Search
#每日5分鐘快速添補ai知識與技能
深度學習是讓機器模擬人腦的運作方式，
進而和人類一樣具備學習的能力。
而人類提供的函數集
是由類神經網絡的結構所定義，
「簡單說，深度學習就是一個函數集。」
⠀⠀
透過三步驟來運作神經元：
1 類神經網絡就是函數集
2 定義函數的優劣
3 找出最佳函數
⠀⠀
那類神經網絡最常用的學習方法
「梯度下降法」是什麼？
分享 AlphaGo就使用此方法設計👇
https://blog.tibame.com/?p=19026
⠀⠀
#AI60問 #深度學習 #人工智慧 #資料科學家
【AI／資料科學不可不知的60道問題】
每週4篇AI新知識，一次只要5分鐘，
具備AI跨域知識，為職場技能加分💪
#TibaMe #緯育TibaMe #知識 #學習 #科技
《身體記憶比大腦學習更可靠》
這是一本”找感受度”的書
當你要教一個小朋友騎腳車, 游泳, 或是任何技能時, 會鉅細彌遺地把所有執行方法交代清楚才讓他們開始嘗試嗎？ 又或者說, 每一個人都會騎腳踏車, 但是隨便找一個人描述一下他們怎麼可以一遍前進一邊維持平恆其實是有困難的
在近代, 絕大多數的學校教育都遵行的笛卡爾”我思故我在” 的身心二元論： 人類的心智是由大腦發展出來的, 而身體只是智慧的一個載體. 因此所有學校教育全力注重在語文數學社會之類的理論課程上, 體育課的時間相對被壓縮. 因為人們相信使用統計化與系統化的學習, 可以有效地提升邏輯與辯思能力, 這也是被認為是未來人類發展的主要方式
從傳說笛卡爾製造了一個女兒的機器人開始, 人類就開始醉心於人工智能的開發. 而過去幾年, 機器首先在西洋棋盤上擊敗了人類之後, 最新的技術AlphaGo也在數年前連續三次完勝人類的圍棋冠軍柯潔！ 至此, 人工智能的新紀元降臨, 電腦的運算速度與儲存資訊量是人類所遙不可及的！
完了完了, “機械公敵”的電影世界要成真了..
可是真的是這樣嗎？
我們在街上可以看見越來越多裝配有輔助駕駛的車子, 但是不管什麼品牌的車商, 一開始信誓旦旦的跨下海口他們可以在幾年知道製造出第五級自動駕駛的汽車商 (100%不需要人類), 在過去幾年之中紛紛宣布： 要達到這個目標比他們想像中的困難 (但是只有馬斯克對此還表示出非常大的信心)
在自動駕駛系統中, 設計師把所有的汽車動作透過數據而模組化, 讓它們可以經過運算而在路上控制車體的動作. 但是最大的困難就是在不管是任何道路之中的實際情況是瞬息萬變的, 包含突然改變的風速, 掉落的障礙物, 無預警闖入小動物等等, 這些都與在有固定範圍以及明確規則下的棋盤內不同. 所以我們知道, 將一個醫療機器人放在手機製作的生產線上一定會出現大問題, 因為外在環境已經改變了, 與在電腦內原先預設的演算程式不一樣, 工作人員除了改造外形之外, 也需要重新設計所有軟體
當你聞到了一個熟悉的麵包味道, 回憶會馬上把你拉回兒時放學時經過一家麵包店的情景; 當你看到了前男/女友留下來的一個小物品時, 腦中馬上會浮現在當初在相處時對於這個東西的回憶; 當你聽到了一首流行老歌時, 時空在瞬時間會轉換回到學生時代, 可以讓你徜徉其中不可自拔
我們所認知的世界, 除了先經過大腦的思考與分析之外, 也靠我們其他的感官所汲取的資訊同時輸入所建構起來, 這就是”體驗”. 身體的感知能力, 就是記憶的中心. 在學習時, 讓全身的感官同時參與, 就可以幫我們打造更多層次的大腦地題, 這也是我們在運動時常常提到的”本體感覺”. 我們的五感 (視覺, 聽覺, 觸覺, 味覺與嗅覺) 從身體各處接收到無數資訊後, 轉化為電位傳回中樞神經系統, 而形成了第六感： 直覺
有的時候迷路時, 你會很自然地知道要往哪一個方向轉彎; 在很短時間內要做一個決定時, 你當下會不假思索地做出選擇; 甚至是你可以下意識的分辨出你眼前的這個人是否在說謊. 這些都是直覺, 而直覺靠的就是所有感官經驗的累績. 這不是透過系統模組化與運算就可以做得到的
