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