人工智慧 (AI) 是一套技術，可讓電腦學習、推論及執行各種進階任務，這些任務過去需要人類智慧才能完成，例如理解語言、分析資料，甚至提供實用建議。這項革新技術可帶來實質正向的轉變，造福民眾、社會和世界。

AI 涵蓋許多不同的專業領域，包括電腦科學、資料分析與統計資料、硬體與軟體工程、語言學、神經科學，甚至是哲學和心理學。

AI 是指教導電腦執行人類大腦的驚人能力，包括瞭解周遭世界、學習新事物，甚至是提出新想法。舉例來說，光學字元辨識 (OCR) 技術會運用 AI，從各種圖片和文件擷取文字與資料。這個程序會將非結構化內容轉換為符合企業需求的結構化資料，協助發掘寶貴的洞察資訊。

人工智慧技術雖然種類繁多，但基本上都仰賴資料、演算法和運算能力。AI 系統可透過暴露在大量資料中來學習和改善，識別人類可能遺漏的模式和關係。這些資料是訓練素材，其品質和數量對 AI 的效能至關重要。

如先前所述，AI 不是單一技術，而是涵蓋多個重要領域的廣泛領域：

• 機器學習 (ML)：這類 AI 系統會從資料中學習，找出模式並做出預測或決策，無需直接進行程式設計。想像一下，如果我們向電腦展示數千張鳥類圖片，教導它辨識鳥類，電腦就會自行學習鳥類的樣貌。
• 深度學習 (DL)：機器學習的子領域，深度學習使用多層人工類神經網路 (因此稱為「深度」)，從資料中學習。這類網路的靈感來自人腦結構，特別擅長圖像和語音辨識等複雜工作。
• 自然語言處理 (NLP)：NLP 可讓電腦理解、解讀及生成人類語言。Siri、Alexa 等語音助理、翻譯服務和聊天機器人都是以這項技術為基礎。
• 電腦視覺：這個領域讓電腦能「看見」並解讀真實世界的視覺資訊，例如圖片和影片。從臉部辨識到自動駕駛汽車，各領域都能看到它的身影。

想瞭解如何開始使用 AI 嗎？歡迎參加免費的生成式 AI 簡介初學者課程。

依據開發階段或正在執行的動作，人工智慧可透過多種方式分類。

這項分類是根據 AI 模型的智慧程度和解決問題的能力而定。

• 狹義人工智慧 (ANI)：這是目前唯一存在的 AI 形式。ANI 模型的設計目的是執行單一特定工作，例如辨識圖像、進行對話或篩選電子郵件。例如語音助理、臉部辨識技術，以及 Gemini 和其他大型語言模型 (LLM) 等生成式 AI 模型。不同於名稱給人的觀感，ANI 並不具備推論或自我意識能力，而是結合資料與演算法，在預先定義的參數內進行預測。雖然 ANI 有許多優點，但也存在風險，例如訓練資料品質不佳，可能導致輸出內容有偏誤或不準確，這對核貸、聘僱和預測式治安維護等應用影響重大。網路罪犯也可能利用 ANI 打造精密的 AI 詐騙手法。
• 通用人工智慧 (AGI)：未來預計往這個方向發展 AI 技術。理論上，AGI 能夠執行各種任務，並運用類似人類的推論能力學習、適應和進步。AGI 目前並不存在。與 ANI 不同的是，AGI 預計能適應環境、自主運作，並從自身行動中學習。虛構的例子包括《星際大戰》中的機器人。不過，AGI 可能會引發嚴重的安全和倫理問題，因為惡意行為人可能會以有害意圖編寫 AGI，導致 AGI 在不受監管的情況下，擁有無限的破壞能力。
• 超級人工智慧 (ASI)：這是理論上最先進的 AI 形式。ASI 是具備自我意識的實體，運作方式超出人類控制，在推論、創造力，甚至是情緒智商方面，都遠遠超越人類。如同其他形式的 AI，ASI 也可能對人類構成生存威脅，部分 AI 研究人員認為，ASI 導致極糟結果 (包括人類滅絕) 的機率不容忽視。

