人工智慧 (Artificial Intelligence) 可能是在過去十年左右才進入日常話題，但其實已經存在了數十年。其相對近期的崛起並非偶然。AI 技術，尤其是機器學習，有賴於大量資訊的可用性。網際網路的普及、雲端運算的擴展、智慧型手機的興起，以及物聯網的成長，造就了數量龐大且與日俱增的資料。這個資訊寶庫結合了計算能力的巨大進步，使得快速、準確地處理龐大的資料成為可能。今天，AI 正在完成我們的聊天對話、建議電子郵件回覆、提供駕駛指南、推薦我們應該串流的下一部電影、吸塵地板，以及執行複雜的醫療影像分析。

概述

人工智慧 (AI) 是機器或電腦模仿人類心智的能力。人工智慧運用多種技術，讓機器在規劃、行動、理解、學習和感知方面擁有類似人類的智慧。AI 系統可以感知環境、識別物件、作出決定、解決問題、從經驗中學習，以及模仿範例。這些能力結合起來就能完成原本需要人類才能完成的動作，例如開車或招呼客人。

人工智慧

為什麼 AI 越來越受歡迎？

人工智慧 (Artificial Intelligence) 可能是在過去十幾年才進入日常話題，但其實已經存在了數十年。其相對近期的崛起並非偶然。

AI 技術，尤其是機器學習，有賴於大量資訊的可用性。網際網路的普及、雲端運算的擴展、智慧型手機的興起，以及物聯網的成長，造就了數量龐大且與日俱增的資料。這個資訊寶庫結合了計算能力的巨大進步，使得快速、準確地處理龐大的資料成為可能。

今天，AI 正在完成我們的聊天對話、建議電子郵件回覆、提供駕駛指南、推薦我們應該串流的下一部電影、吸塵地板，以及執行複雜的醫療影像分析。

AI 的歷史是什麼？

人工智慧的歷史可以追溯到古希臘。然而，正是電子計算的興起，讓人工智能成為真正的可能。請注意，隨著技術的演進，何謂 AI 已有所改變。例如，數十年前，能夠執行光學字元識別 (OCR) 或簡單算術的機器被歸類為 AI。如今，OCR 和基本計算並不被視為 AI，而是電腦系統的基本功能。

1950 年代 - 艾倫圖靈 (Alan Turing) 因破解二次大戰納粹使用的 ENIGMA 密碼而聞名，他在《心智》(Mind) 期刊發表《運算機械與智慧》(Computing Machinery and Intelligence) 論文。他嘗試回答機器是否會思考的問題。他概述了 Turing Test（圖靈測試），該測試判斷電腦是否展現出與人類相同的智慧。這項測試認為 AI 系統應該有能力與人類進行對話，而不讓人知道他們是在與 AI 系統對話。首屆人工智慧會議在達特茅斯學院舉行。人工智慧這個詞就是在這裡被首次使用的。
1960 年代- 美國國防部透過 DARPA 對人工智慧產生濃厚興趣，並開始開發可模仿人類推理的電腦程式。Frank Rosenblatt 以透過經驗學習的神經網路為基礎，打造出 Mark 1 Perceptron 電腦。
1970 年代- DARPA 完成多項街道繪圖專案。
1980 年代- 更複雜的 AI 浪潮出現。具有反向傳播演算法的神經網路在人工智慧系統中有廣泛的應用。
1990 年代- 產生的資料量呈指數級成長。功能強大的電腦可快速處理大量資料。深藍」超級電腦兩度擊敗世界象棋冠軍 Garry Kasparov。基因組測序專案和其他類似的複雜工作會產生大量資訊。運算技術的進步使得儲存、存取和分析這些資料成為可能。
2000 年代- 網際網路革命將 AI 推向前所未有的高度。大數據加入企業詞彙。早在 Alexa、Siri、Cortana 和 Google Assistant 成為家喻戶曉的名字之前，DARPA 就已推出智慧型個人助理。這為現今個人電腦和智慧型手機的推理和自動化鋪路。這包括智慧型搜尋系統和決策支援系統，可增強並補充人類的能力。
2010 年代- 中國搜尋巨擘百度推出 Minwa 超級電腦，依靠卷積神經網路來識別、分析和分類影像，其準確度高於一般人類。來自 DeepMind 的 AlphaGo 深度神經網路程式在五局對戰中擊敗圍棋世界冠軍李世石。圍棋是一種古老的中國遊戲，比國際象棋複雜得多。
2020 年代- 此時期的人工智慧能力突飛猛進，尤其是在語言模型和產生式人工智慧方面。公眾對於人工智能對社會、工作和日常生活的潛在影響的意識和討論也與日俱增。重點包括 OpenAI 發表了 GPT-3，展示了令人印象深刻的自然語言能力，隨後又發表了 GPT-4，並進行了重大改進。此外還推出 ChatGPT，將會話式 AI 帶入主流，以及用於影像創作的 DallE。DeepMind 的 AlphaFold 在蛋白質結構預測方面取得突破。歐盟提出 AI 法案，旨在規範 AI 的開發與使用。多模式 AI 系統 (結合文字、影像和音訊) 持續進步，AI 調整與安全研究也日益受到重視。

