AI 的 3 種 學習 形式 ： 不 同 的 目標 功能 ， 不 同 的 訓練 方式 —— 《 AI 世代 與 我 們 的 未來 》 -- ＋追蹤 相關 標籤 ： AI ( 67 ) AI 世代 與 我 們 的 未 來 ( 1 ) 人工 智慧 ( 83 ) 大 數據 ( 32 ) 機器 學習 ( 22 ) 演 算法 ( 33 ) -- 搭配 不 同 的 任務 ， 人工 智慧 的 應用 方式 也 不 一樣 ， 所以 開發人 員用 來創 造 人工 智慧 的 科技 也 不一樣 。 這 是 部署 機器 學習 時 最 基礎 的 挑戰 ： 不 同 的 目標 和 功能 需要 不 同 的 訓練 技巧 。 -- 不 過 ， 結合 不 同 的 機器 學習法 ， 尤其 是 應用 神經 網路 ， 就 出 現 不 同 的 可能性 ， 例如 發現癌 症 的 人工 智慧 。 -- 受 監督式 學習 催生 了 發現 海利 黴素 的 人工 智慧 。 總結 來說 ， 麻省 理工學院 的 研究 人 員 想 要 找 出 有 潛力 的 新 抗生素 ， 在 資料 庫裡 放 入 二千種分子 來訓練 模型 ， 輸入 項目 是 分子 結構 ， 輸 出 項目 是 抑菌 效果 ； 研究 人 員 把 分子 結構 展示 給 人工 智慧 看 ， 每 一 種 結構 都 標示 抗菌力 ， 然後 讓 人工 智慧 去 評估 新 化合物 的 抗菌 效果 。 -- 這種 技巧 稱為 受 監督式 學習 ， 因 為 人工 智慧 開發人 員 利用 包含 了 輸入 範例 （ 即 分子 結構 ） 的 資料集 ， 在 這裡面 ， 每 一 筆 數據 都 單獨 標示 研究 人 員 想 要 的 輸出 項目 或 結果 （ 即 抗菌力 -- 開發人 員 已 經 把 受 監督式 學習 的 技巧 應用 於許 多 處 ， 例如 創造 人工 智慧 來辨識 影像 。 為 了 這項 任務 ， 人工 智慧 先 拿 已 經 標示 好 的 圖像 來訓練 ， 學著 把 圖像 和 標籤 ， 例如 把 貓 的 照片 和 「貓」 的 標籤 ， 聯想 在 一起 ， 人工 智慧 把 圖片 和 標籤 的 關係 編碼 之 後 ， 就 可以 正確 地 辨 識 新 圖片 。 -- 銷人 員 想 要 找 出 客戶群 ， 或 詐騙 分析 師 想 要 在 大量 交易 中 找到 不 一致 的 資訊 ， 不 受 監督式 學習 就 可以 讓 人工 智慧 在 不 確定 結果 的 資訊 中 找 出 異常 模式 。 -- 經過 不 受 監督式 學習法 訓練 的 人工 智慧 ， 可以 找 出 人類 或 許會 錯過 的 模式 ， 因 為這 些 模式 很 微妙 、 數據 規模 又 龐 大 。 因 為這樣 的 人工 智慧 在 訓練 時沒 有 明定 什麼 結果 才 「適 當」 ， 所以 可以 產生 讓人 驚豔 的 創新 見解 ， 這 其 實 和 人類 的 自我 教育 沒什麼 不 同 —— 無論 是 人 類 自 學 或是 人工 智慧 ， 都 會產生 稀奇古怪 、 荒謬 無理 的 結果 。 不 管 是 受 監督式 學習法 或 不 受 監督式 學習法 ， 人工 智慧 都 是 運用 資料來 執行 任務 ， 以 發現 新 趨勢 、 識別 影像 或 做出 預測 。 在 資料 分析 之外 ， 研究 人 員 想 要 訓 練 人工 智慧 在 多 變 的 環 境裡 操作 ， 第三 種 機器 學習法 就 誕生 了 。 -- 若 用 增強式 學習 ， 人工 智慧 就 不 是 被 動地 識別 資料間 的 關聯 ， 而是 在 受控 的 環境 裡具 備「 能 動性 」 ， 觀察 並記錄 自己 的 行動會 有 什麼 反應 ； 通常 這 都 是 模擬 的 過程 ， 把 複雜 的 真實 -- 但 即使 是 在 模擬 且 簡化 的 環境 裡 ， 如 西洋 棋 比 賽 ， 每 一 步 都 還 是 會 引發 一 連 串 不 同 的 機會 與風險 。 因此 ， 引導 人工 智慧 在 人造 環境 裡訓練 自己 ， 還 不 足以 產生 最佳 表現 ， 這訓 練過 程還 需要 回饋 。 -- 提供 反饋 和 獎勵 ， 可以 讓 人工 智慧 知道 這個 方法 成功 了 。 