人工智能 (AI) 基礎簡介

歡迎來到人工智能（AI）的世界！你可能在電影中見過 AI，或者在手機上用過面部解鎖功能。但它到底是怎樣運作的呢？AI 並非「魔法」——它是建立在三大重要支柱之上的：數據 (Data)、演算法 (Algorithms) 以及算力 (Computing Power)。在這份筆記中，我們將會探索這三部分，看看它們如何共同協作，讓電腦變得「聰明」。

AI 的三大支柱

想像一下，建造一個 AI 系統就像烘焙一個專業級的蛋糕。要得到完美的成果，你需要三樣東西：

  • 數據： 這就是你的材料（麵粉、雞蛋、糖）。
  • 演算法： 這就是你的食譜（處理材料的步驟指令）。
  • 算力： 這就是你的廚房設備（負責辛苦工作的焗爐和攪拌機）。

如果這三者中缺少任何一項或表現欠佳，AI 就無法運作良好！

1. 數據：AI 的燃料

數據是我們提供給 AI 系統學習的資訊。AI 系統會處理不同類型的數據，包括：

  • 文字 (Text)： 書籍、電郵或聊天訊息。
  • 圖像 (Images)： 貓、狗或交通標誌的照片。
  • 音訊 (Audio)： 錄音或音樂。

為什麼數據很重要？

AI 通過觀察成千上萬甚至數百萬個例子來學習。例如，要教 AI 識別「單車」，你必須給它看幾千張單車的照片。

「垃圾進，垃圾出」(GIGO) 原則：
這是電腦認知課程中一個非常重要的概念。如果你給 AI 「垃圾」數據（即錯誤、混亂或有偏見的數據），AI 就會給你「垃圾」結果。數據的準確性對於 AI 是否有用至關重要。

重點複習：沒有足夠的高質素數據，AI 就無法準確學習規律。

2. 演算法：AI 的邏輯

演算法 (Algorithm) 是一套預設的規則或循序漸進的指令，用於解決問題或完成任務。在 AI 中，演算法告訴電腦如何從數據中「學習」。

AI 演算法有什麼作用？

AI 演算法讓系統能夠自行執行以下操作，而不需要人類程式編寫員為每一種可能性都寫下一條規則：

  • 尋找規律： 例如察覺到大多數「單車」都有兩個輪胎。
  • 作出預測： 判斷一張新照片是單車還是汽車。
  • 優化方案： 找出解決問題的最快方法。

你知道嗎？
在中二、中三的編程課中，你會使用流程控制和循環來設計簡單的演算法。AI 演算法其實就是這些邏輯步驟的「超級複雜版」！

3. 算力：AI 的引擎

算力 (Computing Power) 指的是電腦硬件執行運算的能力。AI 需要在極短時間內完成海量的「數學計算」。

AI 的基本硬件

為了提供這種力量，AI 系統依賴特定的硬件組件：

  • CPU (中央處理器)： 電腦的「大腦」，負責處理一般任務。
  • 專用處理器： 由於 AI 涉及同時進行數百萬次微小的運算，我們經常使用特殊的晶片（例如 GPU），它們處理數學運算的速度比一般 CPU 快得多。
  • 記憶體 (RAM)： 儲存 AI 當前正在「思考」的數據，以便即時讀取。

為什麼我們現在需要更強大的算力？
以前我們雖然有演算法和數據，但電腦速度太慢了。現在我們的硬件強大到每秒可以處理數十億次運算，這就是為什麼 AI 近年變得如此流行的原因。

比喻：一位專業廚師（演算法）可能有最好的食譜，但如果他只有一個微型多士爐（低算力），他也無法為 \(1,000\) 人烘焙蛋糕！

應避免的常見錯誤

錯誤 1： 認為 AI 像人類一樣「聰明」。
現實： AI 只是利用算力處理數據，並遵循演算法的機器。它並不像你那樣真正「理解」事物。

錯誤 2： 認為三大支柱只需要其中之一。
現實： 你三者都需要。即使有最好的演算法，如果沒有足夠的數據或不夠快的電腦去運行，它依然會失敗。

重點小結

  • AI 的表現取決於數據、演算法和算力。
  • 數據是用於訓練的資訊（文字、圖像、音訊）。
  • 演算法是 AI 遵循的規則和邏輯步驟。
  • 算力是執行運算的硬件（如 CPU）。
  • 「垃圾進，垃圾出」(GIGO) 意味著錯誤的數據會導致錯誤的 AI 結果。

注意：在下一章中，我們將學習「AI 系統如何處理數據並學習」，看看這三大支柱是如何透過「機器學習」共同協作的！