人工智慧 (AI) 是指電腦模仿或複製人類認知的能力。
閱讀本文後，您將能夠：
複製文章連結
人工智慧 (AI) 是電腦等建構機器模仿或複製人類認知工作的能力。具有人工智慧的機器可以進行計算、分析資料以進行預測、識別各種類型的標誌和符號、與人類交談以及幫助執行任務，而無需手動輸入。
例如，傳統汽車僅回應人類駕駛員的輸入：當駕駛員看到交通信號燈變綠並踩下油門時，它會加速；當駕駛員看到停車標誌並踩下煞車踏板時，它會在停車標誌處停下來。配備 AI 的汽車或許能夠自行識別停車標誌和交通信號燈，並在無需駕駛員輸入的情況下停止或加速。
AI 的根源在於電腦的誕生，數學家 Alan Turing 是最早描述人工智慧機器如何運作的人之一。從那時起建置的所有電腦在某種程度上都具有人工智慧，因為它們能夠執行以前只能由人類完成的運算。然而，近幾十年來，電腦的能力、速度和儲存容量迅速擴大。如今，「AI」一詞指的是電腦可以執行的更高階的認知工作。
大多數 AI 都是建立在對大數據集的分析之上的，這些資料集包含太多資訊，任何人都無法在合理的時間內自行分析。建立 AI 模型是為了識別這些資料集中的模式，然後使用這些模式來預測未來或其他模式。AI 模型使用概率和統計分析來做到這一點。一些 AI 模型足以模仿人類行為。
通用人工智慧 (AGI) 是指電腦思考原創想法、推斷、計劃和以其他方式複製人類認知能力的能力。簡單來說，AGI 程式的智慧本質上是「人類」或「有意識的」。
AGI 實體將超越統計運算。它將能夠自行思考和做出決策，並且能夠從比目前訓練 AI 程式所需的小得多的樣本中進行概括。舉例來說，人類兒童可能只需要看到幾十個停車標誌的範例就能夠在各種環境中識別停車標誌，而目前的 AI 程式需要看到數千或數百萬個停車標誌的影像後才能始終如一地做到這一點。但 AGI 的學習速度將能夠和人類一樣快，甚至更快。
在某種程度上，確定是否實現了 AGI 是一個哲學問題，而不是技術問題。但無論 AGI 是如何定義的，大多數研究人員和專家都認為，距離實用化至少還需要幾年的時間。
機器學習是 AI 的一個分支，它是指向程式提供結構化或標記資料，以訓練程式在沒有人工幹預的情況下識別該資料的做法。例如，用於在打開的冰箱的相片中查找番茄醬瓶的機器學習模型可能一開始無法識別任何調味品，更不用說番茄醬了。然後，人們會向其中輸入數百萬張不同冰箱中番茄醬瓶的影像，並告知它每個影像代表一個番茄醬瓶。最終，即使在它以前從未見過的相片中，它也能夠自動識別番茄醬瓶。
機器學習依賴於稱為演算法的預先定義過程。根據演算法的設定方式，機器學習程式的「學習」方式會略有不同。
機器學習也依賴對大型資料集的存取。如果只向機器學習程式展示三到四張番茄醬照片，那麼該程式可以說肯定無法始終一致地準確識別番茄醬瓶，或者將認為不存在番茄醬的相片中存在番茄醬。模型獲得的資料越多，它就越準確。
如今，多種軟體和技術解決方案都使用機器學習。從使用機器學習偵測詐欺和識別機器人的安全解決方案，到使用機器學習推薦要關注的內容或帳戶的社交媒體平台，機器學習已被證明是一種非常有用的開發工具。
正如機器學習是 AI 的一種，深度學習也是機器學習的一種。深度學習模型能夠使用概率分析來識別原始資料的差異。深度學習模型有可能僅需要打開的冰箱的相片，就能瞭解什麼是番茄醬瓶，以及如何將其與其他調味品區分開來，而無需被告知什麼是番茄醬瓶。
與其他類型的機器學習一樣，深度學習需要存取大型資料集。即使是進階的深度學習模型也可能需要分析數百萬張打開的冰箱的相片才能識別出番茄醬。
