Artificial Intelligence

閱讀心得 Hit Refresh (1)

教學目標

閱讀「刷新未來 - 重新想像 AI + HI 智能革命下的商業與變革」書籍的心得分享。

重點概念

首先連續假期看了一本有關人工智慧的書籍 「刷新未來 - 重新想像 AI + HI 智能革命下的商業與變革」,這本書有許多觀點非常值得深思,所以本篇文章主要是閱讀心得的分享與記錄。書中讓我印象深刻的部份,主要是提到微軟人工智慧策略的三個核心原則,分別為:

  1. 我們需要建立一種增加人類能力和體驗的人工智慧,而不是從人與機器進行比較的角度來開發的人工智慧。
  2. 我們也要將隱私保護、透明度和安全性等信任直接建構在技術之中。
  3. 我們建構的所有技術皆必須包容和尊重每個人,為人類服務,不分文化、種族、經濟地位、性別、… 等。

接著大數據、雲端運算和複雜演算法這三大突破已經讓人工智慧加速從科幻轉變為現實,同時相機和感測器在我們日常生活中呈現指數級的成長,使得相關資料正以驚人的速度被收集應用。人工智慧需要資料才能夠進行學習,同時雲端運算提供強大的運算能力,以及搭配複雜的演算法,將能夠讓我們從巨量資料中獲取洞見和智慧。至於微軟的願景則是開發各種工具將真正的人工智慧整合各種機器人、應用、服務和基礎設施中,並且在最近微軟也釋出人工智慧專業學位證書的系列課程,讓所有人可以透過 edX 網站有系統的免費學習人工智慧相關知識與應用,並且付費取得證書。

再來信任設計非常重要,信任不僅取決於我們的技術,還有賴於管理它的法律框架,在全新的數位世界中我們失去了需要的平衡,很大程度是因為法律沒有跟上技術的變化,若我們要將信任用數學公式表示則可能為「信任 = 同理心 + 共同價值觀 + 安全可靠」,其中同理心非常重要不論是設計產品的公司,還是設計政策的立法者,皆必須先對人們的需求有共鳴,以利反映人們的生活和現實,並且透過共同的價值觀,像是保持一致、公正和多元,以利建立持久的信任基礎。此外安全可靠則能夠確保能夠讓每個體驗高品質,並且隨著時間的推移建立起信任。因此人工智慧在設計上必須注重隱私,並且能夠為個人和群體資訊提供精細的保護,以利讓人們非常信任。

最後人工智慧必須最大限度的提高效率,同時不會損害人們的尊嚴,以及它應該保護文化,專注於多樣性,所以各種文化背景的人皆應該有機會參與塑造人工智一設計中固有的價值觀和宗旨。目前有越來越多演算法會根據我們之前的行為偏好進行推薦,但是在這樣的平台中如何影響觀念上差異懸殊的使用者和社群,以及社會的多樣性和包容性是如何作用呢?當越來越多的平台是應用人工智慧主要是優先考慮互動度和廣告收入,而非優先考慮事實、意見和情境的社會多樣性時,這將會是一個非常嚴重的問題,值得進行深入的思考。此外在「Artificial Intelligence and Life in 2030」報告中指出至 2030 年人工智慧相關技術將會應用在世界各地中難以引年輕人的產業應用中,並且在該報告中沒有發現任何理由擔心人工智慧是對人類造成威脅。

總結人工智慧是目前非常被提到的行銷名詞,許多企業從過去的關聯式資料庫、資料倉儲、商業智慧、大數據分析、資料科學、深度學習、機器學習 … 等至今的人工智慧,皆是在探討如何透過資料獲取洞見和智慧。但是現今唯有可信的進階分析的人工智慧解決方案才能夠贏得客戶的信任,至於我們是否信任人工智慧,最近有部記錄片「Do You Trust This Computer」,在記錄片中有許多專家針對信任的議題進行探討,是一部值得搭配此書籍一起看的記錄片。

相關資源

人工智慧 Deep Learning (4)

教學目標

「Deep Learning Specialization」線上專項課程心得分享。

重點概念

首先最近終於完成今年目標之一也就是「Deep Learning Specialization」線上專項課程,總共有五門專業課程分別為:

  1. 類神經網路與深度學習。
  2. 透過調整超參數、正規化和優化改善深度網路。
  3. 結構化機器學習專案。
  4. 卷積類神經網路。
  5. 序列模型。

