什麼是人工智慧 (AI)？
隨著大型模型和生成式AI等前沿技術的不斷突破，AI在提升企業生產力和商業價值方面展現出巨大的潛力。讓我們一起走進人工智慧的世界，探索其原理、發展、企業應用及未來前景。
AI是什麼意思
AI，也稱為人工智慧，是一項讓機器能夠像人類一樣進行推理和自主決策的技術。透過對海量資料的學習，AI技術能夠辨識語音、圖像和文字，發現模式與趨勢，主動解決問題，並預測未來的情形和事件。
AI並不是單一的技術，而是多種讓機器變得智慧的技術的集合：比如透過大量資料訓練電腦（機器學習）、讓電腦理解圖像（視覺辨識）、理解人類語言（自然語言處理）等。
在國內，我們还提出了「人工智慧+」戰略，即人工智慧與各行業的深度融合。這不僅僅是「1+1=2」的簡單疊加，而是透過人工智慧及多項先進IT技術對傳統與新興行業進行深度改造，打造企業智慧生態發展體系。「人工智慧+」已廣泛應用於製造、醫療、金融、教育等多個領域，為行業和社會的發展帶來了更多機遇與優勢。
AI的發展歷史
起源階段： 1956年，「人工智慧」這一術語在達特茅斯學院(Dartmouth College)舉辦的科技研討會上被首次提出。人工智慧之父Marvin Minsky認為，「人工智慧是一門讓機器能夠完成需要人類智慧才能完成的技術科學。」
技術發展與突破期： 20世紀70-90年代，人工智慧技術不斷發展，如初步的語音辨識和圖像處理。但受限於算力和資料，AI在這個階段的發展較為緩慢。2000年之後，隨著雲端運算等大資料基礎設施不斷發展，深度學習取得關鍵進展，讓AI的能力顯著提升。
發展加速期： 2020年起，AI系統經過不斷演進發展，已經具備更多解決問題的能力，能夠完成更多任務，如視覺感知、語音辨識、計劃、決策、語言翻譯等。這些系統可以即時處理TB級的資料和洞察，十分敏捷且回應迅速，能夠增強人類使用者的能力，並提高員工的工作效率、生產力和滿意度。
根據國際資料公司（IDC）的報告顯示，預計到2026年，這一資料將達到9000億左右，AI顯示出強勁的成長勢頭。其中，受技術及相關戰略的影響，中國是這場AI革命的重要領航者之一。
隨著中國在算力資源、資料中心等新基建方面的大力發展，AI晶片、AI軟體及可穿戴裝置等方面取得了顯著的成就。而網際網路企業憑藉深厚的技術積累、龐大的資料資源及充足的資金支援，在AI技術的研發和應用上也不斷創新，在智慧企業、智慧醫療、自動駕駛等領域都處於世界領先地位。此外，AI還被用於更多的企業和機構，以推動全社會的數位轉型和智慧升級。
如今的AI可以做什麼
人工智慧（AI）就是研究人類是怎麼思考、學習和解決問題的，然後讓機器也能模仿這種能力。而想要知道AI現在能做什麼，就得先了解它的核心技術以及工作原理是怎麼樣的，每一項技術都有其獨特的能力，這些技術共同構成了人工智慧的基石。
機器學習(ML) 是AI的一個分支，支援電腦系統從經驗或資料中學習並改善自身效能，同時整合了電腦科學、統計學、心理學、神經科學和經濟學等領域的元素。透過將各種演算法應用到不同類型的學習方法和分析技術中，機器學習能夠自動從資料和經驗中學習並改善自身效能，無需明確的程式設計指令。企業可以運用機器學習技術分析大型的複雜資料集，預測結果。
深度學習(DL)是機器學習中以資料為中心的一個分支，透過使用包含多個（深度）層次的神經網路，從海量資料中進行學習並擷取特徵。這些深度神經網路可以自動發掘資料中人類不太容易發現的複雜規律和關係，有助於進行更準確的預測和決策。深度學習技術擅長執行圖像和語音辨識、自然語言處理和資料分析等任務。透過利用深度神經網路的層級結構，深度學習技術革新了眾多業務領域，包括醫療、財務和自主系統等。
