初探人工智慧
- 3. A.I 發展歷史
- 6. 1950~1956 誕生階段 ? 1950年圖靈在論文中提出「機器能思考嗎？」 ? 1956年達特茅斯會議，奠定人工智慧領域包含 計算機、自然語言處理、神經網路、計算理論等 1956~1974 探索階段 ? 因為機器學習、類神經網路的發展，人工智 慧領域得以探索與突破 1974~1993 低谷階段 ? 人工智慧市場受限於硬體設備而難以發展，再加 上數據資料尚未足夠龐大，因此難以突破發展 1993~2006 技術突破 ? 發展深度學習基礎概論、雲端的概念，數據量開 始慢慢增加，人工智慧基礎技術開始得以發展 2006~ 黃金發展 ? 網路蓬勃發展，因摩爾定律，電腦儲存裝置 等硬體設備價格下跌，數據庫增長，人工智 慧開始突破過去限制
- 7. A.I 定義與分類
- 9. 古典人工智慧 現代人工智慧 因電腦處理巨量資料的能力與高速計算能力等優 勢，使得研究者不再侷限於讓電腦以人腦的思考 模式來解決問題，而是對電腦量身訂做一套適合 它的方法，因此造就了機器學習、資料探勘等子 領域的成功，豐富人工智慧的技術與其應用性。 ? Alan Turing提出圖靈測試，人類測試者C與 電腦A及人類B分別對談，經過若干次詢問 後，人類測試者C若無法分辨何者為電腦何 者為人類，則稱此電腦具有智慧。 ? 因此，古典人工智慧著重於模擬人類邏輯思 維模式。
- 10. 人工智慧 A.I 弱人工智慧 (Weak AI) 強人工智慧 (Strong AI) 建構出可以媲美人類思 維，可以思考並作出適 當反應。 ? 機器具有可以快速讀取資料、 儲存大量資料與分辨的能力。 ? 機器學習是目前人工智慧商業 應用(Weak AI)最廣泛的技術。 ? 不再強調A.I與人類一樣的智慧， 而是讓電腦看起來有智慧，幫 助人類完成特定目標。 ? 搜尋引擎 ? 圖像辨識 ? 生物辨識 ? 語音辨識 ? 自然語言處理 ? IPHONE-Siri ? 鋼鐵人-賈維斯
- 14. A.I 的應用與限制
- 15. A.I 人工智慧 健康 醫療 機器 人 個人 助理 安全 防護 金融 電商 零售 醫療健康的監測診斷、 智能醫療設備等 智慧型手機上的語音 助理、語音輸入等 智能汽車、工業自動機器人等 智能監控、安 管機器人等 倉儲物流、導購、客服等 智能投顧、 智能客服、 詐欺偵測等 註：資料來源 Crunchbase 與 Venture Scanner
- 17. ? 整合深度學習技術，在進階面孔辨識功能中，可將相似面孔自動分為一組 ? 使用進階的電腦視覺，從本機掃描裝置上的圖庫，辨識物品和場景來智慧搜尋照片 中的內容 ? 「地點」相簿可讓您在地圖上檢視所有照片、影片和 Live Photo 照片 將相關的照片組織在一起，例如某次旅行的照片、某個周末的照片。 利用臉部辨識技術，以及背景、物品判斷，將人物照片進行分類。 辨識照片中的物品，使用者可透過432種物品的名稱直接進行搜索，比如公寓、蛋糕等， 這些物品的照片便會出現在搜索結果中。
- 20. 4000漫畫 機器學習 演算法 馬里蘭大學 對 AI 讀漫畫書 的能力進行了測試。資料樣 本使用 4,000 本漫畫書，創 造了一個由 120 萬張漫畫畫 格組成的圖庫，每張畫格配 有對應的文本對話框。 研究人員進行了讓人工智慧程式依據之前見過的圖畫 預測下一個畫格的實驗。首先研究小組將漫畫中的一 個畫格及其對應的文本投給不同的機器演算法，讓它 們學習一組漫畫中的每個畫格之間是如何相互關聯的。 給AI 之前沒有見 過的短篇漫畫集 對它進行測試， 並要求它預測出 下一張圖畫或者 文本的內容。 在大量訓練之後，研究人員把 一組 AI 之前沒有見過的短篇漫 畫集對它進行測試，並要求它 預測出下一張圖畫或者文本的 內容。結果發現，人類預測的 正確率高達 80%，而 AI 卻與人 類水準相差甚遠。
- 23. 结语
- 26. T H A N K Y O U Thank you for your reading.
