申論題

機器學習

機器學習關注的是開發系統，並通過經驗提高它們的性能。在過去的十年裡，人工智慧技術的進步很大歸因於機器學習的進步。機器學習如此流行，以至於它成為了人工智慧的代名詞，現在研究人員正致力於將最先進的機器學習演算法擴展到大型資料集。

________________________________________

深度學習

深度學習是機器學習的一個分支，它是對神經網路的重新命名，受人類大腦中的生物神經元啟發而產生的模型。深度學習一直推動著人工智慧領域的許多應用，比如物體識別，語音，語言翻譯，電腦遊戲和自動駕駛汽車等。

________________________________________

強化學習

強化學習如同人類學習方式，是一種封閉形式的學習。它由一個智慧代理組成，該代理與它的環境進行巧妙的交互以獲得一定的回報。代理的目標是學習順序操作，這就像一個從現實世界中學習經驗、不斷探索新事物、不斷更新價值觀和信念的人一樣，強化學習的智慧代理也遵循著類似的原則，並從長遠角度獲得最大化的回報。在2017年，穀歌的AlphaGo電腦程式使用強化學習打敗了圍棋世界冠軍。

________________________________________

機器人

從技術上講，機器人技術是一個獨立的分支，但它確實與人工智慧有一些交叉。人工智慧已經在動態環境中實現了機器人導航。你如何確保一輛自駕車在最短的時間內從A點開到B點並且不傷害自己和其他人？ 深度學習和強化學習的研究可能已經為機器人技術找到了這個問題的答案。

________________________________________

計算器視覺

如果我們想讓機器思考，我們需要教他們看見。 ——斯坦福人工智慧實驗室主任李飛飛

計算器視覺關注的是計算器如何在視覺上感知周圍的世界。 然而具有諷刺意味的是，計算器擅長做一些龐大的任務，比如尋找100位元數字的第十次根，但在識別和區分物件等簡單的任務上卻很吃力。 近年來隨著深度學習、標記資料集的可用性以及高性能計算的進步，計算器視覺系統在可視物件分類等狹義定義的任務中已經超越了人類。

________________________________________

自然語言處理

自然語言處理涉及能夠感知和理解人類語言的系統，它包括語音辨識，自然語言理解，生成和翻譯等子任務。 隨著全球範圍內使用多種語言，自然語言處理系統可能成為一個真正的變革者。 目前自然語言處理的研究包括開發可與人類動態互動的聊天機器人。

________________________________________

推薦系統

推薦系統無處不在，從推薦閱讀什麼，購買什麼，到約會物件，如今已經完全取代了虛擬世界中煩人的銷售員。 Netflix和亞馬遜等公司都嚴重依賴於推薦系統，因為推薦系統考慮使用者過去的偏好、同行的偏好和趨勢，從而做出更有效的推薦。

________________________________________

演算法博弈論與計算器制設計

演算法博弈論從經濟學和社會科學的角度考慮了多重代理的系統，它看到了這些代理如何在基於激勵的環境中做出選擇。這些多代理系統可以包括自利的人類成員以及在有限資源環境中共同競爭的智慧代理。

________________________________________

物聯網

物聯網概念即日常使用的物理設備連接到網際網路，其可以通過資料交換相互通信。 物理設備收集到的資料可以被智慧處理，並使設備更加智慧化。

________________________________________

神經形態計算

隨著基於神經元模型的深度學習的興起，研究人員一直在開發可直接實現神經網路架構的硬體晶片， 這些晶片被設計成在硬體層面上模擬大腦。在普通晶片中，資料需要在中央處理單元和存儲單元之間進行傳輸，從而產生時間開銷和能耗。而在神經形態的晶片中，資料既以模擬方式處理並存儲在晶片中，又可在需要時產生突觸，從而節省時間和能量。

 https://kknews.cc/zh-tw/tech/3z8gg3a.html

AI與管理 編輯
AI逐漸普及後，將會在企業管理中扮演很重要的角色，而人類的管理者應如何適度的調整自己的工作職能，有以下幾點建議：

放棄行政工作
退守分析預測的領域而強化自己的綜合判斷力。
把AI當作同事，形成協同合作的團隊。
多琢磨在創造力以及各種流程架構設計師角色。
強化自己人際網路、溝通協調、談判上的能力。
培養自身領導能力，能有效地帶領一個士氣高、團結及凝結力高的工作夥伴。

人工智慧的定義可以分為兩部分，即「人工」和「智慧」。「人工」即由人設計，為人創造、製造。

關於什麼是「智慧」，較有爭議性。這涉及到其它諸如意識、自我、心靈，包括無意識的精神等等問題。人唯一瞭解的智慧是人本身的智慧，這是普遍認同的觀點。但是我們對我們自身智慧的理解都非常有限，對構成人的智慧必要元素的瞭解也很有限，所以就很難定義什麼是「人工」製造的「智慧」了。因此人工智慧的研究往往涉及對人智慧本身的研究。其它關於動物或其它人造系統的智慧也普遍被認為是人工智慧相關的研究課題。

人工智慧目前在電腦領域內，得到了愈加廣泛的發揮。並在機器人、經濟政治決策、控制系統、仿真系統中得到應用。