AI讀書心得：人工智慧在台灣

書目連結：https://www.books.com.tw/products/0010821934[1]

前言：

陳昇瑋博士是台灣人工智慧學界名人，除了是中研院院士與台灣人工智慧學校的CEO，也致力於人工智慧的產官學合作、落地化應用，不是純學術的學者，而是入世科學家。不幸的是，陳博士於今年因意外離世，無法繼續完成他的夢想。這本2019年出版的著作說明他對台灣AI產業發展的理想，也以淺顯易懂的文字介紹人工智慧為何？就算完全不懂程式，也能輕鬆理解概論，如果你是開發者，也能從此書了解產業脈絡與實務應用。總結來說是一本人人必讀的AI通識書，以下節錄一些重點和想法。

AI進程

AI浪潮在過去發生過兩波，但後來都冷卻掉，新一波在2010年後由圍棋大師：Alpha Go引爆第三波熱潮，受惠於算力強大的晶片、大數據基礎、演算法成熟的天時地利人合，許多以前表現不如預期的項目，如影像辨識、語音辨識，都有突破性的進展，且在產業界有成功應用，如醫療判讀、產品瑕疵檢測，讓許多科學家斷言這波AI浪潮和以前不一樣了，不再空有理論，而是逐步影響人類的生活。

不過目前的AI仍屬『弱人工智慧』，也就是無創造力的AI，其學習完全依賴人類輸入的資料，具主動思考、感情的『強人工智慧』在短期(50年內)連影子都沒有，且無法用目前機器學習演算法來發展，應該會以另一套新技術來發展，所以科幻片如西部世界或全民公敵的情節、一大堆工作被取代的推想，純屬想像，目前只有重複性高的工作如客服、檢測員、駕駛等重複性高的工作會被逐漸取代，其他行業趨勢為人機合作。

機器學習簡單分 監督式學習：人類先標註label，如標註是狗還是貓，讓電腦填鴨式學習，目前90%算法都用這。非監督式學習：不先標註label，讓電腦自動去依照變數去分群，資料科學家再判讀分群結果的意義，讓電腦學習自己去分類。深度學習：機器學習演算法的一隻，與一般機器學習差異在，不用先人工作特徵擷取(做指標)，讓電腦去找特徵，如不用給電腦看KD值，只丟價量資料讓電腦自己生成指標。在降低人為涉入AI產業化的難題

以前硬體是問題，現在晶片算力強、伺服器便宜，現在比較麻煩的是資料和人材問題。

技術債-資料處理基礎建設:

沒有資料，...