接著每門專業課程皆有許多測驗題目和程式作業 (註:結構化機器學習專案沒有程式作業),非常花費時間,需要重複看影片好幾次才能夠順利作答,以及程式作業主要是在「The Coursera Jupyter Notebook System」平台中透過 Python 程式語言進行作答,基本上作答只有最核心的部份,並且皆有提供提示以利我們順序作答,至於有哪些程式作業,請參考以下資訊。

類神經網路與深度學習

  1. Logistic Regression with a Neural Network mindset
  2. Planar data classification with a hidden layer
  3. Building your deep neural network: Step by Step
  4. Deep Neural Network Application

透過調整超參數、正規化和優化改善深度網路

  1. Initialization
  2. Regularization
  3. Gradient Checking
  4. Optimization
  5. Tensorflow

卷積類神經網路

  1. Convolutional Model: step by step
  2. Convolutional model: application
  3. Residual Networks
  4. Car detection with YOLOv2
  5. Art generation with Neural Style Transfer
  6. Face Recognition for the Happy House

序列模型

  1. Building a recurrent neural network - step by step
  2. Dinosaur Island - Character-Level Language Modeling
  3. Jazz improvisation with LSTM
  4. Operations on word vectors - Debiasing
  5. Emojify
  6. Neural Machine Translation with Attention
  7. Trigger word detection

再來若是想要直接了解深度學習的實務應用建議可以直接參與「卷積類神經網路」和「序列模型」兩門課程,像是「Art generation with Neural Style Transfer」程式作業就是透過深度學習轉換圖片的風格,或者「Jazz improvisation with LSTM
」程式作業就是透過深度學習轉換音樂的風格,不論哪一個程式作業皆非常有趣。

最後完成「Deep Learning Specialization」線上專項課程總共二十二個程式作業實作,除了更熟練 Python 程式語言之外,更重要的是對於深度學習除了有基本概念之外,更信心動手透過程式實作深度學習相關實務應用,下一步今年目標則是學習更多雲端平台上的深度學習應用。

總結這「Deep Learning Specialization」線上專項課程總共花費了三個月周末假期和平日晚上的時間,當然還有通勤和運動的時間,建議下載 Courera 的專屬 App ,能夠讓我們隨時隨地觀看課程影片和測驗題目非常實用。

Deep Learning Specialization 證書

相關資源

人工智慧 Coursera (1)

教學目標

「人工智慧」線上中文課程心得分享。

重點概念

首先最近人工智慧非常熱門,但是什麼是人工智慧呢?此時建議上 Coursera 網站中的「人工智慧」 線上中文課程,在課程中主要是從 Agent 的角度探討人工智慧的能力,針對 Agent 我們會先描述希望做到哪些事情與環境,以及人工智慧主要是要發展合理的 Agent 。

接著何謂人工智慧 ,根據「Artificial Intelligence: A Modern Approach」 教科書中的定義,主要是將人工智慧分為四個象限,其中目前人工智慧最常探討的則是合理行為,因為相較於其它三個象限相對單純,請參考下表。

人類 合理
思考 人類思考 合理思考
行為 人類行為 合理行為

此外另外一種分類則是由 John Searle 所提出,主要分為強弱人工智慧,其中目前人工智慧最常探討的則是弱人工智慧,分別為:

  1. 強人工智慧:程式基本上具有實際上的心理狀態。
  2. 弱人工智慧:程式基本上表現出具有智慧的行為。

再來所謂人類行為主要牽涉到如何判斷程式能夠表現出像是人類一樣的行為,最早是由 Adam Turing 在 1950 年提出圖靈測試的想法,簡單來說測試員同時和人類與程式互動,只要在五分鐘內能夠有百分之 十以上的測試無法分辨是人類或程式的話,基本上就通過圖靈測試。在 1965 年 ELIZA 被推出,主要就是類似現今的聊天機器人。以及現今網站中的 CAPTCHA 驗證判斷是否為人類。然而若一個程式要通過圖靈測試的話,則我們必須要能夠具備至少下述四項能力,分別為:

  1. 自然語言
  2. 知識表達
  3. 自動推理
  4. 機器學習

此外所謂人類思考主要就是跟人類一樣進行思考,為了要能了解人類是如何進行思考的學門稱為認知科學,最早是由 1960 年開始有認知學派主要透過認知模型解釋人類是如何進行學習和思考。

最後所謂合理思考主要就是邏輯思考,至於合理行為主要就是人工智慧程式產生的結果就是合理行為,並且我們就是要做正確的事情,也就是最大化得到目標的可能性,也就是合理的 Agent。

總結若我們要了解人工智慧的理論與應用,建議可以下 Coursera 網站中總共八週的「人工智慧」 線上中文課程。

相關資源