[爆卦]模擬情境香香是什麼?優點缺點精華區懶人包

雖然這篇模擬情境香香鄉民發文沒有被收入到精華區:在模擬情境香香這個話題中,我們另外找到其它相關的精選爆讚文章

在 模擬情境香香產品中有1篇Facebook貼文,粉絲數超過2,205的網紅Y道理,也在其Facebook貼文中提到, / 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...

  • 模擬情境香香 在 Y道理 Facebook 的最佳解答

    2018-06-14 07:00:01
    有 16 人按讚


    / 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

你可能也想看看

搜尋相關網站