資訊科技這數十年來發展，機器、資訊系統廣泛應用於產業，透過作業自動化提升效率。而近年來人工智慧（Artificial Intelligence, AI）的快速進入產業，推動產業變革，過往資訊系統很難將各種經驗融入資訊系統中，這侷限了資訊系統的能力，AI科技正在突破這限制，帶領著我們建構新的世界。這波AI科技的成功，我們更需要去認識AI技術本質與能力，提升應用思維能力，賦能自己、賦能產業。
人工智慧科技的本質，機器學習、神經網路、深度學習
近年突飛猛進的AI科技，本質上是來自機器學習（Machine Learning）領域中神經網路（Artificial Neural Network）技術的突破。廣義來說人工智慧就是「讓機器做人會做的事」，從1950年圖靈（Alan Mathison Turing）提出一個問題「機器能思考嗎？（Can machines think？）」，從此人們在思考機器能否具備智慧、能思考並替代我們做事。1956年學者提出了人工智慧（Artificial Intelligence）這詞，同時提出諸多對於人工智慧這領域的思索，讓學界持續努力近70年，才有現今的成果。
機器學習是融合電腦科學、統計學、機率論…等，用機率來解決問題的技術，由機器自動從過去大量混亂的資料，學習資料特徵與模式，來理解資料。
而機器學習有一支技術，一樣是想讓機器自動做學習，但採取不同的方法，從生物學的角度去模擬人類大腦的運作模式，稱為 「神經網路」。神經網路方法早在1949年就被提出，1958年學者用兩層的神經網路實現了加減法計算，但因神經網路需要大量學習時間，學習速度無法突破，不易被產業應用。
到2006年努力30多年的學者辛頓（Geoffrey Hinton）終於突破了困境，讓多層神經網路能夠有效地運作，他將這超過三層的神經網路技術，賦予一個新名字，就是 「深度學習」 （Deep Learning）。
近年來電腦運算能力不斷提升，數據不斷在產生，這讓深度學習能夠在大量資料及強大運算平台上快速發展，成就現在大家看到AI技術改變產業面貌。
邏輯思維VS學習思維，學習思維是另類電腦運作方式
機器學習發展有一個重要的概念是「學習」，我們要掌握AI科技就必須要掌握機器學習的本質，就是「學習思維」。機器學習到底在學甚麼？為什麼讓機器自動學習有這麼強的力量？透過學習賦予資訊科技什麼新生命？
我常用一句話來說明，AI就是將人類經驗系統化，將人類經驗融入資訊系統中，可以跟人一樣，根據環境變化，改變作業方式。人類終於找到一種有效的讓機器自己學習的方法，不用告訴機器用甚麼方法來解決問題，而是透過大量的資料處理，學會推論、預測、辨識我們想知道的答案，這過程就是學習。
我們來比較一下邏輯思維與學習思維就更能夠了解。
一、邏輯思維建立自動化系統
資訊科技將產業作業流程自動化，可以協助我們將人事、會計、財務、倉管、行銷、銷售、服務流程都自動化，其設計方法是人（如系統分析師、程式設計師）透過瞭解需要處理的資料，觀察資料特性及商務規則後，將這些規則歸納成為一套處理邏輯，設計在程式當中，電腦根據我們提供的資料與程式來執行，就會得到人預期的結果，這種運用邏輯概念來制定程式規則的處理方法，就是邏輯思維。
舉一個庫存管理系統的例子，庫存管理是要將倉庫的各庫存品項做好管理，當有進貨時就對進貨品項做入庫增加庫存量；當有需要生產時就將物料品項出庫做扣減庫存量；當有品項低於預先設定的安全庫存量時就提出警示與列出清單，提醒管理者進行採購，這將庫存作業流程自動化，降低管理人力。這就是運用邏輯程式來處理龐大且異動頻繁資料，稱為自動化系統。
資訊科技發展就是用這樣方式來協助產業作業自動化，而這低於安全庫存的品項應該進多少量？這可能跟季節、市場需求、生產良率…等有相關，每次進貨量會隨這些因素變化，這就需要有經驗的人來決定各種品項的採購量，才能夠讓生產順利。
傳統自動化資訊系統會有很多地方需要由人介入，透過人的經驗做適當的決定，來確保系統順利運作。而在AI世代，可以用AI來決定這個品項採購量嗎？能夠讓一般無經驗的人就可以完成這作業嗎? 我們可以透過學習思維來解決這問題。
二、學習思維建立智慧化系統
過往資訊系統大多以邏輯思維來設計，這會受限於人需要設計處理的邏輯流程，但若遇到如影像辨識、文章處理之類應用，很難描述具體邏輯規則，這就出現自動化資訊系統的限制。我們若能夠提供電腦資料及期待處理的結果，電腦就能夠自動地學習這些資料，然後來推論我們期待的結果，這樣就可以處理人類很難處理的大量且龐雜資料，自動學習找出規則，給我們期待的結果，這就是學習思維，也是讓電腦工作的另類方式。
提供資料及期待結果給電腦學習，這是甚麼意思呢？其實資料與期待結果的對應就是人類的經驗，讓電腦自動學習人類經驗的特徵與規則，來解決人類經驗難以系統化的問題，稱為智慧化系統。
例如我們要用人臉辨識來判斷人的年齡及性別，那我們就搜集大量各種人臉圖片這是資料，然後針對每一張人臉圖片標註年齡及性別這是期待結果，這是用我們經驗來標註，這就是將人的經驗提供給電腦的方法。
透過機器來學習這些對應的人臉圖片與年齡、性別，找出圖片資料特徵，建構預測模型，當您提供一張機器從未見過的人臉圖片，機器就能夠用這預測模型，預測可能的年齡與性別，若這預測正確率能夠達到我們的期待，這就是運用學習思維來讓電腦自動學習，以處理我們希望解決的問題，建構一個智慧化系統。
三、自動化系統插上智慧化系統這翅膀，就是AI智慧應用系統
甚麼是AI智慧應用系統？我們回到前述庫存管理例子來說明，若我們能夠提供過往在各種季節、氣候、市場需求、產量、良率…之庫存品項採購量，透過學習思維方法建構庫存品項採購預測模型，就可以來推估可能的各品項進貨量，將自動化系統中需要有經驗的人介入之處，輔以機器學習建立的預測模型，就可以將人的經驗融入系統中，從提供品項進貨量建議，透過不斷累積資料與學習，達到一個期待的正確率，就可以透過模型自動地進行採購作業。
這就是將自動化系統結合智慧化系統，更多人類經驗透過學習思維融入自動化系統中，形成AI智慧應用系統，創造資訊科技前所未有的能力，快速讓過往很難描述規則的問題得到很好的解決方法，各行業的難題都更容易獲得解決，如服務業的行銷成效預估、自然對話服務機器人；製造業的瑕疵檢測、預修保養；醫療業的病徵檢測、癌症處方推薦；教育業的能提早了解學習成效的評估系統、輔助教學系統；金融業的授信判斷、理財推薦；人資管理的自動履歷篩檢、離職預測…等各行各業的應用方案，協助個人工作也讓產業得以快速發展，賦能個人及賦能產業。
掌握學習思維，對AI有更深認識，也了解AI學習的本質，能夠從您對產業的了解，選對問題，運用學習思維建構智慧化解決方案，讓我們對於機器能力有更完整的應用，賦予智慧應用有效地解決問題。
《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。
（觀點文章呈現多元意見，不代表《數位時代》的立場）
責任編輯：傅珮晴、侯品如
