3S Market「全球智慧科技應用」市場資訊網:

什麼是人工智慧？ | 10 分鐘了解人工智能 (AI) |

人工智慧 (AI) 允許電腦從經驗中學習、適應新的輸入並執行類似人類的任務。你聽說過的大多數人工智慧案例 —— 從下棋機器到自動駕駛汽車 —— 都嚴重依賴於人工智慧的一個子領域 —— 深度學習。由於深度學習，電腦可以透過處理大量數據和辨識數據模式，來執行複雜的任務。當我們觀察到人工智慧在不同業務功能，和行業下的大量應用時，我們認為人工智慧仍有未被發現的潛力，並將在未來幾年內啟用新興技術。人工智慧的日益普及和我們將在本文中提到的市場成長支持了我們的想法。我們解釋了人工智慧是如何演變成更易於解釋和自我學習的。我們還概述了應用領域。

什麼是人工智慧？

外行的描述將是「一台可以在非常特定或廣泛的領域展示類人智慧的機器」。由於人工智慧系統目的在模仿人類智慧，我們可以透過將它們與同一領域中表現最好的人類，進行比較來衡量它們的有效性。牛津詞典將 AI 定義為：

電腦系統的理論和開發能夠執行通常需要人類智慧的任務，例如視覺感知、語音辨識、決策和語言之間的翻譯。

在將類人智慧引入機器的同時，開發人員希望實現幾個 AI 目標：

推理

知識表示

規劃

學習

自然語言處理

洞察力

行動和操縱物體的能力

為了實現這些目標，開發人員依賴於統計方法、運算智慧和傳統的符號 AI。

人工智慧的發展歷程是怎樣的？

作為一門創立於 1955 年的學科，人工智慧的建立是基於這樣一種假設：人類智慧「可以被如此精確地描述，以至於可以製造一台機器來模擬它」。人工智慧發展存在倫理（例如殺手機器人）和經濟（例如大規模失業）問題。人工智慧的發展軌跡並不順利，新功能採用新方法開發，不切實際的期望助長了失望。隨著人工智慧領域的擴展和電腦變得更加強大，企業可以自動化越來越多的任務。現在，機器可以成功地理解人類語言，在國際象棋和圍棋等策略遊戲、星際爭霸 II 等複雜的電腦遊戲、路線交付和自動駕駛車輛中勝過人類。

我們是否達到了人工智慧的巔峰？

人氣

儘管人工智慧自過去十年以來一直是一個熱門領域，但我們可能還沒有達到頂峰。根據 Google 趨勢，隨著我們不斷聽到有關 XAI、遷移學習和 AutoML等新興 AI 技術的消息，我們觀察到了一種不斷成長的趨勢。我們看到 2016 年之後對 AI 的興趣出現了更明顯的成長。以下是我們對 AI 日益成長的興趣的觀察。

深度學習的進步促成了這種城長趨勢

深度學習是人工智慧發展趨勢的主要驅動力之一。這項技術自 2012 年以來呈成長趨勢，並在 2018 年達到頂峰。深度學習算法，如神經網路，可能會幫助我們更多地發現 AI，並在幾年內為 AI 趨勢的成長做出貢獻。我們認為，近期趨勢的下降，是因為人們開始將興趣轉移到新技術上。然而，這種下降，並不意味著我們都完成了深度學習。

2016 年後新興技術也出現了類似的成長

當我們觀察新興技術時，我們觀察到 2016 年之後的明顯成長。在同一時期的人工智慧趨勢中，也可以看到類似的成長。這種情況表明，對新興技術的興趣確實隨著人工智慧的普及而增加。在 2016 年之前，我們看到 XAI、遷移學習和 AutoML 在相似的水準上，有穩定的興趣。隨著之後對這些技術的興趣增加，我們觀察到與遷移學習和 AutoML 相比，XAI 的受歡迎程度成長較小。另一方面，自我監督學習尚未被 Google Trends 確定為主題。我們觀察到這項技術，在 2018 年開始引起人們的興趣，並且從那時起呈上升趨勢。儘管自監督學習的普及率，遠低於其他新興人工智慧技術，但這可能是因為它比其他技術更新。我們可以預期它的受歡迎程度，將在幾年內增加。

投資

政府和投資者對人工智慧的投資，證實了許多市場參與者，相信人工智慧的長期潛力。Symphony AyasdiAI 的首席執行官 Ishan Manaktala 分享了政府對人工智慧的投資的以下內容。

中國已投資超過 1400 億美元，而英國、法國和歐洲其他國家已在人工智慧項目上投入超過 250 億美元。美國起步較晚，2019 年在人工智慧上的支出約為 20 億美元，到 2020 年將超過 40 億美元。

人工智慧投資總額高於政府投資。下面，我們收集了關於，已經和將要花費多少支出的不同資源。人工智慧市場預計到 2025 年將顯著成長。當我們與 2019 年的數據進行比較時，大多數資源估計到 2025 年市場規模將擴大 8 - 10 倍。

