人類對上人工智慧 (Ai)
人類經常被稱為社會性動物，因為我們傾向於作為一個整體生活在社會中。我們被稱為動物，因為人們認為猴子是我們數百萬年前的祖先。這些年來，我們經歷了巨大的蛻變。我們發展了智慧和知識，以與動物截然不同的方式經營我們的日常生活。隨著時代的變遷，我們學到了許多道德和習俗規範，將我們（人類）與動物區分開來。這些規範確立了一些規則和條例，強調什麼對社會有益，什麼沒有。我們根據我們天生的智慧，按照這些設定的參數工作。
近年來，我們遇到了一種新的智慧形式，稱為人工智慧 (AI)。這是一項複雜的技術，其應用尚待充分利用。我們已經意識到，人工智慧的概念並非總是容易理解。許多知識分子正在就人類是否容易受到這種現代智慧形式的影響進行辯論。有些人感到憤怒，認為人工智慧總有一天會超越人類智慧。許多電影都表達了同樣的恐懼。這是一場永無止境的辯論，因為人們的擔憂不斷上升。
那麼，人工智慧到底是什麼？它是如何運作的？
理解人工智慧最簡單的方法是將其對應到我們已經理解的事物。以我們自己的智慧為例。它是如何運作的？在最基本的層面上，我們自己的智慧遵循一個簡單的原則。我們接收資訊，在腦海中處理它，這些資訊幫助我們根據資訊採取行動。
人類智慧的 3 個一般步驟是輸入、處理和輸出。在人腦中，輸入以感官和通過眼睛、鼻子和耳朵等感知事物的方式進行，這些感官和器官接收原始輸入，然後對其進行處理。之後，我們以言語和行動的形式獲得輸出。處理發生在中間，知識/輸入被形成和檢索，做出決策和推論，並發生學習/行動。
想像一下在道路交叉口停車的畫面。你的眼睛看到你前面的交通燈剛剛變成紅色。根據你從經驗（和駕駛教育）中學到的知識，你知道紅燈表示你應該踩剎車在交通燈處停車。因此，你踩下剎車踏板並減速。紅燈是原始輸入，剎車是輸出，介於兩者之間的一切都是處理。
人類智慧的這些方面與人工智慧相似。正如我們接收資訊、處理資訊並分享輸出一樣，機器也可以。
在機器中，人工智慧的輸入部分通過各種輸入來例證，例如自然語言處理、語音識別、視覺識別等。這種技術無處不在，從需要感知道路和障礙物的自動駕駛汽車，到可以識別你語音的 Siri 或 Google 助理。它可能採取機器人技術、導航系統和語音識別等形式。在兩者之間，我們有各種形式的處理發生。
與儲存知識和記憶的大腦非常相似，機器可以創建知識表示，幫助它們儲存關於世界的信息。就像人類做出決定並據此採取行動一樣，機器可以做出預測，優化以獲得更好的目標或結果，並確定下一個首選步驟或決策，以實現特定目標並高效運作。
我們通過範例、觀察或演算法來學習事物，機器可以通過使用類似的方法來教導。
- 監督式學習就像通過範例學習：電腦會被給予一個數據集，數據集中有作為答案的「標籤」，最終，機器學會區分不同的標籤。
- 其他非監督式學習就像通過觀察學習：電腦觀察模式並學習自行區分群體和模式。它不需要標籤，並且當數據集沒有標籤且受到限制時，它可以是更可取的。
最精確和有效的人工智慧結果需要各種學習方法的組合。
但這還不是全部，人工智慧的發展也伴隨著一個可怕的方面。我們需要記住，它是一種缺乏任何情感的技術。當我們談論基於情感的輸出時，它根本無法被人類智慧所取代。對於機器來說，由於與它們相關的情感因素，要推導出許多日常生活複雜性的解決方案幾乎是不可能的。人工智慧無法區分對與錯。它會根據預先設計的演算法行事，無論這是否有利於人類。
因此，現在是我們劃清界線以限制人工智慧的影響的時候了。我們需要維持現狀，即正在被用來促進多個產業發展的技術。