什麼是人工智慧 （AI）？
概述
人工智慧 （AI） 是機器或計算機模仿人類思維能力的能力。人工智慧利用多種技術，為機器在規劃、行動、理解、學習和感知方面配備類似人類的智慧。人工智慧系統可以感知環境、識別物體、做出決策、解決問題、從經驗中學習並模仿範例。這些能力結合在一起，可以完成原本需要人類完成的動作，例如駕駛汽車或迎接客人。
人工智慧
為什麼人工智慧越來越受歡迎？
在過去十年左右的時間里，人工智慧可能已經進入了日常對話，但它已經存在了幾十年。其突出地位的相對較新的上升並非偶然。
人工智慧技術，尤其是機器學習，依賴於大量資訊的可用性。互聯網的普及、雲計算的擴展、智慧手機的興起以及 Internet of Things 已經創建了大量的數據，並且每天都在增長。這個資訊寶庫與計算能力的巨大進步相結合，使得快速準確地處理大量數據成為可能。
今天，人工智慧正在完成我們的聊天對話，建議電子郵件回復，提供行車路線，推薦我們應該播放的下一部電影，吸塵地板，並執行複雜的醫學圖像分析。
人工智慧的歷史是什麼？
人工智慧的歷史可以追溯到古希臘。然而，正是電子計算的興起使人工智慧成為一種真正的可能性。請注意，隨著技術的發展，被認為是 AI 的內容已經發生了變化。例如，幾十年前，可以執行光學字元識別（OCR）或簡單算術的機器被歸類為AI。今天，OCR 和基本計算不被認為是 AI，而是電腦系統的基本功能。
- 1950 年代——艾倫·圖靈 （Alan Turing） 以破解納粹使用的二戰 ENIGMA 密碼而聞名，他發表了《計算機與智慧》論文《心靈》。他試圖回答機器是否可以思考的問題。他概述了圖靈測試，該測試確定計算機是否表現出與人類相同的智慧。該測試認為，人工智慧系統應該有能力與人類進行對話，而人類不知道他們正在與人工智慧系統交談。首屆人工智慧大會在達特茅斯學院舉行。正是在這裡，人工智慧一詞首次被使用。
- 1960 年代 – 美國國務院 Defense 通過DARPA對人工智慧產生了濃厚的興趣，並開始開發模仿人類推理的計算機程式。弗蘭克·羅森布拉特（Frank Rosenblatt）基於通過經驗學習的神經網路構建了Mark 1感知器計算機。
- 1970 年代 – DARPA 完成了各種街道測繪專案。
- 1980 年代——出現了更複雜的人工智慧浪潮。具有反向傳播演算法的神經網路在人工智慧系統中得到了廣泛的應用。
- 1990 年代 – 產生的數據量呈指數級增長。功能強大的計算機可以快速處理大量數據。深藍超級計算機兩次擊敗國際象棋世界冠軍加里·卡斯帕羅夫。基因組測序專案和其他類似的複雜工作產生了大量資訊。計算的進步使這些數據的存儲、訪問和分析成為可能。
- 2000 年代 – 互聯網革命將人工智慧推向前所未有的高度。大數據加入了企業詞典。DARPA早在Alexa、Siri、Cortana和Google Assistant成為家喻戶曉的名字之前就推出了智慧個人助理。這為推理和自動化鋪平了道路，而推理和自動化是當今個人電腦和智能手機的一部分。這包括智慧搜索系統和決策支援系統，它們可以增強和補充人類的能力。
- 2010 年代——中國搜索巨頭百度推出了 Minwa 超級計算機，該計算機依靠卷積神經網路來識別、分析和分類圖像，其準確性高於普通人。DeepMind的AlphaGo深度神經網路程式在五局比賽中擊敗了圍棋世界冠軍李索石。圍棋是一種古老的中國遊戲，比國際象棋複雜得多。
- 2020 年代 – 這一時期，人工智慧能力取得了快速發展，尤其是在語言模型和生成式人工智慧方面。這也是公眾對人工智慧對社會、工作和日常生活的潛在影響的認識和討論的時期。亮點包括 OpenAI 發佈 GPT-3，展示了令人印象深刻的自然語言能力，其次是 GPT-4，並進行了重大改進。ChatGPT 也推出了，將對話式 AI 帶入主流，並將 DallE 帶入了圖像創建。DeepMind的AlphaFold在蛋白質結構預測方面取得了突破。歐盟提出了《人工智慧法案》，旨在規範人工智慧的開發和使用。多模態人工智慧系統（結合文本、圖像和音訊）不斷取得進步，並且越來越關注人工智慧對齊和安全研究。
人工智慧是如何工作的？
人工智慧斷言，智慧系統的行為是有原則的。它基於對人類的能力和特徵進行逆向工程到機器上。該系統使用計算能力來超越普通人的能力。機器必須學會對某些動作做出反應。它依靠歷史數據和演算法來創建傾向模型。機器從經驗中學習，以執行通常由人腦完成的認知任務。系統會自動從數據中的特徵或模式中學習。
