當AI變成新常態

剛進IT這一行時，資料庫應用程式是企業IT應用系統的主流，當時e化的口號喊得震天嘎響，許多公司開始導入ERP、CRM等大型商業應用系統，接著商業智慧（BI）也逐漸掀起採用的風潮，一時之間，資料倉儲、平衡計分卡、資料採礦等各種決策支援系統的建置，成為企業提升競爭力的顯學。

然而，時至今日，雲端服務、大數據的應用持續看漲，改變了企業對於IT基礎架構與巨量資料的使用方式，接下來即將起飛的物聯網（IoT）、人工智慧（AI），更是受到各界極大重視。

以AI而言，我們在日常生活中越來越常看到這樣的技術應用，小至智慧型手機的語音助理、新型聲控喇叭、偵測詐騙行為，大至自動駕駛車、無人機，以及各種不同形式的軟硬體機器人應用，甚至是新一代的智慧工廠，應用的場景從個人端到企業，幾乎無所不包，而這些創新應用未來能否受到廣泛使用，其實也都有賴當前AI的技術進展程度。

因此，目前我們可能會在許多場合都會聽聞到AI的相關應用，雖然使用的程度和比例也許有很大的差異，但其實越來越難以忽略它將帶來的好處與影響——這是由於當前我們對於大幅節省人力和時間的需求，比過去更為殷切，所以，在自動化處理的方式上，不能只是停留在預先定義、靜態的作法，而必須能夠更為靈敏地主動應變。

但是，該如何讓應用系統具備這樣的能力？以現今流行的技術來看，如何在其中導入與使用機器學習的技術，就變得很關鍵，而要實現這樣的方法，同時也需要仰賴龐大的資料，藉以訓練系統懂得如何分類、找出相關性，而達到「學習」的效果。一般而言，機器學習的作法，可分為監督式學習（Supervised learning）、非監督式學習（unsupervised learning）、半監督式學習（Semi-supervised learning）等類型。

企業若想要借重AI來幫忙，在大多數情況下，可能要自行開發相關的系統，就如同早年ERP、CRM等系統剛出現時，針對商用的套裝產品，目前並不多見，但如果是要近期所要採購或導入的特定IT產品當中，要求具有這樣的特色和技術，可能比較容易一些。

以資訊安全的領域來說，市面上已有不少產品，都已經發展或支援機器學習的特色，例如：進階威脅預防（ATP）、端點威脅偵測與防護（EDR）、使用者行為分析系統（UBA）、安全事件管理系統（SIEM），幾乎在近期新版本的發布當中，都強調具有或採用AI層面的技術，可用來提升判斷惡意行為的準確率。

而在其他類型的商用系統、IT基礎架構當中，也越來越常看到使用AI、機器學習技術的蹤影。像是有些廠商的產品，在增添更多自動化管理機制之餘，也在這方面特色的命名上，借用了自動駕駛車來相互比擬，例如，全快閃儲存陣列廠商Pure Storage，就以「Self-Driving Storage」，形容他們架構在雲端服務上的儲存管理平臺Pure1，提供的自動化效能調校與規畫功能；網路設備大廠思科，也在今年1月宣布，他們即將推出企業級的「Self-driving network」。諸如此類，冠上「Self-Driving」的IT產品，應該會越來越多，所借用的意思則是希望強調具有更自動化的處理方式。

 相關報導  AI 100（上）