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

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

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

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。