人工智慧建立在兩大支柱之上：工程和認知科學。工程涉及構建依賴於人類可比智慧的工具。大量數據與一系列指令（演算法）和快速反覆運算處理相結合。認知科學涉及類比人腦的工作方式，併為人工智慧帶來多個領域，包括機器學習、深度學習、神經網路、認知計算、計算機視覺、自然語言處理和知識推理。
人工智慧系統是單一的嗎？
人工智慧不是一種類型的系統。有一些簡單的低級人工智慧系統，專注於執行特定任務，如預測天氣、商業數據分析、計程車叫車和數位助理。這是普通人最有可能與之交互的 AI 類型，稱為「狹義 AI」。。其主要目的是提高效率。
另一方面是先進的系統，它們在更一般的水準上類比人類智慧，並可以處理複雜的任務。這些包括創造性的、抽象的和戰略性的思考。嚴格來說，這種真正有知覺的機器，被稱為「通用人工智慧」（AGI），目前只存在於銀幕上，儘管實現它的競賽正在加速。
人工智慧在哪裡使用？
人類一直在追求人工智慧，因為認識到它對商業創新和數字化轉型的無價之寶。人工智慧可以降低成本，並引入速度、可擴展性和一致性水平，否則這是遙不可及的。您可能每天多次與某種形式的 AI 交互。人工智慧的應用太多了，這裏無法詳盡地介紹。以下是對一些最重要的問題的高級介紹。
1. 網路安全
隨著網路攻擊的規模、複雜性和頻率的增長，依賴人類的網路防禦已不再足夠。傳統上，反惡意軟體應用程式在構建時會考慮特定威脅。病毒簽名將在識別新惡意軟體時更新。
但是，跟上威脅的絕對數量和多樣性最終成為一項幾乎不可能完成的任務。這種方法是被動的，依賴於識別特定的惡意軟體，以便將其添加到下一個更新中。
基於人工智慧的反垃圾郵件、防火牆、入侵檢測/預防和其他網路安全系統超越了過時的基於規則的策略。實時威脅識別、分析、緩解和預防是遊戲的名稱。他們部署的人工智慧系統可以檢測惡意軟體特徵並採取補救措施，即使沒有正式識別威脅。
AI 網路安全系統 依賴於持續的數據饋送來識別模式並回溯攻擊。通過向演算法提供大量資訊，這些系統可以學習如何檢測異常、監控行為、回應威脅、適應攻擊以及發出警報。
2. 語音辨識和自然語言處理
語音辨識也稱為語音轉文本 （STT），是一種辨識語音並將其轉換為數位文本的技術。它是計算機聽寫應用程式的核心，也是支持語音的 GPS 和語音驅動的功能表。
自然語言處理 （NLP） 依靠軟體應用程式來破譯、解釋和生成人類可讀的文本。NLP 是 Alexa、Siri、聊天機器人和其他形式的基於文字的助手背後的技術。一些 NLP 系統使用情感分析來判斷語言中的態度、情緒和主觀品質。
3. 圖像識別
圖像識別也稱為機器視覺或計算機視覺， 是一種人工智慧，它允許人們對移動或靜止圖像中發生的人物、物體、文本、動作和文字進行分類和識別。 圖像識別通常由深度神經網路提供支援，已在自動駕駛汽車、醫療圖像/視頻分析、指紋識別系統、支票存款應用程式等中得到應用。
4.實時推薦
電子商務和娛樂網站和應用程式利用神經網路來推薦產品和媒體，這些產品和媒體會根據客戶的過去活動、類似客戶的活動、季節、天氣、一天中的時間等來吸引客戶。這些實時推薦是為每個使用者定製的。對於電子商務網站來說，推薦不僅可以增加銷售額，還可以幫助優化庫存、物流和商店佈局。
5. 自動股票交易
在危機時期，股票市場可能會非常波動。然而，人類幾乎不可能對影響市場的事件做出足夠快的反應。高頻交易 （HFT） 系統是人工智慧驅動的平臺，每天進行數千或數百萬次自動交易，以優化大型機構的股票投資組合。
6. 拼車服務和自動駕駛汽車
Lyft、Uber 和其他拼車應用程式使用 AI 將請求乘客與可用的司機聯繫起來。人工智慧技術最大限度地減少了彎路和等待時間，提供了真實的預計到達時間，並計算了需求高峰期間的激增定價。
自動駕駛汽車在世界大部分地區還不是標準配置，但已經齊心協力地推動嵌入基於人工智慧的安全功能，以檢測危險場景並防止事故發生。
7. 自動駕駛技術
與陸基車輛不同，飛機的誤差幅度非常小。飛機製造商不得不推動安全系統，並成為人工智慧的最早採用者之一。
為了盡量減少人為錯誤的可能性和影響，自動駕駛系統幾十年來一直在軍用和商用飛機上飛行。他們結合使用 GPS 技術、感測器、機器人技術、圖像識別和防撞技術，在天空中安全地導航飛機，同時根據需要讓飛行員和地勤人員保持最新狀態。
8. 軟體測試自動化
