何謂AI?
AI 全名為 Artificial Intelligence，顧名思義就是人為創造出來模擬人類智慧的技術。實現此技術方法，又以機器學習（Machine Learning）為大宗，其涉及機率、統計學等領域的知識。而目前相當熱門的深度學習（Deep Learning）即為ML下的一部份，自動駕駛、臉部辨識、語音辨識等應用都出自於此。未來這個網站的更新會以深度學習為主，可能也會補充一些傳統的ML方法，例如 SVM 和 PCA 等等… 下圖整理了以上概念，是由國外的創作者製作，有興趣的朋友可以點圖片看原文網站。
我的看法
以下是根據我的價值觀以及從事這方面的研究兩年下來的經驗所寫下的看法，如果有高人願意不吝指教，歡迎留下您的看法。
首先我要打破一些對AI所知尚淺的人對它的幻想。雖然我不知道這種人是否存在，我在現實生活中也還沒遇過，但如果你在看了科幻電影後，覺得AI能毀天滅地、威脅人類生存，那麼你可能就是這類人的一份子。我不會說這些影視中的場景在未來絕無可能發生，但以目前AI的發展來說，凌駕於人類的AI離我們的距離尚為遙遠。
撇除那些政府或企業隱藏黑科技的陰謀論，目前檯面上的AI真的只具備人類等級的能力。基本上AI能做到的，人類都能做到，而人類能做到的，AI不一定做得到。那這時候是不是有人會說，AlphaGo不是戰勝了頂尖棋手好幾次嗎？這不就超越人類的能力了？我覺得這點就像人類跟計算機比算數、跟硬碟比記資料一樣，如果人類腦容量夠大，回憶腦中的資訊既精確又快，那我相信AlphaGo也只能跟人類五五開。這裡我想討論的是創造力跟情感體現等問題，人類複雜之處一直都不是單純的計算這樣直接的概念。要讓一個聊天機器人跟人類對話，同時不被發現它AI的身分，又或是讓AI為一些各學科中未解的難題給出假設跟設計實驗證實。這種程度的AI應該才能逼近這類研究的終點。
如果要將我認知中目前的AI擬人化，它就相當於一個不會勞累、不會罷工爭取權益的勞工。如果需要它學習甚麼工作，就準備好資料，然後把它連同資料一起丟進精神時光屋，學的多快、學的多好就取決於你時光屋的硬體好壞跟設計。如果它學得好，出來的就是一位某個領域的專家，反之，出來的便是個只會死讀書，一旦出現沒看過的題目就只能亂猜的書呆子。另一方面，如果問它為甚麼會產生這樣的判斷或答案，它的回答大概會像某些讓人忌妒的天才一樣「呃…我也不知道，反正我的看到題目就知道答案是甚麼了」
看到這裡，難道我的結論是現在的AI沒甚麼了不起嗎？當然不是，光是造出在某項能力上和人類接近的AI就已經是件偉業了。就以自動駕駛來看，在未來這項技術成熟後，就相當於每輛車都配備一位職業駕駛，而且不但不會疲勞，夜晚的低能見度也絲毫不影響它的操作。其肇事率肯定遠低於人類，也能杜絕酒駕等危險行為。套用這個案例到各領域，毫無疑問是人類社會的一大進步。
結語
感謝能夠看到這邊的你，之後還會陸續更新，跟大家分享討論這些看似容易的AI科技背後，潛藏著許多艱深晦澀或讓人難以想像的細節跟設計，我讀過這些文獻後的心得也總是「天啊，這些人的大腦構造跟凡人應該完全不一樣吧」不過之後的文章應該主要會聚焦在計算機視覺的內容，也是我相對擅長的領域。論年資跟能力，我也還是一個菜雞，現在也就停留在勉強看得懂新的論文，多花一點時間也大致上能複現論文的內容，距離那種舉一反三，輕易玩弄deep learning的程度還不知道要走幾年，可能這輩子都走不到也說不定。
回到目錄
何謂AI?
