什麼是人工智慧
人工智慧，通常簡稱為 AI，是一種讓機器能夠執行通常需要人類智慧才能完成之任務的技術。這可能包括辨識影像、理解語言、做出預測、建議行動、偵測模式、生成內容，或協助人們做出決策。
理解 AI 的一個簡單方式是：傳統軟體遵循人類編寫的規則，而 AI 系統通常會從資料中學習模式。一般程式可能會說：「如果客戶點擊這個按鈕，就顯示那個頁面。」AI 系統則可能研究許多過去的案例，並學習某人下一步可能購買哪種產品、哪份醫療掃描可能需要審查，或哪筆交易看起來可疑。
AI 並非魔法。它由資料、模型、運算能力和人類選擇建構而成。當它運作良好時，可以讓複雜任務更快且更容易處理。當它被不當使用時，可能會帶有偏見、出錯、不透明，或受到過度信任。
人工智慧的明確定義
NIST 詞彙表將人工智慧定義為：能夠針對人類定義的目標做出預測、建議或決策的機器型系統。這個定義很有用，因為它避開了科幻情節。AI 不一定是具有個性的機器人。在大多數現實情況中，它是將輸入轉換為有用輸出的軟體。
OECD AI 原則將 AI 系統描述為能產生預測、內容、建議或決策等輸出的系統。OECD 也強調應尊重人權與民主價值的可信賴 AI。
因此，用白話來說：AI 是一種使用資料和模型，在特定情境中產生看似智慧或有用輸出的電腦系統。
人工智慧如何運作
大多數 AI 系統遵循基本模式：
- 收集資料。
- 使用該資料訓練模型。
- 使用模型辨識模式。
- 將模型套用於新的輸入。
- 產生輸出，例如預測、建議、排名、分類或生成的回應。
例如，電子郵件垃圾郵件篩選器可以從大量垃圾郵件與非垃圾郵件範例中學習。隨著時間推移，它會學習各種模式：可疑連結、特定詞句、不尋常的寄件者行為，或格式技巧。當新電子郵件送達時，模型會估計它是否可能是垃圾郵件。
IBM 的人工智慧指南將 AI 解釋為一種讓電腦與機器模擬學習、理解、解決問題、決策和創造力的技術。這聽起來範圍很廣，因為 AI 是一個領域，而非單一產品。
AI、機器學習、深度學習與生成式 AI
人們經常將這些術語當作同義詞使用，但它們並不完全相同。
| 術語 | 簡單含義 | 範例 |
|---|---|---|
| 人工智慧 | 讓機器執行與智慧相關任務的廣泛領域 | 能夠建議、預測、分類或生成內容的系統 |
| 機器學習 | 一種讓系統從資料中學習模式的 AI 類型 | 詐欺偵測、推薦系統、風險評分 |
| 深度學習 | 使用多層神經網路的機器學習方法 | 影像辨識、語音辨識、大型語言模型 |
| 生成式 AI | 可創造新內容的 AI | 聊天機器人、影像生成、程式碼生成、影片生成 |
機器學習是建構 AI 最重要的方法之一。深度學習是一種強大的機器學習類型。生成式 AI 是較新且高度受關注的類別，能夠產生文字、影像、音訊、影片、程式碼、簡報及其他內容。
日常生活中的 AI 實例
AI 已經是日常生活的一部分，即使人們不會稱它為 AI。
推薦系統是一個容易理解的例子。當購物網站推薦產品、音樂應用程式建議歌曲，或影音平台決定下一步顯示什麼時，AI 可能正根據使用者行為及許多其他使用者的模式來排列選項。
詐欺偵測是另一個實際範例。銀行和支付網路使用 AI 系統標記異常活動，例如某筆消費與客戶平常的位置、時間、金額或消費模式不符。
醫療保健領域也正在受監管的環境中使用 AI。FDA 維護一份公開清單，列出獲准在美國上市的AI 驅動醫療裝置。其中許多工具支援醫學影像、心臟病學、放射學及臨床決策支援。這並不表示 AI 會取代醫生，而是表示 AI 能在監管監督下協助偵測模式或支援審查。
科學提供了最有力的例子之一。Google DeepMind 的AlphaFold展示了 AI 如何協助預測蛋白質結構，這個問題對生物學、醫學和藥物發現都很重要。Stanford AI Index追蹤 AI 從實驗室迅速進入產品、工作場所與政策辯論的情況。
生成式 AI 與 Pi 等工具
