（因此而得名），過去的經驗不會被永久保存，也無法用做。例如，自動駕駛汽車可以「判讀道路」，其中包含車輛位置、行人狀態等各種路況，並能適應新的情況發生，甚至從過去的經驗中學習。有限記憶人工智慧可以在短時間之內，迅速進行龐大的資料處理。

心智理論人工智慧（Theory-of-mind AI）

心智理論人工智慧是完全自適應的，有廣泛的能力來學習和保留過去的經驗，有單一反射和有限記憶人工智慧的各種功能，但卻多了生物「心智」的複雜概念。即便人工智慧未能真正理解，但能夠依照心智來學習並調整自己的決策。目前尚未有已知運用心智理論人工智慧的實例，雖然有類似的進階聊天機器人，可以通過圖靈測試，讓人相信人工智慧是一個真人，但目前還未有實際的人工智慧產物出現。

自我意識人工智慧（Self-aware AI）

自我意識人工智慧，顧名思義，就是有全然的知覺，可意識到自己的存在、內部的狀態，甚至有潛力發現到情緒，進而形成過去的記憶，自我學習並進行預測。所有在科幻電影中出現的高階人工智慧都屬於此類，一些專家認為，人工智慧永遠不會變得有意識或 「有生命」，這種類型的人工智慧尚未存在，仍然屬於科幻小說的範疇。

隨著類神經網路的運用日益純熟，人工智慧的應用也觸及到了更廣泛的領域。科技沒有是非之分，如何運用才是其中關鍵，但近年隨著深度偽造等技術的出現，隨之而來的是關於科技倫理和人工智慧優缺點的討論，本節就將從整體面向分析人工智慧的優點和缺點。

人工智慧的優點

• 高精確度且可減少人為失誤。人類很可能會在繁瑣和單調的任務中犯錯，但如果編程正確，電腦就可避免這種錯誤。人工智慧模型透過對匯編的資料應用演算法進行預測，從而減少錯誤，提高準確度。
• 實現重複性任務自動化。人工智慧可使不同領域的常規單調任務自動化，如資料收集和輸入、電子郵件回覆等客戶支援項目，或工廠作業中如視覺檢查、軟體測試等操作，可以減少人力所耗費的時間。
• 輕鬆處理大數據。人工智慧可在非常短的時間內處理和理解大數據，它可以快速捕獲資料並提取相關數據進行分析，並且還可透過解釋和轉換進一步處理這些數據。
• 更快速做出決策。企業總是熱衷於更快速的決策，以應對當今快速變動的市場。人工智慧與各種技術結合，使機器能夠帶來綜合資訊和預測，以協助更快的決策，有助於提升公司營運效率。
• 數位助理支援。聊天機器人可以大大減少，應對常規和簡單客戶查詢的客服人員需求。聊天機器人可以人工智慧與客戶進行互動，並根據需求提供相關資訊。 像 Alexa 和 Siri 這樣的語音助手就是語音機器人的例子。
• 減低風險。人工智慧應用上一個非常顯著的優勢是在高風險工作場所。人工智慧系統可以最大限度地減少人類在如煤礦開採、海洋探勘、協助救援行動等這類任務中的風險。 
• 模式判別。人工智慧在發現文字、數字或圖像中的模式上，優於人類的才能。人工智慧可以有效地發現資料集中的趨勢和模式，因此，可以更快地產生更準確的預測。
• 改善過程和工作流程。企業都在努力尋找更有效率的工作方法，以提高生產力並增加收入，這其中的一個重要部分包含開發更好的工作流程。透過人工智慧設計工作流程，能減少人為錯誤和修改情形的發生，也許可以實現更高的效率。
• 24 小時可用不會疲勞。與人類不同，人工智慧可以無限期工作不用休息或休假。機器可以比人類思考得更快，並同時執行多項任務，同時給出準確的結果。

人工智慧的缺點

• 誘發人類的惰性。任務的自動化和數位助理的增加會提升對機器的依賴性，可能會因而導致人類的惰性。過分依賴人工智慧完成簡單的任務，如小規模計算或記住數字、地址等作業，會影響人類的日常活動，因為這些活動需要記憶或分析。
• 導入實施要價不菲。人工智慧的初始設定需要高額投資，因為公司必須投資於人工智慧框架，包含最新的硬體和軟體。培訓團隊學習如何使用人工智慧系統也會產生額外的費用。所有這些都使實施和維護人工智慧系統變得昂貴。
• 增加失業率。雖然人工智慧可以取代重複性工作和其他類型的勞力作業，這對組織來說是有利的，但這也對就業產生了負面影響。傳統的工作在未來可能會被人工智慧完全取代，導致從事這些工作的人員失業。
• 缺乏創意思維。由於人工智慧系統是根據一套演算法進行預測，需要隨著時間的推移從資料和經驗中學習，這些系統可能無法跳脫框架，缺乏創意力，特別是在內容行銷領域。
• 無法理解情感。人工智慧系統可以更快速地工作，不需要休息時間，但該系統不能在做決定前評估情緒或情感，始終保持高度理性和實用性，因此在行銷與銷售中無法做到與客戶共情的關鍵。
• 難以實現道德規範。由於人工智慧系統不能處理人類的情緒和感受，要將倫理和道德納入系統中是非常具有挑戰性的。

人工智慧有巨大的潛力，可以創造一個更好的生活環境。但最重要的是要確保人工智慧不被過度使用。雖然人工智慧有優點和缺點，但它對全球產業的影響是不可否認的，從醫療、製造、交通、金融到網路安全，人工智慧都扮演著推進的關鍵角色。