AI 全名為 Artificial Intelligence，顧名思義就是人為創造出來模擬人類智慧的技術。實現此技術方法，又以機器學習（Machine Learning）為大宗，其涉及機率、統計學等領域的知識。而目前相當熱門的深度學習（Deep Learning）即為ML下的一部份，自動駕駛、臉部辨識、語音辨識等應用都出自於此。未來這個網站的更新會以深度學習為主，可能也會補充一些傳統的ML方法，例如 SVM 和 PCA 等等… 下圖整理了以上概念，是由國外的創作者製作，有興趣的朋友可以點圖片看原文網站。
我的看法
以下是根據我的價值觀以及從事這方面的研究兩年下來的經驗所寫下的看法，如果有高人願意不吝指教，歡迎留下您的看法。
首先我要打破一些對AI所知尚淺的人對它的幻想。雖然我不知道這種人是否存在，我在現實生活中也還沒遇過，但如果你在看了科幻電影後，覺得AI能毀天滅地、威脅人類生存，那麼你可能就是這類人的一份子。我不會說這些影視中的場景在未來絕無可能發生，但以目前AI的發展來說，凌駕於人類的AI離我們的距離尚為遙遠。
撇除那些政府或企業隱藏黑科技的陰謀論，目前檯面上的AI真的只具備人類等級的能力。基本上AI能做到的，人類都能做到，而人類能做到的，AI不一定做得到。那這時候是不是有人會說，AlphaGo不是戰勝了頂尖棋手好幾次嗎？這不就超越人類的能力了？我覺得這點就像人類跟計算機比算數、跟硬碟比記資料一樣，如果人類腦容量夠大，回憶腦中的資訊既精確又快，那我相信AlphaGo也只能跟人類五五開。這裡我想討論的是創造力跟情感體現等問題，人類複雜之處一直都不是單純的計算這樣直接的概念。要讓一個聊天機器人跟人類對話，同時不被發現它AI的身分，又或是讓AI為一些各學科中未解的難題給出假設跟設計實驗證實。這種程度的AI應該才能逼近這類研究的終點。
如果要將我認知中目前的AI擬人化，它就相當於一個不會勞累、不會罷工爭取權益的勞工。如果需要它學習甚麼工作，就準備好資料，然後把它連同資料一起丟進精神時光屋，學的多快、學的多好就取決於你時光屋的硬體好壞跟設計。如果它學得好，出來的就是一位某個領域的專家，反之，出來的便是個只會死讀書，一旦出現沒看過的題目就只能亂猜的書呆子。另一方面，如果問它為甚麼會產生這樣的判斷或答案，它的回答大概會像某些讓人忌妒的天才一樣「呃…我也不知道，反正我的看到題目就知道答案是甚麼了」
看到這裡，難道我的結論是現在的AI沒甚麼了不起嗎？當然不是，光是造出在某項能力上和人類接近的AI就已經是件偉業了。就以自動駕駛來看，在未來這項技術成熟後，就相當於每輛車都配備一位職業駕駛，而且不但不會疲勞，夜晚的低能見度也絲毫不影響它的操作。其肇事率肯定遠低於人類，也能杜絕酒駕等危險行為。套用這個案例到各領域，毫無疑問是人類社會的一大進步。
結語
感謝能夠看到這邊的你，之後還會陸續更新，跟大家分享討論這些看似容易的AI科技背後，潛藏著許多艱深晦澀或讓人難以想像的細節跟設計，我讀過這些文獻後的心得也總是「天啊，這些人的大腦構造跟凡人應該完全不一樣吧」不過之後的文章應該主要會聚焦在計算機視覺的內容，也是我相對擅長的領域。論年資跟能力，我也還是一個菜雞，現在也就停留在勉強看得懂新的論文，多花一點時間也大致上能複現論文的內容，距離那種舉一反三，輕易玩弄deep learning的程度還不知道要走幾年，可能這輩子都走不到也說不定。
回到目錄