2024-08-09

什麼是人工智慧 (AI) ？

關於「什麼是人工智慧」這個問題，有的人跟隨科技巨頭的技術理念，有的聽取專家權威的見解，有人文本質的哲學角度探討，或從自身生活應用來探討。

因此「什麼是人工智慧」這個問題，雖然看似基礎，卻也隨著技術發展而不斷被重新詮釋，每一次的討論都有益於加深理解，本文目的為精簡紀錄關鍵字來客觀論述。

Artificial Intelligence（AI,人工智慧）

利用電腦來模擬人類智慧行為，例如推理、判斷、學習與決策工作等等。

AI 的子領域，透過數據訓練模型，自動找出規律或預測結果，而不需明確程式規則。

機器學習的一種方法，使用多層神經網路（如 CNN、RNN）處理複雜資料，特別適合影像、語音與自然語言。

舉例來說，以傳統的搜索邏輯可能透過演算法來完成搜索任務，而多層神經網路則可以透過人工神經網路（Artificial Neural Network）方法，推理出多維度的資料關聯，這個資料的維度可以想像成數學矩陣，而不僅是一個向量，最終在整個神經網路傳遞完畢後，推理出最佳化結果。

更具體的簡單例子，假如使用傳統軟體工程演算法邏輯，搜索「Dog」那麼則依照不同情境下所定義好的演算法邏輯，逐一比對所有資料，並找到對應的資料含有「Dog」。若是使用深度學習的方法，它則可以透過多層神經網路的傳遞找出與「Dog」有關聯的資料

在給定目標與限制下，尋找最優解的數學方法或演算法，常用於訓練模型或資源配置。

模型訓練的前置準備，通常將資料集分成三個部分，分別為訓練、驗證或測試模型的數據集合。

訓練資料集 (Training dataset)
用於學習資料中的規律，調整模型參數。
驗證資料集 (Validation dataset)
用於調整模型的超參數 (hyperparameters)，協助挑選最佳模型，並檢測模型是否具備良好的泛化能力 (generalization)，以避免過擬合。
測試資料集 (Test dataset)
用於最終評估模型的泛化能力。測試資料在訓練過程中不可被使用，否則會失去檢驗的公正性。
測試資料集也相當於模擬模型在真實未知資料上的表現，確保研究成果能夠可靠推廣，而非僅限於訓練資料。