Editor's Notes
- #14: 領域專家透過數據分析的方法 使用機器學習工具或者說是技術 來達到我們所需要的目的或目標
- #19: 將相關的照片組織在一起，例如某次旅行的照片、某個周末的照片。 利用臉部辨識技術，以及背景、物品判斷，將人物照片進行分類。 辨識照片中的物品，使用者可透過432種物品的名稱直接進行搜索，比如公寓、生日蛋糕等，這些物品的照片便會出現在搜索結果中。
- #21: 人們不禁要問，還有什麼事是 AI 做不好的呢？它在哪方面比不過人類？現在，馬里蘭大學帕克分校（UMCP）的一項研究告訴你，讀漫畫可能就是其中之一。 據國外媒體報導，馬里蘭大學 Mohit Iyyer 教授對 AI 讀漫畫書的能力進行了測試。結果顯示 AI 在這一領域遠遠比不過人類。 Iyyer 教授用 4,000 本漫畫書創造了一個由 120 萬張漫畫畫格組成的圖庫，每張畫格配有對應的文本對話框。 由於涉及版權問題，圖庫中的漫畫全部來源於 20 世紀 30 年代到 50 年代的作品。 為了弄清楚 AI 理解漫畫的能力如何，研究人員進行了讓人工智慧程式依靠之前見過的圖畫預測下一個畫格的實驗。 首先研究小組先讓 AI 學習漫畫的創作過程，將漫畫中的一個畫格及其對應的文本投給不同的機器演算法，讓它們學習一組漫畫中的每個畫格之間是如何相互關聯的。 在大量訓練之後，研究人員把一組 AI 之前沒有見過的短篇漫畫集對它進行測試，並要求它預測出下一張圖畫或者文本的內容。 結果發現，人類預測的正確率高達 80%，而 AI 卻與人類水準相差甚遠。 雖然如今的 AI 已經在圖像辨識、文本辨識上取得了不凡的成就，但是對於看漫畫這種需要人類大腦進行邏輯推理和想像力思考的活動，它還是遠遠不及人類。不過，這也是我們今後努力的方向。 馬里蘭大學 對 AI 讀漫畫書的能力進行了測試。資料樣本使用 4,000 本漫畫書，創造了一個由 120 萬張漫畫畫格組成的圖庫，每張畫格配有對應的文本對話框。 研究人員進行了讓人工智慧程式依據之前見過的圖畫預測下一個畫格的實驗。首先研究小組將漫畫中的一個畫格及其對應的文本投給不同的機器演算法，讓它們學習一組漫畫中的每個畫格之間是如何相互關聯的。 在大量訓練之後，研究人員把一組 AI 之前沒有見過的短篇漫畫集對它進行測試，並要求它預測出下一張圖畫或者文本的內容。結果發現，人類預測的正確率高達 80%，而 AI 卻與人類水準相差甚遠。
- #23: 11月23日，日本研究人員開發的人工智慧圍棋軟體「DeepZenGo」（後文簡稱Zen）和日本實力派專業棋手「名譽名人」趙治勳（60歲）進行對決的第2屆圍棋電王戰在東京進行了最後一盤對決。最終趙治勳取勝，在三盤對決中以2勝1負的成績取得勝利。日本製造的人工智慧在沒有獲得讓子的情況下首次與專業棋手在公開場合對戰，展開了勢均力敵的比賽，但最終落敗。 在圍棋人工智慧領域，美國谷歌的「AlphaGo」於2016年3月擊敗了韓國的世界頂級棋手李世石九段，成為熱門話題。與此同時，Zen也獲得了東京大學等方面的協助，採用了AlphaGo曾經使用的深度學習技術。
- #25: 11月23日，日本研究人員開發的人工智慧圍棋軟體「DeepZenGo」（後文簡稱Zen）和日本實力派專業棋手「名譽名人」趙治勳（60歲）進行對決的第2屆圍棋電王戰在東京進行了最後一盤對決。最終趙治勳取勝，在三盤對決中以2勝1負的成績取得勝利。日本製造的人工智慧在沒有獲得讓子的情況下首次與專業棋手在公開場合對戰，展開了勢均力敵的比賽，但最終落敗。 在圍棋人工智慧領域，美國谷歌的「AlphaGo」於2016年3月擊敗了韓國的世界頂級棋手李世石九段，成為熱門話題。與此同時，Zen也獲得了東京大學等方面的協助，採用了AlphaGo曾經使用的深度學習技術。
- #26: 11月23日，日本研究人員開發的人工智慧圍棋軟體「DeepZenGo」（後文簡稱Zen）和日本實力派專業棋手「名譽名人」趙治勳（60歲）進行對決的第2屆圍棋電王戰在東京進行了最後一盤對決。最終趙治勳取勝，在三盤對決中以2勝1負的成績取得勝利。日本製造的人工智慧在沒有獲得讓子的情況下首次與專業棋手在公開場合對戰，展開了勢均力敵的比賽，但最終落敗。 在圍棋人工智慧領域，美國谷歌的「AlphaGo」於2016年3月擊敗了韓國的世界頂級棋手李世石九段，成為熱門話題。與此同時，Zen也獲得了東京大學等方面的協助，採用了AlphaGo曾經使用的深度學習技術。