Podcast
Questions and Answers
根據經濟部產業發展署的著作權聲明，以下哪種行為可能構成侵權？
根據經濟部產業發展署的著作權聲明，以下哪種行為可能構成侵權？
- 經授權後，註明出處並用於商業用途
- 經授權後，註明出處並用於非商業用途
- 僅個人私下閱讀教材內容，未進行任何形式的傳播
- 未經授權，自行重製並公開傳輸教材內容 (correct)
如果某公司員工未經授權使用經濟部產業發展署的教材進行商業活動，根據著作權聲明，可能產生的法律責任是什麼？
如果某公司員工未經授權使用經濟部產業發展署的教材進行商業活動，根據著作權聲明，可能產生的法律責任是什麼？
- 該員工個人及其所屬公司可能需要承擔連帶賠償責任 (correct)
- 只有該員工個人需要承擔賠償責任
- 只有經濟部產業發展署需要承擔責任，因為未善盡管理之責
- 只有該員工所屬公司需要承擔賠償責任
在產業AI三日班公版教材中，單元一的主要內容是什麼？
在產業AI三日班公版教材中，單元一的主要內容是什麼？
- AI進階演算法
- AI硬體架構設計
- AI基礎概論與演進 (correct)
- AI應用案例分析
產業AI三日班公版教材的課程目標不包括下列哪項？
產業AI三日班公版教材的課程目標不包括下列哪項？
關於產業AI三日班公版教材的使用，下列敘述何者正確？
關於產業AI三日班公版教材的使用，下列敘述何者正確？
以下哪一項不是人工智慧（AI）的主要目標？
以下哪一項不是人工智慧（AI）的主要目標？
下列哪一項不是使用人工智慧不能實現的？
下列哪一項不是使用人工智慧不能實現的？
在圖靈測試中，測試員如何判斷機器是否通過測試？
在圖靈測試中，測試員如何判斷機器是否通過測試？
在西洋跳棋程式的發展中，Alpha-beta剪枝的主要作用是什麼？
在西洋跳棋程式的發展中，Alpha-beta剪枝的主要作用是什麼？
深藍（Deep Blue）在擊敗西洋棋世界冠軍卡斯帕羅夫時，其主要優勢是什麼？
深藍（Deep Blue）在擊敗西洋棋世界冠軍卡斯帕羅夫時，其主要優勢是什麼？
AlphaGo 在圍棋比賽中勝出的關鍵技術是什麼？
AlphaGo 在圍棋比賽中勝出的關鍵技術是什麼？
在機器學習中，如果我們使用帶標籤的數據來訓練模型，這種方法被稱為什麼？
在機器學習中，如果我們使用帶標籤的數據來訓練模型，這種方法被稱為什麼？
下列哪一個例子最能體現非監督式學習的應用？
下列哪一個例子最能體現非監督式學習的應用？
增強式學習的核心機制是什麼？
增強式學習的核心機制是什麼？
深度學習在下列哪個領域沒有顯著應用？
深度學習在下列哪個領域沒有顯著應用？
自然語言處理 (NLP) 的主要目標是什麼？
自然語言處理 (NLP) 的主要目標是什麼？
電腦視覺技術如何應用於工業品質檢測？
電腦視覺技術如何應用於工業品質檢測？
在大數據的 4V 特性中，Veracity 指的是什麼？
在大數據的 4V 特性中，Veracity 指的是什麼？
在 AI 應用中，數據清洗和標註的重要性體現在哪一方面？
在 AI 應用中，數據清洗和標註的重要性體現在哪一方面？
亞馬遜的推薦系統主要依賴於哪些數據來提供個人化推薦？
亞馬遜的推薦系統主要依賴於哪些數據來提供個人化推薦？
Flashcards
著作權所有者
著作權所有者
本資料所含內容與相關附屬文件均為經濟部產業發展署及所屬人員職務上所完成之著作
未授權行為的後果
未授權行為的後果
未經授權重製、改作、公開傳輸或侵害著作權是違法的
授權使用的限制
授權使用的限制
經本署授權同意使用之個人、法人等於使用時敬請註明出處，並僅限非商業用途之使用
AI基礎概論
AI基礎概論
Signup and view all the flashcards
AI應用概論
AI應用概論
Signup and view all the flashcards
什麼是人工智慧 (AI)?
什麼是人工智慧 (AI)?
Signup and view all the flashcards
為什麼使用人工智慧?
為什麼使用人工智慧?
