透過機器學習推動創新
多虧了運算能力的進展、儲存價格的降低，以及雲端運算的盛行，人工智慧 (AI)
與機器學習 (以下簡稱「ML」) 變成了主流。各種規模的組織和產業 (包括財務、
零售、時尚、房地產、醫療保健等產業中的組織) 均可運用 AI 和 ML，締造各種商
業優勢。這些包括取得有關客戶的全新和更深入洞察、識別及回應網路威脅、進
行更聰明的資料驅動型決策，以及改善招募流程。¹
因為這些優勢，有更多組織投入 AI 和 ML。事實上，IDC 預估全球 AI 支出將於
2024 年前達到 1100 億美元。²
ML 使用增加的其中一個原因是，該技術可提供更深入的資料洞察。ML 會使用運
算演算法 (例如自然語言處理 (NLP)、電腦視覺和文件處理) 來運作，這些演算法
會經由現有資料、透過名為「訓練」的流程學習，以透過稱為「推論」的流程，
進行有關新資料的決策。
現在最受歡迎的一些演算法包括：
• 自然語言處理 (NLP) ― NLP 演算法可大規模分析語言，能夠理解上下文、剖
析語音，以及以近乎即時的方式執行翻譯。其用於建立 ML 應用程式，例如
Chatbot、垃圾郵件篩選條件、語音助理，以及社交媒體監控工具。
• 電腦視覺 ― 電腦視覺演算法可處理及分析視覺資料來偵測物件，並以類似人
類心智的方式將影像分類，但速度和規模上皆可達到倍數成長。其可用於改善
工作區安全、啟用數位身分驗證，以及標記不當的內容。
• 文件處理 ― 文件處理演算法可擷取文件中的文字、筆跡和資料、超越光學字
元辨識 (OCR) 以識別、了解及擷取表單和表格中的資料。這些演算法可用於從
醫療記錄擷取資訊，以及自動處理財務文件。
¹ 2020 年 Deloitte 的「企業界的 AI 態勢報告，第 3 版。」
² 2020 年 IDC 的「全球人工智慧 (AI) 支出指南。」
3