書中有提到好幾個例子： 華爾街的金融顧問僅僅使用統計分析的數字來決定未來的投資方向, 但是到最後對於市場的預測往往與實際上有很大的落差; 一些消費用品的廣告鎖定了特定的目標族群, 但是經常發現與與想像中買氣完全不一致. 因為第一, 數據呈現的是一個平均值, 無法表明一些誤差的來源, 第二, 冷冰冰的統計結果沒有情感, 無法體現消費者實際市場上瞬息萬變的思考模式
在我個人的記憶力就有一個印相很深的例子： 在某一年, 我服務的某一間公司很大器的砸重金買了上海地鐵二號線一個月的廣告, 二號線總長度接近70公里. 他們在車廂內所有的拉環上都貼上了健身房的廣告, 主打： 在每一站的出口都會有一間xx健身房！ 他們希望透過這一波宣傳來大力提昇該月的來訪數. 結果, 隔一個月開高層會議時, 發現前一個月花了大筆鈔票的過靠成效幾乎等於零… 那個月市場部總監被臭幹到差點從樓上跳下去…
可是為什麼會這樣？ 因為假如實際每天坐地鐵通勤的人都會知道, 沒人真的去看拉環上寫的是什麼, 所有人都是瘋狂低頭滑手機！ 而偏偏當初做這個決定的人, 每天都是開車上下班, 就算有搭乘地鐵, 也只有偶一為之, 所以無法真正的掌握實際狀況
打不死的蟑螂, 存在在地球上的歷史比人類還久, 時至今日, 他們唯一的天敵就是拖鞋. 而我們都有過滿屋子追著小強跑的經驗, 有的時候快把家都翻過來了還不一定打得到牠們, 更別說牠們給你來一了一個更大的驚喜, 飛了起來！！！
蟑螂的大腦只有一百萬的神經元, 而人類卻有一千億個. 但是牠們的腳上卻有無數的知覺接收器官, 可以接收外在的溫度, 壓力, 以及物體移動. 其實另外一個更好的例子就是章魚 (有興趣的可以看一下’’我的章魚老師”)
人類有模仿的本能, 之前1977年的一個實驗就發現出生僅12天的嬰兒的表情就會隨著在他們面前實驗人員的改變而改變. 所以當我們在學習一個新事物的時候, 必須要有一位效仿的對象可以讓我們就近觀察. 在細看他們的過程當中, 我們很自然的會使用上我們所有的感官去做揣摩, 進步是最快的. 所以在每一行業之內, 要最快進入狀況就是找一位師傅或是前輩, 除學習他們的知識以外, 也是吸取他們的技巧與經驗
在看這本書時我一直聯想到我們的這個圈子..
運動也是一樣, 你怎麼可能從書本的圖片就學會怎麼臥推？ 你要如何從影片中就學會怎麼深蹲？ 這些學習的方式正如人工智能一樣, 把運動分段, 模組化, 但是這些方式無法與你互動, 無法及時給你口令與指導
商業健身房的經理主管每一天瘋狂的開會逼業績, 指責教練為什麼會員約不來? 預約數太少? 他們有沒有實際在健身房中與會員聊過天, 觀察過每一個時段人流的改變？ 了解一下目前的環境是否存在一些什麼問題？
有些教練不斷的進修, 認為這樣可以不斷的提升他們的專業度. 但是卻無法理解為什麼自己都這麼苦口婆心了, 會員還是無動於衷？ 但是真的願意放慢角度來好好發揮同理心體會一下會員真正想法的教練也不多
因此, 過去我們都把人腦視為一個精密運算的電腦, 但是現在看來, 遠遠不足夠, 還要搭配身體的力行, 強化所有感知與智慧緊密搭配, 才是進步最快的方式
我非常同意功能性訓練大師Michael Boyle的主張： 他完全不建議在健身房內放鏡子. 確實, 在運動時如果我們過度依賴視覺, 反而會削弱其他感官訊息的輸入. 所謂的”本體感覺”, 就是我們可以掌控到我們的身體在什麼速度下, 輸出了多少力量？ 移動了多少的距離？ 關節與肌肉如何相互的影響？
我覺得這一本書可以讓我們重新的檢視我們學習或是教學的邏輯, 走出過去侷限我們的思考框架, 任何事情使用理智的分析建構固然重要, 但是身體在學習過程中的各種體驗也是不可或缺的, get your hands dirty, 讓我們實際將自身的所有的體驗與大腦連結, 創造出一個更加全面的身心成長！
找出AI「真實力」，商業價值無限大
2020.11.03 by 劉奕成 作者簡介
若沒有充分考量商業價值及目的，所謂的AI應用，不一定能徹底解決商業問題，反而抓住重要命題，才是贏家。
