完整解析AI人工智慧：3大浪潮＋3大技術＋3大應用

admin

所謂人工智慧（Artificial Intelligence；縮寫：AI），是指以人工方式來實現人類所具有之智慧的技術。只不過，目前能實現與人類智能同等的技術還不存在，世界上絕大多數的人工智慧還是只能解決某個特定問題。
本篇文章是在從幾本AI的相關書籍，所概略統整出的架構，希望讓接觸AI的讀者，能透過333口訣，快速理解AI到底是什麼。

• 第一次AI浪潮
  

第一次AI浪潮起於1950～1960年，止於1980年代。由於出現在網路之前，因此又被稱為「古典人工智慧」。這時期出現的「符號主義」與「聯結主義」，分別是日後「專家系統」與「深度學習」的雛形。只不過，雖然當時的成果已能解開拼圖或簡單的遊戲，卻幾乎無法解決實用的問題。

• 第二次AI浪潮
  

第二次AI熱潮伴隨著電腦的普及，出現在1980年代。這時期所進行的研究，是以灌輸「專家知識」作為規則，來協助解決特定問題的「專家系統」（Expert system）為主。然而，縱使當時有商業應用的實例，應用範疇卻很有限，熱潮也因此逐漸消退。

• 第三次AI浪潮
  

第三次AI浪潮則出現於2010年代，伴隨著高性能電腦、網際網路、大數據、感測器的普及，以及計算成本的下降，「機器學習」隨之興起。所謂機器學習（Machine leaning），是指讓電腦大量學習資料，使它可以像人類一樣辨識聲音及影像，或是針對問題做出合適的判斷。

二、AI的三大技術

快速瞭解了AI的發展史後，我們來看看當代人工智慧的三大代表性模型：遺傳演算法、專家系統、類神經網路。

• 遺傳演算法
  

遺傳演算法（Genetic algorithm；GA），又稱為演化式演算法（Evolutionary algorithm），是受達爾文演化論所啟發的人工智慧。它透過「適者生存」的規則，將「優秀的個體」想像成「好的答案」，透過演化的方式來找出最佳解。

• 專家系統
  

專家系統（Expert system），則是針對預設的問題，事先準備好大量的對應方式。它應用在很多地方，尤其是疾病診斷。只不過，專家系統只能針對專家預先考慮過的狀況來準備對策，它並沒有自行學習的能力，因此還是有其侷限性。

• 類神經網路
  

從第三次AI浪潮所興起的機器學習（Machine learning）有許多種手法，其中最受矚目的，莫過於「深度學習」（Deep learning）了。所謂深度學習，是透過模仿人腦的「類神經網路」（Neural network）來學習大量資料的手法。

若你去觀察腦的內部，會發現有大量稱為「神經元」的神經細胞彼此相連。一個神經元從其他神經元那裡接收的電氣信號量達某一定值以上，就會興奮（神經衝動）；在某一定值以下，就不會興奮。

興奮起來的神經元，會將電器信號傳送給下一個相連的神經元。下一個神經元同樣會因此興奮或不興奮。簡單來說，彼此相連的神經元，會形成聯合傳遞行為。我們透過將這種相連的結構來數學模型化，便形成了類神經網路。

我們可以發現，經模型化的的類神經網路，是由「輸入層」（Input layer）、「隱藏層」（Hidden layer）及「輸出層」（Output layer）等三層所構成。另外，學習資料則是由輸入資料以及相對應的正確解答來組成。

以影像辨識為例，為了讓AI學習類神經網路的模型，首先必須先將影像學習資料分割成像素資料，然後將各像素值輸進輸入層。

接受了資料的輸入層，將像素值乘上「權重」後，便傳送給後方隱藏層的神經元。隱藏層的各個神經元會累加前一層所接收到的值，並將其結果再乘上「權重」後，傳送給後方的神經元。最後，經由輸出層的神經元的輸出，便可得到影像辨識的預測結果。

為了讓輸出層的值跟各個輸入資料所對應的正解資料相等，會對各個神經元的輸入計算出適當的「權重」值。

這個權重的計算，一般是使用「誤差倒傳遞演算法」（Error Back Propagation），使用與正解資料之間的誤差，從輸出層逆推回去。透過各「權重」的調整，來縮小輸出層的值與正解資料的值之間的誤差，以建立出完成學習的模型。