人工智慧通過 AI 驅動的智慧測試自動化，加速並簡化測試的創建、執行和維護。基於 AI 的機器學習和高級光學字元識別 （OCR） 提供了高級物件識別，當與基於 AI 的模型識別、基於 AI 的錄製、基於 AI 的文字匹配和基於圖像的自動化相結合時，團隊可以減少測試創建時間和測試維護工作，並提高測試覆蓋率和測試資產的彈性。
9. 功能測試
人工智慧使您能夠更早、更快地進行測試 OpenText™ Functional Test 自動化 產品。它將廣泛的技術支援與 AI 驅動的功能相結合，以提供支援持續交付管道中快速應用程式更改的速度和彈性。
10. 企業服務管理
IT 和營業單位都面臨著以下挑戰：過多的手動、容易出錯的工作流程、不斷增加的請求量、員工對服務水準和質量的不滿等等。人工智慧和機器學習技術可以將服務管理提升到一個新的水準：
- 智慧搜索功能使員工能夠輕鬆快速地找到答案
- 虛擬代理或機器人可以使用自然語言處理 （NLP） 執行任務
- 智慧分析支援工作流程優化和自動化
- 可以更有效地收集和分析來自非結構化數據（例如使用者調查）的指標。
IT 支援是這樣，ESM 也是如此;人工智慧使運營和結果更好。
如何開始使用人工智慧？
您可以通過多種方式利用人工智慧來保持業務競爭力、推動增長並釋放價值。然而，你的組織沒有無限的資源，所以你必須確定優先順序。首先定義組織的價值觀和戰略目標是什麼。從那時起，根據這些價值觀和目標評估人工智慧的可能應用。選擇必將對業務產生最大影響的 AI 技術。
世界只會越來越依賴人工智慧。這不再是關於是否採用人工智慧，而是何時採用。領先於同行利用人工智慧的組織可以獲得顯著的競爭優勢。制定和追求定義明確的人工智慧戰略是一切的開始。在你知道什麼對你有用之前，可能需要一些實驗。
如何 OpenText 用人工智慧幫助企業？
客戶已經信賴 OpenText 説明管理私有數據集，從 B2B 事務到運營內容，再到應用程式代碼和智慧財產權。現在，無需移動數據，即可使用 OpenText Aviator AI 功能可充分利用您的資訊。
以下是專為業務構建的 AI 的一些優勢：
保持數據的私密性和安全性：您的專有數據不必位於公共領域即可運行 LLM。 在沙箱環境中試驗經過審查的 LLM，以嘗試新的用例，同時保持您的私有數據集的安全。
為正確的工作採用正確的 AI 模型：一種尺寸並不適合所有人。我們幫助根據用例審查 LLM，並有一個模型中隊來説明您入門。 這是關於您希望從 AI 中獲得的結果，以及我們如何説明您實現這些結果。
與值得信賴的合作夥伴一起實現 AI 轉型：業務和技術轉型永無止境。 OpenText™ 專業服務可説明您探索適用於您業務的 AI 用例和模型，並安全地應對 AI 的複雜性。
人工智慧的關鍵領域涉及哪些 OpenText?
以下是 The 提供的企業 AI 功能 OpenText Aviator 對於商業軟體：
OpenText™ IT 運營 Aviator： 利用生成式 AI 的自助服務功能重新定義第 1 層業務支援功能，實現 IT 運營。
OpenText™ 經驗 Aviator： 利用私有生成式 AI 實現通信轉型，助力客戶取得成功。
OpenText™ 業務網路 Aviator： 利用面向供應鏈的 AI 徹底改變雲互聯網的連接性。
OpenText™ DevOps的 Aviator： 利用 AI 提升 DevOps 對數百萬開發人員的説明。
OpenText™ 內容 Aviator： 通過 AI 內容管理增強智慧工作空間，實現工作現代化。
OpenText™ 網路安全 Aviator： 利用 AI 威脅檢測的強大功能改善您的安全態勢。
OpenText 還提供 OpenText Aviator 面向技術專家、AI 工程平臺和工具，説明您的組織無縫建立資訊流和編排數據：
OpenText™ Aviator 平臺： 利用企業 AI 平台處理、組織和分析所有類型的大型數據集，實現更明智的決策。
OpenText™ Aviator 物聯網： 使用IoT AI連接人員、系統和事物，以更好地管理高價值資產並加速業務發展。
OpenText™ Aviator 實驗室： 與我們的專業服務專家一起試驗 AI，探索您可以在 AI 中做什麼 OpenText 私有雲。
OpenText™ Aviator 搜索： 通過基於多存儲庫 AI 的搜索，讓使用者可以更快、更輕鬆地訪問他們需要的答案，讓您可以自定義從點擊到對話的所有內容。
OpenText™ Aviator 推力： 按照自己的方式構建 OpenText 雲 AI API，可創建即時資訊流以支援自訂應用程式和工作流。
