阿摩線上測驗
登入
阿摩線上測驗
登入
AI 是一種透過電腦系統模仿人類認知功能的技術，這些功能包括： 學習：從數據中自動找出規律與模式。 推理：根據已知資訊進行邏輯推斷，得出結論。 解決問題：找到達成目標的最佳路徑。 感知：透過感應器（如攝影機、麥克風）理解環境。 語言理解：讀懂文字或聽懂語音中的含義。 ? 生活中的例子： 語音助理 (如 Siri、Alexa)：它能夠聽懂您「播放音樂」的語音指令，並執行相應動作。這是對語言理解的模仿。 人臉辨識：手機透過鏡頭辨識您的臉部特徵並解鎖，這是對人類視覺感知能力的模仿。 課程專有名詞解說 人工智能 (Artificial Intelligence, AI)：這是一種讓電腦系統模仿人類認知功能的技術。簡單來說，就是讓機器像人一樣去思考、學習和行動。 機器學習 (Machine Learning, ML)：這是 AI 的一個重要分支。它的核心思想是「讓機器從數據中學習」。與其寫下每一條規則，不如提供大量的資料讓機器自己找出其中的模式和規律。 深度學習 (Deep Learning, DL)：這是機器學習的一個子領域，它利用一種稱為「神經網絡」的複雜模型來處理數據。這些網絡就像是模仿人腦神經元連接的方式，能夠處理更複雜的任務，例如圖像辨識和自然語言處理。 神經網絡 (Neural Network)：一種模仿人腦神經結構的運算模型。它由許多節點（神經元）組成，這些節點層層相連，可以從數據中學習並進行預測。 自然語言處理 (Natural Language Processing, NLP)：這是 AI 領域中，專門處理和理解人類語言的技術。例如，語音助理、自動翻譯軟體、智慧客服機器人等，都屬於 NLP 的應用。 電腦視覺 (Computer Vision)：這是 AI 的另一個分支，讓電腦能夠像人類一樣「看見」和「理解」圖像與影片。例如，人臉辨識、自動駕駛車辨識路標等，都屬於電腦視覺的範疇。 從人類思維看 AI 模仿的五大認知功能 其實，AI 並沒有我們想像中那麼遙遠，它就像一個聰明的學生，正在努力模仿我們人類的思考方式。 今天，我們的課程主題是：「從人類思維的角度：模仿認知功能」。AI 為什麼能這麼厲害？因為它能像我們一樣，去學習、推理、解決問題、感知，甚至理解語言。這五大能力，就是我們今天課程的重點。 1. 學習 (Learning) 詳細內容解說 人類的學習：我們學習新事物的方式，是透過經驗。例如，當我們第一次看到貓時，可能不知道那是什麼，但當爸媽告訴我們「這是貓」，並指出貓有毛茸茸的身體、四隻腳和長長的尾巴，下次再看到類似的動物，我們就能根據這些特徵判斷它是不是貓。 AI 的學習：AI 也是一樣。我們不會把「貓的定義」一條一條寫進程式碼裡，而是提供數以萬計的貓照片（數據），並告訴 AI 這些都是「貓」。AI 會從這些海量數據中，自動找出「貓」的共通模式，例如眼睛的形狀、耳朵的位置、身體的輪廓等。當它看到一張從未見過的照片時，就能根據這些模式判斷這是不是貓。這就是 AI 的機器學習能力。 生活舉例 Netflix 推薦系統：當你觀看完幾部喜劇片後，Netflix 會開始推薦更多你可能會喜歡的喜劇片。這是因為它從你的觀看歷史中學習了你的喜好，並自動找出你的偏好模式。 2. 推理 (Reasoning) 詳細內容解說 人類的推理：我們根據已知的資訊進行邏輯判斷。例如，我們知道「所有人都會死」，也知道「蘇格拉底是人」，所以我們能推論出「蘇格拉底會死」。 AI 的推理：AI 也能進行類似的邏輯推斷。它能分析大量的數據和規則，並從中得出新的結論。這項能力在決策支援和專業系統中非常重要。 生活舉例 醫療診斷系統：醫生輸入病人的症狀、檢查報告等資訊，AI 系統會根據這些數據和過往數百萬個病例的經驗，推理出最有可能的疾病，並給出診斷建議，協助醫生做出更精準的判斷。 3. 解決問題 (Problem Solving) 詳細內容解說 人類的解決問題：我們為了達成某個目標，會尋找並選擇最佳路徑。例如，我們要從台北到高雄，可能會比較搭高鐵、開車、搭客運等不同方式的時間、花費與舒適度，然後選擇最適合自己的方案。 AI 的解決問題：AI 也能夠在複雜的環境中，透過運算找到達成目標的最優解。它會考量所有可能的路徑和限制條件，並計算出最有效率的方案。 