由於過去類神經網路之間進行傳遞的權重值難以最佳化，因此曾有多數研究者對類神經網路的研究持否定態度。直到2006年，辛頓（Geoffrey Hinton）開發出自動編碼器（Autoencoder）的手法，才突破了這項瓶頸。

自動編碼器是指，在類神經網路的輸入層和輸出層使用相同資料，並將隱藏層設置於二者之間，藉此用來調整類神經網路之間的權重參數的一種手法。利用以自動編碼器所獲得的類神經網路權重參數值進行初始化後，便能應用「誤差倒傳遞演算法」，提高多層類神經網路的學習準確度。

透過類神經網路，深度學習便成為了「只要將資料輸入類神經網路，它就能自行抽出特徵」的人工智慧，而這又稱為「特徵學習」（feature learning）。

深度學習最擅長的，是它能辨識圖像資料或波形資料這類無法符號化的資料。自2010年代以來，如Google、Microsoft及Facebook等美國知名IT企業，都開始著手深度學習的研究。例如，蘋果「Siri」的語音辨識，Microsoft搜尋引擎「Bing」所具備的影像搜尋等等，而Google的深度學習專案也已超過1,500項。

至於深度學習如此飛躍的成長，要歸功於硬體設備的提升。圖形處理器（GPU）大廠輝達（NVIDIA）利用該公司的圖形卡來提升深度學習的性能，提供程式庫（Library）和框架（framework）產品，並積極開設研討課程。另外，Google也公開了框架「TensorFlow」，可以將深度學習應用於資料分析。

三、AI的三大應用

AI應用領域主要可分為語音辨識、影像辨識以及自然語言處理等三部分。

• 語音辨識
  

語音辨識部分，透過多年來語音辨識競賽CHiME的研究，已經有了等同人類的辨識度（CHiME，是針對實際生活環境下的語音辨識，所進行評測的國際語音辨識競賽）。此外，Apple、Google、Amazon也相繼提出可應用於日常生活的服務，因此其成熟度已達到實用等級。

• 影像辨識
  

影像辨識部分，雖然一般圖片的辨識已有同等於人類的辨識率，但動態影像的辨識準確度卻仍比不上人類，目前還在進行各種演算法的測試。其中，影像辨識目前最火熱的應用場域非自動駕駛莫屬了。

整個汽車、資通訊產業都正朝著自駕車的方向努力，例如Google持續進行自動駕駛的研究，TOYOTA也在美國設立豐田研究所，可以知道現階段的開發已十分接近實用化。因此，我們可判斷目前影像辨識的成熟度是介在研究和實用等級之間。

• 自然語言處理
  

自然語言處理（Natural language processing；NLP），是試著讓人工智慧能理解人類所寫的文字和所說的話語。NLP首先會分解詞性，稱之「語素分析」（morphemic analysis），在分解出最小的字義單位後，接著會進行「語法分析」（syntactic analysis），最後再透過「語意分析」（semantic analysis）來瞭解含意。

輸出部分，自然語言處理也與生成文法（generative grammar）密切相關。生成文法理論認為，只要遵循規則即可生成文句。這也代表著，只要把規則組合在一起，便可能生成文章。

在自然語言處理中，最具代表性的應用就是「聊天機器人」（Chatbot）了，它是一種如真人般，可透過文字訊息與人對話的程式。2016年，臉書推出了「Facebook Messenger Platform」，而Line也推出了「Messaging API」，因而促使這種搭載NLP技術的聊天機器人成為矚目的焦點。

另外，由IBM所開發的華生（IBM Watson），也是應用NLP的人工智慧而成。華生可以從維基百科等語料庫中抽取知識，學習詞彙與詞彙之間的相關性。現在，就連軟體銀行（SoftBank）機器人Pepper也是搭載華生系統。

只不過，由於在日常對話中，我們很常省略詞句，也不一定會提及時空背景，因此當前的Chatbot尚無法與人類進行天花亂墜的對話。所以說，現行多數的Chatbot廠商，還是會限定對話的環境與應用領域。