# AI遊戲
## 1. **真假AI猜猜樂**

遊戲內容
辨別以下的資料是否為AI所生成
## [PPT](https://www.canva.com/design/DAGB7X-REow/cOX9RXG8WlWC9YJUsn8mXg/view?utm_content=DAGB7X-REow&utm_campaign=designshare&utm_medium=link&utm_source=editor)

## **Q1:什麼是生成式人工智慧？**

### **文本一：**
生成式人工智慧（Generative artificial intelligence）是一種人工智慧系統，能夠產生文字、圖像或其他媒體以回應提示工程(Creating note...)，比如ChatGPT。產生模型學習輸入數據的模式和結構，然後產生與訓練數據相似但具有一定程度新穎性的新內容，而不僅僅是分類或預測數據。用於處理生成式人工智慧的最突出框架包括生成對抗網路和基於轉換器的生成式預訓練模型。
### **文本二：**
生成式人工智慧是一種人工智慧技術，利用深度學習模型，如遞歸神經網絡（RNN）或變換器（Transformer），從大量數據中學習，以生成文本、圖像或其他類型的內容。這些模型能夠理解語言結構和上下文，並生成與人類相似的內容，例如文章、對話或音樂。生成式人工智慧廣泛應用於自然語言處理、機器翻譯、圖像生成等領域，並在自動寫作、智能助手等方面展現出潛力。

## **Q2:AI簡史**

### **文本一：**
1956年，「Artificial Inteligence(人工智慧)」這個名詞被計算機科學家約翰麥卡錫(John MeCarthy)創造出來，至今不過短短的六十多年間，AI研究便已取得了驚人進步。

AI的萌芽(1956~1980年)

這個階段由約翰麥卡錫於1956年招開的「達特茅斯會議(Dartmouth Summer Research Project)」揭開了序幕。達特茅斯會議持續了兩個約之久，邀集當時計算機領域的一時之選，一同討論新誕生的「人工智慧」議題，期間確立了「Artifiacil Intelligence(人工智慧)」這個名詞。

AI專家系統的第二波熱潮(1980~1987年)

1980年初，由於電腦計算能力、硬體設備的進步，符號人工智慧再次得到了發展機會，並成功開發出「專家系統」，使人工智慧能從特定領域的資料中，推論出邏輯規則，自行回答該領域中的問題。但APPLE與IBM，相繼推出效能勝過這類專家系統計算機的個人電腦，對一般企業與民眾而言，殺雞焉用牛刀?成本昂貴的專家系統毫無用武之地，於是人工智慧再度失去發展資源，遇到了第二個寒冬。

AI的快速發展奇期(1993至今)

1990年代起，忘記網路帶來資訊爆炸時代，人們可以快速取得，交換大量資料，卻無法快速處理消化。對人工智慧而言，是發展的新契機，因為資料正是人工智慧學習最關鍵的基礎，計算資料又是人工智慧的強項。同時，半導體晶片技術也進步的越來越快，不但大幅降低了設備成本，也提高了計算速度。於是神經網路技術、深度學習相繼開發成功，「大數據(Big Data)」走入人工智慧領域，人工智慧進入了前所未見的快速發展期。

:::spoiler 來源
摘錄至寫給中學生的AI課
:::

### **文本二**
人工智慧（AI）簡史可以追溯到古代，但現代 AI 的發展主要是在 20 世紀下半葉至 21 世紀初進行的。以下是 AI 發展的主要里程碑：

1. **早期思想（古代至20世紀初）**：古代哲學家和數學家就有關於機器思考和人工智慧的思想。然而，現代 AI 的基礎主要來自於20世紀初的邏輯學和數學理論。

2. **計算機時代的開端（20世紀中葉）**：在這個時期，計算機的發展促進了對於機器智能的研究。艾倫·圖靈（Alan Turing）的著名論文《計算機器與智能》（1950年）提出了“圖靈測試”，這是測試機器智能的一種方法。

3. **符號主義期（20世紀中葉至70年代）**：這一時期的研究者們主要採用符號處理的方法，試圖通過規則和符號操作來實現智能。代表性的工作包括約翰·麥卡錫（John McCarthy）的“人工智慧”概念和編程語言LISP的開發。

4. **專家系統時代（70年代至80年代）**：專家系統是一種基於知識庫和推理機制的人工智慧應用。在這個時期，專家系統被廣泛應用於醫療、金融等領域，但其局限性也讓人們意識到需要更先進的方法。

