top of page

什麼是「人工智慧」?

當基因數據有效提升癌症治療「精準化」後,近年來熱門的人工智慧也逐漸結合癌症醫療,透過電腦科學的輔助,使癌症患者能獲得更準確的診斷,更有效的治療,並同時減輕醫療人員與系統的負擔。在切入主題前,本篇我們先來認識什麼是人工智慧。


比翼生醫 醫療事務經理 陳長溢



何謂人工智慧 (Artificial Intelligence, AI)?


在現今的時代中,我們每天的生活其實都充斥著人工智慧的影子,舉凡是你使用的購物網站、社群媒體與交通工具等,所謂的「人工智慧」,指的是透過軟、硬體的結合,使機器具有與人溝通、與世界交流的能力。一般來說,人工智慧又可區分為「強人工智慧」,強調機器具有自我意識,能獨立思考,並表現出人類所有的行為特徵,例如: 漫威電影中,鋼鐵人有求必應的機器助理,Jarvis,能完成一切交付之任務,甚至在某些時候,能預先提供超越人類知覺的判斷,但此種機器目前還僅止於在科幻電影與小說中;而我們現在經常接觸到的是「弱人工智慧」,指機器能根據問題給出相對應的答案,甚至在技術加持下,可提供優於人類判斷的結果,但機器本身並無思考能力,僅是透過資料邏輯來推估。那目前我們是如何實現人工智慧,主要是透過一種方法——「機器學習」。



機器學習 (Machine Learning)


「機器學習」,顧名思義就是透過大量數據與演算法來訓練機器,讓它去「學習」如何完成任務,並能不斷的「修正」自己的錯誤,而逐步產出「正確」的結果。近年來,由於大量的問題解決需求與資料多元性,也發展出許多廣為應用的演算法,例如:

「分類」問題: 邏輯迴歸 (Logistic regression)、決策樹 (Decision tree)、隨機森林 (Random forest)、支持向量機 (Support vector machine)、貝氏機率分類 (Naive Bayes classifier)、梯度提升樹 (Gradient boosting tree) 與神經網路 (Neural network) 等,

「預測」問題: 線性迴歸 (Linear regression)、決策樹 (Decision tree)、隨機森林 (Random forest)、梯度提升樹 (Gradient boosting tree) 與神經網路 (Neural network) 等,

「降維」問題: 主成分分析 (Principal components analysis)、t分布隨機鄰近嵌入 (t-distributed stochastic neighbor embedding) 與均勻流形逼近及投影 (Uniform manifold approximation and projection) 等,

「分群」問題: K平均演算法 (K-means)、階層式分群 (Hierarchical clustering) 與高斯混合模型 (Gaussian mixture model) 等,

「關聯」問題: 先驗演算法 (Apriori algorithm) 等。


在機器學習中,通常需要提供較多資訊給演算法,像是特徵萃取,以能產出較精確的評估,但在複雜的電腦視覺中,機器學習往往無法提供媲美人類水準的結果,因此最近發展出一分支——「深度學習」。



深度學習 (Deep Learning)


「深度學習」是機器學習的一環,其啟發是人類大腦在生物學上的運作模式,大腦透過神經元之間的連結,發展成神經網路。利用這種概念,將模型設計成層層堆疊的神經網路,數據輸入至每一層的獨立神經元中,並被各神經元分配一個權重,每個權重都代表對數據的不同認知,再結合每一層的誤差,經運算後輸入至下一層,如此向下傳遞,而產出最終結果。目前深度學習已有大量應用,尤其是在電腦視覺與影像辨識與偵測領域。



機器學習可以用在哪裡?


機器學習目前已被廣泛使用於各種產業,族繁不及備載,例如: 汽車、製造業、媒體與娛樂、零售商、網路購物與金融市場等,而其中在醫療保健與生命科學產業,也由於大量醫療健康數據的加持,使得機器學習能參與維繫與提升人們健康,下一篇我們將好好聊聊癌症醫療如何與人工智慧相結合。



若欲進一步了解更多資訊,歡迎寄信至Bryant.chen@behealthventures.com

128 views0 comments

Recent Posts

See All
bottom of page