阿摩線上測驗
登入
阿摩線上測驗
登入
5. 考試易混淆的觀念澄清 在準備iPAS考試時，有幾個觀念是學員經常混淆的，在此特別加以釐清： 5.1 AI、機器學習、深度學習的層次關係 錯誤觀念：機器學習就是人工智慧，深度學習就是機器學習。 正確觀念：三者是包含關係。AI是一個廣泛的領域，ML是AI的一種實現方式，而DL則是ML的一種先進實現方式。簡單來說，所有深度學習都是機器學習，所有機器學習都是人工智慧，但反之則不成立。 5.2 弱AI與通用AI的界線 錯誤觀念：功能越來越強大的弱AI，就快變成通用AI了。 正確觀念：弱AI的再多進步，也無法跨越到通用AI。弱AI的本質是「專精於特定任務」，它的能力邊界是固定的；而通用AI的本質是「通用學習與適應」，能夠像人類一樣學習任何任務。這是一個本質上的區別，而非量變的累積。 5.3 符號主義與連結主義的根本差異 錯誤觀念：連結主義是新技術，符號主義已經過時了。 正確觀念：兩者是不同的AI流派，各有其適用場景。符號主義的優勢在於邏輯推理與可解釋性，在某些需要嚴謹決策的領域（如醫療診斷）仍有應用價值；而連結主義的優勢在於處理複雜的非結構化數據。兩者未來甚至可能融合，成為混合AI。 6. 本單元總結 AI 的定義：模擬人類認知能力的技術。可以從「模仿人類思維」或「執行智慧任務」的角度來理解。 AI 的三種分類： 弱 AI：專精於特定任務，是目前主流，如語音助理。 通用 AI：具備人類般的學習與應用能力，仍是理論階段。 超級智慧：在所有層面都超越人類，屬於科幻概念。 AI 相關概念：AI 包含機器學習 (ML)，機器學習包含深度學習 (DL)。三者是層層遞進的關係。 AI 的應用：遍布於自然語言處理、電腦視覺、語音辨識和推薦系統等領域。 大家好！我是今天的 AI 課程講師，很高興能和大家一起探索 AI 的世界。在上一堂課，我們聊到了 AI 如何模仿人類的思考能力。今天，我們將更進一步，從更宏觀的角度來理解 AI 到底是什麼，以及它在我們生活中扮演了哪些角色。 今天的課程主題是：「AI 的定義與分類」。讓我們一起來揭開 AI 神秘的面紗。 課程專有名詞解說 弱 AI (Narrow AI)：這是目前所有 AI 技術的實際應用。它專精於單一、特定的任務，例如：下棋、人臉辨識、語音助理。它只會做它被設計來做的事情，無法跨領域學習。 通用 AI (Artificial General Intelligence, AGI)：這是一種理論中的 AI。它具備像人類一樣的通用學習與應用能力，能處理不同領域的知識，並像人類一樣舉一反三。目前還沒有實現。 超級智慧 (Artificial Superintelligence, ASI)：這是比人類智慧在所有層面都更強大的 AI，包括科學創造力、社交技能和一般智慧等。這屬於科幻概念，離我們還很遙遠。 自然語言處理 (Natural Language Processing, NLP)：讓電腦能夠理解、處理和生成人類語言的技術。例如：聊天機器人、自動翻譯。 電腦視覺 (Computer Vision)：讓電腦能夠「看見」並「理解」圖像和影片的技術。例如：人臉辨識、自動駕駛。 語音辨識 (Speech Recognition)：將人類語音轉換為文字的技術。例如：語音輸入法、智慧音箱。 推薦系統 (Recommendation System)：根據用戶的歷史行為和偏好，推薦可能感興趣的內容。例如：Netflix 推薦影片、YouTube 推薦短片。 AI 的定義與分類：詳細解說與生活舉例 1. AI 的定義：從「模仿思維」或「執行智慧任務」的角度理解 AI 本身是一個相當寬泛的詞，我們可以從兩個角度來理解它： 模仿人類思維：就像上一堂課我們聊到的，AI 試圖模仿人類的學習、推理、解決問題、感知和語言理解等認知功能。 生活舉例：當我們用 Google Maps 規劃路線時，它不是隨機給出一條路，而是透過分析即時交通、路況、距離等複雜數據，找到達成目標（抵達目的地）的最佳路徑。