/ ai / 擦歪來科普
.
之前一直有人想叫我科普 AI 。
.
我就跟他聊天，隨便舉了個例子。
那時剛好在等車，走過去一個女生。
.
我問他，為什麼覺得他是個女生？
「因為長頭髮！」「這樣就是女生？」
「因為有胸部！」「這樣就是女生？」
「因為穿裙子！」「這樣就是女生？」
.
「因為香香的！」「馬的你這個變態。」
.
.
也就是說，人腦在瞬間處理了大量的資訊
才能判斷出這是個女生 (當然有誤算機率)
.
今天人要教機器，就必需教機器規則 (演算法)
透過讓機器得到大量的資訊 (取得特徵)
讓機器練習判斷
(e.g., 人建立演算法：我們教機器長頭髮的人可能是女生)
(e.g., 機器自建立算法：在大量的圖片中找到女性的外表規律)
.
光這個就不容易。
例如說我們教機器長頭髮是女生
但機器不知道那是頭髮還是陰影還是帽子啊？
.
.
總之，雖然說圖片的複雜會影響判斷的精準度
機器模型是一個
透過取得特徵→建立模型→比對照片→修正模型 ...的循環
然後(深度學習) (知道哪些比對會最有效率的精準判斷是女生)
.
.
接著，你為了測試學習的結果 (模型算分的精準度)
給一張照片給機器
我們透過辨識度來判斷機器學習的成效
.
如果機器還是無法認出女生
我們就先跑一次試算，
去看看為什麼機器算不出這是女生特徵
然後再用人的運算法去修正機器的算法
.
有時候
我們說機器會自己AI
那就是機器會自己教自己,
.
假定機器建立了一個模型去「判斷女生」的分數
但是自己模擬的結果卻不夠 100%
他自己可能會發覺原來人類建立的算法跟豬一樣
.
機器於是捨棄人類教他的
自行在大量的圖片資料裡找出其他的變項或指標
去增加辨識的分數
.
(這就是為什麼之前的圍棋alpahgo ... 後來的版本比人更強)
(因為人類教出了沒效率的棋步)
(機器自己找到贏的策略, 優於人類教的效率)
.
機器就會越來越AI
.
這個邏輯其實還很吃人類的教導跟某種特殊應用
例如說會分辨性別的AI
不一定懂怎麼猜拳
.
所以要修改各式各樣的算法來適應情境
等到 AI 自己能夠判斷自己在什麼情境自己學習
.
幹，天網就要來了
塊~陶~啊~
.
那個時候就不要給機器想到說要讓地球永續生存
他很容易會出現要消滅人類這個想法。
.
https://www.cool3c.com/article/135697