AI 的基礎
新式 AI 是以資料科學和機器學習為基礎所建置。 AI 的主要目標是將機器用於通常與人類相關聯的功能。 讓我們看看資料科學概念如何作為支援 AI 的基礎。
什麼是資料科學？
資料科學是跨學科領域，其目標為實現 AI。 它主要使用機器學習和統計資料技術。 在大部分情況下，資料科學家是負責解決 AI 問題的專家。
什麼是機器學習服務？
機器學習是一種技術，可讓機器過濾大量資料來找出模式。 這項技術經常用於 AI 用途。 機器學習會使用演算法來將機器定型，以根據區分資料的特徵來學習模式。 定型的資料越多，預測就越正確。
以下列出一些範例：
- 垃圾郵件偵測 - 機器學習可能會尋找下列模式：電子郵件具有「免費」或「保證」等字組、電子郵件地址網域位於封鎖清單中，或文字中顯示的連結不符合其背後的 URL。
- 信用卡詐騙偵測 - 機器學習可能會尋找擁有者在通常不會造訪的郵遞區號中消費、購買高價物品，或是突然大血拚等模式。
什麼是深度學習？
深度學習是機器學習的子集。 深度學習會以連線的人工神經網路的方式，模仿人類大腦處理資訊的方式。 與機器學習不同的是，深度學習可以探索複雜的模式，並自行區分資料的特徵。 其通常適用於影像、文字與音訊等非結構化資料。 它需要非常大量的資料，以取得更好的分析結果，以及快速且大規模的運算能力。
例如，深度學習可以用來偵測醫療影像中的癌細胞。 深度學習會掃描影像中的每一個像素，以作為神經節點的輸入。 這些節點會分析每一個像素，以篩選出外觀像癌細胞的特徵。 每一層節點都會將其發現可能是癌細胞的結果推送至下一層節點，重複此流程，最後彙總所有結果以分類影像。 例如，影像可能會分類為健康的影像或具有癌特徵的影像。
接下來，讓我們探索可用來將 AI 新增至您企業的四種 Microsoft 工具類別。