這就是對人類「解決問題」思維的模仿。 執行智慧任務：更實用、更貼近我們生活的角度，是看 AI 能否完成那些通常需要人類智慧才能完成的任務。 生活舉例：想像一下，你對著 Siri 說：「幫我發簡訊給媽媽說我晚點回家。」Siri 能夠理解你的語音指令，並執行發送簡訊這個任務。這個任務需要理解語言、辨識聲音等「智慧」行為，因此我們稱 Siri 具備 AI 能力。 2. AI 的三種分類：弱 AI、通用 AI、超級智慧 弱 AI (Narrow AI) 詳細解說：弱 AI 的特點是專一。它只被設計來執行特定、單一的任務，而且通常能做得比人類更好、更快。你身邊所有的 AI 應用，從語音助理、人臉辨識、垃圾郵件過濾器到 Netflix 推薦系統，全部都屬於弱 AI 的範疇。 生活舉例： 棋類遊戲 AI (如 AlphaGo)：它在圍棋這個任務上能打敗世界冠軍，但你讓它去開車，它完全不知道該怎麼辦。它只會下棋，不會做其他事。 智慧音箱 (如 Alexa)：它能播放音樂、回答天氣問題、設定鬧鐘，但如果問它一個超出它訓練範圍的問題，例如：「你覺得人生有什麼意義？」，它很可能只能回答：「抱歉，我無法回答這個問題。」 通用 AI (Artificial General Intelligence, AGI) 詳細解說：通用 AI 的目標是創造出具備人類智慧的 AI，它能像人類一樣跨領域學習，並且能將一個領域的知識應用到另一個領域。例如，一個通用 AI 可能在學會下棋後，也能舉一反三地學會開車。 生活舉例：目前通用 AI 尚未實現，它仍是 AI 研究者的長期目標。你可以想像成電影中的終結者（不是反派的那一面），它能夠自主學習、獨立思考，並應用知識解決任何問題。 超級智慧 (Artificial Superintelligence, ASI) 詳細解說：超級智慧是比人類在所有方面都更聰明的 AI。它在科學創造力、解決問題的能力、社交技能等各方面都遠遠超越人類。 生活舉例：這是一個科幻概念。在許多科幻電影中，如《魔鬼終結者》中的天網 (Skynet)，便是超級智慧的一種展現。它能夠自主意識，並做出超越人類理解的決策。 3. AI 相關概念：AI 包含 ML，ML 包含 DL 這三者是一個層層遞進的關係，我們可以把它們想像成一個同心圓： 最外圈是 AI：這個大概念包含了所有讓機器像人類一樣思考或完成智慧任務的技術。 中間是機器學習 (ML)：它是實現 AI 的一種主要方式，特別是透過數據學習來完成任務。 最內圈是深度學習 (DL)：它是機器學習的一個子集，專門用來處理更複雜的任務，尤其在圖像和語音辨識方面表現卓越。 生活舉例： 假設我們要讓電腦辨識貓和狗： AI (人工智能)：這是我們的終極目標。 機器學習 (ML)：我們可以用機器學習的方法來實現，例如，給電腦數千張貓和狗的圖片，讓它從中學習並區分兩者。 深度學習 (DL)：如果我們發現圖片數據非常龐大，而且有很多複雜的細節，我們可能會選擇使用深度學習這種更強大的機器學習方法來訓練模型，以達到更高的準確度。 4. AI 的應用：無所不在的 AI 自然語言處理 (NLP)： 生活舉例：Google 翻譯、ChatGPT 這類聊天機器人，以及智慧客服機器人。它們能理解人類的文字並給予回應。 電腦視覺 (Computer Vision)： 生活舉例：手機人臉解鎖、自動駕駛汽車辨識路標、工廠的自動化品管檢查。 語音辨識 (Speech Recognition)： 生活舉例：語音輸入法、智慧音箱、車載語音助理。 推薦系統 (Recommendation System)： 生活舉例：Netflix 推薦你可能喜歡的電影、Spotify 推薦適合你聽的歌曲、蝦皮推薦你可能想買的商品。 今天的課程就到這裡，大家有沒有發現，其實 AI 已經默默地融入了我們生活的方方面面。大家對今天的內容還有什麼疑問嗎？或者，你們能舉出更多例子，來說明弱 AI 應用在生活中的哪些地方呢？