產生式 AI 是一種可以建立內容的 AI 模型，包括文字、影像、音訊和影片。例如，產生式 AI 模型可以接收一張空冰箱的照片，並根據過去輸入的相片填充可能的內容。雖然這樣的模型產生的內容可以被認為是「新的」，但它是基於先前輸入模型的內容。
生成式 AI 工具越來越受歡迎。尤其是大型語言模型 (LLM) ChatGPT以及影像產生器 DALL-E 和 Midjourney 吸引了公眾的想像和商界的注意。其他流行的生成式 AI 工具包括 Bard、Bing Chat 和 Llama。
AI 的用例仍在擴展。下面是一些已經在探索的現實世界應用：
資料外洩：AI 服務使用輸入來進一步訓練其模型；它們並非設計為資料的安全保存庫。但許多人使用 LLM 的方式會增加資料暴露的風險，包括用來處理機密資訊或封閉來源的程式碼。在這些 LLM 進行進一步回應後，可能能夠重現或仿造這類資料。
失去對資料的控制：一旦上傳到 LLM，資料就會脫離控制範圍，使用者可能無法瞭解所提供的輸入發生了什麼。例如，如果一位麵包師將他們新的佛卡夏秘方放入 LLM，並要求其為他們的麵包店網站撰寫一篇引人注目的描述，他們或許能夠得到這樣一篇描述，但麵包師的配方不再是秘密，因為它可能暴露給 LLM 的其他使用者或 LLM 的營運者。
原創內容報酬減少：隨著 LLM 的使用範圍擴大，許多網站的頁面流量急劇下降。這是因為 LLM 可以根據第三方網站的資料回答使用者的查詢，而無需使用者離開 LLM 介面。如果沒有來自人類使用者的流量，網站就會失去原本可以賺取的廣告收入。
幻覺：生成式 AI 工具可能會編造資訊來產生回應——這種現象的技術詞彙是「幻覺」。如果企業不加鑒別地將此類資訊納入其內容中，則可能會損害其品牌。
過度依賴 AI 進行決策：由於 AI 模型提供的資訊並非始終可靠，因此在決策過程中過度使用 AI 可能會導致做出錯誤決策。
Cloudflare 資料丟失預防 (DLP) 可以幫助組織瞭解員工如何使用 AI。DLP 可以限制上傳、複製和貼上以及鍵盤輸入，以防止機密資料離開安全環境。
Cloudflare AI Audit 讓內容創作者和發佈者能夠封鎖、允許 AI 機器人爬取其內容，甚至對此收取費用。Cloudflare 的受管理 robots.txt 服務可協助網站管理員明確設定哪些 AI 機器人能夠存取其內容。
Cloudflare for AI 讓開發人員能夠在 Cloudflare 全球網路上建置和部署新的 AI 應用程式。深入瞭解 Cloudflare for AI。
人工智慧是指像電腦這樣的機器模擬或複製人類認知任務的能力。具備 AI 能力的機器可以分析資料以進行預測、辨識符號、與人類對話，並在無需手動操作的情況下協助執行任務。
目前大多數的 AI 透過分析大量資料集來辨識其中的模式（這稱為機器學習）。AI 模型會利用這些辨識出的模式，結合機率與統計分析，來預測未來可能出現的模式。某些進階模型在這方面的表現非常出色，甚至可以模仿人類的行為。
機器學習是人工智慧的一種形式，程式會在經過整理或加上標籤的資料上接受訓練，學會自行辨識該類資料。而深度學習則是更進階的機器學習技術，能夠從未經整理且無標記的原始資料中辨別差異與找出模式，不需要明確告知它要尋找什麼。
生成式 AI 是一種能夠創造新內容的 AI 模型，包括文字、影像、音訊與影片。雖然它產出的內容是全新的，但這些內容仍是以模型先前訓練所用的資料為基礎所產生的。
通用人工智慧 (AGI) 是一個理論上的概念，指一台電腦具有獨立思考、推理以及複製人類全方位認知能力的能力。AGI 常被描述為一種具備「意識」或「人性智慧」的機器，不過多數專家一致認為，距離實現 AGI 仍有很長的路要走。