書名：零基礎AI入門書：看圖就懂的AI應用實作

作者簡介

監修者簡介
三宅陽一郎
遊戲AI開發人。日本京都大學數學專攻，大阪大學物理學碩士，東京大學工學系研究科博士課程（學分取得滿期退學）。
從事人工智慧的研究。作為遊戲AI開發人，從事數位遊戲人工智慧技術的發展。
現為國際遊戲開發者協會日本遊戲AI專門部會主席、日本數位遊戲學會(DiGRA JAPAN)理事長、藝術科學會理事、人工智慧學會（人工知能学会）編輯委員。
主要著作：《人工智慧的補習班》（BNN新社）、《人工智慧的作法》（技術評論社）、《為何人工智慧能夠與人對話？》（Mynavi出版）、《〈人工智慧〉與〈人工智慧〉》（iCardbook）；合著書籍：《從人到人工智慧，破解AI革命的68個核心概念》（臉譜）、《高中生用遊戲思考人工智慧》（筑摩書房）、《遊戲資訊學概論》（CORONA社）；監修書籍：《最強圍棋AI Alpha Go的解體新書》（翔泳社）、《看漫畫學人工智慧》（池田書店）等等。

譯者簡介

衛宮紘
清華大學原子科學院學士班畢。現為自由譯者。譯作有《上司完全使用手冊》（東販）、《超慢跑入門》（商周）、《男人懂了這些更成功》（潮客風）、《世界第一簡單電力系統》（世茂）……等。
賜教信箱：[email protected]

www.coolbooks.com.tw

書籍目錄

序言
第1章身邊常見的AI與最新科技
01機器人讓人能就近感受AI的存在
02搭載AI的無人機自動配送貨物
03運用AI與深度學習提高搜尋精確率
04 SONY與計程車公司的AI叫車服務
05自動駕駛技術的落實關鍵在於3D成像與感測技術
06運用MR管理建築現場〈混合實境〉
07全數連接網路的IoT最新情況
08圖像解析的進步強化臉部辨識的安全性
09以簽帳金融卡＆QR碼取代現金
10超高速運算的量子電腦問世
Column AI的作畫競標價格破1300萬新台幣?!

第2章時至今日！AI的進化與改變的生活
11 19~20世紀的科技發展史
12 21世紀的科技發展歷史
13能夠稱為AI的定義
14在遊戲中擊敗人類的AI
15AI分成兩種流派
16機器學習的機制
17深度學習的機制
18AI怎麼學習語言
19期待可活用AI的領域
20AI能夠取代人類的工作嗎
21AI帶來的改變ヾ醫療現場(1)
22AI帶來的改變ヾ醫療現場(2)
23AI帶來的改變ゝ工廠用機器人
24AI帶來的改變ゞ土木、建設現場
25AI帶來的改變々服務業
26AI帶來的改變ぁ網頁服務(1)
27AI帶來的改變ぁ網頁服務(2)
28AI帶來的改變あ金融業(1)
29AI帶來的改變あ金融業(2)
30AI帶來的改變あ金融業(3)
31AI帶來的改變ぃ物流(1)
32AI帶來的改變ぃ物流(2)
33AI帶來的改變い保全系統
34AI帶來的改變ぅ市場營銷(1)
35AI帶來的改變ぅ市場營銷(2)
Column AI讓遊戲變得更加好玩

第3章科技的進化與改變的生活
36網際網路連結一切的世界
37所有的資料都保存到虛擬空間
38 IoT生活ヾ連接網路的家電
39 IoT生活ゝ更加進化的居家防護
40通訊裝置愈加小巧的日子即將到來
41透過智慧型手機的AR體驗新的現實
42電動車的優勢與科技
43未來的衣服將以高機能化學纖維為主
44將人才變為人財的HR科技ヾ
45將人才變為人財的HR科技ゝ
46改變金錢概念的虛擬貨幣ヾ
47改變金錢概念的虛擬貨幣ゝ
48改變金錢概念的虛擬貨幣ゞ
Column 所有裝置相互連接的危險性

