廣告
快訊
KNEWS
⚡
小辭典｜AI世代必看 速讀10大關鍵字掌握未來
【編譯黃惠瑜／綜合外電】自從美國科技巨擘OpenAI於2022年推出聊天機器人ChatGPT後，全球人工智慧（AI）市場需求呈現爆炸性成長。各行各業對AI的無限潛能展現出前所未有的興趣。隨著AI在日常生活扮演的角色日益關鍵，瞭解AI已成為刻不容緩的事。《知新聞》為讀者整理AI領域的10大關鍵名詞，幫助讀者在這波全球AI浪潮中，輕鬆掌握脈動，融入對AI的深度對話。
人工智慧
人工智慧用一句話來解釋，是指電腦系統或機器具備類似人類智慧的技術。AI在某些方面能夠模擬人類智慧，例如理解人類所說的話、翻譯不同語言、甚至從過去經驗中學習，應用非常廣泛。
AI如何運行呢？AI是透過各種演算法，即一系列有條有理的具體步驟，引導AI對大量資料進行分析、做出決策，並創造出可以將人類任務自動化的模型。
機器學習
機器學習（machine learning）採用演算法和統計模型，使電腦系統能夠在大量資料中找到模式，然後使用能識別這些模式的模型，對新資料進行預測或描述。
許多人常將機器學習與AI的概念混為一談，但機器學習是AI的其中一個分支，或視為達成AI目標的一種途徑。機器學習側重在訓練電腦系統分析資料庫、找出資料中的模式或趨勢，並根據這些模式或歷史趨勢做出預測。
在機器學習的訓練過程中，資料會反覆透過不同的演算法運行，每次輸入的內容與回饋都不同，以幫助電腦系統學習並改進，取得更高的準確度。
機器學習需要使用大量的資料做訓練。近年來，由於越來越多的資料完成數位化，加上電腦硬體設備效能越來越強大，機器學習也因此達到驚人的進展。大型語言模型如ChatGPT就是一種機器學習的模型。
大型語言模型
大型語言模型（large language models，LLMs）使用機器學習技術來處理人類語言。具體來說，建構LLM的過程需要在大量的語料庫上訓練，讓LLM透過零樣本學習（zero-shot learning）和自監督學習（self-supervised learning）的方式，學會語言的文法、語意和概念間的關係。
一旦LLM完成上述訓練，就可以利用已經學得的模式和知識，針對輸入的內容自動預測下一個詞彙，並進一步生成文本。
為何LLM的功能如此強大？這都要歸功它們使用數十億個參數進行訓練。這些參數讓LLM能夠捕捉到語言中錯綜複雜的模式，並執行各種語言相關的任務。
生成式人工智慧
生成式人工智慧（Generative AI）利用大型語言模型的能力來創造新事物，而非只是照本宣科或提供已知的事實。生成式AI能夠創造新的內容，例如文字、圖像、音樂或影片。
有別於傳統的AI僅能分析或預測，生成式AI透過學習大量資料中的模式，能夠生成新的、原創的內容。
幻覺
生成式AI雖然可以創作故事、詩詞歌賦，甚至是音樂，但許多時候我們會希望生成式AI創作出來的內容是基於事實。然而，由於生成式AI無法分辨什麼是真實的，什麼是偽造的，它們可能會生成錯誤的回應內容。這種錯誤的回應內容被稱為「幻覺」（Hallucinations），或者說，就是捏造的內容。
深度學習
深度學習（deep learning）是機器學習的分支，不同之處在於，深度學習演算法可以自動從圖像、影片或文字等資料中學習表示，無需引入人類領域知識。深度學習使用多層神經網路（或稱人工類神經網路）模擬人類大腦處理複雜決策的能力，可以直接從原始資料中學習。
深度學習和機器學習的主要差異在於底層神經網路的架構。所謂「非深度的」傳統機器學習模型，使用的神經網路只有一或兩個計算層。但深度學習模型使用三層或更多層，而且通常使用數百層或數千層來訓練模型。
