iPAS AI應用規劃師初級能力鑑定-考試樣題
科目一:人工智慧基礎概論
人工智慧基礎概論 (L11)
L111 人工智慧概念
L11101 AI定義與分類
AI,也稱為人工智慧
是一項讓 機器 能夠像人類 一樣進行 推理 和 自主決策 的技術。
透過對 海量資料 的 學習。
AI技術能夠
1. 辨識 語音、圖像和文字
2. 發現 模式與趨勢
3. 主動 解決問題,並
4. 預測 未來的情形和事件
AI 並不是單一的技術,而是 多種 讓機器變得智慧的技術的集合:
比如 透過大量資料
1. 訓 練電腦 (機器學習)
2.讓電腦理解圖像 (視覺辨識)
3.理解人類語言 (自然語言處理)
「人工智慧+」戰略,即人工智慧與各行業的深度融合。
這不僅僅是「1+1=2」的簡單疊加,而是透過人工智慧及多項先進IT技術
對 傳統 與 新興行業 進行深度改造,打造企業智慧生態 發展體系。
「人工智慧+」已廣泛應用於
製造、醫療、金融、教育 。
弱人工智慧(英語:Weak artificial intelligence,簡稱Weak AI)
或稱狹義人工智慧(Narrow AI)、應用型人工智慧(Applied AI)
弱人工智慧或稱狹義人工智慧、應用型人工智慧,是實現部份思維的人工智慧,
且僅專注於某項特定任務。用約翰·瑟爾的話來說,
它「對於測試關於思想的假設很有用,但實際上並非思想」。
弱人工智慧專注於模仿人類如何執行基本動作,
例如 記憶 或 感知事物、解決簡單問題。
比如:AlphaGo是一種圍棋軟體,只能專注於下圍棋
像是只會下圍棋、只會自動導航、只會醫療影像判斷、只會掃地......
等特定功能的AI
加速邁向 通用人工智慧(AGI):
生成式 AI 的進步使AI向AGI邁出了重要的一步。
透過不斷增強的 學習能力 和 創造性,
AI 將更接近於具備人類般的通用智慧,
能夠在不同領域中自主解決多樣化的問題。
合成資料 與 自監督學習 將打破人工智慧訓練瓶頸:
合成資料的應用將幫助克服人工智慧訓練中 資料稀缺 和 隱私問題的挑戰。
透過產生大量逼真的虛擬資料集,
AI 可以在保護隱私的前提下進行大規模訓練,
從而提高模型的 準確性 和 泛化能力。
量子電腦突破AI極限:
量子電腦的強大算力將為 AI 帶來了前所未有的速度和效率。
科學家們預測,量子計算將首先在複雜 AI 任務中得到應用,
如最佳化問題、 模擬複雜系統 和 處理大規模資料,
為人工智慧開闢新的可能性。
現階段所有落地應用均屬 弱人工智慧,
集中在 機器學習/深度學習技術。
強人工智慧(AGI)
仍面臨根本性技術瓶頸,是學界與產業的長期探索方向。
強人工智慧(也稱AGI通用人工智慧):
理論上,AGI系統可以成功執行人類才能完成的智力型任務,
甚至效果可能更好。
超級人工智慧(ASI):
指完全 具有自我意識 且 超越人類智慧的 AI 系統。
從理論上講,這類 AI 系統能夠自我完善,
並以超越人類的智慧水平制定決策
但是,這種 AI 系統目前只存在於科幻小說中,尚無確切的開發方法。