什麼是 AI 應用？
人工智慧 （AI）指的是設計用來執行通常需要人類智慧的任務的系統，例如推理、問題解決、感知及語言理解。 負責任的人工智慧：強調公平、透明及倫理地使用 AI 技術。
主要 AI 工作負載：
- 生成式 AI
- 代理與自動化
- 語音
- 文字分析
- 電腦視覺
- 資訊擷取
所有這些工作負載都是建立在機器學習的基礎上。
人工智慧是更廣泛的目標——創造模仿人類智慧的系統。 機器學習 （ML）是我們接觸人工智慧的主要方法，並由數據驅動的演算法所實現。 一般而言，機器學習使機器能從資料中學習模式並提升效能，而無需明確程式設計。
機器學習的類型：
- 監督式與非監督式學習：例如用於價格預測的迴歸（監督）、分類（監督）用於垃圾郵件偵測，以及分群（無監督）用於客戶分群。
- 深度學習：機器學習的一個專門分支，利用多層神經網路進行影像辨識與語音合成等任務。 深度學習透過神經網路，從龐大的資料集中學習複雜模式，提供基礎。
- 生成式人工智慧：利用深度學習能力創造新內容——文字、圖片、音訊、程式碼——而非僅分類或預測結果。
AI 應用程式
AI 應用是一種軟體解決方案，利用人工智慧技術——如電腦視覺、語音和資訊擷取——來執行通常需要類人類智慧的任務。 這些應用程式能以比傳統軟體更具適應性和智慧的方式理解、推理、學習並回應輸入。
人工智慧的應用包括：
- 模型驅動：他們利用訓練好的模型處理輸入並產生輸出，如文字、圖片或決策。
- 動態：與靜態程式不同，AI 應用程式可透過重新訓練或微調隨時間改進。
人們與 AI 應用程式互動的典型方式包括：
- 對話式介面：使用者透過聊天機器人或語音助理互動（例如：提問、獲得推薦）。
- 內建功能：AI 整合於應用程式中，用於自動補全、影像辨識或詐欺偵測等任務。
- 決策支援：AI 應用程式提供洞見或預測，協助用戶做出明智選擇（如：個人化購物、醫療診斷）。
- 自動化：他們處理重複性工作，如文件處理或客服，減少人工工作量。
不同產業中 AI 應用的一些例子包括：
- 醫療保健：AI驅動的診斷工具，分析醫學影像（如X光或MRI），幫助醫生更準確且快速地偵測疾病。
- 金融：利用 AI 即時監控交易並識別可疑活動的詐欺偵測系統，協助防止金融犯罪。
- 零售：個人化推薦引擎，分析顧客行為與偏好，推薦產品，提升購物體驗。
- 製造業：利用 AI 監控設備並預測機器可能故障的預測性維護解決方案，減少停機時間與維護成本。
- 教育：智慧型輔導系統，能依據每位學生的學習風格與進度調整，提供客製化回饋與支持，提升學習成果。
接著，讓我們來看看 AI 應用中每個元件與 Microsoft 技術的關聯。