Signup and view all the flashcards
圖靈測試
圖靈測試
Signup and view all the flashcards
Alpha-beta剪枝
Alpha-beta剪枝
Signup and view all the flashcards
深藍 (Deep Blue)
深藍 (Deep Blue)
Signup and view all the flashcards
AlphaGo
AlphaGo
Signup and view all the flashcards
機器學習 (Machine Learning)
機器學習 (Machine Learning)
Signup and view all the flashcards
監督式學習
監督式學習
Signup and view all the flashcards
非監督式學習
非監督式學習
Signup and view all the flashcards
半監督式學習
半監督式學習
Signup and view all the flashcards
增强式學習
增强式學習
Signup and view all the flashcards
深度學習 (Deep Learning)
深度學習 (Deep Learning)
Signup and view all the flashcards
自然語言處理 (NLP)
自然語言處理 (NLP)
Signup and view all the flashcards
電腦視覺 (Computer Vision)
電腦視覺 (Computer Vision)
Signup and view all the flashcards
AI 與大數據的關係
AI 與大數據的關係
Signup and view all the flashcards
Study Notes
著作權等聲明公告
- 本資料由經濟部產業發展署及其人員在職務上完成，依法擁有著作權及相關智慧財產權。
- 受著作權法及相關法規保護，經申請並獲授權同意使用者，敬請註明出處，且僅限非商業用途。
- 任何未經授權的重製、改作、公開傳輸等侵害著作權行為將依法追訴。
- 違法者除個人應負賠償責任外，所屬單位或法人亦可能應負連帶責任。
課程目標與先備知識
- 建議具備的知識與經驗
- 基礎數位素養
- 使用日常AI應用經驗
- 教學目標
- 提供AI的基礎知識
- 探索AI技術的應用
- 理解AI技術的發展趨勢
AI基礎概論與演進
- 人工智慧(AI)是能執行通常需要人類智慧之任務的電腦系統理論與其發展。
- 示例包括視覺感知、語音辨識、決策和不同語言之間的翻譯。
- AI能讓系統或電腦設備有模擬人類思考模式、邏輯與行為，並能自行透過數據分析的過程，持續校正進化。
為什麼使用人工智慧
- 提高效率
- 可自動化重複性任務，減少人工操作，提高生產和工作效率，如客服聊天機器人。
- 增強決策
- 能分析大量數據，發現潛在模式和趨勢，幫助企業做出更好的決策，如金融市場分析。
- 個人化服務
- 可以依據用戶行為和偏好提供個人化服務，為用戶體驗，如推薦系統。
- 提升創新
- 可以推動創新, 幫助企業開發新產品和服務, 提升市場競爭力, 如新藥研發。
- 解決複雜問題
- 可以解決人類難以處理的複雜問題, 如天氣預測。
人工智慧的發展史
- 人工智慧發展經歷了多個浪潮和低谷。
- 推理期：早期對於機器定理證明和自然語言處理的研究。
- 知識期：專家系統如MYCIN和Dendral的發展。
- 學習期：機械學習和深度學習的爆發，大數據和雲端計算的推動，AlphaGo戰勝圍棋冠軍。
圖靈測試
- 1950年，艾倫·圖靈提出的測試判斷機器是否具備智慧。
- 測試方式為人類測試員通過文字與一台機器和一個人自由對話，如果測試員無法分辨誰是人誰是機器, 則這部機器就被認為透過測試。
三個時代，三盤棋
- 西洋跳棋(Checkers)
- 1962年，IBM的亞瑟·李·塞謬爾研製的程式擊敗了當時全美最強的西洋跳棋選手羅伯特·尼雷。
- 核心技術包括Alpha-beta剪枝搜索和自我對弈學習評分函數。
- 西洋棋(Chess)
- 1997年5月11日, IBM開發的深藍(Deep Blue)以2.5比3.5輸給了西洋棋世界冠軍加里·卡斯帕羅夫。
- 1997年6月, 深藍在世界超級電腦排名中位列第259位，計算能力達到每秒11.38 GFLOPS (GigaFLOPS),即每秒近114億次浮點運算。
- 圍棋(Go)
- 2016年3月, 谷歌旗下DeepMind公司的AlphaGo圍棋AI戰勝了韓國圍棋世界冠軍、九段棋手李世石
- 2017年5月,AlphaGo又戰勝了世界排名第一柯潔
- AlphaGo的核心技術包括蒙特卡羅樹搜索、深度學習和增強式學習。
AI應用概論
- 機器學習(Machine Learning) 透過數據訓練模型, 使機器具備預測和分類的能力。
- 監督式學習 (Supervised Learning) - 從標註的數據中學習規則
- 非監督式學習 (Unsupervised Learning) - 從無標註的數據中發現規則
- 半監督式學習 (Semi-supervised Learning) - 混合標註和無標註數據學習
- 增強式學習 (Reinforcement Learning) - 通過試錯過程學習最佳策略
AI技術的基本原理與應用
- 深度學習(Deep Learning)
- 利用多層神經網路的技術, 模仿人腦的工作方式。
- 從大量數據中自動提取特徵, 學習數據中的模式和規則。
- 應用：圖像分類、語音識別、自動駕駛。
- 自然語言處理(Natural Language Processing, NLP )
- 能夠理解、解釋和生成人類語言的技術。
- 讓機器能夠以自然、流暢的方式與人類進行交流和互動。
- 應用：語音助理(如Siri和Google Assistant)、文本翻譯、情感分析。
- 電腦視覺(Computer Vision )
- 從圖像或影片中提取有用資訊的技術。
- 模擬人類視覺系統, 讓機器能夠 "看見"、理解和解釋視覺資訊。
- 應用：人臉識別、工業品質檢測、醫療影像分析。
AI與大數據的關係
- 數據驅動
- AI技術依賴於大量數據進行訓練和決策。 Volume(數據量), Velocity(數據速度)。
- 資料收集、儲存和處理非常重要。
- 數據品質
- 高品質數據是成功AI應用的關鍵。 Veracity(數據真實性), Value(數據價值)。
- 數據清洗和標註非常重要, 確保數據的準確性和完整性。
- 數據分析
- AI技術提升了大數據的分析效率和精準度。 Variety(數據多樣性)。
- 透過使用演算法和模型, AI可以從大量數據中提取有價值的資訊和進行分析。
案例
- 亞馬遜的推薦系統: 依據用戶的購買行為和偏好提供個人化推薦
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Related Documents
Description
本課程旨在提供AI的基礎知識，探索AI技術的應用，並理解其發展趨勢。內容涵蓋AI的定義、發展歷程，以及為何使用AI。透過本課程，學員將能掌握AI的基本概念，並了解其在各領域的應用。