5. **神經網絡復興（80年代至90年代）**：神經網絡是一種模仿人腦神經元結構和運作方式的計算模型。雖然神經網絡的發展始於上世紀五六十年代，但在這一時期得到了重新關注，並且開始取得了一些突破。

6. **統計學習方法（90年代至今）**：隨著大數據和計算能力的提升，統計學習方法，特別是深度學習，取得了驚人的進展。這種方法基於統計模型和大量數據，使得計算機可以從數據中學習並進行預測和決策，並在許多領域取得了巨大成功。

7. **當前的發展趨勢**：當前，AI 在各個領域都有廣泛應用，包括自然語言處理、機器視覺、自動駕駛等。同時，人們也在思考和討論 AI 的倫理、透明度和責任等問題，以確保 AI 的發展是符合人類利益的。

:::spoiler 來源
ChatGPT
:::

---
## 圖片

:::spoiler 來源
作者 Jason Allen 使用人工智能繪畫程式Midjourney生成。
《太空歌劇院》（Théâtre D’opéra Spatial）的藝術畫作在美國科羅拉多州博覽會（Colorado State Fair）的藝術比賽中榮獲冠軍。
:::

---
透過以上遊戲學習如何辨別一筆資料(文字、圖片及影音等)是否為AI生成。
以上的遊戲如同AI「監督式學習」的訓練模式，透過大量資料與其答案，尋找兩者之間的可能關係，來學習如何自己找到答案。

---
文本辨識：

注意文本的流暢度和邏輯性。AI生成的文本可能會在文法、邏輯上有些不自然或不合理的地方。
搜尋特定的文本片段。有時AI生成的文本是從大量的資料中組合而成，因此可以嘗試在網絡上搜索這些文本來檢查是否有相同的內容。

圖片辨識：

檢查圖片的細節和現實感。AI生成的圖片可能會缺乏細節或是在某些方面不自然。
尋找著色和光線的不一致。有時AI生成的圖片在著色和光線方面可能會有一些不一致，這可能是一個指標。
影音辨識：

注意聲音的流暢度和自然度。AI生成的聲音可能會聽起來有些機械或是不自然。
尋找背景噪音或是其他異常。有時AI生成的影音可能會缺乏真實錄製的特徵，例如背景噪音或是其他環境聲音。

---

[國家地理頻道：如何判斷AI生成的圖](https://www.natgeomedia.com/science/article/content-16227.html)
[【查核工具】人工智能技術日新月異，我們該如何辨識AI生成的圖片？](https://factcheck.hkbu.edu.hk/home/fc_literacy/ai_images/)

## 2. **圖片猜文字(Prompt)**

## [PPT](https://www.canva.com/design/DAGCFvN9d6s/h92qZ6_IBFYtUqOTh9vtCQ/view?utm_content=DAGCFvN9d6s&utm_campaign=designshare&utm_medium=link&utm_source=editor)

遊戲內容
觀察圖片，猜測生成時可能用到的指令：人事（動作）時地物

1.
:::spoiler 答案
海綿寶寶在做美味蟹堡
:::
2.
:::spoiler 答案
小鳥在電線桿上唱歌
:::

---

# AI倫理

**核心理念：AI是工具，本身沒有對錯。**
以假訊息的傳播為例，AI可能被用來生成假訊息，但也能訓練來做為事實查核的協助工具。

水能載舟，亦能覆舟。如何妥當使用才是面對新事物的良好態度。

但以政府層面來看，AI發展勢必帶來利益與威脅，如何有效立法使期待利益最大化的同時能降低威脅正是需要了解AI倫理的理由。

以Bing Copilot為例，在生成圖片時，有自己的[一套原則](https://www.bing.com/new/termsofuseimagecreator#content-policy)。
當我嘗試生成的圖片被Bing正確理解為某位真實存在的人物時，他便不會繼續生成。

### 生成式AI倫理問題

著作權：
目前法律，非自然人、法人的創作成果無法享有著作權
立法方向？利益分配？技術人員或資訊來源的分配比例問題
著作權歸屬、衍生作品、版權保護、合法使用、創作人權利

訓練方式：
演算法偏誤造成歧視，不適當的資料生成不適當的內容

個資問題：
ChatGPT 也沒有公布訓練資料來源，隱私權已被侵犯？

謠言散播：
Deepfake 能在戰爭時散佈首領宣布投降的影音，混亂情況下如何辨別真偽？

舉例
生成式AI可達成死者復甦，合成已逝人物的影響聲音，彷彿是還活著一樣
如何獲得授權？影響死者及家屬的尊嚴？
人權是從出生前的死亡後
如豬哥亮、約翰藍儂