# 未來博物館計劃
[TOC]

---
## 🤖 AI
### 1. AI 簡介
#### **機器學習 Machine Learning**
##### 1. 監督式學習：由人類給予規則（模型）教導 AI 什麼是博物館、關於博物館的定義、博物館需要什麼
##### 2. 非監督式學習：

#### **深度學習 Deep Learning**
>##### 1. 只給予 AI 所有跟博物館有關的資訊，但不告訴它什麼是博物館，而是由 AI自己吸收這些大量關於博物館的資訊後自己去定義什麼是博物館然後產生它所想像中的博物館是什麼樣子，所以有可能產出來的東西並不是博物館…

>###### 所以需要改變方式 先由【監督式學習】教導 AI 關於博物館的定義是什麼，然後所展示的【主題】內容則由【深度學習】的部分大量給予關於展覽【主題】的資訊，再由 AI 產生它所想像中的【主題】是什麼樣子並展示出來，需列出博物館的定義、博物館需要什麼的所有細項，再分項那些可以由 AI 進行

---
### 2. AI 應用
#### 自然語言處理（英語：Natural Language Processing，縮寫作 NLP）
#### 應用領域：
* 翻譯
* 搜尋引擎關鍵詞查詢
* 自動回話客服系統
* 情感分析
* 自動文字產生（小說、新聞等文本）


:::info
:link: [AI 寫【哈利波特】續章大獲好評！](https://www.tedu.tw/blog/A-sequal-of-Harry-Potter-written-by-AI-is-received-by-netizens.html)
:link: [我用 OpenAI 文本生成器續寫了《復仇者聯盟》](https://www.inside.com.tw/article/16479-open-ai-edit-the-avengers)
:link: [文章生成器](https://suulnnka.github.io/BullshitGenerator/index.html)
:pushpin: [讓 AI 寫點金庸：如何用 TensorFlow 2.0 及 TensorFlow.js 寫天龍八部](https://leemeng.tw/how-to-generate-interesting-text-with-tensorflow2-and-tensorflow-js.html)
:::

---
#### 生成對抗網絡（英語：Generative Adversarial Network，簡稱GAN）
#### 應用領域：
* 圖像辨識（無人車、車牌辨識、物件辨識）
* 圖像生成
> 繪圖晶片領導廠商 NVIDIA 去年推出的「StyleGAN」演算方式，讓 AI 利用不同人的臉孔特徵，拼湊成全新的、「不存在的」假臉孔，這些臉孔包括老人、孩子、男或女的樣子，擬真度極高，讓人分不清照片中的人臉是真人還是「合成人」！
>
> 

:::info
:link: [【人工智慧】自動畫圖不求人，Google推出 Autodraw](https://b-cat.tw/technology/autodraw/)
:link: [讓NVIDIA的AI去創造貓咪會做出什麼貓？](https://www.tedu.tw/blog/Nvidia-new-AI-generates-bizarre-cats.html)
:link: [NVIDIA「StyleGAN」](https://github.com/NVlabs/stylegan)
:::

>
>:link: [Prisma 滑滑手指藝術魂上身，為你的相片調入世界名畫風格特效（iOS App）](https://free.com.tw/prisma-ai-camera)

---
#### [卷積神經網路(CNNs)](https://brohrer.mcknote.com/zh-Hant/how_machine_learning_works/how_convolutional_neural_networks_work.html)
>卷積神經網路（Convolutional Neural Networks，CNN）CNN 又被稱為 CNNs 或 ConvNets
>它是目前深度神經網路（deep neural network）領域的發展主力，在圖片辨別上甚至可以做到比人類還精準的程度。
>

