AI

AI （AI）是一種精密的技術，可讓電腦模擬人類認知流程，促進日常任務和解決問題。隨著 AI 的不斷進步，它正透過提升家中與職場日常作業的效率，成為生活中不可或缺的一部分。

什麽是 AI ？

AI 的定義：AI 是電腦系統的理論和開發，可以執行通常需要人類智慧的任務。這些系統包括視覺感知、語音辨識、決策和語言之間的翻譯。

AI 包括許多理論和技術，並透過快速有效地分析大量資料來發揮作用。在分析這些資料時，它可以識別出有助於執行任務的模式，而這些任務原本通常需要由人類完成。從對話到識別客戶的購買模式，這些任務可以是任何事情。

近來，隨著資源和 AI 研究不斷擴展，AI 的各分支也隨之興起。生成式 AI、機器學習和深度學習代表了領域內的重大進展。AI 應用程式正在快速成長和發展，並承諾延伸到遠遠超出我們目前 AI 的理解。

AI 如何運作？

AI 是一種複雜的技術，具有以不同方式運作的各種子集和類型。儘管有這些差異，AI 模型通常在根據學習到的資料完成任務之前，就接受了大量資料的培訓。

以下是操作 AI 模型的關鍵步驟：

• 資料蒐集：根據特定的 AI 模型，收集各種資料類型，包括文字、數字、音訊或圖形
• 資料處理：分析資料以瞭解其內容，並解讀個別資料點之間的關係
• 學習：識別並處理資料中的模式，以全面瞭解訓練資料的運作方式以及個別資料點代表的意義
• 任務績效： 使用資料執行任務並產生輸出
• 持續改善：從其自己的成果中學習，隨著時間的推移，它們在成功和失敗方面接受再訓練時變得更加準確和有價值

此迭代流程可讓 AI 模型改善和調整，使 AI 成為各種應用程式的強大工具。

AI 的歷史為何？

AI 的起源可以追溯到艾倫·圖靈（Alan Turing）發表其開創性論文《計算機器與智慧》的關鍵時刻。在這項工作中，圖靈探索了機器智慧的概念，奠定我們現今所知道的 AI 開發基礎。

• 1950 年代，起源：這篇論文發表後不久，電腦科學家約翰·麥卡錫（John McCarthy）首次使用了「人工智慧」一詞。自從 1950 年代中期提到這個話題以來，對此話題及其意義已經發生了巨大的改變。 
• 1960 和 70 年代，初步研究：進一步研究在隨後幾十年內進行。已建立第一個編程語言，稱為清單編程，且目前仍然使用。清單編程是 AI 研發的基礎語言。一些資金和發展伴隨了這個創造時期。然而，美國政府對資助開發 AI 研究幾乎沒有興趣。
• 1980 年代，全球利益和投資的增加：AI 開發的最大和最正面轉變發生在 1980 年代。在這短暫的時間內，日本政府約撥出 8.5 億美元給第五代電腦系統（FGCS）專案，以開發先進的 AI 技術。這項重大投資標誌著 AI 研發的重大推動力。此外，慕尼黑還成立了第一輛無人駕駛汽車，而史丹佛大學也舉辦了第一場與 AI 相關的大會。
• 1990 年代，商業化和挫折：20 世紀 90 年代，AI 的商業化和挫折混合了在一起。雖然專家系統開始在金融和醫療保健等行業得以應用，但 AI 技術的局限性導致了一段被稱為「AI 寒冬」的時期，在此期間，人們對 AI 研究的興趣和資金大幅下降。
• 2000-2010，復甦與成長：2000 年代初期，隨著運算能力的進步和大型資料集的可用，AI 研究出現了復甦。機器學習，特別是透過開發支援向量機器和神經網路等演算法，獲得顯著的成效。這個時期也看到 AI 應用程式在自然語言處理和電腦視覺等領域的興起。
• 2010 年代，深度學習和普及率：自 2010 年起，由於深度學習的突破，AI 經歷了指數級成長。卷積神經網路（CNN）和遞歸神經網路（RNN）等技術，在影像和語音辨識方面取得了重大進展。AI 變得無所不在，從半自駕車到個人化建議和虛擬助理等應用應有盡有。
• 智能的最新發展：過去十年來，AI 已整合至社會和主流線上媒體的各個層面，在短時間內帶來顯著的創新發展。AI 現在在社交媒體演算法中扮演著關鍵角色，而 ChatGPT 等模型可大幅提高線上書面內容的音量和品質。此外，AI 產生的影像在網路上越來越普遍。在某些情況下，其用途會讓不法份子有機會誤導讀者。 

在過去五年中，AI 在所有領域都取得了重大進展。語音辨識和電腦視覺的顯著進步，加上自然語言處理的快速改善，已大幅加速 AI 的發展軌跡。

• 這些最近的發展在日常生活的許多方面都很明顯，包括醫療保健，疾病偵測變得更容易，隨著駕駛輔助增加行動力，遊戲也變得更複雜，視覺上也更令人滿意。由於其在現今社會的盛行，我們只能假設它會影響我們未來生活的方式。

數十年來對 AI 的研究和興趣，在我們現今所看到的精密技術中深深耕耘。AI 正在成為人們日常生活中不可或缺的一部分，無論是在家還是在工作場所，這與以前的遙遠夢想相比，都是遙不可及。

AI 的關鍵類型是什麼？

AI 更廣泛的領域中，有三種關鍵類型有助於現今的 AI 開發。

• 機器學習涉及訓練演算法，以根據資料做出預測。機器學習技術有許多種，每一種都致力於各種類型的問題解決。最常見的機器學習演算法之一是神經網路，以人類大腦的運作方式命名。神經網路被廣泛使用，因為其可以有效地處理和分析複雜的資料。
• 作為機器學習的子集，深度學習透過強化神經網路的能力，緊密模擬人類大腦。深度學習方法通常用於需要人類智慧的任務，例如將聲音轉譯成文字。

例如，Zoom 使用深度學習來製作會議記錄，讓參與者專注於演講者和想法，而不必做額外的筆記。

• 生成式 AI 是 AI 的子集，可根據從現有資料中學到的模式和結構產生全新的內容。其依靠複雜的模型，例如 Tansformer 和生成對抗網路（GAN）來理解和建立內容。Transformer 支援大型語言模型（LLM），且訓練效率更高，速度更快。

Transformer 讓研究人員無需最初標記的資料即可訓練大型模型。此功能有助於模型分析更多的文字和資訊。

LLM 的進步為 AI 模型創造逼真文字和創造栩栩如生的影像鋪路。近年來，生成式 AI 模型的開發速度非常快，預計會以相似的速度繼續增長。

如何運用 AI ？

在美光，我們不僅提供關鍵的生成式 AI 和 LLM 記憶體和儲存解決方案，也在自己的智慧製造流程中使用 AI。

矽製造是一個極其複雜的流程，耗時數月，涉及約 1,500 個步驟。美光在這個過程的每一步都採用了先進的 AI，大幅提高了準確性和生產力。智慧感測器在整個製造過程中廣泛用於監控品質，並即時收集複雜資料。這些資料會成為生成 AI 工作負載的輸入，這些工作負載會改變營運方式，並為我們領先業界的 AI 記憶體和儲存解決方案達到歷史性的輸出、產量和品質水準。

美光使用 AI 的好處不僅止於更高的產量，還能提高品質和效率、更安全的工作環境和永續業務。應用範圍幾乎是沒有限制的。事實上，許多大型企業已經認識到這些應用，也開始運用生成式 AI。我們瞭解 AI，因為我們在日常營運中使用 AI。