什麼是人工智慧？
人工智慧（AI）是建構電腦系統的領域，執行如識別模式、理解語言、規劃及做出預測等任務。
概述
AI 是一個總稱：機器學習是其中一種方法，而生成式 AI 則是一種產生新內容的系統。
重點摘要
- 人工智慧、機器學習和生成式人工智慧雖然相關但不同。
- 令人信服的輸出並不代表理解或正確。
- 根據系統必須執行的任務及其錯誤的後果來評判系統。
深入探討
AI 系統接收輸入，並利用規則或學習模型處理，並產生輸出。路線規劃器可能使用明確規則搜尋可能的旅程。機器學習模型可能從早期交付範例估算交付時間。兩者皆可在無需思考或理解的情況下發揮作用。區別在於系統如何達成輸出，而非介面是否智慧。機器學習用從資料中學習的模式取代部分手寫決策規則。生成系統利用學習的模式產生文字、圖片、音訊或其他輸出。因此，聊天機器人能流暢地產生解釋，而無需檢查每句話是否真實。其產生回應的能力與證明回應正確不同。評估 AI 主張時，識別任務、輸入、輸出及用來判斷成功的證據。熟悉範例的良好結果不足：詢問陌生資料、模糊請求與昂貴錯誤會發生什麼事。人工審查、明確的界限，以及挑戰產出的方式，和模型的標題能力一樣重要。
技術洞察
AI 不需要神經網路，機器學習也不需要對話式介面。搜尋演算法、決策樹、線性模型與神經網路解決不同類型的問題。最簡單且合適的方法可能比大型模型更容易測試與維護。
比較兩種排序支援收件匣的方法
- 規則式分揀器會將包含「退款」一詞的每則訊息送入帳單隊列。
- 學習型分類器是根據人們已標記為帳單、技術支援或一般問題的訊息進行訓練的。
- 在新訊息中測試這兩條訊息，包括「我不想要退款;我需要協助登入。」統計錯誤路線並檢視昂貴的錯誤。
規則和分類器失效的方式可能不同。這個說明性比較說明了為何僅靠「AI」這個標籤無法告訴你哪個系統更有用。
戰略影響
更明確的決策
它可以幫助您將清晰的技術聲明與行銷語言分開。
成本與預算
在花費金錢或時間之前，您可以提出更好的實施問題。
團隊與工作流程
具有共同理解的團隊可以做出更好的產品、政策和學習決策。
現實世界的實施
配送服務會根據路線和交通資料估算抵達時間;結果是預測，而非保證。
照片整理工具會將相似的圖片分組;你仍然會先檢查重要的標籤，再依賴它們。
寫作助理會草擬一段文字;作者在發表前會核實姓名、日期及支持來源。
風險與防護欄
不同的團隊可能會以不同的方式使用相同術語，因此請儘早定義範圍。
基準測試可能看起來很強大，但實際效能卻參差不齊。
忽視數據品質和評估計劃通常會產生脆弱的結果。
實施路線圖
從您需要的結果的簡單語言定義開始。
在測試之前選擇一種成功指標和一種失敗條件。
使用代表性資料運行小型試點，而不是完善的演示集。
記錄什麼是人工智慧？幫助以及更簡單的方法更好的地方。
資料來源與延伸閱讀
不斷探索
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the What is AI? quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
常見問題
所有的 AI 機器學習都是這樣嗎？
不是。AI 包含基於明確規則和搜尋的方法，以及從資料中學習模式的方法。機器學習是 AI 的一個子集。
AI 回答能證明系統理解這個主題嗎？
不會。系統可以在產生合理答案時，同時犯事實或推理錯誤。根據證據和任務需求評估答案。