內容目錄
人工智慧與統計模型有什麼不同？
一開始先跟大家說點硬的道理，人工智慧與統計模型的關係。
統計學處理的資料是「結構性的資料」，簡單來說就是你要把資料定義好給統計模型，統計模型才會把這個資料與你結果的相關性計算出來。 舉例來說，如果想了解房價變動的原因，統計會需要先把人口總數、人口密度、收入水平等你想關聯的資料統計出來，接著進入統計模型把這些資料帶入算出相關性。而這些可以放進 Excel 表單的數字我們稱為結構性的資料。
人工智慧處理的通常是「非結構性的資料」，簡單來說你很難說從這些資料直接對應到結果，舉例來說，我們看到看到一隻蝴蝶照片，大腦是如何知道他是蝴蝶呢？可能從形狀、背景、顏色、所在區域等等內容，在電腦裡就是一張照片，而非可以存入 Excel 的分項數據，這些內容我們稱為「非結構性資料」，人工智慧目前比較大的應用都是在處理「非結構資料」。而其中最大宗的應用為「自然語言處理」和「圖像辨識」這兩類。
淺談「自然語言處理」與「圖像辨識」
自然語言處理（Natural Language Processing, NLP）
就是把我們說的話變成電腦能懂的意義。舉個 Wikipedia 上的例子大家會更好懂一點。
「我們把香蕉給猴子，因為(牠們)餓了」和「我們把香蕉給猴子，因為(它們)熟透了」
前面的「牠們」是猴子餓了給牠們香蕉，後面的「它們」是香蕉，因為香蕉熟了。但在口語中發音都是他們，所以人工智慧在看到（聽到）這段句子時，就需要去辨認這句話的意義到底是什麼。這邊電腦存的是一段文字，而人工智慧需要去判斷他的語意。
圖像辨識（Digital image processing）
就是把我們看的內容變成電腦能懂的意思。當我們看到一隻貓的時候，怎麼知道這是一隻貓呢？ 人類在腦袋裡做了許多處理，而人工智慧便是在模型下進行了類似的處理，把一張圖片處理成裡面有貓、沙發和電視，推斷出可能是在某家客廳。
臉書打卡時能夠辨識你和你朋友的臉、Line 通話時能幫你自動上妝，修圖時可以眼睛、鼻子和嘴巴可以分開修圖都是人工智慧圖像辨識後的應用。
「自然語言處理」與「圖像辨識」的應用有哪些
自然語言處理的應用
- 聊天機器人
聊天機器人是最直接的應用，把用戶打的文字翻譯成電腦能懂的形式，之後給用戶最佳解。這個目前各大銀行都有在做，智能程度也是反應了各家銀行的技術力。
在這個領域上，若只是簡單的回覆問題，其實沒有比過往的選擇題和真人客服好到哪去，甚至有些辭不及義的回覆會激怒客戶，也許之後會有不同的場景讓聊天機器人能夠更有發展性。這個領域目前看到的衝擊比較偏人力 Cost Down 。
- 語音與文字助理
語音和文字助理，大家比較常遇到的事 Google 助理 和 Apple Siri ，若是美國讀者可能會用 Amazon Alexa 。具體使用大家可以打開手機問問你的手機助理，簡單的問題和動作應該都可以正常回答。
這個部分的衝擊，在科技圈比較多的討論是「使用習慣的變動」，以往我們要上網買洗衣精，可能打開電腦 Google 搜尋，線上下單後等他送來。現在透過 Amazon 的智能音箱，他就直接問你 Tide 的洗衣精是 10 美元，請問是否下單？ 下單後隔天就送過來。但為什麼是 Tide 的洗衣精，而不是一匙靈？在語音的版面上，能上榜的更少，也是未來兵家必爭之地。
- 文件審查
公司在簽訂合約時，常常需要判斷上下意之間的關係，而即使是與同一間公司簽約，也可能會因為專案的不同，需要重新簽訂合約。人工智慧能有效的辨別上下意合約，甚至產生條文。這讓許多公司簽約省下了許多功夫。而在金融業中，保險應該是最常簽訂合約的，大到壽險，小到旅遊險，都是一份制式化的合同。但每個人的身體狀況和風險屬性不同，都簽一樣的合約其實並不符合效率，因此新型態的保險中，已經有根據用戶使用量和不同狀況，而改變保費和保障內容的機制產生，而未來人工智能審查應該會在加速這個部分。
圖像辨識的應用
- 停車場與停車效率的優化
大家應該有發現，最近公家停車場和百貨公司都不用拿卡，直接進入後繳錢時輸入車牌就可以繳費了。這是大家最常遇到且很成熟的圖像辨識應用，會舉這個例子是因為很容易感受到。
- 影像與照片編輯與美化
「愛美是人的天性」，照片拍了就是要修的漂亮，市面上許多修圖軟體能讓你的照片各個角度都完美。而修圖之外就是影片，現在通話也能夠自動上妝，甚至增肥減肥，其實都是圖片辨識的發展。
影像的發展在科技圈也漸漸發現危機，大家不知道有沒有看過這個造假影片 – 讓歐巴馬的演講，在40 秒的時候，他才會顯示出其實這個演講不是歐巴馬說的，而是 Peele 公司做的影片處理。未來有越來越多的金融業都會以網路作為主要媒介，如何辨認用戶是否造假是一門重要的功課。
（這些事件大家有興趣的話可以搜尋 deepfakes ，現在也有很多人工智慧公司在做智能反造假偵測）
- 紙本文件掃描
把紙本文件掃描成電子化文件，對於需要對消費者進行認證（KYC）的金融業相當重要，每次申請都需要有身分證、存摺或財產證明等等文件，都使用掃描電子化後，便能讓電腦根據程序進行審核，加速審核效率。
且過往的資料也需要與未來的資訊系統做合併，對於金融業和政府機構這些有大量紙本的行業是個很頭痛的問題，而圖像辨識能夠加速把過往文件資訊化的流程，美國最近有些新創就專門做各個領域的文件資訊化而獲得投資。
結論
人工智慧估計會是下個世代最火熱的產業，而目前人工智慧的使用，都需要大量的資訊與複雜的運算，這在過往都是大公司的專利。
但現在雲端計算產業發展快速，像 Amazon、Microsoft 和 Google 都有做人工智慧的開源與機器的架設的基礎設置，讓小公司付費後就能借助他們的資源快速應用在自己的領域，許多人工智慧的創業機會也在矽谷和中國蓬勃發展。當小公司在某些特定領域（ex: 醫學、廣告、法律或金融等等）做出成果後，大公司也願意用大把金子去收購，形成一個由大公司提供基礎建設，小公司去發展獨特領域後，再由大公司收購後推廣到全球的獨特生態系。未來人工智慧會如何發展，還有很多不確定性，就讓我們一起看下去