第 4 章 科技的前景、問題點與未來
49會出現擁有自我意識的AI機器人嗎
50 AI與人類共存的未來
51臨界點「技術奇點」將會如何變化
52 AI與科技的最終決定
53 AI的創作物具有著作權嗎
54大數據的收集能夠保護個人資訊嗎
55自動化帶給人類的好處與壞處
56 AI如何與人類共存
57AI、科技能夠改變的人類未來

推薦序/導讀/自序

1975年到1995年，是世界導入電腦的時代；1995年到2015年，是網路普及全世界的時代；2015年到2035年，是世界盛行人工智慧(AI)的時代。
本書是為了迎接人工智慧蓬勃發展時代的入門讀物，簡述人工智慧改變社會的重點，期望各位帶著本書走上新的時代。
人工智慧可說是人類智能的延長。如同電腦、軟體、網際網路、理解人工智慧並且自在運用，能夠大幅增加自己的智能活動。
熟練使用人工智慧，可讓個人的智能生活變得更加多姿多采。

人工智慧並不是靠單一萬能的人工智慧技術改變一切，各種問題對應獨立的人工智慧解決方案，存在許多人工智慧改變社會的不同重點。
本書會在左右兩頁中，以直觀的圖示與闡述本質的文章說明各項重點，讓讀者能夠在短時間內理解。
許多人都對人工智慧抱有誤會，即便它在某一方面凌駕於人類之上，比如圍棋等技藝，也不意味能夠馬上在其他方面勝過人類。

人工智慧會隨著問題不斷進化，但這個進化是形形色色的，凌駕人類的圍棋AI沒辦法下將棋，判別圖像的AI沒辦法閱讀文章。
當內心有各種疑問，建議翻閱本書目錄，從自己想知道的問題讀起，體會人工智慧在各地方發展的整體樣貌。

如同過往的科技，端看使用者的心態，人工智慧可往好或者不好的方向發展。
現在的人工智慧，需要人類提示「問題以及解決方向」。給予哪種提示決定了人工智慧如何發展，而發展的方向取決於人類的願景。期望讀者在閱讀本書的同時，也能描繪一個美好的未來夢想。
三宅陽一郎

文章試閱

11 19~20世紀的科技發展史
從發明電力到電腦普及
我們的日常生活不可欠缺用來維持生活、生命的「維生管線（Lifeline）」。這個維生管線包括電力、瓦斯、自來水、通訊、運輸等，尤其在19世紀後半實用化、20世紀迅速發展的「電力」，讓我們的生活為之一變。除了電燈、冰箱、手機等身邊用品之外，AI（人工智慧）、IoT、大數據等尖端科技也少不了電力。
活用電力後，通訊（電話、無線電）、媒體（廣播、電視）、電子計算機（電腦）等，各種技術出現飛躍性的發展。多虧如此，我們才能簡單達成聲音資訊的雙向溝通、聲音影像的同步遠距傳輸、大量資訊的加速運算。
20世紀被稱為「媒體的時代」，前半是廣播、後半是電視具有巨大的影響力。此外，這個時期的電腦、無線通訊也相當發達，取代真空管的半導體技術，也就是電晶體、IC（積體電路）、LSI（大型積體電路）、超LSI、超超LSI，以這些形式迅速發展小型化、輕量化、高性能化、長壽命化，強化訊息處理速度、傳送速度、機器基礎建設的整備。
20世紀末後，運用這些技術製造的電腦、網際網路、手機等愈發普及，推進了融合媒體與電腦的「資訊科學的時代」。

