在「世界公民智庫：人工智慧AI+願景論壇」
聽到一些專家演講的內容概要。
當然希望大家能互相討論、進步、精進，不要有非法用途唷!
第一篇
台灣人工智慧學校執行長 陳昇瑋 先生
演講關於 「人工智慧民主化在台灣」
講者的開頭是Heraclitus:"Change is the only constant."，帶出這位「哭的哲學人」的名言佳句是為了提醒大家，唯有改變才能更上一層樓。而在AI起步，亦或是即將橫行的時代，改變如同了使自己更強的基本配備。
而支撐AI的龐大力量就是Deep learning，AI技術最大的後盾。
首先，要了解deep learning就要先了解machine learning。
講者舉了一個十分有趣的例子：Dog or Muffin?
兩年前在Reddit就有掀起一波對於這張圖有趣的討論，但談到AI，要如何運用深度學習讓AI學會分辨?這些我們認定AI以後能做到的，現在卻面臨了挑戰。
講者提到關於Polanyi's Paradox：人類有一個極限，是能做但是講不出來。
認真去查詢Polanyi's Paradox的相關知識，此假說有一個很重要的暗示，就是電腦發展的界線。電腦只能執行出工程師「說得出來」的指令，那些「只可意會，不可言傳」的知識，還沒有辦法進行自動化。所以，才有要machine learn by itself，但卻是有很大的極限：沒有辦法解釋。現在學術界的目標是做出可以解釋的AI。
https://www.watchinese.com/article/2015/18531?page=show
基本的Machine learning，通常無法處理高維度的資料。
非結構式資料通常是用deep learning處理。
講者強調今天市面上所說的、講的AI都是machine learning的結果。
而說到應用AI，可以從麥肯錫4P象限分析(McKinsey & Company the 4Ps
)來做進一步的探討。講者陳昇瑋先生也在數位時代發表關於這些項目的分析：Project（規劃）、Produce（生產）、Promote（行銷） 及 Provide （提供）
https://www.bnext.com.tw/article/46026/ai-application-mckinsey
產業在AI化時所面臨的挑戰：
台灣人工智慧學校的起源，是因為講者和它的團隊在解決產業界的一些課題時的感想。一些實際的例子例如：
處理產業界問題的經驗帶給他們一個發想：如果可以建立更多的團隊，讓他們將AI帶回自己的領域，做進一步的應用，那AI就能萌芽，就會更好。
所以台灣人工智慧學校
產業在AI化時所面臨的挑戰：
- 實戰人才的缺乏
- 找對問題不簡單
- 產學之間的鴻溝
- 對自建技術的信心(偏向外商，不相信自己)
台灣人工智慧學校的起源，是因為講者和它的團隊在解決產業界的一些課題時的感想。一些實際的例子例如：
- 以深度學習做瑕疵檢測，最傳統人類目檢漏網率高達5%。但以深度學習系統漏網率降到1%以下，產量提升。
- 而作業員本身良率已經到了61%，AI自動化卻能達到98%。
處理產業界問題的經驗帶給他們一個發想：如果可以建立更多的團隊，讓他們將AI帶回自己的領域，做進一步的應用，那AI就能萌芽，就會更好。
所以台灣人工智慧學校
- 產業AI化的軍校
- 領域專家+人工智慧
陳昇瑋 先生的一場演講讓我體認到台灣AI的發展正在萌芽，有很多先進、前輩為了AI的未來不停的打拼，而目前看來唯有互相幫忙、持續精進才會是台灣敞開AI這個大門的鑰匙。
身為還在學習的大學生，這次的演講開啟了我對於AI較細微的認識，一些看起來平常的鎖事，在培養AI之後，可能會使效率翻倍的提升。
而霧裡看花的你/我，準備好迎接這AI帶來的衝擊了嗎?
沒有留言:
張貼留言