人工智慧和統計推論的關係如同空拍機和Google衛星照片的用途，各有千秋，人工智慧利用海量資料尋找答案，統計推論經過嚴密設計及抽樣推估現象；兩者同樣協助決策者面對快速變化的市場，洞察趨勢與預測未來。
時勢研究做為研究調查的創新團隊，藉此簡單說明之間的關係，與優缺點比較，協助決策者適時應用不同的預測工具，抓緊商機。
統計推論：
統計推論 (Statistical Models) 是以數學為基礎，有嚴謹的邏輯和標準，遵循特定的規範，從確立目的、設計問卷、提出假設、進行抽樣與資料蒐集、分析和解釋數據，得出結論，幫助決策者下正確的決定。統計推論的目的是”見微知著＂，也就是說用少樣的抽樣數據去猜測全局的概況。
以統計學家研究問題來看，都是先提出假設，把問題故事化，接著把故事建立可量化評估的模型，然後再設計問卷並蒐集數據，最後用統計分析的方法，驗證假設的模型與變數間的因果關係，找出影響結果的原因。所以，我們可以說「統計推論」，就是用來解釋這些數據推導出的現象，或驗證預期的假設是否成立。
就像我們去辦信用卡，影響發卡銀行核定卡片額度的因素有包含性別、年齡、月收入、學歷、信用紀錄等，而這些因素都是透過統計驗證而得到，所以接下來發卡銀行便可以運用此統計模型提供行員們簡單快速計算出核定卡片的額度。
AI人工智慧：
人工智慧的目的是從已有數據中去預測未來的狀況。人工智慧系統是用深度學習 (Deep Learning)的方法來建置一套演算法來幫助電腦或系統自我學習，進而達到不斷提升預測效果的過程。人工智慧的關鍵是沒有假設或預設立場，也無須瞭解過程或原因，透過海量的數據，讓機器多層次的交錯反覆學習，持續提升預判結果的準確度。
以臉書的人臉辨識為例，臉書透過全球數十億用戶每天所上傳的照片，不斷地投入大量的照片用來作為臉部辨識的訓練資料之用，將每張照片分割成細緻的微小片塊，擷取其中特徵並加以組合，比對有多少特徵與其他圖片相符，不到3秒鐘即可運用演算法，檢測物件並辨識人臉。你一定遇過臉書提問，這張照片其中一位應否標註你，如果你沒有標註，系統就認為判斷”不正確”，因此系統再不斷修正，增加預判的準確度。
因此，深度學習辨識圖像其實跟人腦相似，第一層先處理基本的線條，然後再慢慢組合成一些形狀，綜合顏色對比等等特徵，最後就能判讀出圖形的意義，就像 2012 年的 Google Brain 就能夠從龐大的圖形資料中，分辨出貓臉跟人臉的不同。
時勢研究簡單有系統地整理「統計分析」與「人工智慧」相異之處，而我們認為瞭解如何有效同時使用兩者方法的人，才能真正掌握未來趨勢。
統計分析 vs 深度學習
(時勢研究建構整理)
Reference:
- The Actual Difference Between Statistics and Machine Learning https://towardsdatascience.com/the-actual-difference-between-statistics-and-machine-learning-64b49f07ea3
- Difference between Machine Learning & Statistical Modeling https://www.analyticsvidhya.com/blog/2015/07/difference-machine-learning-statistical-modeling/
- 統計學和機器學習到底有什麼區別？ https://mp.weixin.qq.com/s/xCJBowXS89UlHA07R8WNuw
- Titanic data science solutions https://www.kaggle.com/startupsci/titanic-data-science-solutions
- 維基百科 https://zh.wikipedia.org/wiki/深度學習
以上文章由時勢股份有限公司董事長蕭永昇博士*撰寫及整理
*蕭董事長為美國電子工程博士 (Hsiao, Yung-Sheng, Ph.D., Department of Electrical & Computer Engineering, University of Florida)
Call for more information:
Tel : 02-2740-1848
Email : cc.chen@trendsightinc.com
時勢股份有限公司
延伸閱讀：