#### 應用領域：
[透過AI技術，蒙娜麗莎也能有表情包](https://tech.culture.tw/home/zh-tw/knowledge/34716)
>世界知名的畫像蒙娜麗莎不再只是動態地看著觀眾，過去即使前往羅浮宮美術館朝聖，頂多也只能感覺蒙娜麗莎像從任何角度都在看著你，可沒有辦法看到==蒙娜麗莎對你眨眨眼，又或者像是在受訪談一般張開口說話==。
>
>這款 AI 模型是使用卷積神經網路(CNNs)所打造，研究團隊在Youtube和論文預印資料庫arXiv.org上發佈了他們的方法。先是使用 VoxCeleb一個大型人聲識別數據集中超過 7,000 張名人圖像對演算法進行了訓練，讓 AI 關注於辨識人們臉部的特徵，像是眼睛、嘴巴形狀、鼻樑長度和形狀，它開始能以相似的做法應用在其他照片上，使照片活過來，打造令人信服的Deepfake影片(Deepfake，是英文「deep learning」和「fake」的混成詞，專指基於人工智慧的人體圖像合成技術的應用)。
>
{%youtube rJb0MDrT3SE %}
>
:::info
:link: [Few-Shot Adversarial Learning of Realistic Neural Talking Head Models](https://arxiv.org/pdf/1905.08233v1.pdf)
:::

---

## 🏛️ 博物館
### 1. 目前的應用
- Dali Lives
{%youtube BIDaxl4xqJ4 %}

> Dali Lives – Art Meets Artificial Intelligence. Exclusively at The Dali Museum.
>
>:link: [【智慧博物館】穿越時空的AI應用，達利「復活」了？](https://tech.culture.tw/home/zh-tw/knowledge/12931)

- TOYOTA 圖像辨識
{%vimeo 273271660%}

- 策展工具

人工智慧、機器學習也成了老牌美術館的新歡。英國泰德美術館（Tate Britain）從 2014 年起設立科技獎IK Prize，與微軟合作，該獎項的設立用來鼓勵、資助那些使用科技手段創造性地探索泰德館藏英國藝術的專案。去年，策展項目「Recognition」獲得2016 IK Prize，該項目的「策展人」則是一個人工智慧系統，在微軟的認知服務技術協助下，由義大利通信研究中心Fabrica和一個法國人工智慧團隊JoliBrain共同開發。
>:link: [當科技有了創造的溫度……A.I.與藝術結合的機構實踐](https://artouch.com/view/content-4066.html)
>:link: [IK Prize 2016: Recognition](https://www.tate.org.uk/whats-on/tate-britain/exhibition/ik-prize-2016-recognition)
---
### 2. 應用於未完成博物館的方式
展區分成兩個部分 例如：
展覽主題：藝術館
第一個部分為傳統的展覽由 ==館方== 傳達給 ==參觀者== 關於館方認為銀河的定義與內容
然後在由 ==參觀者== 吸收這些資訊後給予關於參觀者認為銀河的定義與內容給展區第二部分的 ==AI==
再由 AI 經過機械學習中的深度學習理解這些內容來產生 AI 所認為銀河的定義與內容
做為第二部分的展覽內容
來達成 未完成、參觀者回饋、AI機械學習 的一個展覽方式

---
>###### AI 自主學習成長
>###### 自主發展的AI 隨著觀眾每天給予的回饋（養分） 它每天會改變 自己成長 然後影響整個展館的內容變化
>###### 先以【宇宙、銀河、太空、生物起源】為該展覽主題發想來驗證 AI自己發展展覽內容的可行性
>###### 可影響物件 所有有連結電腦或網路的東西 用電的東西 螢幕 多媒體 無人機 掃地機器人 移動機器人 燈 風扇
>###### 3D列印出 目前該世界【展覽主題】的生命 物件 文明
>###### 展示板 說明牌自動產生更新上對該物件的敘述文字或圖片內容（內容為 AI 自行學習撰寫）
>###### 圖庫與文字句子的來源為觀眾給的回饋 給的回饋越多越能產生更好的文字敘述與圖像
---