生活舉例 導航系統 (如 Google Maps)：當你設定目的地後，導航系統會立刻找到最快的路線。它不僅考慮距離，還會即時分析交通狀況、施工路段、事故等因素，幫你規劃出最省時的行車路徑。 4. 感知 (Perception) 詳細內容解說 人類的感知：我們透過五官來感知周遭環境，例如用眼睛看見事物、用耳朵聽見聲音。這些感官資訊傳到大腦，讓我們能理解這個世界。 AI 的感知：AI 則透過感應器（如攝影機、麥克風、雷達）來模擬人類的感官能力，這就是電腦視覺和語音辨識技術的核心。它能將這些感官數據轉換成電腦可以理解的數位資訊。 生活舉例 人臉辨識解鎖手機：當你拿起手機，鏡頭會感知你的臉部特徵，並與儲存的資料比對，確認是你本人後自動解鎖。這就是對人類視覺感知能力的模仿。 自動駕駛汽車：車上的攝影機和感應器會感知路上的行人、車輛、紅綠燈和路標，並將這些資訊傳給車子的「大腦」，讓車子做出相應的反應。 5. 語言理解 (Language Understanding) 詳細內容解說 人類的語言理解：我們不僅能聽懂或讀懂文字，還能理解背後的情感、語氣和語境。例如，當朋友說「今天天氣真好啊！」，如果外面正在下大雨，我們就知道這是一句反話。 AI 的語言理解：AI 透過自然語言處理 (NLP) 技術，能夠分析文字或語音中的含義。雖然目前還很難完全掌握人類語言中的微妙之處，但它已經能執行許多語言相關的任務。 生活舉例 語音助理 (如 Siri、Alexa)：你對著手機說「嘿 Siri，幫我設定早上七點的鬧鐘」，它能理解你的語音指令並執行。這就是對人類語言理解能力的模仿。 課程到這裡，大家有沒有發現，其實 AI 就像是個學得很快、而且很厲害的學生，它正在不斷地學習人類的思考方式，並應用在我們生活的各個角落。 大家對今天的內容還有什麼疑問嗎？或者，你們覺得生活中還有哪些地方，能看到 AI 模仿人類思考的例子呢？ 2. AI 的發展分類：從專精到超越 AI 的發展可以分為三個循序漸進的階段，這代表著AI能力與智慧的遞增。 2.1 弱 AI (Narrow AI) / 狹義 AI 定義：弱 AI 是指只能在特定領域或單一任務上表現出色的AI。它不具備自我意識、情感或真正的理解能力，只是依照預設的演算法執行任務。 特徵： 專業化：只在單一領域有強大能力。 無意識：無法進行跨領域的思考或學習。 目前主流：我們日常生活中接觸到的大多數AI都是弱AI。 ? 生活中的例子： 自動駕駛汽車：它能識別紅綠燈、行人與其他車輛，但無法寫一篇新聞報導。 AlphaGo：一個專門下圍棋的AI，它在圍棋領域無人能敵，但若要它下象棋，則完全無能為力。 Google 翻譯：它能將一種語言翻譯成另一種，但並不真正理解語言背後的文化與情感。 3. AI 與相關概念的區別：層層遞進的關係 學員在學習AI時，常會將其與其他概念混淆。最核心的關係是：AI、機器學習、深度學習三者之間是包含與子集的關係。 ? 圖示說明： 這三者的關係就像是： AI (Artificial Intelligence)：是所有水果的總稱。 ML (Machine Learning)：是蘋果，是水果的一種。 DL (Deep Learning)：是富士蘋果，是蘋果的一種。 3.1 核心概念比較表 概念 定義 核心特點 典型技術/應用 人工智慧 (AI) 讓機器模擬人類智慧的科學與技術 總稱，涵蓋所有相關領域 搜尋引擎、語音助理 機器學習 (ML) 讓機器從數據中自動學習，無需明確編程 AI的一個子集，核心是「學習」 推薦系統、垃圾郵件過濾 深度學習 (DL) 使用類神經網路進行學習 機器學習的一個子集，擅長處理複雜數據 圖像識別、自然語言處理 4. AI 技術的多元應用：走入生活 AI的應用已深入我們生活的各個層面，從簡單的推薦系統到複雜的醫療診斷，幾乎無處不在。以下是幾個常見的應用領域： 4.1 自然語言處理 (NLP) 定義：讓電腦能夠「理解、解釋和生成」人類語言的技術。 核心技術：詞性標註、語法分析、情感分析、機器翻譯等。 生活例子： 語音辨識：將語音轉換為文字 (例如：語音輸入法、語音助理)。 機器翻譯：將一種語言翻譯成另一種語言 (例如：Google 翻譯)。 聊天機器人：與使用者進行對話 (例如：線上客服)。