12 21世紀的科技發展歷史
從網際網路普及到AI誕生
邁入21世紀，電腦、手機、網際網路對我們的生活造成巨大的影響，它們皆在20世紀末低價格化，並在21世紀初爆發性普及。
又大又貴的電腦轉為低價格、小型、可獨自擁有的個人電腦。手機除了一般通話之外，現在主流的智慧手機也能夠簡單使用App、相機、網際網路等。透過全球網路相互連接的電腦網路，我們能夠閱覽、搜尋網頁，收發電子郵件等資訊。個人電腦、手機、網際網路彼此密切相關，可說是其特徵。
其實，並不只有我們蒙受這些恩惠。接下來將詳細解說的「AI」，也是其中的受惠者。AI研究始於電腦誕生後不久1956年的美國，由麥卡錫（John McCarthy）、夏農（Claude Shannon）、羅切斯特（Nathaniel Rochester）、明斯基（Marvin Minsky）等四人發起達特矛斯會議（Dartmouth Workshop）。
由於電腦會將資訊轉換符號處理，人類的語言、知識也會被符號化累積起來，他們預測隨著程式愈來愈高階，最後將會誕生智能與人類一樣的電腦──AI。儘管當時的電腦運算處理能力低下，但答出了迷宮的解法、定理的證明等相較簡單的問題，證實能夠進行智能活動，讓當時的人們感到驚豔。這樣的成就掀起一股AI風潮，經過1980∼1990年代的第二次AI風潮，如今進入第三次AI風潮。

13 能夠稱為AI的定義?
人工智慧AI的真面目為何
人類、動物等大自然孕育出來的智能，稱為自然智慧，而在電腦上實現這個自然智慧的資訊處理機制，稱為人工智慧。人工智慧譯自Artificial Intelligence，取其字頭稱為「AI」。
在AI的黎明期1950年末，人們認為能夠製造具有與人類同等智能的電腦。
然而，電腦與自然智慧在構造、運作原理上有著巨大的差異。比如，AI運算的對象必須嚴謹定義（框架＝用框架圍起）。
因此，想要讓電腦辨識狗，需要定義所有狗與這個世界的關係。然而，這是不可能做到的事情，AI發展上的巨大高牆——框架問題。
因為框架問題以及成果不如周遭期待，AI的研究在1970年後漸趨式微。然而，在美國費根鮑姆（Edward Feigenbaum）等人的奮鬥之下，開發出反覆電腦擅長的運算、推論導出答案的專家系統（Expert System）。電腦具備了專家級的能力，1980年後世界各家企業紛紛採用此套系統，掀起第二次AI風潮。
然而，邁入1980年後半，專家系統出現了極限。跟第一次風潮相同，僅能在限定的規則中發揮威力。人的思考、行動存在許多不確定要素，專家系統對於超出規則的事物，沒辦法給予答案。

14 在遊戲中擊敗人類的AI
對全世界造成多麼大的衝擊？
在1990年初，AI研究再度迎來寒冬時代。
多數研究者投入機器翻譯、聲音辨識、機器人工學等專門領域的課題，但在電腦領域出現巨大變革。
這項變革是處理能力飛躍性提升、小型化、低價格化，使得個人電腦與全世界電腦連結的網際網路迅速普及。這樣的環境變化加上珀爾（Judea Pearl）提出的機率方法，讓AI邁向了下一個階段。
這項方法成為機器學習（參見42頁）的基礎，透過反覆運算龐大的事例、團隊分工，機率性篩選出最接近正解的結論。
最為人所知的成果是，1997年IBM的人工智慧深藍（Deep Blue）擊敗西洋棋的世界冠軍；2016年Google DeepMind的圍棋AI Alpha Go擊敗韓國頂尖棋士。Alpha Go藉由深度學習，證明了即便是候選棋步比西洋棋還要複雜的圍棋，AI也能夠戰勝人類。
雖然這只不過是AI的有限成果之一，但經由媒體大肆報導在需要複雜思考的遊戲上「人類敗給機器」，對人們造成不小的衝擊。
就讓我們從這些事項來看，AI的概念、經常聽見的「機器學習」「深度學習」是什麼樣的東西吧。

