AI 學習筆記 #2: 人工智慧子領域
AI 是技術，是解決問題的一種方法，不是終端應用。
下西洋棋/圍棋的程式早在 20 世紀就有，但當時的程式並不是 AI-based，而通常是用 rule-based 的方式進行決策 (簡單來說就是先寫好一大堆的「規則」)。直到近十年深度學習的突飛猛進，才讓下棋程式有不同於以往的突破，正式超越人類的棋力。
繼第一篇 「機器學習 vs. 深度學習」的 AI 相關文章，今天想與讀者分享 AI領域目前最為熱門的 4 個「子領域」— 1) NLP、2) CV、3) RS 與 4) IDSS。
- NLP (Natural Language Processing 自然語言處理)
NLP 最主要的任務是讓電腦「理解」人類語言。從看懂文字，理解文字代表的意義到產生回應，都在此領域的範疇之內。
> 終端應用：1) 拼字檢查、2) 機器自動翻譯 (越來越聰明的 Google 翻譯)、3) 聊天機器人與 4) 語音識別 (想像未來的電話客服都是機器人)。
- CV (Computer Vision 電腦視覺)
CV 最主要的任務則是讓電腦「看懂」真實世界的物體、情境與事件。在電腦視覺領域中，攝影機用來類比眼睛，電腦則代表大腦。透過 AI，試圖讓電腦理解人、事、物。
> 終端應用：1) 安控系統 (人臉辨識門禁、偵測翻牆或是非法闖入等行為)、2) 無人商店 (透過安裝在商店的攝影機，得知顧客身分、購買商品的品項和數量) 與 3) 自駕車。
- RS (Recommended System 推薦系統)：
推薦說白了就是「預測用戶可能會喜歡的東西」。推薦系統通常會根據用戶的習性，例如瀏覽或消費紀錄等歷史資料，推測用戶可能感到興趣的服務、資訊或是商品，並呈現給用戶。
> 終端應用：1) 購物網站網頁或 app 中的推薦商品與 2) YouTube 以及 Spotify 推薦的影片或音樂。
- IDSS (Intelligent Decision Support System 決策輔助系統)：
例外一個常見的應用是讓電腦輔助進行人類「決策」。透過分析資料，電腦可以進行判斷，決策的品質或精準度甚至比人類來得優秀。
> 終端應用：1) 金融機構貸款審核模型、2) 線上醫療診斷系統。
上述提到的這 4 個子領域都是目前 AI 領域非常熱門的題目。此外，文中提到的每一個終端應用，其實都可以自成一門學問，幾乎每個終端應用都有上百，甚至上千家的公司投入開發。
我想再次強調的是，過去這些應用其實都是大多都是 rule-based 的演算法。然而，隨著 AI 技術的越趨成熟，讓這些應用可以發展得更加完善，表現得更好。
接下來也會陸陸續續跟讀者分享在 AI 領域的所見所聞，請讀者持續關注我發表的文章，非常歡迎提出任何想法或回饋。
