常常有人在問，為什麼這幾年人工智慧會突然爆紅？

原因有非常的多，但如果單以”技術”的角度來看，這幾年科技的發展剛好滿足了人工智慧的三個基本需求─算法、算力及資料

算法，指的就是軟體的演算法（*），有好的數學模型搭配運算方法，我們才能創造出夠厲害的智能應用，像是近期獲得巨大成功的深度學習演算法，就是其中一個例子，也因為它的突破，為AI商業化的可行性帶來新的希望。

算力，指的就是硬體，人工智慧的算法裏面，往往需要仰賴大量的運算資源，由於這幾年來電腦運算能力不管是在CPU或者GPU（*）上都有許多進展，使得我們有能力去計算比以往更複雜的模型。現在，許多人工智慧領域的開發者，只需要上網買個夠厲害的CPU/GPU，或者去租賃許多雲端服務上夠強大的計算服務，即可以著手開始開發研究，在這樣的情況下，硬體的門檻相較於從前已經是大大的降低啦。

最後一個是資料，研究顯示，全球所有的數據中90%的資料產生於近幾年，也就是說隨著互連網的興起，有愈來愈多不同種類的資料被數位化並儲存下來，也因為這樣，許多不同的應用因此誕生，甚至也有愈來愈明顯的趨勢是，各個企業用自身擁有的數據來當作是競爭的門檻或者是拿來提升內部營運效率。

最後，補個我個人一點小小的看法，以現在的角度來談論這三個基本需求，算法及算力已經是愈來愈普及且所付出的成本也愈來愈低了。然而，儘管很多企業都有IT部門，也有建立許多資料庫，但資料的取得、資料的品質以及資料數量，在實務上仍然是有很多問題要處理，這牽扯到的可能是隱私、法律或者組織團體內部的問題。所以”資料”這件事就我個人角度來看，它才是導入AI時最需要被克服的問題之一，有句話說”巧婦難為無米之炊”，如果無法擁有夠多夠好的資料讓AI學習，就好像是沒有食材的婦人，實在是無用武之地阿!

*演算法指的是將電腦要解決的問題，轉換成具體的步驟，並用電腦程式語言一步一步來指示電腦該如何解決

*GPU（graphics processing unit）中文叫作圖形處理器，它擁有平行化運算的能力，因此，在做許多大量運算的同時，GPU能大大減少運算所需要的時間