立場新聞 Stand News

人工智能概要

2020/3/10 — 19:29

資料圖片,來源:Starline @ Freepik

資料圖片,來源:Starline @ Freepik

人工智能(Artificial intelligence,簡稱 AI)已經靜悄悄地潛入我們日常生活當中。Facebook 會顯示與你更相關的廣告,Spotify 會建議你可能喜歡的歌曲,各大網店平台(例如淘寶,天貓等等)會猜你喜歡那些產品,繼而把它們顯示於版面一旁,方便你把它們加進購物車中。類近的例子多不勝數,證明人工智能時代經已來臨。

人工智能的定義十分廣闊,維基百科的內容提到:「人工智能指由人製造出來的機器所表現出來的智能。通常人工智能是指通過普通電腦程式的手段實現的人類智能技術。該詞也指出研究這樣的智能系統是否能夠實現,以及如何實現。」簡單來說,就是希望利用電腦的強大運算能力,透過一些複雜算式去協助人類解決問題。

如果我們要了解多點人工智能的原理,應從哪裡開始?首先,我們可從人工智能的特質入手。以下利用一個例子去說明一下。

廣告

每一個人工智能應用都存在著一個主體,而其主體目標是解決一個或數個問題。例如:人工智能醫生的目標是給醫生們提供診斷建議。所以,我們需要先設定希望要解決什麼問題,這就是「目標」。在這篇文章中,我們先假設「診斷建議」為是次項目之目標。在日常生活中,到底醫生是如何決定病人所患的是那一種病?主要基於以下兩方面:

  1. 於大學修讀相關學科的時候去學習吸收不同知識。知識來源包括書本、課堂講義、教授分享等等。(這些知識一早被整齊地編制好,因此是比較有條理的。)
  2. 於實習或行醫之時,臨床的經驗累積所得。基於現有的知識進行實際操作,這是非常重要的一環,因為最準確的決定,往往會基於知識及經驗而衍生出來的。由於每位醫生所遇到的病人及其病情都不一樣,因此所累積的經驗都是個人化的,主要根據醫生個人的判斷從而改變臨床所做的決定。

在這裏我們可以看到,知識被分為兩個層面。第一個層面為標準化的內容,這是整個人工智能架構的基礎部份。每一位同學對着同一本教科書或是同一份課堂講義,大學都希望各位向着同一個方向走,獲得大概一樣的結果。很多科目都需要進行考試,這個評估方法直接反映同學對現有知識的吸收水平。第二個層面為多變的內容,有標準化的內容演變成為個人化的知識,再而進行臨床診治。這部份比第一個層面的要求更高,首先需要豐富的基礎知識作為支持,再加上每天不斷思考及嘗試,從而提升診斷的命中率。很多醫生當發現自己對某方面或者某個病的知識不夠充足,他們都會閱讀相關的書本去吸收知識,從而擴闊累積經驗所需的知識基礎層面。

廣告

那麼人工智能會如何處理以上的情況呢?電腦還未能跟人類一樣,直接閱讀書本而作出決定。所以人類專家要設計出一個系統架構,讓電腦系統有條理地學習相關知識並進行分析。在診斷建議方面,系統架構可以被設定如下:

  1. 數據輸入 — 包括病人的病徵及醫生在臨床時所觀察到的細節。例如,感冒的患者一般都會有頭痛、流鼻涕、咳嗽、有痰等等。醫生會根據自己所擁有的知識及臨床經驗進行問診,這些資料都會被當作數據輸入到電腦系統中進行分析。
  2. 數據處理 — 在人工智能及機器學習的範疇中有很多不同的算式,協助專家進行問題分析或分類。在這「診斷建議」的例子,其實我們所需要的是從所輸入的病徵進行分類,透過分析而獲得分類結果,得出患者所屬何病。由於在現實世界所需要的算式都很複雜,我們在此舉一個簡單例子。例如:如果病人有頭痛、流鼻涕、咳嗽的病徵,那位病人很可能患上了感冒。
  3. 數據輸出 — 如果這是一個人工智能系統,醫生便可以基於這「診斷建議」去作最終決定。當然,這只是一個輔助性質的助手,最後臨床決定還是需要專家來落實。
  4. 數據學習 — 就算每位病人患上相同的病,但是他們的病徵都會有所不同。這是因為每個人的體質,日常生活習慣等等都有分別。人類可以透過累積經驗以提升作決定的命中率,而人工智能系統則需要人類把數據及期望結果回饋到系統之中,讓系統知道它早前所提供的建議跟預期結果有所不同從而進行調整。根據某些算法,系統可以進行自我學習,把新的知識加進系統之中,以便日能作出更準確的判斷。

本文簡單講解人工智能之原理,既然人工智能時代經已來臨,我們應及早認識人工智能所帶來的好處,並實踐於日常生活之中。在決定學習或使用那些人工智能或機器學習的算式之前,先要把希望解決的問題列出,例如問題本身的重點在哪裏、如何作出決定、有沒有足夠數據支持等等。別再猶豫,快踏出你與人工智能的第一步吧!

 

如果希望獲得更多人工智能或編程教育相關資訊,請關注作者之 Facebook 專頁

發表意見