<style>

html, body, .ui-content {
background-color: #333;
color: #ddd;
}

body > .ui-infobar {
display: none;
}

.ui-view-area > .ui-infobar {
display: block;
}

.markdown-body h1,
.markdown-body h2,
.markdown-body h3,
.markdown-body h4,
.markdown-body h5,
.markdown-body h6 {
color: #ddd;
}

.markdown-body h1,
.markdown-body h2 {
border-bottom-color: #ffffff69;
}

.markdown-body h1 .octicon-link,
.markdown-body h2 .octicon-link,
.markdown-body h3 .octicon-link,
.markdown-body h4 .octicon-link,
.markdown-body h5 .octicon-link,
.markdown-body h6 .octicon-link {
color: #fff;
}

.markdown-body img {
background-color: transparent;
}

.ui-toc-dropdown .nav>.active:focus>a, .ui-toc-dropdown .nav>.active:hover>a, .ui-toc-dropdown .nav>.active>a {
color: white;
border-left: 2px solid white;
}

.expand-toggle:hover,
.expand-toggle:focus,
.back-to-top:hover,
.back-to-top:focus,
.go-to-bottom:hover,
.go-to-bottom:focus {
color: white;
}

.ui-toc-dropdown {
background-color: #333;
}

.ui-toc-label.btn {
background-color: #191919;
color: white;
}

.ui-toc-dropdown .nav>li>a:focus,
.ui-toc-dropdown .nav>li>a:hover {
color: white;
border-left: 1px solid white;
}

.markdown-body blockquote {
color: #bcbcbc;
}

.markdown-body table tr {
background-color: #5f5f5f;
}

.markdown-body table tr:nth-child(2n) {
background-color: #4f4f4f;
}

.markdown-body code,
.markdown-body tt {
color: #eee;
background-color: rgba(230, 230, 230, 0.36);
}

a,
.open-files-container li.selected a {
color: #5EB7E0;
}
/* .markdown-body {
max-width: 1500px;
} */

</style>
> [color=#907bf7] [name=梓育([e-mail])] [time=Thr, July 18, 2023 19:00 PM]

# 開始在使用 AI
## 什麼是 AI？
簡單來說，AI 是指建立軟體來模仿人類行為與能力。 關鍵工作的負擔包括：

機器學習 - 這通常是 AI 系統的基礎，也是我們「教導」電腦模型進行預測並從資料中得出結論的方式。
異常偵測 - 自動偵測系統中錯誤或異常活動的功能。
電腦視覺 - 透過相機、影片和影像，以視覺方式解讀世界的軟體功能。
自然語言處理 - 電腦解讀書寫或口語語言，並以同樣方式回應的能力。
資料探勘 - 從大量通常非結構化資料中提取資訊以建立可搜尋的資訊儲存功能。

機器學習是大部分 AI 解決方案的基礎。
舉例來說：
永續農業技術對於提高糧食生產並同時保護脆弱環境而言至關重要。
Yield是澳洲的農業技術公司(https://www.theyield.com)，使用感應器、資料和機器學習，協助農業人員做出與天氣、氣候和植物條件相關的明智決策。
<iframe width="100%" height="315" src="https://www.theyield.com"></iframe>

### 機器學習的運作方式

*機器如何學習？*

答案是透過資料。 在現今世界裡，我們會在日常生活時產生大量的資料。 從我們傳送的簡訊、電子郵件和社交媒體貼文，到以手機拍攝的相片和影片，都會產生大量的資訊。 而住家、車輛、城市、大眾運輸基礎結構和工廠中的數百萬個感應器也會產生更多資料。

資料科學家可使用所有資料來定型機器學習模型，並根據其在資料中找到的關聯性來進行預測和推斷。

例如，假設環保組織希望志工使用手機應用程式來識別和分類不同的野花物種。 下列動畫顯示如何使用機器學習來實現此案例。

| 流程 | 示意 |
| -------- | -------- |
| 1. 植物學家與科學家組成的小組在收集野生植物樣本。<br>2. 小組會使用正確的物種類別樣本。<br>3. 標記的資料會使用演算法進行處理，以找出樣本特徵與所標記物種之間的關聯性。<br>4. 演算法的結果會封裝在模型中。<br>5. 當找到新的樣本時，此模型可識別正確的物種類別。<br>| |