15 AI分成兩種流派
要用哪種方法建立AI？

AI能夠在電腦上實現人類的智慧，但問題是「要用哪種方法重現人類的智慧？」AI的建立主要分成兩種流派。

第一種是，認為人類的知識與智慧，能夠用程式語言、數學式等符號表達的「符號主義（Symbolicism)」。
AI會依照人類準備的指南手冊運作，IBM的華生（Watson）、Google的搜尋機能等就屬於這類。
比如，下西洋棋的AI會根據西洋棋的規則，驅使高端運算力以最終的勝利為目標。因為僅需設定固定的規則就能夠簡單建立，所以成為AI的基礎技術。
雖然不能順利對應例外情況，但能以增加規則、複雜規則內組合的形式穩定地進化。

第二種是，主張重現人腦的運作的「連接主義（Connectionism）」。透過從類神經網路（參見44頁）開始學習，讓AI能夠自己行動，或者運用既存的統計資料等累積學習，逐漸變聰明，具有代表性的例子有Alpha Go。
比起解決數學問題，更適合繪畫等言語難以表達的領域，藉由給予大量的問題與答案，AI就能自己推導出答案。
連接主義的特徵為，會在改良跨越高牆後的新境界看到另一道更高的高牆。另外，AI若在符號主義與連接主義兩方的領域上有出現成 。必定會掀起風潮。

16 機器學習的機制
瞬間處理資料的分類、分析
讓AI邁向下一個階段的機器學習，究竟是什麼樣的概念呢？其實，這個詞包含了兩層意思。
第一層是「機器自我學習」。如同人類學習新的語言、技術，機器也能夠進行學習。另一層是「不僅只按照程式設計進行動作」。機器透過學習，能夠做出超過程式設計以上的事情。
不過，正如在框架問題提到的，AI不擅長從零開始獲得全新的事物。因此，AI需將事先組進來的知識累積、整理、最佳化，以這樣的方向進行學習。
機器學習有「監督式學習（Supervised Learning）」與「非監督式學習（Unsupervised Learning）」兩種。監督式學習是，提供適當例題與模範解答的方法。比如，給予出入口確實相通的迷宮例題讓機器學習。雖然起初是隨機行動，但機器會逐漸掌握脫離迷宮的訣竅，之後即便遇到沒有學習過的迷宮，也能夠以某種程度的速度抵達出口。
非監督式學習是，不提供例題與模範解答的學習方法。Alpha Go的學習分為監督式與非監督式兩個階段，前者是從過去棋譜學習的階段，後者是透過自我對戰學習的階段。基本上，監督式學習需要大量的資料（Alpha Go用來學習的過去棋譜）；而非監督式學習需要適當的學習環境（能夠自我對戰的環境）。

17 深度學習的機制
讓人類的思考回路電子化、進化的AI

「深度學習（Deep Learning）」跟機器學習同為人工智慧關鍵字，但它是什麼樣的概念呢？這是一項基於類神經網路運算模組的技術。
類神經網路是指，模仿人腦神經元構造與運作的AI。腦內的神經元從其他神經元（前端的突觸）接收超過某定值的電力訊號後，便會啟動向連接的下一個神經元傳遞電力訊號。下一個神經元也是接受超過某定值的電力訊號後，啟動再向下一個神經元傳遞電力訊號。
將神經元像這樣啟動或不啟動轉為數值，由數層類神經網路構成的系統就是深度學習的基本架構。
雖然深度學習過去也有幾道技術上的高牆，但隨著個人電腦帶來的龐大資訊、運算能力以及新技術等的引進，在2012年圖像辨識競賽ILSVRC獲得優勝，同年Google的AI能夠辨識出貓的圖像來，深度學習因這些事蹟瞬間備受矚目。
如同上述，深度學習擅長從圖像、波形等難以轉成符號的資料，辨識固定的模式。另外，由目前正一步步在社會上實用化以及技術持續推進，深度學習可說是可期待更進一步發展的領域。