技術分享 | 人工智慧(2): AI 的發展史與應用

AI發展史

人工智慧一詞在 1956 年正式被提出,至今已經有六十四年的歷史了!總共經歷了三次的熱潮,及兩次的低潮。至 2006 年起,人工智慧的技術一直延續至今日,並隨著各項技術的提升和相關應用的推廣,將人工智慧推上高峰。

第一次熱潮(1956~1960年):

人工智慧由1956年開始誕生,在一場「達特茅斯會議」正式提出「人工智慧」這個詞,並設下了關於人工智慧的目標。希望機器能夠模擬人類的各項行為,並可以創造、儲存及取用知識,將邏輯規則套用到事實與資料,以及具備提出問題、推理問題、做出決策等能力。

達特茅斯會議提倡了四個目標:

  1. 使用語言:加強理解語言能力,並會學習新的單字。
  2. 解決能力:可以解決只有人類才能處理的高難度問題。
  3. 可以自我改良:機器可以從失敗中學習,做到自我改良的提升能力。
  4. 擁有資料分析能力:可從得到的資料裡分析並找出特徵,同時產生新的概念。

在第一次熱潮的期間,主要是利用機器針對特定問題進行搜尋與推論並且予以解決,但是當時連人類都尚未能清楚理解自己的思考過程,因此機器的計算能力十分有限,到了1960年代就冷卻了下來。

第二次熱潮(1980~1990年):

隨著電腦的普及化,科學家將大量的知識輸入電腦中,以專家知識作為規則,開發出一套「專家系統」,讓電腦可以依照使用者的問題判斷答案。但是應用範疇十分有限,加上技術不純熟,因此在1990年左右,這股熱潮因此逐漸消退。

第三次熱潮(2000年~現在):

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,「大數據」、「機器學習」、「深度學習」隨之興起,並為人工智慧建立了很好的發展基礎。其中機器學習是經由大數據來訓練電腦進行「學習」的動作;深度學習是經由大數據來訓練電腦自行進行「理解」的動作,稱為「特徵表達學習」。

這次的人工智慧發展,科學家僅告訴機器如何識字,然後餵入大量的資料,也就是大數據,接著讓機器自己判斷,於是神奇的事發生了!機器找出了自己的規則、然後進行學習,因此人工智慧有了一大躍進,而且不斷地在進步!

人工智慧的應用

人工智慧已經充斥在我們的生活,不論是交通、娛樂、醫療等,到處都可見人工智慧的蹤影,以下列舉各領域上的應用。

日常生活上應用

Amazon 推出的 Amazon Go 無人超市,使用者只需下載 App,走進這家超市,就可以直接拿走商品,節省了排隊結帳的時間成本,是人工智慧時代的全新體驗。而最常見的就是智慧型手機,AI 在手機內有許多應用,像是 Apple 推出的 Siri 功能,可以呼叫 Siri 協助我們各種事物,比方說搜尋、打電話等,節省我們直接打字及撥打的時間。甚至可以記錄與統計個人日常習慣、行程提醒、地圖導航、健康管理等,使生活更省時有效且便利。

傳統產業的應用

在台灣傳統產業下,近年來也漸漸結合AI的技術,比如說計程車業與水泥工廠。計程車業透過使用AI相關技術連結大數據,進行顧客的需求量預測與智慧推薦等,讓司機更能有效掌握乘客需求,進而有效利用與分配時間。在過去需要大量人力的水泥廠,如今也導入了AI的技術,透過電腦的監控及預警功能,達到節省人力成本,以及精準判斷的成效。

行銷產業的應用

比如說我們常在社群網路上的廣告投放、串流影音網站的推薦(如:YouTube 推薦影片、Spotify 精選,或是聊天機器人),都是 AI 技術被運用在做對消費者的消費預測,或根據消費者的消費歷史紀錄、觀看紀錄等,做個人化推薦。達到自動地幫助行銷業者推動內容,做出更精準的行銷策略。

醫療產業的應用

近年來在醫療上備受關注,期許能應用AI技術協助醫療診斷,提高疾病判斷率及提升醫療服務效率,以降低死亡人數。其中 AI 醫療影像診斷,越來越廣泛地應用到各種疾病的臨床診療中,使診斷的時間縮短,更快速呈現數據統計資料,以便直接有效幫助臨床醫療與照顧,避免人工過勞、精簡醫療成本。

銀行業的應用

透過人工智慧技術,可以幫助銀行在欺詐行為發生時對其進行識別。使用異常檢測模型進行交易行為監控,提供可疑客戶之行為預測。有效地幫助銀行業預測潛在風險,降低損失成本。

SOURCEZONES 的 AI 應用

SourceZones 源鋭資訊透過打造資訊擴充機制,收集多方資料源,降低資料誤差率。再經過機器學習、人工智慧、自然語言理解以及知識圖譜等技術,克服企業對資料整合的困難度,並進行分析處理。

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。我們利用視覺化分析,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

相關文章

參考資料

對「技術分享 | 人工智慧(2): AI 的發展史與應用」的一則回應

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Google photo

您的留言將使用 Google 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s