這項分類是根據 AI 在特定情境中的運作和互動方式而定。

1. 被動機器：能力有限的 AI，僅依據預先編寫的規則回應不同類型的刺激。由於沒有記憶體，因此無法從新資料學習。IBM 的「深藍」(Deep Blue) 就是一個著名的例子，它在 1997 年擊敗了西洋棋冠軍 Garry Kasparov。
2. 有限的記憶體：現代大多數 AI 的記憶體有限。可運用新的資料訓練，並使用記憶體隨著時間不斷改善。通常會運用人工類神經網路或其他訓練模型來進行訓練。這類記憶是短期的，通常在工作階段結束後就會重設。例如，自動駕駛汽車會觀察其他車輛，而 Gemini 等聊天機器人則會記住對話中的先前訊息。
3. 心智理論：目前還沒有心智理論型的 AI 技術，但這是研究方向之一。這類 AI 技術可模擬人類的思維，並且具備與人類同等的決策能力，包括識別和記住情緒，以及在社交情境中做出回應，就像人類一樣。

AI 的影響力廣泛且持續擴大，幾乎觸及我們生活和產業的各個層面。以下是 AI 發揮作用的領域：

• 日常生活：智慧型手機的虛擬助理、影視串流服務的個人化推薦內容、電子郵件的垃圾郵件篩選器，以及 Google 地圖等導航應用程式，都仰賴 AI 運作。
• 醫療照護：AI 正在徹底改變醫療領域，協助醫師分析醫學影像來早期診斷疾病、制定個人化治療計畫，並大幅加快藥物研發速度。
• 交通運輸業：自動駕駛車輛運用 AI 導航、偵測物體，並即時做出決策，確保行車安全。
• 業務營運：公司將 AI 用於各種用途，包括客戶服務聊天機器人、金融詐欺偵測、供應鏈最佳化和個人化行銷廣告活動。
• 娛樂：在電玩遊戲中，AI 可創造出更逼真且更具挑戰性的角色。在內容創作方面，生成式 AI 現在可以作曲、撰寫腳本，以及創作令人驚豔的視覺藝術。

想瞭解更多 AI 應用實例嗎？歡迎前往 Google Cloud 網誌，看看超過 1,000 個生成式 AI 應用實例。

機器能自主思考的概念並不新穎。人工智慧的概念早在數十年前就已出現，但現代 AI 領域真正成形是在 20 世紀中葉。接著來看看我們所知的 AI 發展史：

• AI 的萌芽期 (1940 年代至 1950 年代)：1940 年代可程式化電腦的發明，激發了人類的想像力。1950 年，艾倫圖靈提出「圖靈測試」，用來評估機器是否能展現與人類難以區分的智慧行為。這是重要的哲學和科學步驟。
• 學科誕生 (1956 年)：由 John McCarthy 等先驅舉辦的「達特茅斯夏季研究計畫」(The Dartmouth Summer Research Project)，普遍被視為 AI 正式成為學科的開端。「人工智慧」一詞就是在這裡誕生。
• 早期成功與挑戰 (1960 年代至 1970 年代)：研究人員開發出早期的 AI 程式，例如能模擬對話的聊天機器人 ELIZA，以及最早能推論周遭環境的機器人之一 Shakey。不過，由於創造真正智慧的過程十分複雜，AI 發展曾一度停滯，資金也隨之減少，這段時期被稱為「AI 寒冬」。
• 復興與成長 (1980 年代至 2000 年代)：專家系統的開發，以及後來機器學習興起，為 AI 研究注入了新活力。1997 年，IBM 的「深藍」(Deep Blue) 擊敗西洋棋特級大師，這類里程碑展現了 AI 日益增長的能力。
• 現代 AI 蓬勃發展 (2010 年代至今)：運算能力進步、大量資料集可用，以及深度學習 (尤其是類神經網路) 的突破，推動了當前的 AI 革命。這個時代出現了許多強大的工具，正在改變各行各業。