6.下列何項因素並非人工智慧第三次熱潮的發展基礎?
(A)半導體技術的進步
(B)電腦運算能力提昇
(C)雲端儲存變得便宜
(D)金融科技的發展
統計: A(1061), B(191), C(1640), D(4636), E(0) #3334457
詳解 (共 6 筆)
半導體技術進步
人工智慧的發展的三次熱潮:
(一)第一次熱潮(1950~1960年)
「人工智慧」1956年夏天的「達特茅斯會議(Dartmouth Conference)」。讓機器具備「推論」或「探索」的功能,使用的主要工具是樹狀結構的搜尋演算法,用以做「狀況區分」。
(二)第二次熱潮(1980~1990年)
焦點轉移至「知識」,因而發展出「專家系統(Expert System)」,也就是讓電腦汲取專業領域的知識後,透過推論,展現有如該領域專家般的表現。
專家系統的基本元件是一個知識庫(Knowledge Base)和一個推理引擎。儲存在知識庫的資訊是透過與該領域的專家訪談所取得,訪談者(或知識工程師)把取自專家的資訊彙編成一組規則,這些規則往往以「若…則…」的結構呈現,稱為「生產規則(Production Rule)」。史丹佛大學開發的MYCIN即為早期專家系統的重要範例。
(三)第三次熱潮(2000年~現今)
由於半導體技術的進步,電腦運算能力大幅提昇,且半導體成本的下降,使用雲端儲存變得便宜,加上在雲端伺服器內收集了世界各地的「大數據(Big Data)」,為人工智慧建立了發展基礎。
其中「機器學習」與「深度學習」扮演了相當關鍵的角色。機器學習是一種電腦程式自行「學習」的機制,「學習」的基本目標是「分類」,也就是能夠對給定物件做出判斷,適當歸類。是非題就是一種最常見的分類問題,機器學習使電腦運用「已知」的大數據學習分類,學成之後即可對「未知」資料做分類。
換句話說,機器學習的發展方向,是在設計、分析一些讓電腦可以自動「學習」的演算法,讓機器得以從自動分析資料的過程中建立規則,並利用這些規則對還沒有進行分析的未知資料進行預測。
另一方面,深度學習是機器學習的一個分支,主要方法是經由大數據來訓練電腦自行「理解」資料的「特徵值」,稱為「特徵表達學習」。
金融科技力2021版 p.99
★ 一、考題重點
人工智慧第三次熱潮的重要發展基礎:
① 半導體技術進步 ➔ 晶片效能提升。
② 電腦運算能力提升 ➔ 加快 AI 模型訓練。
③ 大數據(Big Data)➔ 提供大量資料供 AI 學習。
④ 雲端儲存成本降低 ➔ 降低資料儲存及使用門檻。
★ 二、選項排雷
(A) 半導體技術進步:正確,提供硬體運算基礎。
(B) 電腦運算能力提升:正確,加快資料處理及模型訓練。
(C) 雲端儲存變便宜:正確,降低資料儲存成本。
(D) 金融科技發展:錯誤,屬於 AI 應用領域,非主要技術發展基礎。
★ 三、116 預測考點
-
AI 第三次熱潮:大數據、運算能力提升、半導體技術進步。
-
深度學習:需要大量資料及強大運算能力。
-
雲端運算:降低資料儲存及運算成本。
-
AI 應用領域:金融、醫療、交通、製造。
★ 四、考前速記
【大數據+運算能力+半導體+雲端】
AI 發展基礎=技術與資料。
AI 應用領域=金融、醫療、交通等。