何謂人工智慧 (AI)？

AI 系統的運作方式是經由輸入或擷取大量資料，並使用類似人類的認知流程來分析及評估資料。如此一來，AI 系統就能識別並分類模式，利用這些模式來執行任務或預測未來結果，而不需人類的直接監督或指令。

例如，像 Midjourney 這樣的影像生成 AI 程式，如果收到了大量的照片，就能學習根據使用者輸入的提示來產生“『原創性』的影像。同樣的，受過大量文字訓練的客戶服務 AI 聊天機器人，也會學習如何模仿客服人員來與客戶互動。

雖然每個系統有所不同，AI 模型通常是依照相同的五個步驟進行設計。

1. Training (訓練)：AI 模型會匯入大量資料，並使用一系列演算法來分析和評估資料。
   
   
2. Reasoning (推理)：AI 模型對接收到資料進行分類，並找出其中的模式。
   
   
3. Fine-tuning (微調)：當 AI 模型嘗試不同的演算法時，它會學習哪些演算法更接近成功，並據此微調其動作。
   
   
4. 創作：AI 模型會運用所學到的知識來執行指派的工作、做出決策，或是製作音樂、文字或影像。
   
   
5. 改善，最終，AI 模型會不斷調整以改善其準確性，並從經驗中有效學習。

大多數現代 AI 系統都使用多種技術與方法來模擬人類智慧的運作過程。其中最重要的就是深度學習與機器學習 (ML)。雖然「機器學習」與「深度學習」這兩個術語有時會被交替使用，但在 AI 訓練的情境中，它們其實是非常不同的過程。

機器學習使用演算法來分析、分類、排序、學習及理解大量資料，進而產生精準的模型並預測結果，而不需被明確告知該如何執行。

深度學習是一種機器學習的子類別，它利用類神經網路來模擬人類大腦的結構和功能，進而達成相同的目標。以下我們將詳細說明這兩個概念。

機器學習主要分為四種類型：

1. 監督式機器學習：AI 使用已知、既有及已分類的資料集來發現模式，然後再將這些資料匯入演算法。
   
   
2. 半監督式機器學習：AI 運用一個小型的已知且有標記的資料集進行訓練，接著將所學套用至較大型、未標記及未知的資料集上。
   
   
3. 非監督式機器學習：AI 從未知、未標記、且未分類的資料集當中學習。
   
   
4. 強化機器學習：AI 模型一開始並未使用任何資料集進行訓練，而是透過嘗試與錯誤的方式學習，並持續調整其行為直到成功為止。

機器學習使自駕車能夠因應環境變化，並將乘客安全送達其選定的目的地。其他機器學習應用程式則從影像和語音辨識程式、語言翻譯應用程式、角色導向 AI 代理程式、資料探勘到信用卡詐騙偵測、醫療診斷，以及社群媒體、產品或品牌推薦等等。

深度學習是一種機器學習形式，以進階神經網路為基礎，機器學習演算法可模擬人類大腦中的神經元如何運作，用於從大量資料中識別複雜模式。

例如，即使是非常年幼的孩子，也能立即分辨父母與其他成人，因為他們的大腦可以瞬間分析並比較數百個獨特或可辨識的細節，從眼睛和頭髮的顏色，到獨特的表情或臉部特徵。

神經網路會模仿人類大腦的運作方式，分析輸入資料中的成千上萬個細節，進而偵測並辨識它們之間更大的模式。生成式 AI (簡稱「GenAI」) 系統，如 OpenAI 的 ChatGTP 或 Midjourney 影像產生器，利用深度學習來擷取並分析大量的影像或文字，然後使用這些資料來產生新文字或影像，這些文字或影像與原始資料相似但不同的。