- 架構

digraph finite_state_machine {
	rankdir=LR;
	size="11";
	node [shape = circle];
	館方 -> 博物館 []
	博物館 -> 參觀者 [label = "展示"]
	參觀者 -> AI [ label = "回饋" ]
	AI -> 創作 [ label = "機器學習" ]
}

## 🛠 未來博物館 - 未完成的博物館
### 1. 主題類型：
* 圖像：==繪畫==、攝影、==雕塑==
* 文字：==書法==、==小說==
* 知識：宇宙 、海洋、植物、昆蟲、動物
* 社會：==社會==
* 設計：花卉
* 科技：汽車 、飛機、船、太空船、機器人

### 2. 一個展所需要的內容：
* 視覺：==圖像==、==文字==、==影片==
* 聽覺：音效 、==音樂==、人聲
* 觸覺：==物件==
* 嗅覺：味道

### 3. 故宮
#### 不存在的朝代 x 不存在的時代
* 從文物歷史發展來推斷一個不存在的朝代會有怎樣的文物產生
* 當某個朝代或某個畫家碰上西方藝術
* 使用 Prisma 變幻風格

#### 參觀者的回饋
* 跟古人分享現在的資訊與訊息
* 古人創作出新的作品畫作、書法、書籍、雕刻
* 古人獲得新的知識可以與人對談
* 穿越時空的對話者

#### 架構

digraph finite_state_machine {
	rankdir=LR;
	size="11";
	node [shape = circle];
	回饋 -> 生成對抗網絡 
	生成對抗網絡 -> 設計圖 [color="red"]
	生成對抗網絡 -> 畫作
	回饋 -> 自然語言學習
	自然語言學習 -> 日記
	自然語言學習 -> 書法
    
}

digraph {
	size="14";
	node [shape = circle];
	"ESP8266\n聲音接收\n01" -> "Wi-Fi AP"     
	"ESP8266\n聲音接收\n02" -> "Wi-Fi AP"       
	"ESP8266\n聲音接收\n03" -> "Wi-Fi AP"       
	"ESP8266\n聲音接收\n04" -> "Wi-Fi AP"       
	"ESP8266\n聲音接收\n05" -> "Wi-Fi AP"     
	"ESP8266\n聲音接收\n06" -> "Wi-Fi AP"     
	"ESP8266\n聲音接收\n07" -> "Wi-Fi AP"     
	"ESP8266\n聲音接收\n08" -> "Wi-Fi AP"     
	"ESP8266\n聲音接收\n09" -> "Wi-Fi AP"    
	"ESP8266\n聲音接收\n10" -> "Wi-Fi AP"
    "Wi-Fi AP" -> "esp8266\nWebServer\n電腦"    
    "esp8266\nWebServer\n電腦" -> "Maxmsp"
}

#### AI 三支柱

digraph finite_state_machine {
	rankdir=LR;
	size="11";
	node [shape = circle];
	算力 -> 大數據 
	大數據 -> 演算法
	演算法 -> 算力    
}

AI 心理學
AI Writer 寫文章
開源 人工智慧
fakeface.co
copyleft
YOLO Nano 圖像偵測
CycleGAN 風格轉換
軟體 專利 AI製造出來的是否有專利
Jieba , 中研院CKIP Lab
AI 可以去設計另一個 AI 的 Model 做得到但很浪費資源
AI 三大技術 自然語言、Voice Recognition、Image Recognition

Meta - Learning
Learning to Learn
Zero 0學習

資料下毒

強人工智慧 = 弱人工智慧 + 推理 / 學習 / 規劃

理解並解決問題

從開源資料去應用

AIGO,AIOT

AI 落地應用

X-AI

---------------------------------
WaveNet

github/openaifab/hair

重點：解省時間 食品違規廣告

[零樣本學習 Zero-Shot Learning 演算法介紹（一）](https://biic.ee.nthu.edu.tw/blog-post/zero-shot-learning)
[概念深奧看不懂？一文讀懂元學習原理](https://www.chainnews.com/zh-hant/articles/023205795025.htm)