AI 如何運作？

人工智慧（Artificial Intelligence）認為有一些原則支配著智慧系統的行動。它的基礎是將人類的能力和特質逆向工程到機器上。該系統使用的計算能力超越了一般人的能力。機器必須學習對某些動作做出反應。它依賴歷史資料和演算法來建立傾向模型。機器從經驗中學習，以執行通常由人腦完成的認知任務。系統會自動從資料的特徵或模式中學習。

AI 有兩大支柱：工程與認知科學。工程涉及建立依賴於人類比較智慧的工具。大量資料與一系列指令 (演算法) 及快速迭代處理結合。認知科學涉及模擬人腦如何運作，並為人工智能帶來多個領域，包括機器學習、深度學習、神經網路、認知運算、電腦視覺、自然語言處理和知識推理。

AI 系統是單一的嗎？

人工智慧不是一種類型的系統。有一些簡單、低階的 AI 系統專注於執行特定任務，例如天氣預報、商業資料分析、計程車叫車和數位助理。這是一般人最有可能與之互動的人工智能類型，稱為"narrow AI，" 。其主要目的是提高驅動效率。

另一端則是先進的系統，可在更廣泛的層面上模擬人類智慧，並能處理複雜的任務。這些包括創意思考、抽象思考和策略思考。嚴格來說，這種真正有智慧的機器，稱為"人工一般智慧" 或 AGI，目前只存在於銀幕上，不過實現的速度正在加快。

人工智慧用於何處？

人類追求人工智慧，是因為認同人工智慧對於企業創新和數位轉型的無價價值。AI 可以降低成本，並引進原本無法達到的速度、擴充性和一致性。您可能每天都會與某種形式的 AI 進行多次互動。AI 的應用實在太多了，無法在此一一詳述。以下是一些最重要的高度概觀。

1.網路安全

隨著網路攻擊的規模、複雜性和頻率不斷增加，依賴人力的網路防禦已不再足夠。傳統上，反惡意軟體應用程式是針對特定威脅而建立的。當發現新的惡意軟體時，會更新病毒簽章。

但是，跟上威脅的數量和多樣性最終變成了幾乎不可能完成的任務。這種方法是被動式的，而且取決於特定惡意軟體的識別，以便將其加入下一次更新。

以 AI 為基礎的反垃圾郵件、防火牆、入侵偵測/防禦及其他網路安全系統，已超越古老的以規則為基礎的策略。即時威脅識別、分析、減輕和預防是遊戲的主題。他們部署的 AI 系統可以偵測惡意軟體的特徵，即使沒有正式識別出威脅，也能採取補救措施。

AI 網路安全系統依賴不斷饋入的資料來識別模式和追溯攻擊。透過提供演算法大量資訊，這些系統可學習如何偵測異常、監控行為、回應威脅、適應攻擊並發出警示。

2.語音辨識與自然語言處理

語音辨識也稱為語音轉文字 (STT)，是一種能辨識語音並將其轉換為數位文字的技術。它是電腦聽寫應用程式的核心，也是支援語音的 GPS 和語音驅動選單的核心。

自然語言處理 (NLP)依賴軟體應用程式來破譯、解釋和產生人類可讀的文字。NLP 是 Alexa、Siri、聊天機器人以及其他形式的文字型助理背後的技術。有些 NLP 系統使用情感分析來找出語言中的態度、情緒和主觀特質。

3.影像辨識

影像識別也稱為機器視覺或電腦視覺，是一種人工智慧，可將移動或靜止影像中的人、物體、文字、動作和書寫進行分類和識別。影像識別通常由深度神經網路提供動力，並應用於自動駕駛汽車、醫療影像/視訊分析、指紋識別系統、支票存款應用程式等。

4.即時建議

電子商務和娛樂網站及應用程式利用神經網路，根據客戶過去的活動、類似客戶的活動、季節、天氣、時間等，推薦會吸引客戶的產品和媒體。這些即時建議是針對每位使用者量身打造的。對於電子商務網站，建議不僅能增加銷售額，還能幫助優化庫存、物流和店面佈局。

5.自動化股票交易

股票市場在危機時期可能會極其波動。然而，人類幾乎不可能對影響市場的事件做出快速反應。高頻交易 (HFT) 系統是人工智能驅動的平台，每天進行數以千計或百萬計的自動交易，為大型機構優化股票投資組合。

6.共乘服務和自動駕駛汽車

Lyft、Uber 和其他共乘應用程式使用 AI 將提出請求的乘客與可用的駕駛員聯繫起來。AI 技術可將繞道和等待時間降至最低，提供實際的 ETA，並在需求激增時計算激增價格。

自動駕駛汽車尚未成為全球大多數國家的標準配備，但已經有人在協力推動嵌入以 AI 為基礎的安全功能，以偵測危險情境並防止意外發生。

7.自動駕駛技術

與陸上車輛不同，飛機的誤差範圍極小。飛機製造商必須推動安全系統，並成為最早採用人工智慧的廠商之一。

為了將人為錯誤的可能性和影響降至最低，自動駕駛系統數十年來一直在軍用和商用飛機上飛行。它們結合 GPS 技術、感測器、機器人技術、影像識別和防撞功能，為飛機在空中安全導航，同時根據需要隨時更新飛行員和地勤人員的資訊。

