人工智慧是什麼？
講到人工智慧，你想到什麼？一般人對於人工智慧的想像，可能是透過好萊塢電影或是你曾經看過的科幻小說。但是人工智慧其實已經在我們日常生活中了，比如說聊天機器人、人臉辨識系統或是影像辨識智能監控，都是人工智慧時代下對於生物特徵演算的產物。
人工智慧，是指由人造機器所表現出來的智慧。為了讓機器/電腦具備和人類一樣的思考邏輯與行為模式，透過訓練來開發出的新科技。其討論研究的範圍很廣，包括：推理和解決問題、知識表示法、規劃與學習、機器學習、深度學習、自然語言處理等。
執行過程
在現今資訊爆炸的時代，我們對於「人工智慧」這個名詞都不陌生。但人工智慧究竟是如何實踐的呢？需要透過三大關鍵區塊：大數據、機器學習、冠軍模型演算法。大數據是流程中的原物料，透過機器學習等各種演算法，產出最佳解答。因此大數據資料非常重要，如果資料的正確性越高且經的起反覆的驗證，那麼人工智慧所產出的系統就會愈準確。
人工智慧的五大關鍵字
演算法（Algorithm）
演算法在人工智慧的運用上指的是「程式的資料處理程序」，演算法的效能會直接影響到人工智慧的性能。當程序越有效率，人工智慧就能夠更快速、更高效地做運算。通常被應用在求解最佳化（Optimization）、資料搜尋（Search）、人工智慧（Artificial Intelligence）及機器學習（Machine Learning）等領域上。
機器學習（Machine Learning，ML）
機器學習是一種人工智慧可以自我學習的技術。透過處理並學習大量的原始資料，再透過演算法抽取特徵值，建構出學習模型，因此它們擁有大量的知識。此外，機器學習還可以往下延伸探討，包括深度學習、非監督學習、監督式學習、以及半監督式學習以及強化學習等。
深度學習（Deep Learning，DL）
深度學習是機器學習的分支，可以自己擷取出資料的特徵，以擷取的特徵為基礎，加上大量資料的過濾與學習，進而提升辨識的精確程度。例如，人臉辨識、搜尋引擎、圖像辨識、生物特徵識別、語音與手寫識別等等。深度學習在影像辨識及語音辨識方面特別的出色。
大數據（Big Data）
大數據是在進行人工智慧開發時的基礎，機器學習是中間的技術。我們利用大量的統計資料，讓機器/電腦根據這些規則展現出擬似人類智慧的行為，來達到我們的訓練目的，就是「現在」的人工智慧。
自然語言處理（Natural language processing，NLP）
自然語言處理是為了讓機器/電腦擁有理解人類語言的技術，透過複雜的數學模型及演算法來讓機器/電腦去認知、理解並運用人類的語言。機器翻譯就是 NLP 應用的一種，我們將需要被翻譯的文本輸入進所謂的 NLP 系統，而背後的演算法以及模型就會開始辨識、理解、以及生成等流程，最後再輸出被翻譯好的目標語言資訊。
自然語言理解（Natural Language Understanding，NLU）
自然語言理解的目的在於讓電腦能夠讀懂我們所輸入的資訊，讓其理解文本、語言並提取資訊，以幫助文本分類、語法分析、資訊搜索等下游任務的執行。
未來的挑戰
人工智慧在過去的五年間席捲全球的各個產業，不管是在金融、軟體產業、以及製造業等帶來很大的影響，不能否定的是人工智慧確實改變了我們的生活。在未來的發展，許多產業都面臨不少問題，其他包括缺乏實戰人才、知識基礎的不足、產學之間有一定程度的鴻溝。要如何將人工智慧的知識與技術帶到業界，將會是未來一大挑戰。
SourceZones 如何做人工智慧
SourceZones 整合各類的資料源，運用獨家的「機器學習」及「人工智慧」進行事件類型識別。將識別好的事件和關聯主體跟知識圖譜做關聯，再利用「知識圖譜」深度挖掘法人的關聯關係。以特定法人為起點，直觀地展示企業在多元的資料維度中連結人物、事件、地點和時間等資訊的整體關聯關係。將繁雜散落的資訊梳理成一目瞭然的圖譜，也就是我們的「知識圖譜關聯圖」。
SourceZones 團隊自2017年來累積豐富的實務經驗，打造出領先的技術架構，並持續針對市場需求做優化。以提供完善的分析系統給企業使用，並評估回報有風險的資訊，達到以下幾個特點：
- 強化客戶歷史背景認知
- 上下關係分析與探尋業務市場機會
- 監控突發市場新聞加強銀行反應能力
- 日夜監控外部資訊及演算分析關係圖譜
SourceZones 協助您的企業
SourceZones 利用視覺化分析，將數據轉換成可使用的資料，讓數據具有影響力！我們提供了關鍵績效，且具有指標性的概覽圖，協助企業有效管理整體工作流程和監管活動，達到以下幾個優勢：
- 早期預警潛在風險
- 提高系統辨識精準度
- 節省人力成本
- 提升資料品質
對「技術分享 | 人工智慧（1）： AI 是什麼？」的一則回應