生成式 AI 是如今許多人最直接體驗到的 AI 類型。它不只是分類資料或做出預測，還能創造新事物：文字、影像、程式碼、投影片、影片、圖表、摘要或設計草稿。
這正是Pi作為日常工作中 AI 實例自然適用之處。過去製作簡報通常要從空白投影片開始，並進行大量手動格式設定。使用 Pi，使用者可以從筆記、文件、大綱或初步想法出發，再將這些素材轉換為結構化簡報。這是 AI 的運用方式：不是神祕的機器，而是協助整理與表達資訊的實用助手。
Pi 也展示了 AI 如何在單一工作流程中結合多種能力。它可以生成簡報主題、自訂樣式與顏色、使用現成元件、套用自動版面配置、提供圖示庫，並在投影片需要輔助視覺元素時呼叫 AI 影像生成。由於 Pi 也能生成影片或視覺素材，因此可以協助說明僅靠靜態文字難以傳達的想法。
有用之處不只是「AI 製作投影片」，而是 AI 能減少思考與溝通之間的阻力。創辦人可以將投資人筆記轉為募資簡報。教師可以將課程大綱轉為課堂簡報。團隊可以將報告轉為更具視覺效果的高階主管更新報告。人類仍然決定訊息內容，但 AI 能協助將素材塑造成更清晰的形式。
AI 擅長與不擅長的事
當任務涉及模式、規模或重複性時，AI 表現出色。它能比人更快掃描大型資料集、同時比較許多訊號，並根據範例做出預測。
有用的 AI 任務包括摘要長篇文件、分類影像或文字、偵測異常、推薦產品、預測需求、翻譯語言、生成文字或視覺草稿、支援客戶服務，以及協助專家審查複雜資訊。
但 AI 有其限制。它可能產生聽起來很自信但其實錯誤的答案。生成式 AI 系統可能會幻覺事實、虛構來源、誤解情境，或從訓練資料中的模式做出過度概括。AI 也可能反映資料中的偏見，而當敏感資訊處理不當時，隱私也可能成為風險。
負責任的 AI
負責任的 AI 是指在防護措施下建構與使用 AI。這不代表避免使用 AI，而是代表在信任它之前提出更好的問題。
NIST 的AI 風險管理框架很有用，因為它為組織提供了一種思考可信賴 AI 的方式：有效性、可靠性、安全性、資安、透明度、可解釋性、隱私和公平性。
負責任的 AI 流程應該詢問：AI 要解決什麼問題、使用了哪些資料、如果系統出錯誰可能受到傷害、如何衡量準確度、使用者是否能理解輸出，以及是否有人類監督。
OECD 關於可信賴 AI 的工作與 NIST 的 AI RMF 指向同一方向：AI 應該有用，但也必須可問責。決策越重要，監督就應越謹慎。
結論
人工智慧是一個廣泛的技術領域，能協助機器根據資料與模型做出預測、建議、決策或生成內容。它驅動推薦系統、詐欺偵測、醫療軟體、導航、客戶支援、科學研究和生成式工具。
理解 AI 最簡單的方式，不是將其視為類似人類的心智，而是視為以模式為基礎的系統。它可以很強大、快速且有用，但不會自動正確或公平。好的 AI 需要好的資料、周全的設計、測試、透明度和人類判斷。
Pi 等工具展示了 AI 的實用面：透過投影片、影像、版面配置、圖示和影片風格的視覺元素，協助人們將雜亂資訊轉化為更清晰的溝通。這就是 AI 在最佳狀態下真正的承諾：不是取代判斷，而是協助人們更有效地運用資訊。
常見問題（FAQ）
問：用簡單的話來說，什麼是人工智慧？
答：人工智慧是一種讓電腦執行通常需要人類智慧才能完成之任務的技術，例如辨識模式、做出預測、建議行動、理解語言或生成內容。
問：AI 與機器學習有何差異？
答：AI 是廣泛的領域。機器學習是建構 AI 的一種方法，讓系統從資料中學習模式，而非只遵循人類編寫的固定規則。
問：人工智慧有哪些真實範例？
答：真實範例包括推薦系統、詐欺偵測、醫學影像分析、導航應用程式、客戶服務聊天機器人、翻譯工具、AlphaFold，以及 Pi 等 AI 簡報工具。
問：人工智慧是否始終可靠？
答：不是。AI 可以很有用，但也可能出錯、帶有偏見、不安全或難以解釋。重要的 AI 系統需要測試、人類監督、隱私保護和負責任的治理。