8.軟體測試自動化

人工智慧透過AI 驅動的智慧型測試自動化，加速並簡化測試的建立、執行與維護。以 AI 為基礎的機器學習和先進的光學字元識別 (OCR) 可提供先進的物件識別，結合以 AI 為基礎的模型識別、以 AI 為基礎的記錄、以 AI 為基礎的文字比對、以圖像為基礎的自動化，團隊可以減少測試建立時間和測試維護工作，並提升測試涵蓋率和測試資產的彈性。

9.功能測試

透過OpenText™ 功能測試自動化產品，人工智慧可讓您更早、更快地進行測試。它結合了廣泛的技術支援與人工智能驅動的功能，提供速度與彈性，支援持續交付管道中的快速應用程式變更。

10.企業服務管理

IT 和企業都面臨太多手動、容易出錯的工作流程、不斷增加的要求數量、員工對服務水準和品質不滿等挑戰。人工智慧和機器學習技術可以讓服務管理更上一層樓：

智慧型搜尋功能可讓員工輕鬆快速地找到答案
虛擬代理或機器人可使用自然語言處理 (NLP) 執行任務
智慧型分析可實現工作流程最佳化與自動化
可以更有效率地收集和分析非結構化資料 (例如使用者調查) 中的指標。

IT 支援是如此，ESM 也是如此；AI 讓營運和成果更臻完美。

如何開始使用人工智慧？

您有很多方法可以利用人工智慧為您的企業保持競爭力、推動增長並釋放價值。儘管如此，您的組織沒有無限的資源，因此您必須排定優先順序。首先定義組織的價值和策略目標。從這一點出發，根據這些價值和目標來評估 AI 的可能應用。選擇能為企業帶來最大影響的 AI 技術。

這個世界只會越來越依賴人工智能。現在的問題不再是是否採用 AI，而是何時採用。先於同業開發人工智慧的組織可獲得顯著的競爭優勢。制定並實施明確的 AI 策略是一切的起點。您可能需要多做一些實驗才能知道哪種方法適合您。

OpenText 如何透過人工智慧協助企業？

客戶已經信任 OpenText 的資訊管理解決方案，以協助管理私人資料集，從 B2B 交易到作業內容，再到應用程式碼和智慧財產權。現在，無須移動資料，您就可以使用 OpenText Aviator AI 功能，從中獲取最有用的資訊。

以下是專為企業打造的 AI 的一些優點：

保持資料的私密性和安全性：您的專屬資料不應該出現在公共領域，以執行 LLM。在沙箱環境中使用經過審核的 LLM 進行實驗，嘗試新的使用案例，同時保護您的私人資料集安全。

為合適的工作僱用合適的 AI 模型：一刀切並不適用於所有情況。我們會根據使用個案協助審核 LLM，並提供模範中隊讓您開始使用。這關係到您希望從 AI 獲得的成果，以及我們如何幫助您實現這些成果。

與可信賴的合作夥伴一起進行 AI 轉型：業務與技術轉型永無止境。OpenText™ 專業服務可協助您探索適用於您業務的 AI 用例和模型，並安全地駕馭 AI 的複雜性。

OpenText 所處理的人工智慧關鍵領域為何？

以下是 OpenText Aviator for Business 軟體提供的企業級 AI 功能：

OpenText™ IT Operations Aviator：以 IT 運作的生成式 AI 自助服務功能重新定義第一級業務支援功能。

OpenText™ Experience Aviator：以私人生成式 AI 促成客戶成功，改變通訊方式。

OpenText™ Business Network Aviator：以供應鏈的 AI 徹底改變整個雲端網際網路的連線方式。

OpenText™ DevOps Aviator：利用 AI for DevOps 提升數百萬開發人員的能力。

OpenText™ Content Aviator：利用 AI 內容管理為智慧型工作空間增添動力，讓工作現代化。

OpenText™ Cybersecurity Aviator：利用 AI 威脅偵測的威力改善您的安全勢態。

OpenText 還提供 OpenText Aviator for Technologists、AI 工程平台和工具，可協助您的組織無縫建立資訊流程和協調資料：

OpenText™ Aviator 平台：利用企業級 AI 平台處理、組織和分析各類大型資料集，實現更智慧的決策。

OpenText™ Aviator IoT：利用 IoT AI 連接人、系統和物體，以更好地管理高價值資產並加速您的業務。

OpenText™ Aviator Lab：與我們的專業服務專家一起進行 AI 實驗，探索 OpenText Private Cloud 中的 AI 功能。

OpenText™ Aviator Search：讓使用者更快、更輕鬆地取得所需的答案，多儲存庫式 AI 搜尋可讓您自訂從點擊到對話的所有內容。

OpenText™ Aviator Thrust：使用 OpenText Cloud AI API 建立即時資訊流，以啟用自訂應用程式和工作流程。