一句講晒：AI 即係咩？

人工智能（Artificial Intelligence，AI）係電腦科學其中一個分支，目標係建立能夠執行通常同人類智能有關任務嘅系統。 國際標準化組織（ISO）亦用類似方式理解 AI：機器或電腦系統具備執行通常需要人類智能任務嘅能力。

實際上，理解 AI 未必要先問一部機器係咪識「思考」。更實用嘅問法係：呢個系統做到啲咩？有學術定義將 AI 描述為一個系統能夠正確解讀外部數據、從中學習，並透過適應去達成特定目標或任務嘅能力。 伊利諾大學芝加哥分校亦指出，AI 令機器可以從經驗中學習、適應新輸入，並執行類似人類能力嘅任務。

簡單講：AI 係用數據同計算方法，去完成有用、朝住目標前進、以往好似需要人類判斷或智能先做到嘅工作嘅軟件能力。

AI 大概點樣運作？

好多 AI 系統都由數據開始。系統會處理輸入、搵出模式，再用呢啲模式產生結果、作出預測、支援決策，或者向某個目標推進。

機器學習係其中一個主要做法。IBM 將機器學習描述為 AI 嘅子集：透過訓練算法建立模型，令模型可以根據數據作出預測或決策。 換句話講，開發者唔一定要為每一種情況逐條寫死規則，而係用例子訓練模型，等佢將學到嘅模式套用到新輸入上。

一個簡化版 AI 流程可以咁睇：

1. 輸入： 系統收到數據、提示詞，或者其他需要處理嘅訊號。
2. 建模： 算法或模型喺數據入面辨認模式。
3. 輸出： 系統產生結果，例如預測、決策支援、生成內容，或者執行某個動作。
4. 目標： 最後要睇系統係咪有助完成原本設計要做嘅任務。

所以，實務上討論 AI，通常重點唔係證明軟件有冇人類意識，而係睇佢能否完成某類任務。

AI、機器學習、生成式 AI、AI agent 有咩分別？

呢幾個詞成日一齊出現，但唔係同一樣嘢。

最易記嘅方法係：AI 係大分類。機器學習係 AI 入面一種重要方法；生成式 AI 側重產生內容；AI agent 則強調系統會朝住目標採取行動。

今日 AI 可以做啲咩？

AI 唔只存在於聊天機械人入面。常見用途包括：

• 客戶服務聊天機械人，用嚟自動化部分回覆流程。
• 數據分析工具，協助作出更好決策。
• 市場推廣系統，用嚟個人化外展或體驗。
• 機器學習模型，根據數據作出預測或決策。
• AI agent，代表用戶或另一個系統執行任務、朝目標工作。

呢啲例子說明，AI 唔係局限於某一類 app。只要一個軟件場景需要辨認模式、預測、生成內容，或者執行任務，AI 都可能被整合入聊天介面、分析工具、自動化系統或商業軟件之中。

點解 AI 值得關心？

AI 重要，因為佢改變咗軟件可以幫人做嘅事。傳統軟件多數係跟固定指令行事；而 AI 系統可以從數據學習、適應輸入、支援解難、生成輸出、作出預測，或者幫手追求特定目標。

同時，能力愈大，愈需要問清楚。評估一個 AI 系統時，可以留意：

1. 呢個系統原本要做咩任務？
2. 佢依賴咩數據或輸入？
3. 佢係預測、支援決策、生成內容，定係採取行動？
4. 有冇相關監督、標準或負責任使用要求？ ISO 指出，人工智能標準可以為負責任使用提供框架；生成式 AI 亦令機器學習同倫理議題進入更廣泛公共討論。

快問快答

AI 最簡單可以點定義？

AI 係一種令電腦或機器可以執行通常需要人類智能任務嘅技術。

AI 同機器學習係咪同一樣嘢？

唔係。機器學習係 AI 嘅主要子集，做法係用數據訓練模型，令模型可以作出預測或決策。

咩係生成式 AI？

生成式 AI 係用深度學習同大量數據，產生類似人類創作輸出嘅 AI。

咩係 AI agent？

AI agent 係一種自主 AI 程式，可以代表用戶或另一個系統執行任務、完成目標。

所有 AI 都會創作內容嗎？

唔會。生成式 AI 會產生輸出，但 AI 亦包括分析數據、作出預測、支援決策、自動回覆，以及執行目標導向任務嘅系統。

AI 係咪代表電腦有意識？

未必。實務同學術定義通常聚焦於系統能否解讀數據、學習、適應同完成任務，而唔係證明系統有冇人類意識。

一句講晒：AI 即係咩？

人工智能（Artificial Intelligence，AI）係電腦科學其中一個分支，目標係建立能夠執行通常同人類智能有關任務嘅系統。 國際標準化組織（ISO）亦用類似方式理解 AI：機器或電腦系統具備執行通常需要人類智能任務嘅能力。

