邁向第四次工業革命-機器人有辦法產生智慧取代人類嗎?淺談人工智慧

邁向第四次工業革命-機器人有辦法產生智慧取代人類嗎?淺談人工智慧

許多人都聽過工業4.0,其中工業4.0中非常重要的一環就是自動化,也有許多人聽過Alphago贏過世界圍棋冠軍,更多人擔心的是未來人類會被機器人取代嗎?而要擔心機器人會不會取代人類,那麼就需要了解目前的人工智慧、機器學習及深度學習到底是什麼,又是怎麼來的。


其實討論會不會取代人類,應該區分成易取代、難取代以及無法取代。像是過去常被討論到的10大會被AI取代的工作,就是屬於易取代的工作。還記得小時候,國道是採用人工收費的,而慢慢到了2003年以後就看不到這項風景了,其實這也算是『機器』取代,另外就算是如此,還是可以看到在許多校園或者是結帳購票處有人負責收停車費等等。因此要知道的是,取代是個比例問題,而不是有或無,這種1或0的問題。(相關文章:工業4.0中物流及運輸 什麼是自動搬運車AGV)


大家常說的10大會被AI取代的工作
1. 接待員 2. 工人 3. 快遞員 4. 出租車與公交車司機
5. 軍人 6. 醫生 7. 保全人員 8. 營銷人員 9. 會計 10. 農民

上面許多工作其實就可以劃分成易取代及難取代,只要是重複性越高且本身流動性以及可替代人選多的工作,那麼就屬於易取代的工作,像是快遞員。像是2016年達美樂就在澳洲測試了使用搬運型機器人進行外送,除此之外還有像是Marble、Kiwibot 等公司。

各家運輸機器人新創公司

接下來就深入去了解什麼是人工智慧


最近幾年台灣整體社會對於人工智慧的討論,可以看到其實在2017年,相對於以往台灣有更多人搜尋了人工智慧。而如果我們接著把大數據跟數據分析加進來後,其實可以發現這兩個慈搜尋的趨勢有蠻相似的走勢,而這是一件好事,後面我也會提到大數據跟人工智慧的關係。



Artificial Intelligence 人工智慧的來源


其實人工智慧早在1950年代就有人提出,因此也被許多人稱為人工智慧之父的圖靈(Alan Mathison Turing),一開始是希望電腦能夠像人類一樣進行思考與學習,當然也有部分人認為他是CS之父,不管如何Alan Turing 對於如今AI領域都有不可抹滅的貢獻。

說到這裡大家可能就有點感覺,知道人工智慧AI,其實是在講一個很大的範圍。而其實AI中分支包含了機器學習,而機器學習分支中又包含深度學習。或者換個角度也可以解釋為科技發展的演化,必須先有機器學習才有可能走到真正人工智慧AI的未來。


Artificial Intelligence 人工智慧分類


有些人會把AI分為強人工智慧Strong AI及弱人工智慧Weak AI。Strong AI也就是機器能具有與人類相同的認知能力。 Weak AI則是機器不一定要具完整的認知能力,只要看起來像是有智慧就可以。


人工智慧中最重要的分支-機器學習


機器學習是目前人工智慧中最重要的推手之一,也是目前運用最為廣泛的領域,像是推薦引擎、定向廣告、視覺辨識等等。


Machine learning is a data analytics technique that teaches computers to do what comes naturally to humans and animals: learn from experience. 


簡單來說,機器學習就是透過演算法,使用『大量資料』資料進行訓練,藉由訓練完的模型去做更多的應用,不管是圖像識別、語音識別、醫療診斷、 統計套利、學習關聯、進行分類、預測、提取、回歸,這也是為何最近幾年統計系跟數學系受到更多的重視,因為以上模型都需要依託許多的統計知識。
(相關文章:(一)機器學習中非監督式學習-關聯 程式碼R及Python範例)


而大量資料在過去是很難收集或儲存,更不用說是做運算跟分析,到了如今,不只是軟體在進步,硬體也有了大幅度的進度,因此軟硬體的結合,也就能夠大數據分散式的儲存,因此大數據時代的來臨,也讓機器學習時代拉開序幕。
(相關文章:想做AI機器學習,不可不知的大數據分散式平台Hadoop)


機器學習分類與應用場景淺談

三種主要的機器學習

機器學習主要分為以下三種,分別是監督式學習Supervised Learning、非監督式學習Unsupervised Learning、增強式學習Reinforcement Learning,而有些人還會加上半監督式學習Semi-Supervised learning,但不管是採用哪類型的技術,所需要的資料、導入時間、應用場景都有極大的不同,所需要的知識也都是非常不一樣的,需要對於數據有高度的敏銳,才能夠找出適合採用的機器學習,而這又比統計與數學更加重要。(相關文章:AI機器學習中監督式學習的應用與應用場景)(相關文章:AI機器學習中非監督式學習的應用與應用場景)

另外像是機器學習在行銷領域中,也帶來非常巨大的變化及顛覆,像是推薦引擎、定向廣告、需求預測,這些應用在過去是幾乎不可能做到的。
(相關文章:量化潮流下的新時代領域MarTech=行銷+科技)



發表迴響