根據美國風險投資協會的數據，2019 年美國 AI 公司的投資為185 億美元。這個數字在 2018 年為 168 億美元。
Crunchbase表示，人工智慧新創公司在 2019 年籌集了 247 億美元，而 2018 年為 215 億美元。
畢馬威2019 年的一份報告預計，到 2025 年，人工智慧、機器學習和 RPA 的總支出將達到 2319 億美元。
ResearchandMarkets.com 的研究顯示， 2019年至 2025 年間，印度在人工智慧方面的總支出，將從 12 億美元增加到 118 億美元。
Tractica估計，到 2025 年，全球人工智慧軟體市場將達到 1260 億美元。

有哪些不同類型的人工智慧？

人工智慧可以透過以下不同方式進行分類：

應用範圍：狹義人工智慧和通用人工智慧（AGI）。狹義的 AI 系統，即當今使用的 AI 系統，專注於特定任務，例如從文檔中提取數據。實現可應用於各種任務的類人通用智慧 (AGI) 是該領域的長期目標之一。著名的人工智慧科學家預計，AGI 需要再過幾十年才能實現。
應用領域：狹義的人工智慧，應用專門用於不同的應用領域，如自然語言處理 (NLP)、電腦視覺、機器人 wtc。
開發中使用的技術方法：人工智慧領域借鑒了電腦科學、資訊工程、數學、心理學、語言學、哲學等領域。因此，出現了許多技術方法，例如遺傳算法、人工神經網路、決策樹、深度學習等。

最近有哪些進展？

通過受益於神經網路等算法，人工智慧技術正在發展，為企業提供更準確的洞察力。人工智慧的最新發展，使代理能夠實現特定的人類能力，如學習、視覺和語言處理。

電腦視覺的進展

電腦視覺的主要目標，是幫助電腦理解和實現人類的視覺感知。在這個領域，最令人興奮的發展是自動駕駛汽車。電腦視覺是允許自動駕駛汽車，在亞利桑那州錢德勒等特定試點地區，在沒有人類駕駛員的情況下，運行的關鍵技術之一。然而，當這些車輛無法以足夠的信心決定做什麼時，例如當他們遇到以前從未遇到過的情況時，這些車輛仍然依賴遠端操作員。自動駕駛汽車的一個重要方面，是它們將防止人員傷亡並節省時間。

自然語言處理 (NLP) 的進展

雖然 NLP 被用於許多領域，包括文章摘要、即時翻譯、垃圾郵件檢測和資訊提取，但最近的發展幫助虛擬助手錶現得更像人類。現在，由於 NLP 技術的進步，人工智慧驅動的數位人類助手開始被整合到公司中，以提高業務效率。你可以從我們的 AI 頭像文章中了解更多相關資訊。

可解釋的人工智慧 (XAI)

商業上最成功的人工智慧方法之一是深度學習。然而，深度學習就像一個黑盒模型，很難解釋為什麼深度學習模型會做出它們所做的預測。企業自然不喜歡在不了解其原因的情況下採取行動。為了解決這個問題，可解釋的 AI (XAI) 工具開始出現。XAI 工具為人類提供可視化和假設分析，以了解這些工具如何得出特定結論，並使人工智慧更易於人類理解。如果你有興趣，請隨時閱讀我們關於 XAI 的詳細指南。

深度學習

深度學習是基於，人工神經網路的更廣泛的機器學習技術家族。雖然人腦啟發了這種算法，但它通常用於其他技術，如電腦視覺、自然語言處理、社交網路過濾和生物資訊學，以提高它們的性能。一個真實的例子，是我們手機中的人臉辨識技術。人臉解鎖功能，可透過應用於電腦視覺的深度學習算法來實現。

強化學習（RL）

雖然人類從他們的經驗中學習被作為這種發展的一個例子，但強化學習在今天的機器人技術中得到了廣泛的應用。機器人、聊天機器人和 AlphaGo 等遊戲引擎，正在透過他們的經驗學習，並在他們的學習過程中，提高他們的表現。舉個例子，你可以看到一個機器人自學瞭如何自己走路。

遷移學習

遷移學習使用戶能夠從以前，用於不同任務的 AI 模型中，獲得的知識中受益。例如，為英語語音辨識開發的 AI 模型，可用於德語語音辨識。使用預訓練模型將節省時間，而不是從頭開始。此方法可應用於以下情況：

創建一個新的學習過程可能需要太長時間
該特定任務沒有足夠的數據

自我監督學習（自我監督）

自監督學習，也稱為自我監督，是一種自主學習技術，可以幫助數據科學家進一步了解人類智慧。學習模型透過獲取數據的一部分，來預測另一部分來訓練自己。結果，它自動生成標籤，消除了人類標記數據的必要性。如今，這種學習模型，被用於改進電腦視覺和自然語言處理算法，以完成 3D 圖像旋轉、失真或語音分析等任務。要了解有關 AI 技術當前狀態的更多資訊，請隨時閱讀我們的報導。

塑造人工智慧未來的趨勢是什麼？

人工智慧的未來將由主要的人工智慧用例塑造，這些用例將釋放巨大的經濟價值。其中一些用例是人工智慧助手、自動駕駛和人工智慧驅動的醫療診斷。此外，人工智慧技術將與混合現實（XR）、物聯網和雲端運算等其他新興技術結合使用。我們可以將推動人工智慧未來成長的因素分為三大類。

更多數據的可用性

數據可用性呈指數級成長，預計將繼續成長。隨著數據量的增加，人工智慧代理可以學習更多，更好地理解人類的能力。