人工智能（artificial intelligence，全称AI）一词在近期已是当红话题，2016年3月Google研发的AlphaGo与韩国世界顶尖棋手李世石进行的棋士对战，引发了全球对于人工智能的另一波狂潮，这也是AI技术的重大突破的里程碑，但AlphaGo战役后的释义纷沓而来，让人对该领域仍是一团迷雾。　　非常简单来说，人工智能是通过算法与程序科技，让计算机甚至机器能像人类一样不道德与思维；因此，大量的拟人化应用于是人工智能最基本的产业原型。虽然人工智能寒冬了数十年，但近两年科技生活中，从图像自动识别到无人车的构建，甚至AlphaGo计算机程序的几场胜利，再度让AI崭露头角，微软公司更加标示今年是人工智能元年，引发各界莫大注目。

　　就更加近期的发展来看，根据未来生活研究机构（Future of Life Institute）报告，2015年人工智能的发展进程较慢得让人叹为观止，比较大部分研究逐步积累成果而言，AI领域谋求突破是极具可玩性与费时，故一旦横跨了某关键难题，则沦为人工智能近于最重要且较慢发展的阶段；该发展主要在于近50年研究仍多略显机器学习（machine learning），也就是仿效人类不道德，在思维机制上仍然无法突破。　　而2015年，因机器仿效神经网络运算模式的深度自学（deep learning）涉及技术再一有所突破，诸多功能相继被设计研发，主要的最重要涉及类别还包括：环境抽象化理解、直觉概念解读、建构抽象化的思维、想象等利落且精致的技能。

　　环境抽象化理解　　在自学程序下，同时支配自学与行动；并将所学的技能与科学知识转化成。例如，机器可以从制作饼干过程中，将饼干的经验伸延至作出更加爱吃的巧克力蛋糕。　　直觉概念解读　　指人工智能的深度自学中，可以针对隐蔽在系统中的亚符号科学知识（subsymbolic knowledge）展开推理小说。就是让机器可以从单次的经验积累，进而获得人类层次的概念学习。

　　建构抽象化的思维　　在深度自学的基础上，更进一步将因果结构及思维涉及元素以导致事件再次发生，或以时间主轴来构成故事。就是AI智慧可更进一步解读排序、展开推理小说。

其中如优化技术，Kumar和Socher等人改良动态记忆网络，反对机器人专心。而Weston等人最近研发的点至点记忆网络，则扩展建模能力和表达能力。　　想象　　AI可通过技术产生幻觉，进而能想象；此源自麻省理工学院与微软公司研究院研发的深度迭积鼓吹影像网络（deep convolution inverse graphic network）技术，在2D或3D识别获得自学，展开角度或光线等想象。

　　上述为近两年人工智能发展的技术核心，也难于找到诸多应用于已渗入我们目前的生活用于，最显著的是脸书在图像的人物与地理高度识别反应，或是亚马逊需要引荐射中消费者心坎的购物表格等。　　龙头企业与跨时代的AlphaGo　　一般而言，AI程序设计的概念是参考人类神经网络的运作来编写，近年来由于大量数据的积累，给与机器更加强力的信息参照依据，再加芯片处置数据的能力提高，使得机器程序可以展开多层次的策略处置。

数据再加芯片的优化，是计算机近年来可以开始展开深度思维的关键。对Google、脸书、百度、亚马逊等这些掌控巨量数据的公司来说，由于尤其具备发展AI的优势，也趁此了AI足以带给的潜在商业利益，因此进行了一场腥风血雨的人才争夺战。

　　人机对局仍然是AI科学家醉心的课题。在1997年IBM的超级计算机Deep Blue曾多次打败世界西洋棋冠军Garry Kasparov，自此之后，AI在西洋棋方面的展现出持续变革，目前可以说道是平稳打破人类的能力。　　不过，如果战场切换到棋士，对于AI来说，西洋棋就只是小菜一碟。就棋士的规则而言，每一颗挂上棋盘的棋子、每用于一套棋去围困对方的棋，都会影响自己最后的分数；当一颗棋被输掉的棋子围困，就将被去除。

如果要以数字来回应，在西洋棋中，输掉下一步的策略不会有1,047个机率必须去分析，棋士策略则低约10,170个之多，且每一个要求又将引起另外250种有可能的移动、守城方式。在过去几乎无法有任何人工智能需要突破这样的运算范畴去计算出来出有必要条件解法。

　　除此之外，在西洋棋中，具备一些诗与权重有可能的要素，例如骑士低于士兵，皇后小于骑士与士兵等，这让计算机程序最少有一些原则可以遵循，减缓分析出有必要条件策略的速度。但是，棋士每颗棋子的价值各不相同它在棋盘上与其他棋子的比较方位，因此自古以来，根本没一位棋士棋士可以明确描绘出什么是好的策略，高分的策略，一般来说棋士仅有能以直觉说明。如此一来，更加让程序设计者对于棋士过程中人脑的策略运作没什么脉络可循。