微軟與安永聯合會計師事務所（EY）於今年8月連袂發布、針對兩岸三地116家企業的《大中華區人工智慧成熟度調查》，顯示逾7成企業認為人工智慧是停留在高階管理層面的話題，僅有4％的企業已積極投入該技術到多個流程中，並有能力處理高階任務。而有72％的企業相信，「人工智慧將在5年內對產業產生較大，甚至是重大的影響……。」
無庸置疑，人工智慧（Artificial Intelligence，以下簡稱AI）將是企業營運的關鍵科技能力，很多人開始想試試看，還沒有能力試的，也多少想玩玩看。
不過，所謂的AI，到底是什麼？
普羅大眾對AI的印象，從擊敗西洋棋冠軍、IBM的Deep Blue，到戰勝圍棋世界棋王、Google DeepMind開發的AlphaGo等，這些具備強大運算效能及自動學習能力的AI，在棋藝領域陸續超越人類智慧。
除了前述案例，更多的印象，是來自歷年電影裡鮮活有個性的機器人，看似無生命的機器或個體，卻能自己獨立思考、學習，並在功能表現上持續進化。諸如《2001太空漫遊》裡控制飛船的電腦，《魔鬼終結者》的T800，甚或《雲端情人》裡沒有形體的珊曼莎——一個擁有自我人格意識、可以發展感情的AI系統。
無論現實世界或想像中，AI對人類帶來的威脅有增無減，而今年股價曾暴漲4倍的電動車龍頭Tesla，其創辦人馬斯克（Elon Musk）曾言：「未來的AI，會讓很多工作變得沒有意義，或許人類的最後一份工作，會是撰寫AI軟體，但最後AI會直接取而代之，自己寫自己的軟體。」
超越人類，AI能否「真情流露」、增進服務體驗？
當科技持續進步，例行庶務類、勞力投入、欠缺創造性的工作會逐步被機器取代。將來AI技術的最大挑戰，仍在於如何觸動人心的那分溫暖。
說實話，現階段AI的商業應用，要完全做到「真情流露」，並非那麼容易，但若只是模仿人類語氣、在基礎互動中完成交辦業務，倒也沒這麼難。
從AI基礎應用談起，包括語音轉文字、自然語意分析（NLP）、機器學習、光學字元辨識（OCR）、聲紋辨識、數據分析及行銷決策系統等，由演算法構築而成的「智慧」技術比比皆是。更重要的是：如何將這些技術應用帶到商業活動裡，協助流程優化、提升客戶體驗？
關鍵在以商業智慧（Business Intelligence, BI）為核心，從創造商業價值的角度思考，落實到客戶體驗的各個環節裡，包含AI行銷溝通、授信審核、資訊安全管控及客戶服務等。
以FinTech（金融科技）領域為例，國際間，早已有多家銀行採用智慧客服機器人，代替行員回覆客戶詢問，或是運用聲紋辨識、核實客戶身分。
資產管理公司（俗稱催收公司）更運用AI技術，以催收機器人致電債權人，替銀行催收帳款、降低人力成本。機器人更可依據客戶回應，語音辨識後進一步對話，亦可適當調整為更強硬或溫和一些的口吻。
保險業則可運用AI影像識別，辨識車禍發生的真實性，同時搭配衛星定位系統（GPS）移動軌跡，釐清肇事責任，綜合評估理賠與否。
解決商業痛點，擺脫「虛晃一招」
近幾年，金融機構在法令遵循、風險管理等領域，投入的人力成本逐年攀升，RegTech（法遵科技）也成顯學。
如「智慧法遵分析」需求，建立法規整合資料庫，AI自動撈取監管機關或政府機構發布的法令規章，透過語意分析技術，比對金融機構的內部規範，提出調整與更新建議，降低法遵人力負擔。
像是法遵科技新創Corlytics，能做到自動法規分類，找出與客戶業務相關的遵循法規、監管機關的公告，並運用大數據建立客戶當前或未來的監管風險模型，提醒企業合規、提供法遵的計畫建議，大幅降低法遵成本。
未來更進一步應用發展，或許還能由AI系統直接解讀商業活動、提出法遵建議，即時判斷「規畫中的專案業務是否合規？已上線的產品或活動是否需要因應調整？」
若沒有充分考量商業價值及目的，所謂的AI應用，可能只是虛晃一招，不一定能徹底解決商業問題。舉例來說，現今OCR辨識成功率高達97～99％，但這是就字數而言，每100個字，可辨識出97～99個字。實際應用上，更重要的命題在於：身分認證的證件比對時，每100件申請案裡，系統正確辨識成功率有多少？
