甚麼是 AI？為何它在現今舉足輕重？

人工智能是一種技術，讓電腦能夠執行通常需要人類智能才能完成的任務。

這些任務包括：

• 理解和生成語言

• 識別圖像和人臉

• 根據數據做出決策

• 從經驗中學習

• 解決複雜問題

可以將人工智能想像成教導電腦「思考」——雖然不像人類一樣，但能產生看似智能的結果。

當大多數人聽到「人工智能」時，他們會想像機器人佔領世界、有情感的智能機器、HAL 9000，或是Terminator。

現實檢視：今天的人工智能與這些完全不同。

目前的人工智能非常擅長特定的、狹窄的任務。它無法真正「理解」或感受。它是一個強大的工具，而不是一個自主實體——並且它完全依賴於人類的設計和數據。

現代人工智能更像是一個非常複雜的計算器，而不是一個有思想的生物——而且它仍然需要人類的輸入。

以下是簡化版本：

1. 數據輸入。人工智能系統從海量數據中學習——文字、圖像、數字。
2. 模式尋找。它們識別數據中的模式。
3. 預測。它們利用這些模式進行預測或生成輸出。
4. 改進。它們通過更多數據和反饋變得更好。

一個有用的例子：一個在照片中識別貓的人工智能已經「看過」數百萬張貓的圖像。它學會了哪些模式使圖像可能包含貓——但它實際上並不知道貓是什麼。同樣的原理也適用於自動駕駛——自動駕駛汽車的人工智能已經處理了數百萬小時的道路錄像，以識別行人、交通燈和車道標線。它對檢測到的事物做出反應，但它不理解為什麼紅燈意味著停車。

2022 年 11 月，OpenAI 發佈了 ChatGPT。這是人類首次能夠與 AI 進行自然對話。它在兩個月內達到了 1 億用戶，成為歷史上增長最快的應用程式。這不僅僅是一個科技產品，它預示著一種與電腦互動的新方式。

但 AI 並不是新事物——這個術語早在 1956 年就已創造。那麼，究竟發生了什麼變化？多個因素同時匯聚，使其最終能夠大規模運作：

• 運算能力。現代電腦比 1990 年代的快數百萬倍。
• 數據可用性。互聯網創造了大量的訓練數據。
• 演算法突破。研究人員發現了訓練 AI 系統的更好方法。
• 投資。數十億美元湧入 AI 研究。

您已經在使用 AI，可能自己都沒有意識到：

• 電郵：Gmail 的垃圾郵件過濾器和智能回覆
• 購物：Amazon 的「顧客也購買了」推薦
• 串流媒體：Netflix 和 Spotify 的建議
• 導航：Google Maps 預測交通狀況
• 相片：您的手機按臉部整理相片
• 搜尋：Google 理解您的查詢
• 社交媒體：您的個人化動態消息

多年來，AI 一直默默地讓您的數碼生活更順暢。

隱形AI在後台默默運作。你從不需要向它輸入訊息或提問，它只會觀察模式並根據這些模式採取行動。當Gmail在你看到垃圾郵件之前將其過濾掉、當Netflix建議你接下來觀看什麼、或者當你的銀行標記可疑交易時，這就是隱形AI在發揮作用。它已經是你生活的一部分多年了，你只是沒有察覺到。

互動式AI是你實際會與之對話的類型。你輸入或說話，它會回應。它可以回答問題、撰寫內容、解釋概念、幫助你規劃——而且你與它溝通得越清晰，它就越有用。ChatGPT、Claude、Gemini、Siri和Alexa都屬於這一類。這就是突然間在新聞中無處不在的AI，而且理由充分：這是大多數人第一次能夠直接將AI作為工具使用，以簡單的語言，而無需任何技術技能。

這種區分之所以重要：隱形AI是發生在你身上的事情，而互動式AI是你使用的東西。你越了解如何使用它，就能從中獲得越多的價值。這正是本課程旨在幫助你的地方。

AI 感覺像魔法一樣——它能以幾乎像人類的方式寫作、推理和回應。但在每個 AI 工具的背後，是數十年來數千名研究人員的試驗、失敗和逐步進展。

了解這段歷史很重要，因為它揭開了魔法的面紗。當你知道 AI 經歷了多個炒作和失望的循環時，你就不太可能被下一波令人喘不過氣的頭條新聞所席捲，並且能更好地發現真正有用的東西。

機器學習的興起

研究人員不再編程規則，而是問：如果我們讓電腦從數據中學習會怎樣？關鍵的見解是：與其告訴 AI 該知道什麼，不如向它展示大量範例，讓它找出模式。

深度學習革命

2012 年，一個深度學習系統在圖像識別競賽中大獲全勝，將之前的錯誤率幾乎減半。這不是逐步的進展——而是一場革命。

三個因素使其成為可能：互聯網提供了數十億個訓練範例，圖像處理器可以將神經網絡的訓練速度提高 100 倍，以及研究人員開發了更好的技術。

此後，AI 成就迅速湧現：

• 2014 — 生成對抗網絡 (GANs) 創造出逼真的假圖像

• 2016 — AlphaGo 擊敗世界圍棋冠軍，這項壯舉曾被認為需要數十年才能實現

• 2017 — Transformer 架構徹底改變了語言處理

• 2018 — BERT 和 GPT 模型展示了真正的語言理解能力

• 2020 — GPT-3 生成了非常連貫的文本

• 2021 — DALL·E 從文本描述中創建圖像

• 2022 — ChatGPT 將 AI 功能帶給大眾

當前時代

我們現在正處於快速部署的時期——AI 工具出現在各行各業，主要科技公司之間競爭激烈，公眾廣泛參與，以及關於工作、真相、私隱和未來的嚴峻問題。

人工智能的歷史給我們清晰的教訓：

• 炒作週期是真實存在的。興奮導致失望，失望導致默默進步，進步又再次引發興奮。
• 突破是不可預測的。重大的進展往往來自意想不到的方向。
• 進步並非線性。人工智能經歷了兩個寒冬。未來可能還會有更多。
• 實際應用很重要。人工智能的成功在於解決實際問題，而非僅僅是讓學者印象深刻。
• 我們對時間線的判斷常常出錯。樂觀主義者和悲觀主義者都持續錯誤判斷能力何時會實現。

• AI 是一種工具，而非有感知能力的生命體 — 它模擬智能，但並非真正擁有智能
• AI 透過尋找模式和進行預測，從數據中學習
• AI 之所以變得強大，是因為運算能力、數據和研究同時匯聚
• 你已經在許多日常應用中使用了 AI
• 像 ChatGPT 這樣的互動式 AI 現在人人都可以使用
• 自 1950 年代以來，AI 經歷了繁榮與蕭條的週期
• 2012 年的深度學習開啟了當前的革命，而 2022 年的 ChatGPT 將其帶入了主流
• 歷史表明我們應該感到興奮 — 但對預測要保持謹慎

了解 AI 是什麼只是第一步。更重要的問題是：我們應該信任它嗎？下一個課程將探討 AI 的倫理和安全 — 涵蓋偏見、錯誤資訊、私隱以及現今存在的防護措施。