人工智慧发展已超过60年歷史,期间也歷经了多次兴衰,在当时的环境限制下,AI一度曾被视为是不值得研究的科技,不过,面对此次兴起的人工智慧热潮,英特尔及联想两大科技巨擘皆认为,受惠大数据应用、演算法突破与运算能力提升的3大要素兼备,将替AI技术铺垫出更好的基础,实质带动产业发展。

英特尔表示,回顾歷史,每隔几年就会有一个新兴技术或概念,成为市场热门议题,像是云端运算、大数据、物联网、人工智慧、区块链、量子运算等,都是近年最受关注的焦点,而Alpha GO战胜棋王,也再度点燃大眾对人工智慧的兴趣,随之而起的是更多的AI技术发展与导入。

联想指出,人工智慧与情感关系,基本上可以分为「强AI」与「弱AI」,「强AI」强调电脑将能拥有情感、知觉等人类特徵,但以目前应用较为广泛的深度学习,因为只能模拟人类具有思维的行为表现,并不具意识,则被归类为「弱AI」。

AI一词最早出现在1950年代,主要关注如何以电脑解决问题,但在硬体限制下,人工智慧研究方向只能局限在逻辑数学领域,实务上贡献程度不高,加上两大知名AI研究计画皆宣告失败,因而面临第一波寒冬期,企业与政府陆续撤资,不过摩尔定律则在此时起飞,电脑运算与储存能力大幅成长。

后续人工智慧的机器学习概念从1980年代开始兴起,利用数学模型来模拟生物大脑,并提出反向传播算法,但也因为运算量太过庞大,模型修改相当耗费时间,成为当时AI发展无法解决的绊脚石。

AI技术 进入成熟阶段

直到2012年,影像辨识技术出现突破,先以人工方式将1,400万张照片上的人脸、五官位置、距离等加以标记,让神经网路深度学习,使得辨识成功率第一次突破8成,电脑辨识影片在2015年首度超过人类的95%,立下AI人工智慧的一大里程碑,声音辨识也在同年超越人类辨识度,去年比赛辨识率更高达97、98%,AI技术进入成熟阶段。

归纳AI人工智慧目前蓬勃发展的3大要素,第一是大数据爆发,替深度学习的人工智慧发展奠定基础,其次是更快、更普遍的演算法,在语音辨识、机器视觉上更为适合,第三为使用GPU及硬体提升,促使运算能力的速度及准确度皆有大幅提升。

针对人工智慧、物联网与区块链的关系,联想举例,物联网应用程序可以感知人的健康与活动,AI则透过检测与观察作出反应并告知,而此时所有的互动都可以通过区块链验证和保护,提供具简单、经济高效且永久性的决策纪录。

#大数据 #物联网 #人工智慧