人工智慧（AI）的熱潮襲捲全球，許多企業過去幾年陸續導入 AI 技術，協助客服、供應鏈管理、數據分析、行銷…等各式各樣的工作，市面上更推出了自動駕駛、語音助手、智慧家庭、人臉辨識、聊天機器人…等一系列 AI 驅動的相關服務，使得 AI 在今年仍是最炙手可熱的話題之一！

但是，你知道嗎？AI 這種聽起來如此新穎的概念，最初竟然不是取材自電影情節中的想像，而是早在將近 70 年前，就已經正式成為一門學科研究領域了！

這篇文章我們要來幫大家科普，什麼是「AI 人工智慧」？常跟 AI 相提並論的「機器學習」、「深度學習」又是什麼？我們該怎麼理解「人工智慧」、「機器學習」、「深度學習」三者的關係？AI 與機器學習實際應用的案例有哪些？以及如何應用 AI 來創造商業價值？

什麼是「人工智慧」？

簡單來說，人工智慧就是讓機器模擬展現人類特有的智慧，讓機器像人一樣有思考、學習、解決問題的能力，或是讓電腦來執行以往需要人類⼤腦才能完成的任務與決策。

人腦可以執行的任務包山包海，也因此模擬人類智慧的 AI 也能被應用到幾乎各行各業中。

那人工智慧要怎麼實現呢？這就不得不提到「機器學習」和「深度學習」了！

什麼是「機器學習」？ 

機器學習的方式，跟人類大腦學習的方式很像，就是不斷接收和處理大量的資訊（數據），然後從這些資訊和歷史經驗中學習。因此可以說「機器學習」是一種讓機器從數據中學習的技術，好讓機器能實現人工智慧。如果給予機器的數據越齊全，機器學習的表現也會越好，分析、預測的結果就會越準確。

近年來隨著硬體儲存成本下降、運算能力增強，加上累積了大量的數據資料，機器已經可以藉由演算法自主學習、處理巨量且複雜的資訊，並從中學習規律和模式，然後做出預測或決策。例如，越來越多的網購平台、影音平台，已經開始使用機器學習技術，來預測消費者、觀眾可能感興趣的商品或內容，以提供更具個別化的購物體驗，或推送個人化的廣告。

「機器學習」的技術，因而就此突飛猛進地推動了人工智慧的發展、建立許多重要的里程碑。

什麼是「深度學習」？

「深度學習」是「機器學習」的一個分支，它使用神經網絡模型來模擬人類大腦的運作方式。

我們可以把這個模型想像成人類大腦中的神經元，由許多個層次組成，每一層都負責處理特定的訊息，然後逐漸學會理解數據，能提取數據的特徵與規律，最後做出判斷。

「深度學習」的技術，可以幫助機器更深入地理解和處理數據，以做出更準確的預測和決策。例如某些航空公司會用深度學習技術，分析大量的航班、氣象、客流數據，從中學習航班延誤的模式，建立航班延誤預測系統，就能預測未來可能出現的班機延誤情況，以幫助航空公司和旅客做出相應的安排，進而減少不必要的損失和困擾。

「機器學習」和「深度學習」有什麼區別？

「深度學習」和「機器學習」都是實現「人工智慧」的關鍵技術，只是機器學習更像是一個廣義的概念，而深度學習則是機器學習其中一個具體的方法。

目前，機器學習的技術還在急速發展中。以當前情況來說，在處理大數據分析及解決商業問題的領域中，機器學習的表現都不遜於⼈類一步一步的手動分析。不過，高準確率的預測模型，通常需要非常⼤量的資料才足夠產出精準的預測結果，所以在普遍情況下，資料量體本身的大小，大多直接與精準預測率成正比。想更深入了解機器學習的組成與應用，包括什麼是自動化機器學習 (AutoML)。

「人工智慧」、「機器學習」、「深度學習」三者的關係

「人工智慧」是三者中最廣義的概念，我們可以各用一句話，來簡單地總結「人工智慧」、「機器學習」、「深度學習」三者之間有什麼關係：

人工智慧 AI  —  機器表現出人類智慧

機器學習 ML —  達到人工智慧的方式

深度學習 DL — 機器學習的技術之一

AI 與機器學習的實際應用範例

除了以上所提過的範例外，AI 和機器學習還可以實際應用在哪些地方呢？

以上僅列出部分的應用場景，實際上就如同前面所說的，AI 人工智慧和 ML 機器學習可以廣泛地應用在各行各業中，輔助提升整體工作效能，創造出實際的商業價值。

中小企業也可以用 AI 和機器學習嗎？

現在已經是大數據的時代，資料分析的需求與日俱增，使用 AI 不僅提高工作效率，還能根據過往經驗預測未來可能發生的情況，防患於未然。

不過，許多企業仍擔心，使用機器學習會需要大量的資料科學家及資料工程師，曠日費時，且花費不貲，這種技術是不是只有資金充裕的全球企業才負擔得起呢？

值得慶幸的是，現在市面上已有相當不錯的自動化機器學習產品（例如 Decanter AI），能⼤幅度降低企業導入 AI 技術的⾨檻及成本，讓那些沒有專業資料科學團隊的企業，也能輕鬆建立同樣準確的預測模型，讓所有想做數據分析的企業都能輕鬆利⽤ AI 科技來分析⼤數據。

一般企業也能在較短的時間內，用較少的成本解決⼤數據分析⼯作、資料人才短缺的困境，創造更多營收。