神經網路是AI的一個重要組成部分，是受人腦結構和功能啟發而開發出來的。這些多層計算模型的節點聚集在一起，就像生物大腦中的神經元。透過快速的平行處理流程，每個人造神經元都可以接收輸入資訊，然後對這些資訊執行數學運算，產生輸出結果，再將其傳送至後續各層神經元。在訓練時，神經網路會根據資料中的範例調整神經元之間的連接強度，這樣就能讓他們識別規律、進行預測並解決問題。神經網路還會使用各種方法從資料中學習，具體取決於任務和資料的類型。目前，神經網路已經應用於多個領域，包括圖像和語音辨識、自然語言處理、建模、自動駕駛汽車等。
生成式人AI是一種深度學習技術。該技術使用大型語言模型(LLM)等基礎模型，根據訓練資料建立全新的內容，包括圖像、文字、聲音、影片和軟體程式碼等。生成式AI是各種基礎模型技術的總稱。這些基礎模型技術就是神經網路，它們透過自監督學習（例如預測文字中的下一個詞）利用海量資料進行訓練。生成式AI提供了許多全新的功能，使得該項技術成為了AI領域的新突破。有時候，單個模型就能執行多項任務，包括編寫詩歌和業務文件、建立圖像以及透過推理測試。生成式 AI 有許多企業應用程式，例如建立實際的產品原型、在客戶服務中進行自然對話、設計個人化的行銷資料、自動化內容建立流程，以及建立圖形和特殊效果。企業和消費者都在以驚人的速度採用生成式 AI，這是因為許多生成式 AI 應用程式不需要程式設計或編碼技巧即可使用。使用者只需使用一般語言描述他們想要的內容，應用程式就會執行這項任務，這往往會帶來令人印象深刻的結果。
電腦視覺是電腦「查看」和理解數位圖像和影片內容的一種方法。電腦視覺應用利用感測器和學習演算法擷取複雜的上下文資訊，用於自動執行其他流程或為其他流程提供資訊。電腦視覺還可以基於看到的資料進行推算，從而進行預測，自動駕駛汽車就是一個典型的例子。
自然語言處理 (NLP)，自然語言處理系統能夠識別並理解書面語言或口頭語言。在較為複雜的應用中，自然語言處理技術可以利用上下文來推斷使用者的態度、情緒和其他主觀特質，最準確地解讀含義。自然語言處理技術的實際應用包括聊天機器人、呼叫中心互動分析和數位語音助手，例如 Siri 和 Alexa。
未來的AI如何發展
如今，生成式 AI 推動了人工智慧從資料分析工具向具備創造力和自主性的系統升級，極大拓寬了AI的應用邊界。科學家預測，AI將在以下幾個前沿方向持續取得突破：
加速邁向通用人工智慧（AGI）： 生成式 AI 的進步使AI向AGI邁出了重要的一步。透過不斷增強的學習能力和創造性，AI 將更接近於具備人類般的通用智慧，能夠在不同領域中自主解決多樣化的問題。
合成資料與自監督學習將打破人工智慧訓練瓶頸： 合成資料的應用將幫助克服人工智慧訓練中資料稀缺和隱私問題的挑戰。透過產生大量逼真的虛擬資料集，AI 可以在保護隱私的前提下進行大規模訓練，從而提高模型的準確性和泛化能力。
量子電腦突破AI極限： 量子電腦的強大算力將為 AI 帶來了前所未有的速度和效率。科學家們預測，量子計算將首先在複雜 AI 任務中得到應用，如最佳化問題、模擬複雜系統和處理大規模資料，為人工智慧開闢新的可能性。
AI智慧體和無程式碼開發將引起社會與經濟的變革： AI智慧體和無程式碼開發工具將使更多人能夠輕鬆建立和部署人工智慧應用，降低技術門檻。這種轉變將大大推動創新，改變傳統行業的運作方式，並對社會和經濟產生深遠影響。
