完整定義
人工智慧 (AI) 是一種模擬人類智慧的技術,用於使電腦能夠執行通常需要人類智慧才能完成的任務,例如學習、推理、問題解決和感知。AI 涵蓋了廣泛的領域,包括機器學習、深度學習、自然語言處理和電腦視覺等。在 iPAS 考試中,理解 AI 的基本概念和應用是重要的。
白話說明
你每天用手機拍照自動對焦、問天氣、看推薦影片,背後是不是都在用同一類技術?
你可以把人工智慧想成讓機器模擬人類智慧的總稱,它不只會算,還會學、會判斷。
它是一個大概念,底下包含機器學習、深度學習、語言處理、視覺辨識等方法。
記住這句
讓機器表現出像人類的智慧,就是人工智慧
比喻:人工智慧就像電腦學會了「思考」和「學習」-- 它不再只是執行指令,而是能透過分析大量資料,自己找出規律,做出判斷和決策,甚至創造出新的東西。
容易混淆
人工智慧 vs 機器學習?
人工智慧:整個領域的大傘
機器學習:用資料讓模型學規則的方法
最關鍵的區別:AI 是目標,機器學習是常見方法
機器學習 vs 深度學習?
機器學習:從資料中學模式
深度學習:用多層神經網路做機器學習
最關鍵的區別:深度學習是機器學習裡的一個分支
人工智慧 vs 傳統程式?
人工智慧:可以包含規則式系統與學習式系統
傳統程式:靠人先寫死規則
最關鍵的區別:AI 的重點是能從資料或經驗中調整行為
實際案例
翻譯服務
從規則式翻譯轉成神經機器翻譯後,語句更自然,這是 AI 進步很明顯的例子
影像辨識
手機相簿自動分辨人臉、場景與物件,讓使用者不用手動整理大量照片
深入了解
- 重點
- 感知
- 你要看什麼
- 影像、語音、文字
- 為什麼重要
- 讓機器知道外界發生什麼事
- 重點
- 學習
- 你要看什麼
- 資料、特徵、模型
- 為什麼重要
- 讓機器從經驗中改進
- 重點
- 決策
- 你要看什麼
- 推論、分類、生成
- 為什麼重要
- 讓機器做出可用結果
情境判斷
Q1:如果程式只靠 if-else 判斷溫度超過 30 度就開冷氣,這算 AI 嗎?
通常不算,因為它沒有從資料學習,只是人類寫死規則
Q2:導入 AI 時,應不應該先從最難的問題開始?
通常不應該,先從資料清楚、成功標準明確的問題做,成功率會高很多
iPAS 考題
Q:人工智慧和機器學習的關係是什麼?
機器學習是人工智慧的一種實作方法,人工智慧的範圍比機器學習更大。
Q:以下哪個較像 AI 的應用?
影像辨識、語音助理、推薦系統都屬於常見 AI 應用,單純公式計算則不是。
常見問題
看你要做什麼。應用端要先懂基本統計與資料處理,研究端才更需要線代與微積分。
會改變很多工作,但通常是先取代重複且規則明確的部分,再補上新的人機協作方式。
沒有。現代系統主要是在做模式學習與預測,不等於有主觀意識。
範例考題
根據《金融機構運用人工智慧技術作業規範》,金融機構於使用人工智慧提供金融服務並直接與消費者互動時,下列何者非必要揭露之資訊?
- A該服務之 AI 模型原始程式碼
- B服務適用對象與用途範圍
- C該服務是否為 AI 自動完成
- D該服務是否提供替代方案
正解是 A:該服務之 AI 模型原始程式碼
解析:根據《金融機構運用人工智慧技術作業規範》,金融機構需揭露服務是否由 AI 自動完成、適用對象與範圍、是否有替代方案等資訊,但 AI 模型的原始程式碼屬於商業機密,非必要揭露項目。
某電子製造公司建置 AI 視覺檢測系統,用於辨識 PCB 電路板製程缺陷。系統在影像判讀任務上表現穩定,但其模型設計與訓練目標皆侷限於特定應用範圍,無法直接遷移至其他營運決策任務。依人工智慧能力範疇分類,下列何者最符合該系統特性?
- A弱 AI(Weak AI/Narrow AI)
- B強 AI(Strong AI)
- C通用人工智慧(Artificial General Intelligence, AGI)
- D超級人工智慧(Artificial Superintelligence, ASI)
正解是 A:弱 AI(Weak AI/Narrow AI)
解析:弱 AI(或稱窄 AI)指的是只能執行特定任務的 AI 系統,無法跨領域應用。該 PCB 檢測系統只能辨識電路板缺陷,無法遷移至其他任務,符合弱 AI 的定義。
出現在這些考古題
官方公告試題的逐題解析裡,這 1 題把人工智慧列為延伸術語。
立即測驗
想測試你對 人工智慧 的掌握程度?用考古題作答
相關術語
來源
參考來源:ipd.nat.gov.tw
考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。
其他格式:Markdown 版本