【Fintech】AI有幾種？讓我們從AI處理的資訊淺談
撰寫人：Joe
前言
在先前文章中我們介紹了AI的發展過程，現在讓我們以AI處理的分類資訊，對這項科技有更完整的了解。
AI處理的資訊及應用
結構化資訊：具有明確欄位、鏈結、或屬性等特性的資訊，此種資訊能夠最為便捷的被應用，只要使用者下出明確的指令，系統則能完成任務。更生活化來說，我們以國外採買為例：假如你到了一個國度，並且不熟悉其使用的語言，有人給你一張用中文寫成的採買流程，請你先去A店買香蕉、再到隔壁B 店買便當與C點買飲料，雖然買的物品不同，但是你能有依據地快速採買完成。
此種AI不涉及自我學習，且現階段較為廣泛被企業使用，例如：Robotic Process Automation (RPA)。
具規律的非結構化資訊：不具有結構化資訊的特性，AI可以辨識其中的規律，可能是文字、電子郵件或者Excel活頁簿裡多型態資訊，進而連結其他檔案甚至做出預測，同樣以國外採買為例：現在那張流程文件使用你不熟悉的語言，透過幾個猜得出來的文字或符號，你能最終完成預期的採買任務。
此種AI已經開始進入學習的領域，商業的使用有：線上商場或郵件分類。
不具規律的非結構化資訊：同樣屬非結構資訊，只是資訊的規律更難預測，此類資訊可能是影像或者語音，AI處理此種資訊需要更進階的學習，進而最佳化預測結果。同例：今天你的委託人用不熟悉的語言口頭告訴你要如何採買，你可能花很多次經驗得知他要你做甚麼以及哪間店的產品才是他想要的。
生活中的例子：目前有智慧型手機能夠透過鏡頭辨認花、狗等生物或物品。
情境式資訊：此處的資訊最為抽象複雜且附情境資訊，AI被給予的指令可能是：幫我把車倒出車庫或者幫我預約明天的剪髮，在未給出明確指令下，AI必須單純透過觀察來完成任務。最後用同一個例子，今天國外委託人用不熟悉的語言告訴你：「我餓了」，接下來你只能透過一次次的經驗，學習完成採買這個任務。
這個技術是現階段開發的主要範疇。