現階段所有落地應用均屬弱人工智慧，集中在機器學習/深度學習技術。強人工智慧（AGI）仍面臨根本性技術瓶頸，是學界與產業的長期探索方向。
強人工智慧（也稱AGI通用人工智慧）：理論上，AGI系統可以成功執行人類才能完成的智力型任務，甚至效果可能更好。
超級人工智慧（ASI）：指完全具有自我意識且超越人類智慧的 AI 系統。從理論上講，這類 AI 系統能夠自我完善，並以超越人類的智慧水平制定決策。但是，這種 AI 系統目前只存在於科幻小說中，尚無確切的開發方法。
企業AI應用場景
目前，生成式AI已經應用於很多業務領域，使用者只需使用常規語言描述自己的需求，生成式AI應用就會按照使用者要求執行任務，並且往往能實現卓越的成果。以下列舉了以下各行各業的一些 AI 用例：
醫療衛生行業： 醫療資料集是世界上最龐大、最複雜的資料集之一。AI 在醫療衛生行業的一個重點應用領域就是，利用資料發現診斷、治療方案和患者療效之間的關係。此外，醫院還使用 AI 解決方案來支援各種運營舉措，如最佳化員工隊伍、提高員工和患者滿意度、節省成本等。
銀行業： 作為最早大規模採用 AI技術的行業之一，金融服務行業主要利用 AI 來加快交易速度，更快提供客戶服務和作出安全回應。銀行業的常見 AI 應用包括 AI 機器人、數位支付顧問和詐欺偵測系統。
製造行業： 當今的智慧工廠是由機器、物聯網感測器和計算能力組成的網路。這個互聯系統利用 AI 和機器學習技術即時分析資料並不斷進行學習。從監控設備狀況到預測供應鏈問題，再到實施預測性製造，AI技術能夠持續最佳化智慧工廠中的自動化流程和智慧系統，同時為其提供豐富的資訊。
零售行業： 線上顧客會透過各種客戶接觸點與企業開展互動，並產生比以往更多的複雜資料和非結構化資料。為了理解和利用這些資料，零售商使用 AI 解決方案來處理和分析不同的資料集，從而提高行銷能力，並交付更優質的購物體驗。
電子商務領域： 隨著企業出海的蓬勃發展，電子商務也迎來了繁盛時期。 AI 在電子商務領域的應用已經深刻改變了消費者的購物體驗以及商家的運營模式。透過先進的機器學習演算法和大資料分析，電子商務平台能夠精準地預測消費者的購物偏好，從而提供個人化的商品推薦和客製化的購物體驗。這不僅提高了消費者的滿意度和忠誠度，也極大地促進了銷售成長。同時，為了應對全球供應鏈管理問題，AI 還在庫存管理、物流最佳化、詐欺偵測等方面發揮著重要作用，可幫助出海企業最佳化供應鏈管理，降低營運成本，提高營運效率。隨著技術的不斷進步，AI在電子商務領域的應用將更加廣泛和深入，為消費者帶來更加便捷、智慧的購物體驗。
能源行業： 在能源領域，AI 的應用不僅提高了能源生產的效率，還大力推動了清潔能源的發展和智慧電網的創新。AI 的預測和最佳化能力使能源企業能夠更精準地管理資源，特別是在整合風能、太陽能等可再生能源方面。此外，AI 還助力智慧電網的應用，讓電網可以根據用電狀況自動最佳化能源分配，確保供應穩定，並減少能源的浪費。
深入了解 AI
透過全面的 AI 資源，探索人工智慧可為貴公司帶來的快速價值。
AI為業務帶來的優勢
AI 技術已超越早期採用者階段，現已成為許多企業應用程式的主流。
如今，企業透過將 AI 建置到其核心企業流程中，獲得了可衡量的效益：
