人工智慧（AI）的研究，可說是如何將生物腦部功能模型化（單純化）的研究，由於深度學習的技術發展，使得國際大廠及研究機構投入許多資源至此領域，因此造就深度學習的軟體框架及原始碼的開放，開始讓產業界大量使用深度學習進行預測及判讀。 在生成技術方面，相對於傳統用於分類與辨識的人工智慧，可製作出與照片幾無差異的影像，或是與本人一模一樣聲音的「生成AI」，又被稱為新世代AI。除了可以大量產生辨識用AI用途的訓練資料之外，還可望大幅降低動畫描繪、商業設計、虛擬實境（VR）用影像之製作成本。 生成AI技術，在通訊與廣播領域也有很高的使用價值。因為相較於傳統基於規則的編碼技術與影像缺損的修復，採用深層學習的技術，不僅壓縮率可望大幅提升，且可發揮遠超過傳統的修復能力。然而在此過程中，判斷發送端的資料是否正確傳遞至接收端之指標與基準，也勢必面臨很大的改變。 此外在近年，較傳統深度神經網路（DNN）更接近腦部的「脈衝神經網路（SNN）」，在節能省電的效能方面，開始大幅凌駕DNN。美國Intel、IBM等一線大廠，也紛紛積極投入相關技術的開發。業界預估在不久的將來，SNN將可望取代DNN成為主流技術。 在自然語言處理方面，電腦是否能理解人類語言是人工智慧發展成熟的一項指標。自從大數據發展後，帶來自然語言技術與應用發展，產生Apple Siri、Google翻譯等諸多劃時代人工智慧應用。事實上，自然語言應用已經深入在企業、個人的許多日常應用中。包含：語音助理、社群聆聽、人資管理、疾病預防、授信分析等。 長久以來交談式AI是人機互動介面的發展重點，發展至今已有70多年的歷史。2010年IBM推出的Watson在問答競賽中稱霸，以及同年Apple推出的Siri，不僅證明了自然語言處理技術的成熟，更引領交談式AI走向商業化，近年更是全球大廠爭相投入的重點領域。其中深度學習與知識圖譜在未來的重要性備受專注。 在人工智慧領域迎來第三波熱潮後，知識圖譜是近年深受關注的關鍵技術之一。2012年Google首先推出了知識圖譜搜尋服務，證明知識圖譜在供需媒合的顯著效益，吸引各產業龍頭積極布局研發，並成功實踐了許多應用案例。 本書以人工智慧之技術發展為主題，彙整人工智慧新近的重要技術發展，包括自然語言處理與知識圖譜等相關技術，以及在各產業領域之應用，供產官學研相關人士作為參考。