Day 2 - AI 概論

為什麼會需要 AI

不會疲倦

人類在做重複性工作時，隨著時間的推移會感到疲倦。疲倦不僅會降低工作速度，還會影響準確性。然而，機器不會感到疲倦，只要有電力支持，無論運行多久，其速度和準確性都能保持穩定。

速度快

電腦能在瞬間完成數萬次的運算，相較於人類顯然速度快得多。這使得 AI 在處理大量數據或進行複雜計算時表現尤為出色。

成本低廉

人力成本隨著時間增加而升高，每月需要支付薪水。然而，機器只需一次性購置成本，之後的運行成本相對低廉，這使得 AI 成為經濟高效的選擇。

可以在危險環境下工作

有些環境對人類來說極其危險，如深海、核能設施或高溫環境。機器能在這些極端環境下正常工作，從而避免人類暴露於危險之中。

處理巨量資訊

人類難以處理過於龐大的資訊，而且記憶通常是模糊的。然而，機器不會有這樣的問題，一旦記住信息就會是清晰且準確的。這使得 AI 在數據分析和信息處理方面具有顯著優勢。

AI 發展史

1950-1970 符號邏輯

這一時期的 AI 研究主要集中於使用符號邏輯來定義思考邏輯。然而，由於很多事情的邏輯無法用電腦規則進行套用，這一階段並未取得成功。

1980-1990 專家系統

這一時期的 AI 研究通過向電腦提供大量某個領域的知識，讓電腦使用這些知識進行推論。然而，這種方式的靈活性和適應性不足，限制了其應用範圍。

2010-現在 機器學習

這一階段的 AI 研究著重於提供電腦大量數據，使機器在這些數據中自然學習其共通性，並做出結論。機器學習的方法使 AI 在很多領域取得了突破性進展。

AI 分類

強人工智慧

機器與人類具有相同的完整認知能力，但這種機器以目前的技術難以實現。

弱人工智慧

機器在特定領域內具備與人類相媲美的能力。例如，語音識別、圖像分類等應用。

機器學習方法

機器學習

範圍最大，讓機器具備學習能力的總稱。

神經網路

機器學習的一種，試圖模擬人類大腦的運作方式。

深度學習

神經網路的一種，利用更深層的結構，實現更高的精度。

監督式學習

在學習過程中，人會提供每一筆資料的正確答案。機器不斷調整，以拉近預測結果與正確答案的距離。

非監督式學習

機器只能看到資料本身，並不知道資料的具體意義。通過觀察樣本間的相似性進行學習。

強化學習

機器通過行為獲得結果（好或壞），在不知曉具體原因的情況下，通過不斷自我嘗試，找到能夠獲得良好結果的方法。