類神經網路由多層相互連接的節點組成，每個節點負責學習特定的資料特徵。每一層都建立在前一層的基礎之上，能夠改善並優化預測或分類能力。
自然語言處理
自然語言處理（Natural Language Processing，NLP）是人工智慧和計算機科學的分支學科，使用機器學習技術讓電腦擁有能夠理解並操控人類語言的能力。
NLP可說是生成式AI的基礎。因為生成式AI要產生新的文字內容，必須先理解文本的語意、句子結構以及上下文的關係。此時就需要NLP的技術，包括斷詞（tokenization） 、詞嵌入（word embedding）、句法分析和語意分析等。
斷詞是將文本分解成更小單元的過程，使模型可以更有效處理並理解輸入的內容。
多模態模型
多模態模型（Multimodal Models）是能夠同時處理文字、影片內容、聲音、圖像等不同類型資料的AI深度學習模型。多模態模型的架構從各種不同的來源搜集資料，具有整合多模式資料的機制，能更具體、更全面的理解輸入的內容。
多模態模型能夠將各種資訊整合，提供更廣泛的應用。例如，OpenAI最近推出的最新ChatGPT-40就是一種多模態模型，用文字描述就能創造吉卜力風格照片。
代理式AI
代理式AI（Agentic AI）是指能夠自主行動完成目標，不需人類指導的AI系統和模型。
過去的AI助理（AI assistant）需要有清楚明確的指示，且獨立行動的能力有限；但代理式AI擁有主動性，能為人類完成更多的任務。
值得注意的是，儘管代理式AI使用ChatGPT等生成式AI模型的創造技術，但代理式AI側重於做出決策，而非創造內容。
代理式AI時代將開啟更多應用的場景，包括：
＊為用戶規劃出國旅行，並做好所有的旅程安排。
＊檢查用戶尚未付清的餘額，並建議使用哪些帳戶來支付未償還的款項。
＊協助企業理解客戶需求，並提供客製化服務。
實體AI
實體AI（Physical AI），又稱生成式實體AI，意味著AI從數位世界（如電腦軟體、網路系統）走向實體的世界。
先前，自主機器系統如機器人、自動駕駛汽車或智慧空間無法理解和感知周圍的世界。如今藉著實體AI，這些自主機器系統就能與現實世界接軌、能感知並適應環境，不僅具備認知推理能力，更具備空間知識，能夠從實體環境的互動中學習並做出即時回應。
簡單來說，實體AI擴大了目前生成式AI的能力，讓AI可以理解人類現實世界中的空間關係和身體活動相關行為。在建構實體AI時，必須在訓練中提供包括現實世界的空間關係和物理規則。
實體AI的應用廣泛，包括：
＊醫療照護：在手術中使用機器人技術，並使用機器人幫助從疾病或手術中恢復的患者進行復健等。
＊交通運輸：開發更具創新性的自動駕駛汽車，加強安全性和事故預防。
＊零售業：利用機器人實現高效率的庫存管理，並讓機器人直接與顧客互動，提供協助、改善購物體驗。
＊製造業：自主移動機器人（AMR）在倉庫中能夠藉由機載感測器的直接回饋，在複雜的環境中導航並避開障礙物。
相關新聞:
辜仲立直擊輝達總部1｜跨界對話黃仁勳 10國資本19兆資金關注AI
辜仲立直擊輝達2｜黃仁勳曝AI密技 找豬排靠「深度研究」秒變專家
辜仲立直擊輝達總部3｜開箱星艦基地！AI大數據展現「黃仁勳靈魂」
辜仲立直擊輝達總部4｜千萬工程師日常 黃仁勳揭密：一周2天人最爆
一刀未剪｜輝達CEO黃仁勳：下一代用電腦不打字 11分鐘金句
輝達星艦來了！黃仁勳親證：COMPUTEX給驚喜 台灣基地海選出爐
