近幾年人工智慧（Artificial Intelligence）一詞頻繁出現於各大媒體版面，也有許多企業開始打著AI人工智慧運用的服務出現在市場上。然而，如同不久前的雲端計算（Cloud Computing）一樣，這其中也有許多服務其實只是將既有服務重新包裝後再度行銷。因此為了能夠判斷其虛實，首先必須對人工智慧有些基本上的認識。

　　雖然在二十世紀初期，圖靈（Alan Turing）與哥德爾（Kurt Gödel）等人便有著手於人工智慧的領域研究，但當時並沒有人工智慧的概念，直到1955年才由美國科學家約翰·麥卡錫（John McCarthy）於達特茅斯會議上提出，目標為使電腦具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，能夠進行推理、規劃、學習、交流、感知和操作物體等等，其中機器學習（machine learning）屬於人工智慧的一部分，深度學習（deep learning）則又屬於機器學習的一部分。然而目前主要在進行研發的人工智慧較以實際應用層面為主，關於自由意識、情感、自我等觀念，仍停留在純理論階段，也因此現在所謂的人工智慧，已與早年之定義有些許出入。

　　人工智慧又可依照電腦能夠處理與判斷的能力再區分為四個分級：

l   第一級人工智慧（first level AI）：自動控制程序

須預先寫好程式，使電腦在程式預設的特定情況下執行對應的反應。

此級之人工智慧僅是單純執行命令，也沒有進行判斷之能力。

l   第二級人工智慧（second level AI）：推論及探索、知識之運用

電腦利用演算法將輸入與輸出資料產生關聯，並產生極大量的輸入與輸出資料之排列組合。

此級之人工智慧能夠理解事先訂下之規則，並依此規則及給予之知識進行判斷分類。

l   第三級人工智慧（third level AI）：機器學習（machine learning）

電腦可以根據所提供之大量資料，學習如何將輸入與輸出資料產生關聯。然而訓練過程中需要人工設計出有效的特徵集合，此過程需要經過長時間投入才得以使其能達成特徵之提取。

此級之人工智慧能夠透過提供之特徵學習其中的原則，並且依此進行判斷。

l   第四級人工智慧（fourth level AI）：深度學習（Deep learning）

電腦可以根據所提供之大量資料，自行學習並理解機器學習時用以表示資料的特徵值，也能夠再從數據中自行學習更加複雜的特徵表達。

此級之人工智慧已能夠自行發現規則並且做出判斷，且不需人工提供特徵值。

　　近年來，伴隨著硬體設備的升級，電腦的演算能力大增、硬體價格變較低廉，使過往30年來停滯在第二級的人工智慧得以升級至如今技術主流之機器學習領域，這也同時使得人工智慧的運用面變得更加廣泛，也因此近幾年人工智慧再度引起話題。然而這其中也不免混雜了一些打著人工智慧的招牌，但其實際技術仍停留在傳統規格，此現象可能造成原本應用來投資於人工智慧技術的資源及資金被投入錯誤的產業，進一步造成對真正在研發相關技術之公司的傷害。

　　比起早年，現有環境中的資源已有足夠推力促進人工智慧的發展，只要做好基本的學術和產業研究，讓市場上的資源得以流入，相信未來該領域能有更加亮眼的表現。