實際上，理解 AI 未必要先問一部機器係咪識「思考」。更實用嘅問法係：呢個系統做到啲咩？有學術定義將 AI 描述為一個系統能夠正確解讀外部數據、從中學習，並透過適應去達成特定目標或任務嘅能力。 伊利諾大學芝加哥分校亦指出，AI 令機器可以從經驗中學習、適應新輸入，並執行類似人類能力嘅任務。

簡單講：AI 係用數據同計算方法，去完成有用、朝住目標前進、以往好似需要人類判斷或智能先做到嘅工作嘅軟件能力。

AI 大概點樣運作？

好多 AI 系統都由數據開始。系統會處理輸入、搵出模式，再用呢啲模式產生結果、作出預測、支援決策，或者向某個目標推進。

機器學習係其中一個主要做法。IBM 將機器學習描述為 AI 嘅子集：透過訓練算法建立模型，令模型可以根據數據作出預測或決策。 換句話講，開發者唔一定要為每一種情況逐條寫死規則，而係用例子訓練模型，等佢將學到嘅模式套用到新輸入上。

一個簡化版 AI 流程可以咁睇：

1. 輸入： 系統收到數據、提示詞，或者其他需要處理嘅訊號。
2. 建模： 算法或模型喺數據入面辨認模式。
3. 輸出： 系統產生結果，例如預測、決策支援、生成內容，或者執行某個動作。
4. 目標： 最後要睇系統係咪有助完成原本設計要做嘅任務。

所以，實務上討論 AI，通常重點唔係證明軟件有冇人類意識，而係睇佢能否完成某類任務。

AI、機器學習、生成式 AI、AI agent 有咩分別？

呢幾個詞成日一齊出現，但唔係同一樣嘢。

最易記嘅方法係：AI 係大分類。機器學習係 AI 入面一種重要方法；生成式 AI 側重產生內容；AI agent 則強調系統會朝住目標採取行動。

今日 AI 可以做啲咩？

AI 唔只存在於聊天機械人入面。常見用途包括：

• 客戶服務聊天機械人，用嚟自動化部分回覆流程。
• 數據分析工具，協助作出更好決策。
• 市場推廣系統，用嚟個人化外展或體驗。
• 機器學習模型，根據數據作出預測或決策。
• AI agent，代表用戶或另一個系統執行任務、朝目標工作。

呢啲例子說明，AI 唔係局限於某一類 app。只要一個軟件場景需要辨認模式、預測、生成內容，或者執行任務，AI 都可能被整合入聊天介面、分析工具、自動化系統或商業軟件之中。

點解 AI 值得關心？

AI 重要，因為佢改變咗軟件可以幫人做嘅事。傳統軟件多數係跟固定指令行事；而 AI 系統可以從數據學習、適應輸入、支援解難、生成輸出、作出預測，或者幫手追求特定目標。

同時，能力愈大，愈需要問清楚。評估一個 AI 系統時，可以留意：

1. 呢個系統原本要做咩任務？
2. 佢依賴咩數據或輸入？
3. 佢係預測、支援決策、生成內容，定係採取行動？
4. 有冇相關監督、標準或負責任使用要求？ ISO 指出，人工智能標準可以為負責任使用提供框架；生成式 AI 亦令機器學習同倫理議題進入更廣泛公共討論。

快問快答

AI 最簡單可以點定義？

AI 係一種令電腦或機器可以執行通常需要人類智能任務嘅技術。

AI 同機器學習係咪同一樣嘢？

唔係。機器學習係 AI 嘅主要子集，做法係用數據訓練模型，令模型可以作出預測或決策。

咩係生成式 AI？

生成式 AI 係用深度學習同大量數據，產生類似人類創作輸出嘅 AI。

咩係 AI agent？

AI agent 係一種自主 AI 程式，可以代表用戶或另一個系統執行任務、完成目標。

所有 AI 都會創作內容嗎？

唔會。生成式 AI 會產生輸出，但 AI 亦包括分析數據、作出預測、支援決策、自動回覆，以及執行目標導向任務嘅系統。

AI 係咪代表電腦有意識？

未必。實務同學術定義通常聚焦於系統能否解讀數據、學習、適應同完成任務，而唔係證明系統有冇人類意識。