找不到任何結果

您的搜尋未與任何結果相符。

以下操作有助您找到所需內容,建議您不妨一試:

  • 檢查您關鍵字搜尋的拼字是否正確。
  • 改用您所輸入關鍵字的同義詞,例如以「應用軟體」取代「軟體」。“”“”
  • 嘗試下列其中一項熱門搜尋。
  • 開始新的搜尋。
常見問題

什麼是人工智慧—AI?

什麼是人工智慧?

簡單來說,人工智慧 (AI) 指的是能模仿人類的智慧執行任務的系統或機器,可以根據所收集的資訊不斷自我調整、進化。AI 的類型五花八門。例如:

  • 搭載 AI 的聊天機器人能更快速了解顧客的問題,並提供更有效的答案
  • 智慧助手運用 AI 從大規模自由文本資料組中分析關鍵資訊,改善排程計畫
  • 推薦引擎可以根據使用者的觀看習慣自動推薦電視節目

相較於特定格式或功能,AI 的重點其實在於超級思維與數據分析的過程和能力。雖然 AI 會讓人聯想到強大人形機器人佔領全世界的畫面,但 AI 的出現並不是為了取代人類。AI 旨在大幅提高人類的能力,並為世界做出貢獻。因此 AI 是非常有價值的商業資產。

人工智慧條款

人工智慧已經成為一個籠統的專業術語,代指能執行複雜任務的應用程式,這些複雜任務曾經需要人工手動輸入,比如與顧客線上溝通或下棋。這個詞常與常與它的不同種類通用,包括機器學習和深度學習。但實際上是有區別的。舉例來說,機器學習著重於建立能從資料中學習,或透過所存取的資料提高績效的系統。其中一項重要的區別是:雖然所有機器學習都屬於 AI,但並非所有 AI 都是機器學習。

為了完全發揮 AI 的價值,許多公司都投入大筆資金發展數據科學團隊。資料科學領域橫跨多個學科,利用科學和其他方法從資料中萃取出價值,將統計和電腦科學等領域的技能與商業知識相結合,分析從數個來源收集的資料。

AI 如何幫助組織發展

人工智慧最核心的原則是複製並超越人類感知世界及反應的方式。AI 正快速成為創新的基石。通過各種機器學習技術,可以識別出資訊模式並進行預測,AI 為您的業務增值的方式有以下幾種:

  • 更全面地深入了解大量可用數據
  • 藉由預測自動執行過於複雜或繁瑣的工作

企業中的 AI

企業中的 AI

藉由將過去需要人工進行的流程或任務自動化,人工智慧技術正在提高企業的績效和生產力。同時,人工智慧也可以理解人類無法理解的大規模數據。AI 的強大力量可以帶來巨大的商業利益。舉例來說,Netflix 運用機器學習技術推動一定程度的個人化, 協助公司在 2017 年增加超過 25% 的顧客基數。

大多數公司都視數據科學為首要任務,並斥巨資投資此領域。在 Gartner 近期對超過 3,000 名資訊長進行的 兩項調查中,受訪者將分析和商業智慧視為最能使組織脫穎而出的技術。接受調查的資訊長認為這類技術對他們的公司來說是最具策略意義的,最新的投資大部分都落在這個領域。

對大多數功能、業務和產業來說,AI 都極具價值。其中亦包含一般及特定產業專用的應用程式,例如:

  • 使用交易和人口統計數據來預測某些顧客在業務關係中將花費多少金額(即顧客終生價值)
  • 根據顧客行為和偏好將定價最佳化
  • 使用圖像識別分析 X 光片,找出癌症跡象

企業如何使用人工智慧技術

企業如何使用人工智慧技術

根據哈佛商業評論指出,企業主要使用 AI 來:

  • 偵測並嚇阻安全性入侵 (44%)
  • 解決使用者的技術問題 (41%)
  • 減少生產管理工作 (34%)
  • 衡量企業內部在與經認證的供應商合作時,內部是否遵循法規 (34%)

企業開始採用 AI 的驅動因素

有三大主因推動了 AI 在各大產業的發展:

  • 高效能計算能力的價格合理,且隨時可用。雲端商用計算能力十分強大,企業能以合理的價格輕鬆取得高效計算能力。在 AI 開始發展前,唯一能搭載 AI 的計算環境為非雲端環境,且成本高昂。
  • 有大量資料可用於訓練演算法。 人工智慧需經過大量數據的訓練後,才能做出正確的預測。因為各種資訊標記工具的出現,加上組織可以輕鬆地、以合理的價格儲存及處理結構化和非結構化資料,有越來越多組織有能力建構並訓練 AI 演算法。
  • 運用人工智慧可以帶來競爭優勢。 越來越多企業知道將 AI 分析洞見應用於業務目標能帶來競爭優勢,因此也將發展 AI 應用視為首要業務任務。例如,AI 提供的高針對性推薦有助於企業更快做出更好的決策。人工智慧技術的許多特徵和功能可以降低成本及風險,並縮短產品上市時間等。

