人工智慧

第二章 文獻探討

第一節 人工智慧

隨著物聯網的發展所帶來的大量數據、硬體晶片的成熟與演算法的改 良等因子，人工智慧（Artificial Intelligence；AI）受到科技界的關注，先 進國家如美國、日本與韓國等都加以把人工智慧的發展納入國家重要政策

，研究機構如Gartner 將人工智慧視為 2017 年 10 大技術趨勢發展、麥肯 錫顧問公司（McKinsey & Company）也將人工智慧認為未來的發展重點，

我國「亞洲矽谷」計畫也把人工智慧納入未來重要關鍵發展的項目，可見 人工智慧已經受到全球關注的話題。

綜合國內外的研究，人工智慧發展的趨勢可以歸納出以下重點趨勢：

一、重要技術發展：機器人與自動駕駛、機器視覺、語言語音、虛擬代理、

機器學習等等技術。

二、受影響的行業：科技業、通訊、金融業、醫療、交通、能源、旅遊等 等產業。

三、現今未來狀況：在未來2020 年，人工智慧的有 3,000 億美元的商業 價值；直到 2021 年之後，約有 30%的經濟發展與人工智慧有關。

四、人工智慧發展的必要條件：必須要擁有更高速能力的運算的的晶片、

更精確的感測能力、更好的機器辨識效能，這也帶動晶片設計與半導 體產業的發展。

6

什麼是「人工智慧」?李開復（2017）提出了五點定義，第一點就是 AI 是另人覺得不可思議的電腦程式，第二點指出 AI 就是與人類思考方式 相似的電腦程式，第三點指出AI 就是與人類行為相似的電腦程式，第四 點指出 AI 就是會學習的電腦程式，第五點指出 AI 就是根據對環境的感 知做出合理行動，獲得最大效益的電腦程式。

人工智慧在維基百科的定義採用了（Stuart&Peter Norving）的定義，

它們認為：人工智慧是有關「智慧主體（Intelligent agent）研究與設計」

的學問，而「智慧主體是一個可以觀察周遭環境，並且採取行動以達成目 標的系統」。

人工智慧在早期的定義是由麻省理工學院的約翰·麥卡錫在（1955）

提出人工智慧就是讓機器做出人類的行為、表現出跟人的思考一樣的智慧 的動作，而現今有另一種比較廣益的層面分為四類，第一點為「像人一樣 思考」第二點「像人一樣行動」第三點「理性地思考」和第四點「理性地 行動」。

人工智慧的概念源於美國科學家約翰·麥卡錫在（1955）提出，目的 讓電腦可以具有像人類一樣解決問題的能力，擁有一些抽象思考、創意等 能力，可以進行規劃、學習、交流、感知、與操作物體，可應用的層面非 常廣泛，最近這幾年很流行的語音助理像是蘋果的Siri、微軟地 Cortana，

還有擊敗人類西洋棋的智慧電腦 IBM Deep Blue 與 Google DeepMind AlphaGo 這都是與人工智慧的領域息息相關，接著利用人工智慧去創作像 是寫劇本與創造音樂等等，也都接著發展出來。包括人們的食衣住行，醫 療、金融、生活等等的層面都指日可待。

人工智慧在這數十年來一直流行的概念，通常見到成為科幻電影的題 材，講述著人工智慧如何管理著世界，而人類成為其奴隸等等。雖然這樣 的說法像是有些誇張，實際是人工智慧在現代早已出現，我們在生活中很

7

多地方都有其技術。人工智慧不再是科幻電影，已經成為許多企業在商業 上應用的技術等，並且在全世界各地政府都是重要的發展項目。

透過文獻有許多定義人工智慧的學者，Russell 和 Norvig（2016）定義 工智慧為能模仿人類的行為與動作。Kaplan 和 Haenlein（2019）。

人工智慧建置於三個重要的技術分別為大數據、雲端計算、深度學習等。

壹、大數據

有效率的提高人工智慧的水平，以往傳統的模式著重於演算法的改良，

但最近研究發現，使用大量的數據進行地分析所產生的效益遠遠大於演算 法，在這資訊龐大的世代，這些條件已經為人工智慧帶來發展的良好條件。

根據IDC 的統計，在 2011 年的數據量已經達到了 18 億個一 TB 個行動硬 碟的容量，而這樣的數量隨著兩年不斷的增長，預估到 2020 年，全球的 數據量將會增長近20 倍，這些數據不只是在網際網路上的訊息，也包括 了工業器材、汽車、所有通訊設備的資訊流，隨時隨地傳送不同的資訊，

隨著網路科技的發展，數據產生的速度將不斷的加快，人工智慧的演化也 會加速。

貳、雲端計算

實際上是把大量的計算資源集合在一起，提供給動態的高度虛擬化資 源用戶使用，在雲端計算中，所有的計算資源都可以從硬體設備上做增加 或者減少，配合需求彈性而定。雲端計算的基本架構是透過整合、共用和 隨時取用的虛擬硬體設備來提供資源，讓資源利用最大化，也讓不管是需 求大小皆可以取用，讓單位成本大大的降低，這也是人工智慧發展的重要 技術。

