欢迎来到未来：新兴科技
你好！在本章节中，我们将探索新兴科技 (Emerging Technologies)，特别是人工智能 (Artificial Intelligence, AI)。你可能会觉得 AI 是电影里那些会说话的机器人，但实际上它早已成为你日常生活的一部分——从手机的面部识别解锁，到电子邮件如何过滤“垃圾”信息，统统都有它的踪影。让我们一起拆解这些“魔法”背后的运作原理吧！
1. 什么是人工智能 (AI)？
简单来说，人工智能 (AI) 是指电脑或机器执行复杂任务的能力，而这些任务通常需要人类的智能才能完成。
一个系统要真正被称为“AI”，必须具备以下两个要素：
1. 自主性 (Autonomy)： 它可以在没有人类指导每一个步骤的情况下执行任务。
2. 学习能力 (Learning)： 当它收集到更多数据时，其表现会随之提升。
比喻： 试想象你要教导一名幼儿辨认什么是“狗”。你不会给他一本 500 页的规则手册，而是会让他看许多狗的照片。久而久之，幼儿就“学会”了狗的模样。AI 的运作方式非常相似！
AI 擅长的常见任务：
• 面部识别： 透过注视屏幕来解锁你的智能手机。
• 语音识别： 当 Siri 或 Alexa 能够听懂你说的话。
• 图像分类： 当 Google 相册能自动将你所有的“猫咪”照片归类在一起。
• 垃圾邮件过滤： 你的电子邮件收件箱在邮件送达前，自动拦截“诈骗”信息。
复习重点： AI = 复杂任务 + 无需时刻人工介入 + 透过数据不断进步。
2. 机器学习 (ML) 与传统编程的区别
如果这些术语听起来很相似，别担心！机器学习 (Machine Learning, ML) 其实只是用来构建 AI 的一种特定技术或“工具”。它们最大的区别在于我们如何给电脑下达指令。
传统编程 (Traditional Programming)
在传统编程中，人类会编写明确的规则，电脑则严格执行这些规则。
例子：“如果邮件包含‘中奖’一词，则将其移至垃圾邮件文件夹。”
机器学习 (Machine Learning)
在机器学习中，我们不会给电脑规则，而是给它数据（例子）和算法（一套数学指令），让电脑自己找出规律。
例子：你向电脑展示 10,000 封垃圾邮件，它会留意到大多数垃圾邮件都有奇怪的链接和不通顺的语法，从而学会自行识别它们。
记忆小撇步：
• 传统编程： 人类像老师一样，提供一份详细的食谱。
• 机器学习： 电脑像厨师一样，透过尝试各种食材来找出最佳的味道。
3. 机器学习如何学习：最近邻居法 (Nearest Neighbour Method)
要理解机器学习如何对事物进行分类，最简单的方法之一就是最近邻居法 (Nearest Neighbour Method)。这常用于分类任务（判断某事物属于哪个组别）。
想象我们想根据两个量化特征（可以用数字测量的特征）将水果分类为橙或西柚：
1. 重量（有多重）
2. 亮度（颜色有多亮）
逐步流程：
1. 我们根据重量和亮度，将所有已知数据（橙和西柚）绘制在图表上。
2. 我们拿出一种“神秘水果”，并将它标示在同一张图表上。
3. 我们查看“神秘水果”最近的邻居。如果其最近邻居是橙，我们就将该神秘水果分类为橙！
你知道吗？ 为了找出“最近”的邻居，电脑会使用课程中提到的欧几里得距离 (Euclidean Distance) 公式：
\( d = \sqrt{x^2 + y^2} \)
关键概念： 最近邻居法假设在图表上距离“相近”的事物，很有可能属于同一类别。
4. 道德与数据偏差 (Bias)
AI 功能强大，但并不完美。由于 AI 是从数据中学习，如果我们提供的数据是“坏的”或“不公平的”，AI 的判断也会变得“坏”或“不公平”。这就是所谓的偏差 (Bias)。
数据偏差的危险性
如果一间公司使用 AI 来招聘员工，但只提供过去被录用的男性数据给 AI，AI 可能会学到一种“偏见”规则，即“男性是更好的员工”，并自动拒绝合资格的女性求职者。这是不道德且错误的。
不道德 AI 的负面后果：
• 不公平： 某些群体可能会受到系统的差别待遇。
• 不准确： 一个只针对单一肤色训练的面部识别系统，可能无法识别其他肤色的人士。
• 失去信任： 如果人们觉得科技存在偏见或有害，便会停止使用。
常见避雷区： 许多学生认为 AI 比人类“聪明”且不会犯错。事实上，AI 的水平取决于人类提供给它的数据！如果输入的是“垃圾”(Garbage)，输出的也会是“垃圾”(GIGO)。
总结清单
检查你的理解：
• 我能定义 AI 是在没有持续人工指导下执行复杂任务吗？(5.4.1)
• 我能列举 4 个日常 AI 任务（例如语音识别）吗？(5.4.2)
• 我知道 ML 是一种让电脑透过数据而非规则来学习的技术吗？(5.4.3)
• 我能解释“最近邻居法”是透过观察与目标最接近的事物来进行分类的吗？(5.4.4)
• 我明白有偏差的数据会导致不公平和不道德的 AI 吗？(5.4.5)
做得好！你已经掌握了新兴科技的精髓。AI 看起来或许像魔法，但它其实只是数学与数据的完美结合！