簡單易懂！一文看懂AI專業術語與關鍵概念
編譯／莊閔棻
從自動駕駛汽車可能帶來的便利到對可能毀滅世界的AI機器人的擔憂，過去幾年裡出現大量和人工智慧（AI）有關的炒作。根據麥肯錫全球研究所的數據，AI甚至有潛力每年為全球經濟帶來 4.4 萬億美元的價值。然而，現實情況是，目前AI遠沒有我們預期的先進。
隨著AI越來越進步，大家對該技術可以說是既熟悉又陌生。AI帶來的各種概念和術語讓我們常常查了卻又似懂非懂。為此，外媒就為我們整理出一些關於AI必須了解的術語和概念，包括機器學習（ML）、通用AI、生成式AI，以及監督學習等，用簡單的解釋，讓大家掌握AI，走在科技最前線。
更多新聞：還只會用ChatGPT？ 6個值得嘗試超酷炫AI新工具
- 人工智慧 VS. 機器學習
人工智慧（AI）和機器學習（ML）雖然經常被人們互換使用，但它們實際上代表的是不同的概念。
AI的目的是創造智慧，包括類似於人類的認知能力和通過圖靈測試的能力。其工作原理是利用所學到的知識，將機器的能力提升到一個新的水準。而其目標，就是複製人類的行為
相較之下，ML則是AI的一個子項目。ML由數學模型組成，並基於機器與數據的結合。ML的工作原理，是從數據中學習，然後對這些知識進行優先排序。ML可以執行人類無法執行的操作，如檢查大量數據、找出模式、預測概率等等。
- 狹義AI VS. 通用AI
通用AI常常讓大多數人感到害怕。所謂的通用AI指的是可以和人類智慧相比，甚至是更聰明的機器，但到目前為止我們還沒有成功發明。
而與通用AI不同，狹義AI則是專注於特定任務並且無法學習超出其技能範圍的AI。大部分今天的AI都是狹義AI，其可以成為人類的助手，讓我們不用做要求過高或可能有害的工作。
- 有監督機器學習 VS. 無監督機器學習
無監督機器學習
所謂的無監督機器學習就是，透過沒有人工標記的數據和結果訓練機器的一種方法。這種方法允許演算法在「沒有人工干預」的情況下從數據中進行推斷，並找到模式、集群和關聯性。 無監督學習通常用於動態推薦，如零售網站。
在網路安全中，無監督學習則可用於聚類分析或分組，並查找以前不明顯的模式，如，它可以幫助識別來自特定民族國家的惡意軟體，或是找到看似不相關數據集之間的關聯性。如，判斷點擊網路釣魚電子郵件的人是否更有可能重複使用密碼等；另一個用例則是檢測異常，如檢測攻擊者是否正在使用非法取得的數據等。
監督機器學習
在監督的機器學習中，訓練數據則有人工標記。模型的準確性取決於標記的品質和數據集的完整性。監督的機器學習通常需要人工干預檢查輸出、提高準確性並糾正任何偏差。 在網路安全中，監督學習用於分類，並可以幫助識別網路釣魚和惡意軟體。 它還可以用於回歸分析，如根據過去的事件預測新型攻擊。
- 生成式AI
生成式AI是AI的一個尖端領域。該技術能夠根據其資料庫中的資訊生成新內容，其非常適合幫人們集思廣益、編輯文案和整理研究資料。
- 強化學習 （RL）
強化學習 （RL）介於完全監督學習和無監督學習之間，是一種教導AI模型透過試驗和錯誤找到最佳結果的技術，根據其結果從演算法中獲得獎勵或懲罰。這個系統可以透過人類對其表現的回饋，以評分、糾正和建議的形式得到加強。當現有訓練無法預測某些用例時，人們就需要透過RL重新訓練模型。
參考資料：The Hacker News
瀏覽 1,057 次