沒 有 人 類 可以 有效 勝任 這個 角色 ： 人工 智慧 因 為 在 數位 處理器 上 運作 ， 所以 可以 在 數小時 或 數日 之 內 就 訓練 自己 幾百 次 、 幾千 次 或 幾十 億 次 ， 人類 提供 的 回饋 相比之下 根本 不 切實際 。 -- 軟體 工程 師將 這種 回饋 功能 自動化 ， 謹慎 精確 地 說明 這些 功能 要 如何 操作 ， 以及 這些 功能 的 本質 是 要 模擬 現實 。 理想 情況 下 ， 模擬器 會 提供 擬真 的 環境 ， 回饋 功能 則會 讓 人工 智慧 做出 有效 的 決定 。 -- 增強式 學習 需要 人 類 參與 來創 造 人工 智慧 的 訓練 環境 （ 儘管 在 訓練 過程 中 不 直接 提供 回饋 ） ： 人類 要 定義 模擬 情境 和 回饋 功能 ， 人工 智慧 會 在 這基礎 上 自我 訓練 。 為產生 有意義 的 結果 ， 謹慎 明確 地 定義 模擬 情境 和 回饋 功能 至 關 重要 。 -- —— 本 文摘 自 《 AI 世代 與 我 們 的 未來 ： 人工 智慧 如何 改變 生活 ， 甚至 是 世界 ？ 》 ， 2022 年 12 月 ， 聯經 出版 公司 ， 未 經 同意 請勿 轉載 。 -- [ s vg ] [ windows - v ] 論文 好多 看 不 完 ？ 研究生 的 救星 ！ 用 AI 幫 你 分析 統整 ！ [ s vg ] [ ] 畢業生 求職 的 一 大 助力 ！ 讓 AI 幫 你 快速 生成 精美 履歷 、 作品集 ！ -- ＋追蹤 相關 標籤 ： AI ( 67 ) 人工 智慧 ( 83 ) 動物 溝通 ( 1 ) 動物 語言 ( 1 ) 寵物 溝通 ( 3 ) 擬人化 動物 （ anthropomorphic animals ） ( 2 ) 跨 物種 溝通 ( 1 ) -- 為什麼科 學 家 認為 跨 物種 溝通 即 將 成 真 ？ 從 海豚 到 水豚 、 從蜘蛛 到 山豬 ， 人工 智慧 能 成 為 所有 生物 的 萬能 「 翻譯 蒟蒻 」嗎 ？ 當人 類真 的 破解 了 另 一 物 種 的 溝通 方式 ， 未 來會 發生什 -- 但 有 越 來 越 多 科 學 家 認為 ， 隨著 人工 智慧 （ AI ） 的 快速 進步 ， 破譯 動物 的 溝通 方式 不 再 是 不 可能 的 事情 。 AI 能 幫 上 什麼 忙 呢 ？ 首先 ， 機器 不 具 備人類 的 偏見 ， 因此 能 幫助 研究者 更 理解 動物 溝通系 統 的 結構 和 功能 ， 同 時辨識 我 們 和 動物 之 間 的 差異 。 -- 最 後 ， AI 還 可以 基於 動物 訊號 ， 開發 出 預測 動物 行為 的 模型 。 例如 預測 動物 的 交配 行為 或 遷徙 模式 ， 或 何時 可能 需要 尋 找 庇護 避免 捕食者 。 -- 科學 家 正在 使用 人工 智慧 來解讀 各 種物種 的 動物 溝通 方式 。 -- 這些 只是 AI 解讀 的 眾 多 物種 中 的 一 部分 ， 其他 還 有 不 少 鳥類 、 靈長類 、 海豚 、 蜘蛛 、 螞 蟻 、 蜂類 ， 或 與人 親近 的 貓 、 狗 、 豬 等 ， 也 都 是 目前 被 科學 家 認為 有 機會 破譯其「 語言 」 -- [ s vg ] [ windows - v ] 論文 好多 看 不 完 ？ 研究生 的 救星 ！ 用 AI 幫 你 分析 統整 ！ [ s vg ] [ ] 畢業生 求職 的 一 大 助力 ！ 讓 AI 幫 你 快速 生成 精美 履歷 、 作品集 ！ -- [ s vg ] [ Chen - Jun - ] 是 什麼 蒙蔽 了 我 的 雙眼 ？ 如何 防範 生成式 AI 的 假資 訊陷阱 ？ —— 專訪 中 研院 資訊 科技 創 新 研究 中心 副 研究 員陳 駿丞 -- ＋追蹤 相關 標籤 ： AI ( 67 ) AI 人工 智慧 ( 36 ) AI 簡報 生成 ( 4 ) 來 自YT ( 37 ) 外掛 ( 3 ) 泛科學 院 ( 10 ) 泛科學院 YouTube 頻道 ( 8 ) 簡報 ( 1 ) -- 不 著覺 ， 甚至 會活 不 下去 的 簡報 痴簡報狂 ， 在 用 了 Gamma 之 後 ， 總覺 得 Google 簡報 應該 要 有 類似 的 AI 生成 功能 ⋯⋯ -- 它 主要 支援 兩種 AI 生成 模式 ： 主題 提示 或 長 文摘 要 ， 而且 連簡報 配圖 也 會 自動 選擇 。 -- 1 . 身為 Gamma 鐵粉 ， 推坑 朋友 賺 的 AI 點數 用 不 完 當然 選 Gamma 2 . 一 個月 生成 三 份 簡報 實 在 不 夠 用 ， 但 又 不 想 花錢 ， 還 是 用 Magic Write 修改 內容 好 了 -- 還 有 更 多 的 想法 與問題 ， 歡 迎 加入 泛科學 AI 的 Discord 論壇 ！ -- 我 是 泛科學院 的 A J ， 有 15 年 的 軟體測 試與 電腦 教育 經驗 ， 善於 協助 偏鄉 NPO 提升 資訊 能力 ， 以 Maker 角度 用 發明 解決 身邊 大小 問題 。 與 你 分享 人工 智慧 相關 應用 ， 每 週 更新 兩集 ， 讓 我 們帶 你 進入 科技 與創 新 的 奇妙 世界 ， 為 未 來 開啟 無限 可能 ！ -- [ s vg ] [ windows - v ] 論文 好多 看 不 完 ？ 研究生 的 救星 ！ 用 AI 幫 你 分析 統整 ！ [ s vg ] [ ] 畢業生 求職 的 一 大 助力 ！ 讓 AI 幫 你 快速 生成 精美 履歷 、 作品集 ！ -- [ s vg ] [ Chen - Jun - ] 是 什麼 蒙蔽 了 我 的 雙眼 ？ 如何 防範 生成式 AI 的 假資 訊陷阱 ？ —— 專訪 中 研院 資訊 科技 創 新 研究 中心 副 研究 員陳 駿丞 -- 2 論文 好多 看 不 完 ？ 研究生 的 救星 ！ 用 AI 幫 你 分析 統整 ！ 泛科學院 _ 96 泛科學院 _ 96 -- ＋追蹤 相關 標籤 ： AI ( 67 ) AI 人工 智慧 ( 36 ) 來 自YT ( 37 ) 泛科學院 ( 10 ) 泛科學院 YouTube 頻道 ( 8 ) 研究生 ( 2 ) 論文 ( 22 ) -- 大部分 的 朋友 應該 跟 我 一 樣 都 不 是 專業 材料 工程 人員 ， 看 不 懂 論文 怎 麼辦 呢 ？ 除 了 等 泛科 學 出 影片 ， 別 忘 了 我 們 有 AI 呀 ！ 今天 我 要 來 分享 一 套 專門訓 練來 閱讀 論文 的 AI —— SciSpace Copilot 。 今天 的 影片 簡單 的 跟大 家 分享 了 基於 GPT 技術 且 針對 閱讀 學術 文章 進行 特別 優化 的 AI —— SciSpace ， 我 只要 遇到 研究型 文章 都 會特別 開這 個 工具 起來 使用 ， 其他 的 大 語言 模型 都 無 法 做到 如此 細緻 。 我 覺 得 生成式 人工 智慧 的 未來 就 會 到 處 是 這種 基於 某 種目 的 ， 比如 讀論 文 ， 使用 某個 大模型 進行 微調 Fine - Tuning 之 後 的 小 模型 ， 將會 協助 我 們解決 各 種問題 。 -- 也 歡 迎 加入 泛科學院 的 頻道 會員 ， 或者 泛科學AI 的 Discord論壇 ， 一起 討論 交流 。 -- 如果 這支 影片 對 你 有 幫助 的 話 ， 請幫 我 在 影片 下方 點個 喜歡 ， 或是 透過 超級感 謝展 現 你 的 心意 ， 讓 我 製作 更 多 實用 有趣 的 AI 教學 影片 ， 最 後別 忘 了 訂閱 泛科學院 的 頻道 ， 我 們 下 支 影片 再 見囉 。 -- 我 是 泛科學院 的 A J ， 有 15 年 的 軟體測 試與 電腦 教育 經驗 ， 善於 協助 偏鄉 NPO 提升 資訊 能力 ， 以 Maker 角度 用 發明 解決 身邊 大小 問題 。 與 你 分享 人工 智慧 相關 應用 ， 每 週 更新 兩集 ， 讓 我 們帶 你 進入 科技 與創 新 的 奇妙 世界 ， 為 未 來 開啟 無限 可能 ！ -- [ s vg ] [ ] 畢業生 求職 的 一 大 助力 ！ 讓 AI 幫 你 快速 生成 精美 履歷 、 作品集 ！ -- [ s vg ] [ Chen - Jun - ] 是 什麼 蒙蔽 了 我 的 雙眼 ？ 如何 防範 生成式 AI 的 假資 訊陷阱 ？ —— 專訪 中 研院 資訊 科技 創 新 研究 中心 副 研究 員陳 駿丞