剖析AI與程式的區別（湛家揚博士）
在當今快速變化的數碼世界中，人們愈來愈常在日常對話聽到「AI」（人工智能）。然而誤解亦隨之而來：認為每個數碼應用都等同AI。這種混淆進一步隨ChatGPT的推出而加劇，導致一些人認為AI就在那時誕生。但事實上，AI故事早在75年前，由艾倫圖靈（Alan Turing）的前瞻性思想開啟。以下將拆解AI及程式設計之間的區別，並強調數據在傳統AI及生成式AI應用的關鍵作用。
目錄
1. 程式設計：人類邏輯和指令
程式設計需要人類理解特定問題或任務所需的邏輯和規則。一旦達到這種理解，程式設計師就會使用程式設計語言，把這些規則轉換為一組電腦可以執行的指令。以交通燈控制系統為例，就依賴預先定義的規則，在特定間隔內切換燈號。程式設計師必須設計交通燈序列的邏輯，並編寫程式碼控制定時和過渡。
2. AI從數據中學習
相反，AI通過學習數據解決問題，而並非依賴明確的人類定義規則。機器學習是AI的一個技術，涉及訓練算法處理大量數據集，以識別模式並做出預測。AI系統從數據中學習基礎邏輯和規則，然後可應用這些知識來執行任務。基於AI的交通管理系統，可分析實時交通數據，以優化訊號。AI系統不依賴固定規則，而是從交通模式中學習，並動態調整訊號以減少堵塞。
3. 傳統AI與生成式AI
自圖靈時代以來，AI已發展成各種分支和應用。傳統AI通常稱為「ANI」或「狹窄AI」，依賴明確編程的規則和邏輯作出決策。這些系統高度結構化，需要人類專家來定義規則及知識庫。傳統AI依賴特定問題領域的策劃數據集，這些數據集通常較小且更集中，包含專家定義的知識及規則。
傳統AI基於預定規則生成確定性輸出，答案可預測並與編程邏輯一致。但是傳統AI系統僵化，難以適應全新或無法預見的情況。開發及維護傳統AI系統，需要大量專業知識和手動工作，以定義及更新過時的規則。
生成式AI利用深度學習技術，以及大量數據來生成新內容。像ChatGPT這樣的生成式AI模型，是在廣泛的數據集上訓練的，可以產生類似人類的文本、圖像甚至音樂。雖然ChatGPT於2022年11月推出，把生成式AI帶入聚光燈，但其實AI旅程早在幾十年前就已開始。
生成式AI利用廣泛且多樣的數據集，通常來自互聯網或大規模庫。這些數據集涵蓋廣泛的主題和上下文，使模型能夠生成多樣且符合上下文的輸出。生成式AI生成創意和動態的輸出，可以根據輸入而變化。生成式AI模型的輸出可能無法預測，導致潛在的偏見、不準確或不恰當的內容。確保這些模型可靠及安全，是一個持續的挑戰。
在數碼科技滲透生活每一角落的時代，理解AI及程式設計之間的區別至關重要。此外，數據在AI的關鍵作用，強調了在開發智能系統時，負責任的數據收集及使用的重要性。隨着社會不斷進步，認識這些區別將有助我們欣賞AI的真正潛力及其對社會的變革性影響。
更多湛家揚文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