能解決真正痛點、有效地執行，才是贏家；在將來的世界，AI的發展，勢必要將基礎技術與商業智慧結合，才能創造商業價值。企業追著消費需求跑的時代已經過去，要利用AI從數據當中抓住顧客體驗，最終目標是提供超乎客戶期待的服務——客戶智慧（Customer Intelligence）。
附圖：若沒有充分考量商業價值及目的，所謂的AI應用，可能只是虛晃一招，不一定能徹底解決商業問題。
pixabay
如何讓AI應用在商業活動上發揮實力？關鍵是以商業智慧為核心，從創造商業價值的角度思考，落實到客戶體驗的各個環節裡。
needpix
資料來源：https://www.bnext.com.tw/article/59913/find-the-true-power-of-ai?fbclid=IwAR3Is_v4h5gDPjCahcxZCYGJF6pMpDt2FmXfYyVBPDI3cEhFiUKECrkyWbo
「人工智慧」在這一兩年來非常熱門。
各國政府、企業領導人、甚至新創事業都免不了要跟人工智慧沾上邊，我們周邊也出現越來越多人工智慧產品，比如說智慧音箱，以及各種智慧家電等等，但到底什麼是人工智慧呢？
有人說，人工智慧就是一個強大的電腦程式。
有人說，人工智慧就是跟人類一樣有認知能力、會思考。
還有人說，人工智慧即將毀滅人類。
到底人工智慧是什麼？
你也可以在這些地方找到我們
訂閱我們的頻道 ▶ https://goo.gl/HzU4VG
訂閱電子報 ▶ https://goo.gl/L7Vqin
加入我們的FB ▶ https://www.facebook.com/potawang
追蹤我們的 IG ▶ https://www.instagram.com/potawang/
造訪我們的官網 ▶ https://www.potawang.com/
合作邀約：[email protected]
#科學大爆炸 3月 AlphaGo V.S. 李世乭的世紀圍棋大賽，人工智慧以4:1下贏了天才棋士李世乭，開啟了人工智慧的新里程碑。
究竟AlphaGo厲害在哪裡？第四場為什麼AlphaGo會輸呢？人工智慧比人腦厲害在哪裡？我們真的就從此贏不了電腦了嗎？一起來聽聽台灣紅面棋王周俊勳，和又懂人工智慧又下棋的于天立老師怎麼說！
延伸必讀：
AlphaGo 爆冷從李世乭手中拿下首勝。台灣棋王怎麼看？電腦為何辦得到？
https://panx.asia/archives/42998
AlphaGo成為「棋靈王」是有多厲害？人工智慧未來又要怎麼走？
http://pansci.asia/archives/95263
AlphaGo既不是起點也不會是終點，從頭述說人工智慧走過的這70年
http://pansci.asia/archives/94904
人工智慧贏了圍棋，然後呢
http://blog.udn.com/DrVader/45626041
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
周俊勳 棋士：
臺灣棋院九段、中國圍棋協會三段、職業圍棋棋士，是臺灣1979年成立職業圍棋制度以來第一位職業九段棋手。因右臉有大片紅色胎記，號紅面棋王。
他是世界圍棋棋壇上唯一擁有三個職業圍棋組織（中國圍棋會，中國圍棋協會（中國棋院），臺灣棋院）棋籍的棋手。
https://goo.gl/zU5l6A
于天立 副教授：
任教於台大電機系，研究領域為基因遺傳演算法、 演化計算、機器學習、人工智慧。
俞俐均 棋士：
職業一段，為目前台灣職業圍棋最年輕的女棋士。
http://times.hinet.net/news/18253327
alphago是什麼 在 alphago棋譜在PTT/mobile01評價與討論 - 汽車零件保養懶人包 的必吃
在alphago是什麼這個討論中，有超過5篇Ptt貼文，作者KanzakiHAria也提到: 當然會有人願意投入: 反觀台灣、日本: 棋類AI都停留在研究階段: 缺乏商業化: 投資前景不明是 ... ... <看更多>