* 機器學習常見的服務
AI最主要的應用大多來自於機器學習，而相關的服務通常包含了用於建立、管理和發佈機器學習模型的雲端式平台等等功能，以下列舉了一些常見的應用

| 項目 | 功能 |
| ---- | ---- |
|Automated ML platform|這項功能可讓非專家從資料快速建立有效的機器學習模型。|
|No-Code/Low Code Design|一種無需程式碼即可進行機器學習解決方案開發的圖形化介面。|
|Data and Compute Management Service|資料科學家可用來大規模執行資料實驗程式碼的雲端式資料儲存體和計算資源。|
|ML Pipelines|資料科學家、軟體工程師和 IT 營運專家可定義管線來協調模型定型、部署和管理工作。|

而知道了這些服務方式之後，我們會介紹幾個常見的機器學習應用。

### 異常偵測
假設您要建立軟體系統來監視信用卡交易，並偵測可能表示詐騙的異常使用模式。 或建立應用程式來追蹤自動化生產線中的活動，並找出失敗。 或建立賽車遙測系統來使用感應器，在發生潛在機械故障之前主動警告工程師。

您可使用異常偵測來解決這類案例，這是一種機器學習技術，可分析一段時間的資料，並找出異常變化。
我們來想像一個賽車的場景來說：

1. 今天我們在新型的賽車裡面裝設了許多感應器，車內的感應器會收集遙測資料，例如引擎轉速、煞車溫度等。
2. 定型異常偵測模型以了解遙測度量在一段時間的預期波動。
3. 如果測量超出正常的預期範圍，則模型會報告異常，這可用來警示賽車工程師在被迫從賽事中淘汰之前，將駕駛召回維修站以修正問題。

### 電腦視覺(Computer Vision)
電腦視覺是負責視覺處理的 AI 領域。 讓我們來探索電腦視覺帶來的一些可能性。
https://www.microsoft.com/en-us/ai/seeing-ai
Seeing AI 應用程式是展現電腦視覺強大能力的絕佳範例。 Seeing AI 應用程式是專為視障和弱視社群所設計，其利用 AI 功能來開啟視覺世界並描述附近的人物和文字。

大部分的電腦視覺解決方案都是以機器學習模型為基礎，其可套用至相機、影片或影像的視覺輸入。 下表描述常見的電腦視覺工作。
|Task| 描述|
|---|---|
|影像分類 (Image classification)|影像分類需要定型機器學習服務模型，以根據影像的內容來分類影像。 例如，在交通監視解決方案中，您可使用影像分類模型，根據其所包含的車輛類型 (例如計程車、公車、腳踏車等) 來分類影像。|
|物件偵測(Object detection)|定型物件偵測機器學習模型以分類影像中的個別物件，並使用週框方塊來識別其位置。 例如，交通監視解決方案可能會使用物件偵測來識別不同車輛類別的位置。|
|語意分割(Semantic segmentation)|!語意分割是一種進階機器學習技術，其中影像的個別像素會根據其所屬的物件進行分類。 例如，交通監視解決方案可能會使用「遮罩」層來將交通影像重疊，以使用特定色彩來醒目提示不同的車輛。|
|影像分析|結合機器學習模型與進階影像分析技術的解決方案，從影像擷取資訊，包括可協助分類影像的「標籤」，或甚至是摘要影像中所示場景的描述性標題。|
|臉部偵測、分析和辨識|臉部偵測是一種特殊形式的物件偵測，可找出影像中的人臉。 這可與分類和臉部幾何分析技術結合，根據其臉部特徵來辨識個人。|
|光學字元辨識 (Optical character recognition, OCR)|光學字元辨識是用來偵測和讀取影像中文字的技術。 您可使用 OCR 來讀取相片中的文字 (例如道路標誌或店面)，或從掃描的文件 (例如信件、發票或表單) 擷取資訊。|