提高效率和生產力： 實現任務自動化並簡化運營是AI為企業帶來的最大優勢之一。基於AI的系統能以極快的速度處理海量資料，為企業釋放寶貴的人力資源，讓他們專注於更有價值的活動。這種效率的提升將有助於提高企業的生產力，因為員工可以全身心投入到策略性決策和創新工作中，而不是將精力耗費在繁瑣的日常事務上。
優化客戶體驗： 如今，AI技術顛覆了企業與客戶互動的方式。借助自然語言處理和機器學習演算法，基於AI智慧體和虛擬助手可以全天候即時為客戶提供個人化的支援。這樣一來，企業不僅能夠提高客戶滿意度，還能在所有管道提供無縫的客戶體驗，同時縮短回應時間並減少人為錯誤。
制定由資料驅動的決策： 企業AI系統可以分析海量的結構化和非結構化資料，幫助企業制定更明智的決策。透過從這些資料中挖掘有價值的洞察，企業能夠識別趨勢，預測客戶行為並最佳化業務運營。AI演算法可以識別人類可能忽視的規律，進而提供有價值的資訊，支援企業制定策略計劃、執行風險評估和簡化業務流程。
提升營運效率： AI技術可以自動執行耗時的重複性任務和工作流，並精確處理複雜的計算和資料分析等繁瑣任務，從而提高準確性，減少錯誤。AI技術還能快速偵測異常情況、詐欺和安全漏洞，規避潛在損失。
加強員工協作： AI技術可以促進員工之間的協作和知識共享。智慧系統可以支援員工輕鬆存取相關資訊，並提供有助於員工制定明智決策的洞察，從而增強他們的資料發現能力。此外，基於AI的協作工具還能支援不同團隊、部門甚至全球各地的員工順暢溝通和分享知識，從而推動創新並提高生產力。
增強合規性和風險管理： AI可以即時監控和分析企業的運營和外部環境，幫助企業及時識別潛在的法律和合規風險。透過自動化的合規審核和異常偵測，AI能夠有效地預防違規行為，保障企業的合規性。
AI智慧體是什麼？與生成式AI有什麼區別？
AI智慧體是一類能夠獨立完成複雜多步驟任務的智慧系統。它不需要人為每一個細節編寫具體指令，而是依靠先進的人工智慧模型，自主分析當前狀況，確定需要採取的行動及其順序，然後呼叫各類工具（如資料庫、計算器、API介面或其他AI系統）來執行計劃。這種能力使它能夠處理許多傳統規則難以覆蓋的複雜場景，尤其是那些需要動態調整策略的問題。核心功能包括：
智慧規劃： AI智慧體能夠根據目標制定完整的執行路徑，而非僅僅執行單一操作。
自我優化： 它具備反思能力，能夠評估自身行動的效果，並不斷調整策略。
工具整合： AI智慧體可以靈活呼叫各種外部工具來增強自身能力。例如，它可以透過資料庫查詢獲取歷史資訊，利用計算器進行資料分析，或呼叫其他AI系統完成特定任務，從而實現更全面的功能。
協同合作： 它不僅能獨立工作，還能與人類或其他專業智慧體協作。例如，在一個專案中，它可以與財務AI、客服AI分工合作，共同完成任務，形成一個高效的協作網路。
AI智慧體的強大能力源於生成式AI和基礎模型的支援。這些技術使它能夠處理多種類型的資料（如文字、表格、圖像等）；產生程式碼或其他形式的輸出；自主分析複雜場景並制定行動方案。
普通生成式AI（如聊天機器人）通常基於預設的規則或模式執行，只能解決特定類型的問題，且答案往往是固定的。而AI智慧體則具備更強的動態適應能力：但相比傳統的預設規則系統，AI智慧體不再局限於固定的邏輯框架，而是能夠根據實際情況動態調整策略，適應不斷變化的環境。
AI智慧體的出現標誌著人工智慧從「執行指令」向「自主決策」的跨越。它不僅能夠提高效率，還能應對傳統技術難以解決的複雜問題，為企業創造更大的價值。未來，隨著技術的進一步發展，AI智慧體將在更多領域發揮重要作用，成為推動行業變革的關鍵力量。
人工智慧倫理與挑戰
