在現今快速發展的人工智慧（AI）領域，除了 ChatGPT 這樣的大型語言模型，還有許多其他最新的 AI 發展趨勢值得關注。在這篇文章中，我們將介紹以下五個值得關注的 AI 發展趨勢：
- Adaptive AI
- Generative AI
- Composite AI
- Explainable AI
- Low-code AI
Adaptive AI
Adaptive AI （自適應學習）是一種能夠自我調整和學習的 AI 系統，其目的是透過根據不同情況和數據源自動調整其行為和結果，從而更好地達到其目標。具體來說，Adaptive AI 可以根據所處環境的變化、數據的變化、使用者的反饋等多種因素，自動調整其模型和算法，以提高其效率和準確性。由下圖可以看到，不同於以往的訓練 → 部署的流程，Adaptive Learning 更加強在互動的過程持續優化模型。在 Machine Learning 中的在線學習（Online Learning）也是只相同的概念。
Adaptive AI 的應用情境非常廣泛。在醫學診斷方面，Adaptive AI 可以根據患者的不同病情、年齡和其他特徵，自動調整其診斷結果，從而提高診斷的準確性和有效性。在智能家居方面，Adaptive AI 可以根據使用者的習慣和行為，自動調整家居設備的控制方式，從而提供更好的使用體驗。在金融投資方面，Adaptive AI 可以根據市場環境和投資者的投資習慣，自動調整其投資策略和模型，從而提高收益率和風險控制能力。因此，Adaptive AI 的應用潛力非常巨大，可以幫助人們更好地應對現實中的各種挑戰和問題。
Generative AI
Generative AI （生成式學習）是一種 AI 技術，可以生成各種形式的數據，包括文字、圖像、音頻等等。Generative AI 的工作原理是透過將機器學習模型訓練成一個能夠模擬人類創造力的生成器，從而生成各種新的數據。具體來說，Generative AI 可以通過分析大量現有的數據，從中學習各種樣式和規律，再用這些知識來創造出新的數據，從而達到自主創造的目的。
Generative AI 的應用情境也非常廣泛。在藝術創作方面，Generative AI 可以根據特定的主題和風格生成各種不同的圖像、音頻和文字，從而提供無限的創作靈感和可能性。在電影和遊戲製作方面，Generative AI 可以生成高質量的特效和場景，從而減少人工創作的成本和時間。在自然語言處理方面，Generative AI 可以根據已有的文本生成新的文章、詩歌、小說等等，從而實現自動寫作和編輯的功能。總之，Generative AI 的應用能力非常強大，可以在各個領域中為人們帶來更多的創造力和效率。
▍ 延伸閱讀：從資料科學家觀點聊聊 chatGPT 的崛起 | 數據職涯加值計畫 #11
Composite AI
Composite AI （組合式 AI）是一種結合多個不同 AI 技術的綜合 AI 系統。通過將多個 AI 技術進行集成和協同工作，Composite AI 可以更好地應對複雜的問題和任務，從而提供更高效、準確的解決方案。具體來說，Composite AI 可以結合多個技術，如自然語言處理、機器視覺、機器學習等，從而實現更廣泛和深入的數據分析和應用。
Composite AI 的應用情境也非常多樣化。在智慧城市建設方面，Composite AI 可以結合機器視覺和大數據技術，實現智能監控和管理，提高城市運行效率和安全性。在醫療健康方面，Composite AI 可以結合自然語言處理和機器學習技術，從大量的醫學文獻中分析和提取關鍵信息，幫助醫生做出更準確的診斷和治療方案。在工業制造方面，Composite AI 可以結合機器視覺和機器學習技術，實現自動化生產和品質控制，提高生產效率和產品質量。總之，Composite AI 的應用範圍非常廣泛，可以幫助人們解決各種複雜的問題和挑戰。
Explainable AI
Explainable AI （可解釋 AI，簡寫成 XAI）是一種 AI 技術，旨在讓人們更好地理解和解釋 AI 模型的決策過程和結果。由於傳統的黑盒 AI 模型難以解釋其決策過程，Explainable AI 的出現填補了這一空缺。Explainable AI 通常採用可視化和解釋性技術，使人們能夠更好地理解模型是如何做出決策的，並且更容易檢查模型是否具有偏見或不公平性。
Explainable AI 的應用情境也非常廣泛。在金融領域，Explainable AI 可以幫助銀行和金融機構更好地解釋其信貸決策過程，從而提高決策的透明度和公正性。在醫療診斷方面，Explainable AI 可以幫助醫生更好地理解 AI 模型的診斷結果和決策過程，從而提高診斷的準確性和可信度。在自動駕駛和智能輔助駕駛方面，Explainable AI 可以幫助人們更好地理解 AI 車輛如何做出決策和行動，從而提高駕駛的安全性和信心。總之，Explainable AI 的應用能力可以幫助我們更好地理解和控制 AI 模型的決策過程和結果，從而實現更高效、公正和安全的 AI 應用。
▍ 延伸閱讀：Explainable AI 可解釋的機器學習 | 超硬派！數據實戰技術工作坊 #01
Low-code AI
Low-code AI 是一種利用低程式碼或無程式碼的方法開發 AI 應用的技術。相較於傳統的 AI 開發流程，Low-code AI 可以更快速、簡單和方便地建立 AI 模型和應用，不需要擁有大量的 AI 技能和程式開發經驗。低程式碼的平台通常具有可視化的拖放界面，允許用戶透過圖形化方式來設計 AI 模型，而無需手寫程式碼。通常這種技術可以讓更多人參與開發 AI 應用，從而推動企業和組織的數字轉型。
Low-code AI 的應用情境也很廣泛，包括自動化業務流程、智能客戶關係管理、自動化醫學診斷、智能零售和客戶體驗，以及自動化交通運輸和物流等。例如，企業可以利用 Low-code AI 技術快速地開發自己的智能語音助手或自動化客戶服務系統，提高客戶滿意度和效率；醫院可以利用 Low-code AI 技術建立自動化診斷系統，幫助醫生快速和準確地診斷病情；零售商可以利用 Low-code AI 技術建立自己的智能推薦系統和客戶分析平台，從而提高銷售額和客戶忠誠度。總之，Low-code AI 技術可以幫助企業和組織更快速地實現 AI 應用，提高生產力和效率，並推動數位轉型的進程。
嗨，我是維元，近期推出一個全新型態的【 Python 資料科學教學實戰營 】，結合多元教學形式及豐富課程經驗幫助你更有效地學習。新課程「 Python 程式設計基礎養成 」正在早鳥募資中，歡迎你一起加入資料領域！誠摯的邀請你跟著我們一起從 Python 入門開始，走進資料科學的世界 🙌
📍 報名頁面： https://dscareer.kolable.app/
📍 報名頁面： https://dscareer.kolable.app/
📍 報名頁面： https://dscareer.kolable.app/
License
本著作由Chang Wei-Yaun (v123582)製作，
以創用CC 姓名標示-相同方式分享 3.0 Unported授權條款釋出。