### 自然語言處理(Natural language processing, NLP)
自然語言處理 (NLP) 是負責建立軟體以了解書寫和口語語言的 AI 領域。

NLP 常應用的場景如：

1. 分析和解讀文件、電子郵件訊息及其他來源中的文字。
2. 解譯口語語言，並合成語音回應。
3. 自動翻譯不同語言的口語或書寫片語形成指令。
4. 解譯指令並判斷適當的動作。

| 場景 | 應用 |
| ---- | ---- |
|<iframe width="420" height="315" src="https://www.youtube.com/embed/ydBg563CveY"></iframe>|Starship 一 個虛擬實境 (VR) 遊戲，其發生在科學虛構世界中。 此遊戲使用自然語言處理，讓玩家能夠控制旁白，並與遊戲中的角色和星艦系統互動。|

### 資料探勘(Data Mining)

資料探勘此字詞是用來描述解決方案涉及從大量非結構化資料中擷取資訊以建立可搜尋的知識存放區。
簡單來說，有別於傳統資料庫將資料以結構化形式儲存的方式，資料探勘是指從大量非結構化資料中提取有用資訊的過程。這些非結構化資料可以包括文字文件、網頁內容、社交媒體帖子、影像和音訊等。資料探勘技術可以分析這些資料並識別出隱藏在其中的模式、趨勢和關聯性，從而建立可搜尋的知識存放區。

這類應用的例子包括
1. 情感分析：從大量社交媒體帖子中識別出使用者的情感傾向。
2. 推薦系統：從使用者的購買紀錄和行為模式中提供個性化的產品或服務建議。
3. 文字分類：將大量的文本資料分類為不同的主題或類別。

資料探勘的目的是從這些非結構化資料中提取有價值的資訊，以幫助企業做出更明智的決策、改進產品和服務、發現新的商機，或者為其他相關領域提供支持。這些技術在各個行業中都有廣泛應用，例如市場研究、金融、醫療保健和電子商務等。

## AI的近年發展 - 生成式應用
現今穩定的AI模型經常被投入生產並在全球商業中使用。例如在2022年，AI研究公司OpenAI開發了一個被稱為ChatGPT的聊天機器人和一個被稱為DALL-E的圖像生成應用程式。這些技術建立在能夠接受使用者自然語言輸入並返回機器生成的人類化回應的AI模型之上。

OpenAI AI 模型中有數種功能類別，其中三個包括：
| 功能| 範例|
| --| -- |
| 產生自然語言 | 摘要不同閱讀層級的複雜文字、建議句子的替代字組|
| 產生程式碼 | 將程式碼從一種程式設計語言轉譯為另一種程式設計語言、識別和疑難排解程式碼中的Bug|
| 產生影像 | 從文字描述產生影像|

## AI 的挑戰和風險

人工智慧可供建立功能強大的解決方案來解決各種問題。 AI 系統可展現人類分析周遭世界的特質、進行預測或推斷，不只是只透過想像的方式代替人類行動。

但此強大能力也伴隨著責任。 身為 AI 解決方案的開發人員，我們必須應用原則，以確保每個人都能從 AI 受益，而不會對社會的任何人或團體造成不利影響。

下表顯示 AI 應用程式開發人員可能面臨的一些挑戰和風險。

|挑戰或風險|範例|
|---|---|
|偏差可能會影響結果|貸款核准模型因為其訓練資料有偏差而有性別上的差別待遇|
|錯誤可能造成傷害|自動駕駛汽車遇到系統故障而導致車禍|
|資料可能遭到公開|醫療診斷 Bot 會使用敏感的患者資料進行訓練，而這些資料並未安全儲存|
|解決方案可能不適用於所有人|家庭自動助理不會針對視覺受損的使用者提供音訊輸出|
|使用者必須信任複雜的系統|AI的金融服務工具提供投资建議 - AI依據了什麼？|
|誰應該對 AI 驅動的決策負責任？|無辜的人因為來自臉部辨識的證據而被判有罪 – 這是誰的責任？|