什麼是人工智能（AI）？

人工智能（AI）是計算機科學的一個分支，旨在讓機器能夠執行通常需要人類智能的任務，如學習、推理、問題解決、模式識別和決策。簡單來説，AI是一種從數據中學習並利用所學進行預測、決策或生成新內容的軟件，而無需為每個任務進行顯式編程。

如今，AI驅動着從垃圾郵件過濾器和推薦引擎到ChatGPT等聊天機器人和圖像生成器的一切。它運用多種技術，最顯著的是機器學習和生成式AI，並且已經從研究實驗室進入了人們日常使用的產品中。

斯坦福大學的計算機科學家李飛飛在《斯坦福新興技術評論》中將AI與近代史上最具變革性的技術並列：“AI是一項基礎技術，正在推動其他科學領域的發展，如同電力和互聯網一樣，有潛力改變社會的運作方式。”AI的應用正在各個行業迅速擴展，從醫療保健和金融服務到零售和製造業，且步伐正在加快。

AI如何工作？

大多數現代AI通過從大量數據中學習模式，然後將這些模式應用於新情況。基本流程包括：收集數據、訓練模型、測試和優化、進行預測，以及持續學習和改進。現代AI訓練也涉及規模問題：前沿模型在數萬億文本標記上訓練，運行在數萬個GPU上，成本高達數億美元。大多數組織不會從頭訓練模型，而是通過微調現有的基礎模型來適應特定任務或領域。

AI系統的質量很大程度上取決於其學習的數據質量：如果訓練數據不完整、有偏見或質量低，AI輸出也會如此。

AI的四種類型

研究人員通常根據能力將AI分為四類：反應式機器、有限記憶、心智理論和自我意識。目前只有前兩類存在於現實世界中。反應式機器對特定輸入做出固定響應，沒有記憶；有限記憶從歷史數據中學習以做出預測，驅動着幾乎所有現代AI產品。

狹義AI vs. 通用AI vs. 超級智能

所有當前使用的AI都屬於狹義AI，專為特定任務設計。通用AI（AGI）理論上能夠執行任何人類智力任務，但尚未實現。超級智能則在所有領域超越人類智能，仍屬於理論範疇。

AI vs. 機器學習 vs. 深度學習 vs. 生成式AI

這些術語常被混用，但含義不同。AI是最廣泛的類別，機器學習是AI的子集，深度學習是機器學習的子集，生成式AI是深度學習專注於創建新內容的應用。

人工智能的應用實例

AI已融入日常工具：醫療領域的醫學影像分析、金融服務的欺詐檢測、零售的產品推薦、交通的自動駕駛功能、製造的缺陷檢測、客户服務的聊天機器人，以及娛樂的推薦系統。AI的廣度是其關鍵特徵，它已從少數技術應用擴展到幾乎所有需要模式識別的領域。