歡迎來到未來：新興科技
你好！在本章節中，我們將會探索新興科技 (Emerging Technologies)，特別是人工智能 (Artificial Intelligence, AI)。你可能會覺得 AI 是電影裡那些會說話的機械人，但實際上它早已成為你日常生活的一部分——從手機的面部識別解鎖，到電子郵件如何過濾「垃圾」訊息，統統都有它的蹤影。讓我們一起拆解這些「魔法」背後的運作原理吧！
1. 甚麼是人工智能 (AI)？
簡單來說，人工智能 (AI) 是指電腦或機器執行複雜任務的能力，而這些任務通常需要人類的智能才能完成。
一個系統要真正被稱為「AI」，必須具備以下兩個要素：
1. 自主性 (Autonomy)： 它可以在沒有人類指導每一個步驟的情況下執行任務。
2. 學習能力 (Learning)： 當它收集到更多數據時，其表現會隨之提升。
比喻： 試想像你要教導一名幼兒辨認甚麼是「狗」。你不會給他一本 500 頁的規則手冊，而是會讓他看許多狗的照片。久而久之，幼兒就「學會」了狗的模樣。AI 的運作方式非常相似！
AI 擅長的常見任務：
• 面部識別： 透過注視屏幕來解鎖你的智能手機。
• 語音識別： 當 Siri 或 Alexa 能夠聽懂你說的話。
• 圖像分類： 當 Google 相簿能自動將你所有的「貓咪」照片歸類在一起。
• 垃圾郵件過濾： 你的電子郵件收件箱在郵件送達前，自動攔截「詐騙」訊息。
溫習重點： AI = 複雜任務 + 無需時刻人工介入 + 透過數據不斷進步。
2. 機器學習 (ML) 與傳統編程的區別
如果這些術語聽起來很相似，別擔心！機器學習 (Machine Learning, ML) 其實只是用來構建 AI 的一種特定技術或「工具」。它們最大的區別在於我們如何給電腦下達指令。
傳統編程 (Traditional Programming)
在傳統編程中，人類會編寫明確的規則，電腦則嚴格執行這些規則。
例子：「如果郵件包含『中獎』一詞，則將其移至垃圾郵件資料夾。」
機器學習 (Machine Learning)
在機器學習中，我們不會給電腦規則，而是給它數據（例子）和演算法（一套數學指令），讓電腦自己找出規律。
例子：你向電腦展示 10,000 封垃圾郵件，它會留意到大多數垃圾郵件都有奇怪的連結和不通順的語法，從而學會自行識別它們。
記憶小撇步：
• 傳統編程： 人類像老師一樣，提供一份詳細的食譜。
• 機器學習： 電腦像廚師一樣，透過嘗試各種食材來找出最佳的味道。
3. 機器學習如何學習：最近鄰居法 (Nearest Neighbour Method)
要理解機器學習如何對事物進行分類，最簡單的方法之一就是最近鄰居法 (Nearest Neighbour Method)。這常用於分類任務（判斷某事物屬於哪個組別）。
想像我們想根據兩個量化特徵（可以用數字測量的特徵）將水果分類為橙或西柚：
1. 重量（有多重）
2. 亮度（顏色有多亮）
逐步流程：
1. 我們根據重量和亮度，將所有已知數據（橙和西柚）繪製在圖表上。
2. 我們拿出一種「神秘水果」，並將它標示在同一張圖表上。
3. 我們查看「神秘水果」最近的鄰居。如果其最近鄰居是橙，我們就將該神秘水果分類為橙！
你知道嗎？ 為了找出「最近」的鄰居，電腦會使用課程中提到的歐幾里得距離 (Euclidean Distance) 公式：
\( d = \sqrt{x^2 + y^2} \)
關鍵概念： 最近鄰居法假設在圖表上距離「相近」的事物，很有可能屬於同一類別。
4. 道德與數據偏差 (Bias)
AI 功能強大，但並不完美。由於 AI 是從數據中學習，如果我們提供的數據是「壞的」或「不公平的」，AI 的判斷也會變得「壞」或「不公平」。這就是所謂的偏差 (Bias)。
數據偏差的危險性
如果一間公司使用 AI 來招聘員工，但只提供過去被錄用的男性數據給 AI，AI 可能會學到一種「偏見」規則，即「男性是更好的員工」，並自動拒絕合資格的女性求職者。這是不道德且錯誤的。
不道德 AI 的負面後果：
• 不公平： 某些群體可能會受到系統的差別待遇。
• 不準確： 一個只針對單一膚色訓練的面部識別系統，可能無法識別其他膚色的人士。
• 失去信任： 如果人們覺得科技存在偏見或有害，便會停止使用。
常見避雷區： 許多學生認為 AI 比人類「聰明」且不會犯錯。事實上，AI 的水平取決於人類提供給它的數據！如果輸入的是「垃圾」(Garbage)，輸出的也會是「垃圾」(GIGO)。
總結清單
檢查你的理解：
• 我能定義 AI 是在沒有持續人工指導下執行複雜任務嗎？(5.4.1)
• 我能列舉 4 個日常 AI 任務（例如語音識別）嗎？(5.4.2)
• 我知道 ML 是一種讓電腦透過數據而非規則來學習的技術嗎？(5.4.3)
• 我能解釋「最近鄰居法」是透過觀察與目標最接近的事物來進行分類的嗎？(5.4.4)
• 我明白有偏差的數據會導致不公平和不道德的 AI 嗎？(5.4.5)
做得好！你已經掌握了新興科技的精髓。AI 看起來或許像魔法，但它其實只是數學與數據的完美結合！