參、深度學習

它讓機器可以模擬人類大腦運作的工作原理，促使人工智慧可以擁有

8

類似有學習的功能，他將輸出的資訊透過多層處理，他的目標是更有效率 且更精準的處理資訊。深度學習在 Geoffrey Hinton 教授和他的兩個學生 提出後，讓機器學習有突破性的發展，到了近年《麻省理工技術評論》把 它列入年度十大技術突破之一。深度學習的本質是建構具有很多底層的機 器學習模型與大量地訓練模型數據，來學習較好的模型，進而提升預測與 準確性。利用大數據來建立學習特徵模型，更能豐富內在的特徵模型。

人工智慧慢慢的被應用在人們的日常生活中。應用在許多的科學領域 與管理科學，幫助收集知識與解決問題的能力，而智慧機器的研究與開發 可以進行推理學習交流自動化等。藉由人工智慧的強大的分析能力，許多 企業把其與物聯網做結合，他可以輕易地分析結構化與非結構化的數據，

並且將它建立模型與資料間的關聯。

物聯網是一項非常有潛力的技術，它集合很多通信網路，透過網路連 結可以獲得到非常多的資訊，將人工智慧與物聯網配合在一起，可以稱其 為智慧物聯網。人工智慧已經應用在許多科學領域，在管理科學方面有重 大的影響力，透過物聯網設備所產生的大量數據，再交給人工智慧做推理 學習與分析將是一個革命性的技術。

物聯網的設備可以所有可以產生數據，監測環境的設備。將其收集到 的數據經過分析處理，透過網路做出相對應的智能反應，物聯網已深入到 我們的生活，不論是家電、汽車、手機等等，以更有效率及智慧的改進我 們的生活。

物聯網的發展迅速，他可以透過任何網路形式的連接，與不同的事物 連結，這個機器有著不同的功能，也可以支援不同的應用系統。物聯網的 設備可以包括了筆記型電腦、智慧手機、平板電腦與各種崁入式的裝置，

這些裝置都有一些可以感測的功能，可以收集個人或者環境的訊息，透過 網路傳達訊息與分析。

9

以宏觀的角度看物聯網，可以看成全球的動態的基礎架構，可以有 智慧的管理裝置，與其他不同的裝置傳訊息，改善人類的創新應用服 務。

物聯網的架構可以圖 2-1 分成五層來解釋：

一、基本層：這層有不同的設備來傳送資料，在環境收集到資料像是 溫度、方向、位子、速度、濕度與化學反應等等，再將接受到的訊 息傳送到網路層。

二、網路層：將收集到的資訊傳送到處理系統，可以透過無線網路與無 線網路來傳送數據，其主要功能為將資料傳送到中間層。

三、中間層：用於管理數據、軟體的平台，介於網路層與應用層之間。

進行有向的數據庫管理，其中也儲存其他管理模型與資料，將接收 到的資訊除存在資料庫。

四、應用層：將中間層已處理好的數據進行應用管理，像是智能家庭、

能源、互聯網、交通等等。

五、業務層：管理整個物聯網系統，從最底層的程序產生的資料到形成 服務流程圖，物聯網的應用就在這一層創建，對於收集的數據分析 結果，訂定有效的解決策略。

10

圖2-1 物聯網分層架構

資料來源：Atlam, H. F., Walters, R. J., & Wills, G. B. (2018, July).

Intelligence of things: opportunities & challenges. In 2018 3rd Cloudification of the Internet of Things (CIoT). (6). Retrieved from https://ieeexplore.ieee.org/abstract/document/8627114

人工智慧結合物聯網就像如魚得水一樣，可以透過物聯網收集的數 據進行大量的分析與做出判斷，人工智慧讓不同的物聯網設備可以判斷 不同的狀況能力（ C.M. Chung, C.C. Chen, W.P. Shih, T.E. Lin, R.J. Yeh, &

I. Wang 2017）。

11

物聯網被視為第四次工業革命的推手，他技術上的創新可以應用的範 圍非常廣泛，根據CISCO 預測到了 2020 年全世界將會有超過五百億的物 聯網設備，物聯網來巨大的機會來改變我們的生活讓我們的各方面夠有效 率與生產力，讓生活更快樂與滿足（H. F. Atlam, R. J. Walters a & G. B. Wills 2018）。

Kanellos, M.（2016）指出物聯網的設備快速發展與生產，如何管理這 個大量數據與設備將是未來一大挑戰，收集到的數據沒有經過分析處理將 無法轉化成有用的知識。根據（IDC） International Data Corporation 預測 到了2025 將會有 180ZB 的資料量被創造，這樣的成長快速的資料量也代 表了物聯網的設備成長。

圖2-2 物聯網預測產生的資料量

資料來源：Kanellos, M. (2016). 152,000 Smart devices every minute in 2025: IDC outlines the future of smart things. Forbes. com. Retrieved from https://www.forbes.com/sites/michaelkanellos/2016/03/03/152000-

smart-devices-every-minute-in-2025-idc-outlines-the-future-of-smart-12

things/#183748124b63

透過人工智慧強大的分析運算能力，物聯網可以分析不同的組織的 問題並且做出明智的決定。透過圖2-2，可以知道物聯網設備收產生大量 資料，接著透過大數據數處理，再把有意義的數據交給人工智慧做決策 處理。

圖2-3 人工智慧與物聯網數據分析

資料來源：Banafa, A. (2018). Why IoT Needs AI. IEEE. Retrieved

資料來源：Banafa, A. (2018). Why IoT Needs AI. IEEE. Retrieved