雖然 AI 帶來了非凡的機會，但同時也帶來了風險，我們必須認知並降低這些風險，避免對個人、團體、企業以及全人類造成傷害。以下是消費者、企業和政府在努力負責任地使用 AI 時，應注意的一些最緊迫的 AI 倫理挑戰。
道德使用客戶資料：到2029年，全球將有64 億智慧型手機用戶。每個裝置都可以共享大量的資料，從 GPS 位置到使用者的個人詳細資料和偏好，以及社交媒體和搜尋行為。隨著企業能夠更廣泛地取得客戶的個人資訊，設定保護隱私的基準和持續發展的協議，確保風險最小化，成為了至關重要的事項。
AI 偏見：AI 系統可以反映或放大其訓練資料中存在的現有偏見，這可能會導致工作招聘或貸款核准等申請中出現不公平的結果。為了減少這些偏差，組織必須確保其資料集的多樣性，進行定期稽核並採用偏見消除演算法。AI 偏見的實際例子發生在美國醫療保健系統中，缺乏關鍵偏見消除能力的 AI 模型從訓練資料中推斷出，在醫療保健上花費較少的人口族群，未來不需要像高支出族群那麼多的照護，從而導致了影響數億名患者健康決策的偏見。
AI 透明度和可解釋的 AI：AI 透明度是指 AI 系統如何運作的開放性和清晰度，確保其營運、決策流程和結果可供人類理解和解釋。這對建立對 AI 應用程式的信任以及解決偏見、責任和公平性的顧慮至關重要。可解釋的 AI 特別著重於開發 AI 模型和演算法，以使用者和利益關係人可理解的方式提供決策和預測的解釋。可解釋的 AI 技術旨在透過揭示影響其輸出的因素和特徵來解析複雜 AI 系統，使使用者能夠信任、驗證並在必要時糾正 AI 決策。
深度偽造：「深度偽造」一詞是「深度學」習與「假的」的結合。深度偽造是一種使用 AI 用來建立或改變媒體內容（例如圖像、影片或錄音）的複雜方法。深度偽造能夠在影片中操控臉部表情、動作和語言，而且往往非常逼真。此技術之所以備受關注，是因為它有可能創造出令人信服的虛構內容，而這些內容可以用於各種用途，從娛樂和藝術表達，到錯誤訊息和身份欺詐等更多令人擔憂的應用。
SAP如何為你提供AI解決方案？
SAP提供的商業AI解決方案是專為企業業務場景設計的人工智慧。SAP AI 以豐富的行業資料和深厚的業務流程知識為基礎，內嵌於企業的關鍵系統之中，幫助企業在數位轉型中實現智慧化、自動化和永續發展。憑藉 50 年的行業洞察和業務專長，SAP AI 讓企業能夠在日常應用中高效、安全地釋放人工智慧價值，助力企業邁向智慧未來。
內嵌式 AI 賦能企業： SAP 將人工智慧功能直接嵌入到企業的日常管理系統中，如 ERP 雲、人力資本管理、支出管理和客戶關係管理等，使企業能夠無需額外整合，即可在現有 SAP 系統中高效應用 AI 技術。
覆蓋核心業務流程： SAP 提供適用於各職能部門的全面 AI 能力，涵蓋AI 銷售和服務、AI 財務、AI 供應鏈、AI 採購、AI 人力資源 及 AI 行銷，幫助企業實現流程自動化、決策最佳化和效率提升。
生成式 AI 助手 Joule： SAP 推出了生成式 AI 助手 Joule，幫助使用者便捷地與 SAP 業務系統互動，助力企業實現智慧決策和高效運營。
行業實踐案例： 在運輸管理領域，SAP 結合文件處理與生成式 AI，幫助汽車和製造業客戶實現貨物交付的自動化，減少紙質工作，將單車交付單處理時間從 10 分鐘縮短至 3 分鐘，節省 11% 成本，且無需專用訓練資料或範本即可實現高達 70% 的即時準確率。
安全與責任： SAP AI 遵循領先的倫理與資料隱私標準，確保企業可以放心應用。