關於企業 AI 的 5 個常見迷思

儘管許多公司成功地採用了 AI 技術,但關於 AI 能力的誤解也不少。在這裡,我們探討關於人工智慧的五個常見迷思:

  • 迷思 1:企業人工智慧需要建構自己的方法。
    實際情況:大多數企業透過結合內部和立即可用的解決方案來採用人工智慧。內部人工智慧開發可使企業可以根據獨特的業務需求客製化;預建的人工智慧解決方案使您能夠使用現成的解決方案簡化解決方案,以解決更常見的業務問題。
  • 迷思 2:人工智慧能立即提供神奇的成果。
    實際情況:人工智慧的成功之路需要時間,周到的計劃以及對要實現的交付成果的清晰認識。您需要策略框架和迭代方法來避免提供隨機中斷連線的人工智慧解決方案。
  • 迷思 3:企業 AI 不需要人員執行。
    實際情況:企業 AI 與機器人掌控世界無關。人工智慧的價值在於,它可以增強人員能力並釋出員工的時間以進行更多的策略任務。而且,人工智慧會依靠人們來提供正確的資料並以正確方式加以使用。
  • 迷思 4:資料越多越好。
    實際情況:企業人工智慧需要智慧化資料。為了從人工智慧獲得最有效的業務見解,您的資料需要是高品質、最新且相關的豐富資料。
  • 迷思 5:企業人工智慧只需要資料和模型即可成功。
    實際情況:資料、演算法和模型只是開始,您必須擴展人工智慧解決方案才能滿足不斷變化的業務需求。目前為止,大多數企業人工智慧解決方案都是由資料科學家親手打造。這些解決方案需要大量的手動設定和維護,並且無法擴充。為了成功導入人工智慧專案,您需要人工智慧解決方案,這些解決方案可以隨著人工智慧的發展而不斷擴充以滿足新的需求。

實施 AI 的優勢與挑戰

有許多成功案例都證明了 AI 的價值。如果組織能將機器學習和認知互動用於傳統業務流程和應用程式,便能大幅改善使用者體驗並提高生產力。

然而,實際執行沒有那麼容易。因為某些原因,很少有公司成功大規模部署人工智慧技術。舉例來說,如果不使用雲端運算,AI 專案的運算成本通常會很高。AI 建構起來很複雜,所需的專業知識非常搶手,但真的懂 AI 的專業人才卻不多。了解該在何時、何種情況下使用人工智慧,以及什麼時候該向第三方求助,便能最大限度地減少這些難題。

AI 成功案例

AI 技術是許多重要成功案例背後的推手:

  • 根據哈佛商業評論報導, 美聯社訓練人工智慧軟體自動撰寫關於短期收益新聞,成功將新聞產量提高了 12 倍。美聯社此舉讓社內記者可以撰寫更多更深入的報導。
  • Deep Patient 是西奈山伊坎醫學院 (Icahn School of Medicine at Mount Sinai) 打造的人工智慧工具,讓醫生在診斷出疾病前即識別出高風險病患。insideBIGDATA 表示,此工具會分析病患的病史,在發病前一年預測近 80 種疾病。

隨時可用的 AI 讓操作更便利

各式由人工智慧驅動的解決方案及工具的出現,意味著有更多公司能以更低的成本、在更短的時間內部署人工智慧技術。隨時可用的 AI 指的是內建 AI 功能或能使演算法決策過程自動化的解決方案、工具和軟體。

隨時可用的人工智慧有各種形式,從使用機器學習自我修復的自主資料庫到可以用於各種資料組、能解決圖像識別及文本分析等挑戰的預建模型都屬於此類。這類人工智慧讓公司能更快地實現價值、提高生產力、降低成本並加強顧客關係。

AI 使用入門

用聊天機器人和顧客溝通。聊天機器人運用自然語言處理技術瞭解顧客,引導顧客提問並從中獲取資訊。他們會隨著時間的推移不斷學習,以便為顧客互動帶來更多價值。

監控您的資料中心IT 營運團隊可以將所有網路、應用程式、資料庫效能、使用者體驗和紀錄數據放到雲端資訊平台上,此平台會自動監控閾值並偵測異常現象,從而節省大量用於監控系統的時間與精力。

