iT邦幫忙

2024 iThome 鐵人賽

DAY 3
2
AI/ ML & Data

從0開始認識AI系列 第 3

Day3-AI的應用

  • 分享至 

  • xImage
  •  

Day3-AI的應用:如何應用AI解決問題

1. 確定問題

首先,我們需要明確問題以及這個問題是否適合使用AI來解決。我們還需要確定應該使用哪一種類型的AI來處理問題,如監督式學習、非監督式學習或強化學習。

2. 資料蒐集與分析

根據問題,我們會蒐集過往的資料。這些資料可能包含已知的資訊或未知的資訊。如果資料已知,可以使用監督式學習;如果資料未知,則可能只能使用非監督式學習。資料量取決於問題的複雜度。例如,預測性別相對簡單,但如果要預測身高、年齡和體重等,則需要更多的資料。

3. 建立機器學習模型

我們需要將現實問題轉化為數學問題。在監督式學習中,我們會提供一些數對(x, y),機器學習就是在找出正確的函數f(x)。機器處理的是數學式,而非現實層面問題。

4. 預測結果

學習完成後,我們將使用模型來預測結果。我們會提供一些機器學習過程中從未見過的x,機器會根據其f(x)給出一個y。利用這個y,我們可以判斷模型的好壞。

5. 決策應用

如果模型效果良好,我們將利用它來做出決策。然而,這部分與AI關係不大,因此不會詳述。

人工智能技術的分類應用

回歸 (Regression)

回歸問題旨在找出資料中的規律,並利用現有特徵預測另一變量,輸出的值通常具有實質意義。

舉例: 我們希望機器預測房價,給出坪數作為x,價格作為y,然後機器會利用這些資料預測出一條直線,這條直線就是f(x)。
https://ithelp.ithome.com.tw/upload/images/20240802/20164490EsB7G7JgdF.png

分類 (Classification)

分類問題將輸入的樣本區分為事先定義好的類別,輸出的y是類別的代表號,不具有特定物理意義。

舉例: 在圖片中找出是人、桌子還是椅子,將人定義為1,桌子定義為2,椅子定義為3。若輸出為2,即表示是桌子。

分群 (Clustering)

分群問題將樣本依據其特性進行關聯,每組相關聯的樣本用代表點表示,可以挖掘資料的潛在特性。

常見應用: 推薦系統,當你在網頁中尋找商品時,其他相關商品會跳出來,這通常使用了分群技術。

異常分析: 在資料中找出與其他樣本不同的異常樣本,例如,駭客攻擊會導致網頁異常,可利用非監督式學習的分群法來檢測異常。
https://ithelp.ithome.com.tw/upload/images/20240802/20164490dFeLMUgPtb.png

遊戲 (Gaming)

電腦遊戲中的AI設計多屬於演算法設計,非機器學習。但隨著強化學習的興起,越來越多遊戲使用強化學習技術設計AI。例如,IBM的深藍電腦下西洋棋打敗世界棋王Google DeepMind的AlphaGo打敗韓國世界棋王


上一篇
Day 2 - AI 概論
下一篇
Day 4 - 電腦眼中的世界:「特徵」
系列文
從0開始認識AI30
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