Day 1- AI 初探

前言:这个系列文着重在AI的全貌,基於时间,希望在未来学习过程中可以更深入每个题目。

AI 历史

最近几年着名AI新闻:

• 1997 IBM生男电脑打败西洋棋骑士 ,灵魂人物 许峰雄 ACM Chess Challenge :Garry Kasparov vs IBM 深蓝
• 2011 IBM研发的AI系统「华生」（Watson）参加电脑抢答, 电视智力竞赛节目「危险边缘」（Jeopardy! America’s Favorite Quiz Show），打破节目最高奖金得主以及连胜纪录保持人；
• 2012 Google 自走车出现
• 2012 IMAGENET (15000000 图，22000分类），提供大家写程序，看谁的辨识力最高 , 在2012 , AI 首度（DNN for ImageNet Challenge）超过人类辨识率
• 2016 Google子公司DeepMind开发的围棋电脑程序AlphaGo，击败被喻为人脑最後堡垒的李世乭

AI不是技术，他是一个方法学,不会被淘汰

AI 效法自然

机器学习是一种掌握输入与输出间对应关系的方法学。其基本架构是藉由输入大量资料，让机器自行摸索，并由人类告知最终的结果是否正确；如果不是，机器便会适度调整，甚至从头来过。电脑先是知道答案，再设法揣摩出人类心中那套判断标准与规则。就像我们学习母语时从来没背过文法，而是直接暴露在大量使用母语的环境中，每次犯错便会遭到纠正，最终自然就学会了那套「知其然而不知其所以然」的文法规则。
(机器学习的魔力Posted on 2020/01/16 in (https://highscope.ch.ntu.edu.tw/wordpress/?p=83458 )

方法学:

1.人类决定
2.方程序，理论模型
3.实验
4.电脑模拟
5.Data Driven Learning

下图是前四种方法学

Data Driven Learning
-第五种方法学，Data Driven Learning是AI学习中非常重要的一环
-例如提供很多猫的图片很多狗的图片再给予其分类，如何电脑就可以辨识，ImageNet 的挑战就是在这里，现在电脑已经有能力比人的辨识率还高
-以神经网路为基底的input-system-output让学习更快速、扎实:
例如大脑的学习，从很多的外接input，经过大脑的解读及经验（连结及加权值），我们就会对事物做判断
-在不知来龙去脉的状况下直接掌握因果关系

下图是第五种方法学(Data Driven Learning)与其他不同之处

台湾AI可发展之机会

• 短期 : 财务工程
• 中期 : 自走车
• 长期 : 智慧医疗 , 个人智慧幕僚

注:本文是搜寻数个网站及各种不同来源之结果,着重在学习,有些内容已难办别出处,我会尽可能列入出处,若有疏忽或出处不可考,请联络我, 我会列入, 尚请见谅。