AI 人工智慧近年非常熱門，主因為 2016 年 Google 的 AlphaGo 擊敗世界圍棋冠軍韓國職業棋士李世乭，代表人類所設計出來的機器已經在世界上最難的棋賽遊戲中打敗人類專家，這代表科技進步重要的里程碑。
電腦是我們現代最進步的機器，只要能設計出擬真的程式，再搭配適當的硬體，幾乎可以模擬任何情境事物，也就是說現在 AI 幾乎可以模仿人類思維動作非常相近。另外，如果不需要思考太多，給機器簡單指令即可，但是要有人工智慧，需要機器人能夠自己進一步思考的時候，則是人類給予高階指令，機器就會自己去做事，機器就會自己規劃執行細節。
你有沒有想過為什麼人工智慧是在這幾年才開始興盛的？而不是10年前或者20年前就成功，這是因為現在機器智慧，需要電腦半導體的高速運算，而這些能夠高速運算的半導體，需要奈米製程才能成功製造，這一切歸功於目前基礎建設的完善才能達成。
雖然現在機器的智慧程度仍然有限，它只聽令設計者的規劃，去做被限定的工作，即使目前為幼稚園的智力程度，無論影像或是語音辨識，精確度都未達100% ，但是辨識類型的系統穩定性，已經讓人類可以信靠以及使用這些系統進行大部分辨別的工作，再輔以人工最後的判斷就可以了。
為什麼會辨別失準？一般以資料錯誤、資料不足和數學模型不佳最為常見，機器學習有三個重要步驟：
資料處理、演算法設計和結果分析，資料錯誤和資料不足都會影響資料處理，數學模型不佳與演算法設計相關，我們經常探討 AI 數學模型 (x, f(x))，其實就是在研究 (特徵, 標籤) 的問題。如何增強機器學習成果，通常給更多的資料或是更多的特徵，都有助於提高辨識精確度，如果使用更多神經元會加深學習的困難度但未必有效率，倘若有領域專家介入，會有助於演算法設計和結果分析的改善。
IBM Watson Health 在 AI 醫療保健領域算是有名的機構，希望在慢性疾病管理和腫瘤治療領域上，對醫師診斷有所幫助，可以進行風險評估及個性化醫療、患者管理和適合用藥參考等。雖然 IBM Watson Health 有非常廣闊的商業發展前景，可是 IBM 仍在 2018 年五月裁員 70%，主要是醫療保健市場還未達到預期目標，裁員主要為了削減成本，這件事告訴我們，還沒找到獲利的商業模式前，AI 要全面取代人類仍有一段漫長的路。
最後，關注人類與機器的未來，大家可以思考看看，什麼是人工智慧的下一個階段？
有四方面可以再研究，
一、人工智慧技術方法再進化，如何讓機器學習與使用更快更準確更容易？
二、除了影像、語音識別外，可以無人駕駛，人工智慧還能做些什麼？
三、當人類的工作被取代後，未來的你應該要做什麼呢？
四、我們能否可以打造出不會失控的人工智慧？
簡單的說，厲害的人可以發明更好的人工智慧，聰明的人可以把它應用到更多的地方。
因為有人邀稿開始寫人工智慧文章，這篇當作是緒論。
沒有留言:
張貼留言