人工智慧簡介：6分鐘讓你理解AI是什麼、在做什麼、會變成什麼

AI 在這兩年發展之快速令人難以置信。從第一個自動駕駛的 Uber，到 AlphaGo 的勝利 - 人工智慧無疑成為了鎂光燈的焦點。所以，作為我們對這個社群的貢獻，我們決定解碼一些流行語，並且分享一些重要的統計數據，展示你應該了解的趨勢。

需要一些茶餘飯後閒嗑牙的話題嗎？

85％的客服系統，預計將在 2020 年之前全部自動化。（Gartner）
$ 1.5 億美金：這是截至 2016 年 5 月，投資於 AI 的風險投資金額。（CB Insights）
45％的人表示他們對網路隱私和安全的關注阻止他們以完全實名的方式使用網絡。（NTIA）

我知道什麼是 AI 啦... 應該吧

透過好萊塢電影和你書架上的科幻小說，相信你對於未來 AI 的樣貌已經有相當多的想像。但是其實 AI 已經在我們身邊了，只是... 比較低調。

機器自主代理的智能行為就是 AI。AI 這個詞描述的是大腦，而不是身體，所以今天許多的機器已經是 AI 了（注意 AI≠機器人）。今天的 AI 可以完成某些特定的任務（駕駛一輛車、預訂會議、挑選你的下一個 Netflix 影集）。人工智能研究正在導向更先進的綜合人工智能（artificial general intelligence, AGI）。綜合人工智能將可以用和人類一模一樣的方式學習與工作，這是我們都在等待的。

AI 的交響曲

AGI（綜合人工智能），是在交響樂結束後的大合奏。但在我們演奏那最後磅礡的和弦之前，每個單獨的樂器必須發揮最好的專業知識。我們相信 AI 的基礎工具包括：機器學習，深度學習，自然語言理解，環境意識和數據隱私。開始演奏吧！

AI 關鍵字

機器學習（Machine Learning, ML）

機器學習和 AI 是不一樣的。機器學習是 AI 交響樂中的一個工具 - AI 的一個組成部分。那麼機器學習（ML）究竟是什麼？它是一種從先前的數據學習進行運算以預測行為的能力。 ML 是教機器在他們從未見過的情況下做出決策。

ML 最主流的方法是向算法顯示情境的數據集，並且透過訓練模型告訴它什麼是正確的決定。這是有監督的機器學習。一旦模型已經被訓練，我們可以通過算法餵給機器新的，更多的外部數據，並且希望機器能夠在這些新的情況下做出聰明的決定。

打個比方：當你學習演奏小號時，你會教導手指正確的位置來吹奏音符，這是監督的 AI。學習筆記是你的訓練模型。你，人類機器，則負責處理「如何吹奏出之前從沒看過的曲子」（玩其他樂器，播放不同的音樂，不同的節奏... 等等）。

深度學習（Deep Learning, DL）

深度學習是機器學習的一個分支，其中人工神經網絡 - 由神經元在大腦中工作的方式啟發的算法 - 通過組合多層人造神經元來找到原始數據中的模式。隨著層數的增加，神經網絡學習抽象的概念的能力也越來越大。

例如，神經網絡可以學習如何識別人臉。怎麼辦到的？第一層神經元從範例圖片獲取像素，下一層學習像素如何形成邊緣的概念，然後該層將該知識傳遞到其他層，組合邊緣的知識以學習臉部的概念。這種分層知識的過程一直持續到神經網絡可以識別特定的特徵，最終就能夠判斷特定的面孔。

深度學習是 Google DeepMind 在 AlphaGo AI 機器中使用的核心技術。這台機器在圍棋對奕中擊敗了人類世界冠軍李世乭。為什麼用圍棋？因為圍棋所有落子可能性的總和，比宇宙中的原子數還要多。

自然語言處理（Natural Language Processing, NLU）

AI 必須與人溝通，人必須與彼此溝通。在 AI 中，這種理解水平被稱為自然語言理解（NLU）。 NLU 是人工智能研究中的一個非常重要的優先事項和挑戰。為什麼？因為人類之間的溝通不像是跟機械下指令，而是一個複雜的網絡關係：隨機、亂序、幽默、情感或是衝突，自然語言和當下的情境（Context）有很大的關係。

一旦 AI 征服了人類溝通的挑戰，解碼複雜的問題（自然語言查詢），就可以給出有意義的答案，這會是一個突破性的成長。

語義感知（Context Awareness）

目前的 AI 助手還沒有辦法像是管家或是秘書一樣，懂得理解你的需求，並解能夠察言觀色。如果你的助理只能每天照著你的行事歷提醒事項，但沒有辦法幫你收集其他的相關資訊... 好吧，這不是一個非常有用的助理。

當涉及複雜任務時，理解情境與上下文的關係是非常重要的。當 AI 可以辨認你到底是真的命令，或是只是在開玩笑的時候，他便可能成為你真正的助理。

看累了吧，我們再來一些數據：

1,196 間，這是在 Crunchbase 上市的 AI 創業公司數量，這是在全球範圍內所有資助創業公司的在線名單。（Crunchbase）
6％的成年人說，他們「非常有把握」政府機構可以保護他們的隱私記錄和資料安全（Pew）
6 倍：這是從 2011 到 2015 年，人工智能的創業公司股權交易增加額。這裡的人工智能包括一些只是簡單應用的公司：像是醫療，廣告，金融，以及一般 AI 技術。（CB Insights）
60 億：到 2018 年將提出服務請求的連接設備的數量。想想：你可以用手機控制烤麵包機。（Gartner）
16％的美國就業機會將在十年之內被人工智慧取代。（Forrester）
2 百萬需要佩戴健康和健身跟踪設備作為就業條件的員工人數（為了他們的安全！）。 Gartner

未來的趨勢

"Hey, Siri" ：使用語音指令的頻率會愈來愈高

隨著用自然語言溝通的需求愈來愈多，「語音到文本」技術得到了極大的改進。像是改良版的 Siri 和 Amazon Echo 和或是 Google 語音 APP 的推出都是很好的真實案例。

AI 不是機器的興起，它是人類的機械化

雖然電影裡面經常出現人和機械結合的劇情，但是卻很少談到這些機器具有 AI。如 Elon Musk 已經開始談論關於 AI 與人體的合併，AI 的納米技術或許可以讓人類免於死亡！聽起來似乎很有發展性。

網路上的內容會被當做測試的基礎

為了變得更聰明，AI 需要大量的數據，模式和新的情況。許多內容平台已經引進了 AI 技術。比如說用戶的消費模式已經在 Spotify 的「每週發現」，Netflix 的「為您推薦」和 Facebook 裡面被記錄，你在這些平台做的篩選決策，將會成為這些 AI 用來學習的機會。

AI 正在學習減少偏見

當一群科學家認識到他們的 AI 會複製人類的偏見（認為「人 = 計算機程序員」或是「女人 = 家庭主婦」），他們正在打破這些偏見並且讓 AI 變得更中立。

科技會變得不可或缺... 或是消失

我們今年達到了人類依賴科技的頂峰。然而，今年也有許多對於技術過度應用的反動... 幾個「正向技術」的運動和相關產品的誕生，像是 Tristan Harris 的《Time Will Spent》，或是 Rand Hindi 的《Make Technology Disappear》，如 The Light Phone 和 Vinaya 手鐲。