iT邦幫忙

第 12 屆 iThome 鐵人賽

2

前言:這個系列文著重在AI的全貌,基於時間,希望在未來學習過程中可以更深入每個題目。

AI 歷史

https://ithelp.ithome.com.tw/upload/images/20201127/20130601RXe0YYC3hJ.png

最近幾年著名AI新聞:

  • 1997 IBM生男電腦打敗西洋棋騎士 ,靈魂人物 許峰雄 ACM Chess Challenge :Garry Kasparov vs IBM 深藍
  • 2011 IBM研發的AI系統「華生」(Watson)參加電腦搶答, 電視智力競賽節目「危險邊緣」(Jeopardy! America’s Favorite Quiz Show),打破節目最高獎金得主以及連勝紀錄保持人;
  • 2012 Google 自走車出現
  • 2012 IMAGENET (15000000 圖,22000分類),提供大家寫程式,看誰的辨識力最高 , 在2012 , AI 首度(DNN for ImageNet Challenge)超過人類辨識率
  • 2016 Google子公司DeepMind開發的圍棋電腦程式AlphaGo,擊敗被喻為人腦最後堡壘的李世乭

AI不是技術,他是一個方法學,不會被淘汰

AI 效法自然

機器學習是一種掌握輸入與輸出間對應關係的方法學。其基本架構是藉由輸入大量資料,讓機器自行摸索,並由人類告知最終的結果是否正確;如果不是,機器便會適度調整,甚至從頭來過。電腦先是知道答案,再設法揣摩出人類心中那套判斷標準與規則。就像我們學習母語時從來沒背過文法,而是直接暴露在大量使用母語的環境中,每次犯錯便會遭到糾正,最終自然就學會了那套「知其然而不知其所以然」的文法規則。
(機器學習的魔力Posted on 2020/01/16 in (https://highscope.ch.ntu.edu.tw/wordpress/?p=83458 )

方法學:

1.人類決定
2.方程式,理論模型
3.實驗
4.電腦模擬
5.Data Driven Learning

下圖是前四種方法學
https://ithelp.ithome.com.tw/upload/images/20201127/20130601XSwPmLTkHK.png

Data Driven Learning
-第五種方法學,Data Driven Learning是AI學習中非常重要的一環
-例如提供很多貓的圖片很多狗的圖片再給予其分類,如何電腦就可以辨識,ImageNet 的挑戰就是在這裡,現在電腦已經有能力比人的辨識率還高
-以神經網路為基底的input-system-output讓學習更快速、扎實:
例如大腦的學習,從很多的外接input,經過大腦的解讀及經驗(連結及加權值),我們就會對事物做判斷
-在不知來龍去脈的狀況下直接掌握因果關係

下圖是第五種方法學(Data Driven Learning)與其他不同之處
https://ithelp.ithome.com.tw/upload/images/20201127/20130601F4dYGdlmz3.png

台灣AI可發展之機會

  • 短期 : 財務工程
  • 中期 : 自走車
  • 長期 : 智慧醫療 , 個人智慧幕僚
註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。

下一篇
Day 2 - 機器學習
系列文
AI 高中生的自我學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言