跳到主要內容

發表文章

目前顯示的是有「AI」標籤的文章

【閱讀心得】人工智慧最後的秘密

【個人心得】 因為最近對AI有興趣,借了相關的書來看。 看完本書才知道,原來AI技術的發展,我們在享用科技服務時,背後也有許多不為人知的一面,忽略了背後所付出的代價, 例如跨國電力所製造的海洋電纜,已讓馬來西亞的橡膠樹從地球上消失殆盡。 我們總是看到AI展現的優點,在任何應用上的亮眼表現,例如自駕車、醫療診斷、語音辨識等,但卻沒認知到發展AI「背後的代價」。 作者為我們開出另一條新觀點,當我們全心全意投入AI的技術時,其實背後牽扯許多問題,像是低價勞工、資源競爭、資料分類問題、情感定義、權力鬥爭等, 作者把這些議題,用獨立的篇章闡述各個問題樣貌。 印象很深的是,其實發展新技術時,誰掌握了,誰就有話語權,他可訂定整個規則、架構,例如政府可以依照自己的目的去制定AI相關法律,例如中共用天網更嚴格監控人民等,一項技術會因為一個國家的文化而有不同的規範。 對於地球資源的消耗,我是屬於一個樂觀主義者,地球資院要用玩了,那就去外星探索。 (當然,在生活上使用資源時,是能省就省,不是因為樂觀就可以無所消耗) 【本書內容】 書想要闡述的中心問題是: 「智慧是如何製造出來的」 「AI可能造成什麼問題點」 我整理了本書對AI的定義,可以從這些定義了解到,AI背後運作之龐大: 「人工智慧是具象的、也是實體的,由自然資源、燃料、人類勞動、基礎設施、物流、歷史和分類構成。」它是以大型資料集貨已定義的規則和獎勵,進行密集運算的訓練成果。要建立大規模AI需要資本,而確保資本能讓人工智慧系統最佳化的做法,最終都是為了服務既有的優勢利益而設計(誰出錢就服務誰)。 AI是一種想法、一種基礎設施、一種產業、一種權力運用的形式,也是一種觀看的方式。AI是高度組織化的資本體現,這些資本以龐大的採掘和物流系統為後盾,供應鏈環繞整個地球。 AI是從玻利維亞鹽湖和剛果礦誕生,由群眾外包工作者標記的資料建構而成,試圖對人類的行動、情感和身份進行分類。 所以探討AI,不是只有看它的成果應用,其背後也涉及多個層面,這些層面才是真正促成AI的核心,這邊簡單擷取出各個問題中的關鍵點: 地球資源:要建構自然語言處理和電腦視覺模型,需要消耗大量能源,水、電等,各個企業爭相推出更快更高效的模型,擴大AI的碳足跡。 勞工: AI靠著人類勞動構成。業主花小錢辦大事,數位勞工只拿到微薄薪資。 亞馬遜物流系統,讓員工必須與演算法保持同步...

【邁向人工智慧工程師-學習記錄 Week3】

 111/10/31-11/6 這禮拜比較偏向學習原理及數學公式複習,也開始理解統計學的領域內容。(大學上課都忘光,標準差等) 程式篇 演算法:陣列認識及方法介紹(array()、index(x)、insert(i,x)、append()、remove(x)、pop(i) 字串方法應用(map、lambda等)。 數學篇: 二次函數:公式、關係、係數、最小與最大值、繪圖 統計相關: 資料特性(測量、難處、認識誤差) 隨機誤差與偏誤(差異、機率分佈、離散與連續、平均變異標準) ML篇: TensorFlow:深度學習原理介紹、TensorFlow Playground使用 聯成OpenCv-複習Day1:上週程式(影像操作) 讀取影像並顯示、同時讀取2個畫面

【邁向人工智慧工程師-學習記錄 Week2】

 week2:111/10/24-10/30 這個禮拜報名的課程開始上課,只有跟到30分鐘的課程,後續要教課,只能在另外看影片檔案,好可惜沒辦法馬上跟老師有互動。 數學篇 排列組合 畢氏定理、應用 聯立不等式與機器學習 資料科學:測量、資料誤差 函式庫篇 TensorFlow2(基本、開發工具) 程式: Python語言 Requests:BS4 擷取、計算、排序、下載與儲存圖 list、tuple、set、dict 特性及差異 for 的串列解析式 字串格式化 functions&methods:def、local and global、參數引數、return、import 演算法: 排列組合特性 時間、空間複雜度認識及繪圖 聯成篇: 書籍領取 Day1,課堂介紹、AI初步認識、OpenCV介紹及基本應用 問題:程式bug,常見類別是依照書籍範例後有問題,去調整。 (已解決)購買與租相關書籍 (已解決)code1: only integer scalar arrays can be converted to a scalar index x and y must have same first dimension, but have shapes (5,) and (1,) (已解決)code2: min() 方法問題,名稱一樣不可:'float' object is not callable

【邁向人工智慧工程師-學習記錄 Week1】

  【邁向人工智慧工程師-學習記錄 Week1】 近期接觸到太多AI這樣的關鍵字,從三年前就非常有興趣,而剛好人生在這個契機下決定踏入這個領域,本身有程式基礎,來挑戰自己能花多少時間學習並且可以踏入此領域(進入職場)。 我將會po上每週學習的大綱,這裡只會記下學習到的內容以及該週遇到的問題,是否被解決了。並且記錄自己報名的課程(機器學習與深度學習)學習狀況。 week1:111/10/17-111/10/23 數學篇: 基礎數學(方程式、解聯立) 向量、矩陣 環境安裝(Mac) acaconda、安裝模組 函式庫認識: matplotlib.pyplot 介紹 繪圖函式 numpy 介紹 程式 Python語言: 基礎 認識,語言優缺點 資料型態 變數 字串與方法 字串格式化:.format()、%。 List、Dictionarier、Tuples、Sets 註解、None 控制流程:for、while、break、continue input()、print() 數學模組認識 語言整體框架了解 Requests(框架、擷取) 問題: (解決)mac系統安裝測試環境、IDE (解決)matplotlib圖表能在mac環境中顯示中文化