終於結束這30天的挑戰啦！當中一度覺得可能無法完成這次的挑戰，但還好最終努力堅持下來撐到這一天了，也非常感謝從第一天讀到我這最後一天挑戰的各位讀者們。希望各位讀者讀完我這30天的挑戰後，能夠對於人工智慧有更進一步的認識，這樣也就達成我當初寫這30天挑戰的初衷啦。

最後來個回顧，一開始為神經網路的CNN以及RNN模型，筆者所講述的都只是很基本淺顯的層面，讀者們看過有了概念過後，可以將模型慢慢擴大、提升精確度，甚至換個主題進行練習，這樣一定很快就能將神經網路的建構用的得心應手。

接著為路徑規劃的介紹，我們講了廣度優先搜尋、深度優先搜尋、A*演算法、dijkstra演算法以及貪婪演算法。廣度優先搜尋以及深度優先搜尋是其他路徑規劃演算法的基礎，因此一定要先對這兩種搜尋法了解透徹。接著A*演算法、dijkstra演算法以及貪婪演算法為同一系列的演算法，他們皆是在廣度優先搜尋的基礎上進行改良，讓路徑搜尋能夠更有效率。在對於這些演算法都了解透徹過後，可以到leetcode平台上，上面有許多路徑規劃的相關題目可以做練習，鞏固自己對於這些演算法的認知。

最後是介紹AI創作的部分，Disco Diffusion和Midjourney都是熱門的AI繪圖工作，討論社群也都非常活躍。如果對於筆者的介紹還有著疑惑，都可以到社群上面去做詢問。

以上就是筆者的這30天挑戰，算做個小小的總結了。但AI的領域其實還有許多是筆者在這30天內無法介紹到的，就等著各位讀者們透過其他社群以及在生活中慢慢發掘啦！