AI發展對未來的重要性

 
   什麼是人工智慧？

    人工智慧的定義，簡單來說就是：任何讓電腦能夠表現出「類似人類智慧行為」的科技；更具體一點的說法，人工智慧是一種可以感知、學習、推理、協助決策，並採取行動幫助我們解決問題的科技。自從電腦在1950年代被發明後，科學家就一直在思考，如何讓電腦變得和人類一樣聰明？如何能代替人們進行所有的工作？在這個漫長的過程中，人工智慧的發展並不是那麼的順利，甚至歷經了兩次寒冬，直到現在才有了顯著的進展，而這個進展還在進行中。
 

   驅動AI未來發展的六大趨勢

1. 強化學習的高速成長

  自從DeepMind所研發的AlphaGo於2015年在圍棋上打敗了韓國棋手李世石後，強化學習在人工智慧相關研究論文當中被提到的比例從當時的4.7%，到2020後一路成長到快20%。 現在，強化學習也逐漸地在各個產業中創造龐大的價值，Google的數據中心即是透過這個技術，將能源耗損降低了超過50%。

2. AI驅動的商業決策

  雖然AI的智慧是建立於數據，但是所謂的AI驅動與數據驅動其實是有很大的不同，前者將重心放在數據，後者則是處理數據的能力。 在2020的現在，人工智慧參與了更多原本為決策者任務的商業決策，其中涵蓋了運營、行銷與銷售、甚至是設計。 人工智慧將逐漸成為數據與商業決策之間的唯一連結點。

3. RPA滲透度提高

  流程自動化，也就是RPA(Robotic Process Automation)，是目前人工智慧的多種應用中出現最為頻繁的，在一次針對152個AI用例的研究中發現，產業有將近一半的案例是基於RPA。 在近年，出於技術逐漸的成熟，RPA的滲透將會在大部分的產業中都大幅提高，以近乎零錯誤且高效能的速率完成許多我們既有的任務。

4. AI將不再如此仰賴大數據

  以往訓練一個基於神經網路的深度學習模型往往需要非常龐大的數據量，然而這些數據在許多領域譬如醫療，並非如此好取得。這也是為何研究員往往利用某些數據增強的技術，例如將同樣的照片翻轉過來，來增加既有的數據量， 然而隨著GAN的技術成熟度逐漸增加，許多領域的研究可以直接模擬出新數據，讓只有小數據量的環境也能建立許多有 意義的模型。

5. 道德AI與AI可信度

  基於我們對於AI目前許多具爭議性的發展，譬如模擬他人說話的聲音以及影片，抑或是AI驅動的監控系統等等，還有我們對於AI潛能的恐懼，如何人道的發展人工智慧技術也逐漸的在學術研究間取得勢頭。 其中像是解釋型AI、以及透明化AI決策等發展及是在增強用戶與消費者對於AI的可信度。 同時，許多政策以及產業規範也逐漸在呼應如此趨勢。

6. 更相關的互動模式

  AI所驅動的互動模式 Cognitive Engagement，時常譯做認知投入，受到NLP研究的突破以及神經網路的成熟所驅動，現在在各個領域當中都有非常完整的應用。 譬如一個24小時顧客服務的聊天機器人、用交流的方式提供個人化體驗的產品與服務推薦系統、亦或是結合了專家系統與專業人士一同共事的智能助理，AI在未來將會在多個領域中與用戶互動。
 

   AI帶來的改變與影響

  人工智慧在未來的工作職場將扮演一個重要的應用工具或輔助角色。雖然現在的人工智慧技術水準顯示它在可預期的未來將是一個重要的應用工具，協助人類從事各類的工作，減輕人類的負擔，但是隨著人工智慧技術的成熟及突破，在較遠的未來將有可能大幅取代人類員工，從而造成嚴重的所得分配不均、結構性失業問題。而人工智慧和機器人技術在內的自動化技術取代工人的程度，將取決於他們的發展和採用的速度、經濟成長和工作需求的成長。