不需專家即可進行業務分析。搭載視覺化 UI 的分析工具讓非技術人員能輕鬆查詢系統並得出容易理解的答案。

完全發揮潛力 AI 的阻礙

儘管 AI 承諾會為我們打造無可限量的未來,有許多公司還沒有完全發揮機器學習及其他 AI 功能的潛力。這是為什麼呢?諷刺的是,事實證明,這個問題在很大程度上是因為人。缺乏效率的工作流程,可能會讓企業無法實現 AI 應用的最大價值。

例如,數據科學家可能面臨挑戰,他們可能無法獲得建立機器學習模型所需的資源與資料。他們與其他隊友合作時可能會面臨困難。數據科學家會使用多種不同的開源工具來管理,而應用程式開發人員有時得先重新編寫數據科學家所開發的模型,才能將模型嵌入到應用程式中。

隨著越來越多開源人工智慧工具的出現,IT 團隊最終需要花更多時間、不斷更新數據科學團隊的工作環境以提供支援。這個問題因為數據科學團隊喜歡以有限的標準化方式工作而加劇。

最後,儘管公司鉅額投資 AI,高階主管可能無法看到 AI 的潛力得到完全發揮。因此,他們便不會提供足夠的資金和資源,打造 AI 成功所需的協作與整合生態系統。

培育正確的文化

充分利用 AI 優勢,避免讓 AI 無法成功實施的問題發生:培養完全支持 AI 生態系統的團隊文化。在這種類型的環境下:

  • 業務分析師與數據科學家一同合作,定義問題和目標
  • 資料工程師負責管理資料及底層資料平台,使其可完全發揮分析潛力
  • 數據科學家在數據科學平台上準備資料、探索可用資料、將資料可視化並建立模型
  • IT 架構師負責管理大規模數據科學所需的底層基礎架構,無論是在公司內部部署還是部署在雲端
  • 應用程式開發人員將模型部署至應用程式中,打造由數據驅動的產品

從人工智慧到調適型智慧

隨著人工智慧技術成為企業營運所需的主流能力,有個新詞彙誕生了:調適型智慧。調適型智慧應用程式將內部和外部即時資訊、決策科學和可擴充的計算基礎架構相結合,協助企業做出更好的業務決策。

這些應用程式能讓您的公司更加提升智慧。您能夠為顧客提供更好的產品、推薦和服務,這些進步會帶來更好的業務成果。

使 AI 成為策略性要務與競爭優勢

對於希望提高效率、創造新的獲利機會及提高顧客忠誠度的企業而言,採用人工智慧絕對是必要的策略決策。AI 正迅速成為許多組織的競爭優勢。有了人工智慧,企業可以在更短的時間內完成更多任務,打造個人化且強而有力的顧客體驗並預測業務成效,從而提高獲利能力。

但它依舊是一項全新技術,且高度複雜。要充分發揮 AI 的潛能,您需要有建構及管理大規模 AI 解決方案的專業知識。AI 專案要成功不僅僅需要僱用數據科學家。企業必須採用正確的工具、實施正確的流程並採取正確的管理策略,才能確保 AI 能成功。

充分利用 AI 需要哪些最佳實務

哈佛商業評論 為入門 AI 的企業提出以下建議:

  • 在對收入和成本有最大且最直接影響的活動中,使用 AI。
  • 使用 AI 可以在相同員工數的情況下提高工作效率,無須減少或增加員工人數。
  • 在企業對內部門開始採用 AI 技術,而不是對外部門 (IT 和會計部門將受益良多)。

取得發展 AI 的協助

您已無法不加入 AI 轉型計畫。為了維持競爭力,所有企業最終都必須擁抱 AI 並建構 AI 生態系統。未來10年內,未能採用人工智慧技術的公司將被遠遠拋在後頭。

雖然您的公司可能是例外,但大多數公司都缺乏內部人才和專業知識,無法開發最大化 AI 效能的生態系統和解決方案。

如果您需要外部協助以制定正確的策略並取得正確的工具,好在 AI 轉型過程中取得成功,您要找的創新合作夥伴應具備深厚的產業知識,並提供全面性 AI 產品組合。

免費在 Oracle Cloud 上建置、測試及部署應用程式。

人工智慧學習程式庫

深入了解數據科學
深入了解數據科學

企業正主動將統計數據與機器學習、人工智慧等電腦科學概念結合,以期從大數據中萃取出分析見解,藉此推動創新並改變決策過程。

深入了解機器學習
深入了解機器學習

機器學習是人工智慧 (AI) 的一種,著重於建立能從資料中學習的系統,以實現自動化並縮短決策所需時間、加速轉換價值的過程。

新聞與評論
新聞與評論

人工智慧、機器學習及數據科學正在改變企業解決複雜問題的方式,並轉換相關產業的發展方向。閱讀最新文章,了解您的產業與同行如何運用這些技術。