　　AlphaGo的突破点在于，它设法让计算机也可以发展出有自己的直觉，也就是能增强机器在棋士方面的深度自学能力，通过持续应用于简单的统计资料运算，在噪杂的数据中自行概括出有规则。而要让机器具备这样的能力，有两项充份必要条件：众多的数据处理芯片以及巨量可可供分析的数据。基本上，AlphaGo有两层深度自学的分析架构，第一层称为策略网络（policy network），用来仿效人类的对局模式，还包括概括与自学特征、原则、和经验法则，在实际比赛时，这层操作系统的职责是分析出有目前场上棋局的特征为何，帮助先前的分析阶层生产量必要条件策略。　　硅谷近期AI发展与应用于　　硅谷是美国科技的前哨站，也是各项创意前瞻技术的一级战区，事实上，在硅谷，许多科技领袖争相对人工智能传达寄予厚望反对或敲击警世钟；最实际地，多数科技巨头企业大力投资，如苹果、Google、微软公司等，而微软公司创办人比尔盖兹与现职电动车大厂Tesla与商用火箭SpaceX创办人的艾隆马斯克，则警告大众应当注目或忧虑AI带给的诸多冲击。

但也有更加多专家与分析师指出，目前科技的硬件与软件扶摇直上，再加大数据将获取充沛的数据内涵，人工智能势不可挡，因此，就产业发展角度来看，掌控AI先机，反而是进创意商机的大好机会。　　硅谷移动终端与计算机设计最不具代表的苹果，近期大大并购人工智能涉及新创企业；媒体找到其人工智能专家规模较慢茁壮，而行动设备的Siri语音软件越发成熟期，还包括灵活性对话与辅助功能，展现出其现阶段最重要成果。　　而打破用语音掌控汽车的无人自动驾驶，是Google X近几年发售的关键应用于，特别是在今年美国消费性电子展中，以移动的智慧轮式机器人为焦点。去年度Google已月上路测试无人车，预计2020年商业化。

　　脸书也并非神来一笔提到管家机器人的任务目标，去年度就透漏的在线个人智慧助理M，已需要问问题及简陋继续执行任务。此外，还并购了语音识别系统新创公司Wit.ai，可将演说改以可操作者数据，预计有助脸书强化目标广告之讯息处置能力。　　上述的科技巨人都为了AI技术发展实行了并购策略，但仍有诸多新创企业，在民间创投等资金下较慢茁壮。2010至2015年，AI新创企业获得创投等资金是15倍地茁壮，展现出硅谷科技对AI的护持注目与推崇。

　　未来趋势与挑战　　人工智能的产业应用于事实上已打破一般大众想象，就冲击人类发展而言，倍受辩论的课题除了道德外，还有人类工作职能的代替顾虑。　　短期来看，AI影响社会的有可能冲击辩论不利于许多领域的发展，不管是经济层面、技术层面到法律；看起来证书、有效性、信息安全与掌控等。

　　长年而言，标准化人工智能的来临，预期可以解决问题人类战争、疾病与贫困的困境，但同时也有可能无意或有意地导致灾害，潜在的负面情境与灾害因应也将沦为超级人工智能构建后需加快设施的工作。　　多数的研究报告或硅谷科技人士认为，即使诸多产业应用于已初始商业化，但对AI的诸多忧虑仍是过早，主因在于机器思维的技术并非一蹴而就。

目前AI样貌是构筑在近几年人类计算能力提高、互联网发展、大数据较慢积累、AI涉及原理研究突破的成果基础，但知道能准确掌控科学知识推理小说仍有很长的路要前进，特别是在很多思维与推理小说需通过感官，或是语义解读等，都却是高层的智慧。　　因此，尚能不论AI机器人将有可能如何招来破坏性的未来，就硅谷科技产业趋势而言，人工智能是我国新创企业有一点参予并投放的领域，特别是在各大科技龙头早就争相插旗布局，并转身以对外开放、参予、公共多数利益来发展，可意识到的是，AI革命浪潮方兴，并将带给更好的新兴技术与商业模式。　　同时，科技领先者的布局行动，也展现出了AI涉及新创企业资金之充沛与竞争；例如，目前智能手机市占到展现出最差的三星，面临衰退的销售茁壮，将获取上百亿资源大力谋求收购AI涉及软件开发商。

或是，配上物联网与大数据的辅成，人工智能生活应用于产品与服务，从交通工具、消费性电子机器商品、娱乐与医疗等，都将是下一波角逐之地。此外，因应AI控制权的延伸性产业，如法律、教育、安全性等，也是既有企业到新创企业都必需尽早规划或投放发展的议题。

本文来源：NG体育官方入口-www.eggpowered.com