<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: HYChou</title>
    <description>The latest articles on DEV Community by HYChou (@hychou).</description>
    <link>https://dev.to/hychou</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F221405%2Fe0434a1f-6049-41c2-b88f-6c8f6b100f87.jpeg</url>
      <title>DEV Community: HYChou</title>
      <link>https://dev.to/hychou</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/hychou"/>
    <language>en</language>
    <item>
      <title>What is Artificial Intelligence</title>
      <dc:creator>HYChou</dc:creator>
      <pubDate>Wed, 20 Oct 2021 15:07:19 +0000</pubDate>
      <link>https://dev.to/hychou/what-is-artificial-intelligence-4ah6</link>
      <guid>https://dev.to/hychou/what-is-artificial-intelligence-4ah6</guid>
      <description>&lt;p&gt;&lt;em&gt;什麼是AI？&lt;/em&gt;&lt;br&gt;
&lt;em&gt;什麼是機器學習（ML）？&lt;/em&gt;&lt;br&gt;
&lt;em&gt;什麼是深度學習（Deep Learning）？&lt;/em&gt;&lt;br&gt;
&lt;em&gt;什麼是資料探勘（Data Mining）？&lt;/em&gt;&lt;br&gt;
&lt;em&gt;什麼是大數據（Big Data）？&lt;/em&gt;&lt;/p&gt;

&lt;p&gt;儘管身為近幾年&lt;a href="https://www.simplilearn.com/top-technology-trends-and-jobs-article"&gt;最熱門&lt;/a&gt;的科技名詞，也有許多人每天接觸這些科技，但這些名詞仍舊非常容易被混淆。&lt;/p&gt;




&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Artificial Intelligence&lt;/strong&gt;&lt;br&gt;
原本是用來指稱「如何使機器通過&lt;a href="https://en.wikipedia.org/wiki/Turing_test"&gt;圖靈測試&lt;/a&gt;」的一系列研究。現今AI已逐漸成為商業與行銷用詞，可能泛稱所有與自動化相關的技術。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Machine Learning&lt;/strong&gt;&lt;br&gt;
機器學習用於在資料中尋找pattern，進而分類、辨識、預測、估計一系列未知標的。現已逐漸成為&lt;em&gt;非&lt;/em&gt;深度學習的機器學習技術的代稱。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Deep Learning&lt;/strong&gt;&lt;br&gt;
深度學習是一種機器學習技術。其應用強項為影像、聲音、時間序列、語言等具備&lt;a href="https://en.wikipedia.org/wiki/Locality_of_reference"&gt;局部性&lt;/a&gt;性質的資料。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Data Mining&lt;/strong&gt;&lt;br&gt;
資料探勘是一門從巨量資料中尋找未知洞見的技術。其中可能牽涉統計、機器學習、domain know-how等一切手段。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Big Data&lt;/strong&gt;&lt;br&gt;
大數據探究的是如何處理巨量資料。其中包含如何系統性的取得資料、如何有效率的存取資料、以及資料探勘這種挖掘商業價值的工作。&lt;/p&gt;




&lt;h2&gt;
  
  
  What is Artificial Intelligence
&lt;/h2&gt;

&lt;blockquote&gt;
&lt;p&gt;&lt;em&gt;I propose to consider the question 'can machines think'?&lt;/em&gt; &lt;br&gt;
&lt;em&gt;&lt;small&gt;Turing, Alan&lt;/small&gt;&lt;/em&gt;&lt;/p&gt;
&lt;/blockquote&gt;

&lt;p&gt;1950年，計算機之父Alan Turing提出著名思想實驗——&lt;a href="https://en.wikipedia.org/wiki/Turing_test"&gt;Turing Test (圖靈測試)&lt;/a&gt;，嘗試去回答機器是否可能像人類一樣思考。圖靈測試中，你需要去分辨一個封閉的房間中的受試者是人類還是機器。當然不是瞎猜，你可以在紙條上面寫上你想問的問題，傳入房間內。受試者會回答你的問題，並把答案回傳給你。如果你無法通過這種問答模式分辨出房內是人還是機器，則該受試者通過了圖靈測試，而通過圖靈測試被認為是擁有如人類般的思考能力。&lt;/p&gt;

&lt;p&gt;在此之後，計算機領域的各路好手開始去研究如何能使機器通過圖靈測試。這一系列研究在後來被統稱為人工智慧(AI)。有專門下棋的deep blue與alpha go，有專注聽懂人話的Siri和Alexa，也有Tesla的自動駕駛，這些都是比較廣為人知的AI應用領域。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;但事實上，應用領域並非判斷是否為AI的標準，實作方法才是。&lt;/strong&gt;&lt;/p&gt;




&lt;blockquote&gt;
&lt;p&gt;&lt;em&gt;AI泛指一切能根據自身&lt;u&gt;環境&lt;/u&gt;，採取最大可能達成目標之&lt;u&gt;行動&lt;/u&gt;的系統&lt;/em&gt; &lt;br&gt;
&lt;em&gt;&lt;small&gt;Poole, Mackworth&lt;/small&gt;&lt;/em&gt;&lt;/p&gt;
&lt;/blockquote&gt;

&lt;p&gt;以偵測垃圾郵件為例。有兩套專門偵測垃圾郵件的軟體，姑且稱他們A-ware與B-care。在收到信件後，他們都會檢查信件主旨、寄件者、以及內文，來判斷信件是否為垃圾郵件，但兩者判斷方式是不同的。&lt;/p&gt;

&lt;p&gt;A-ware有一個黑名單，只要信件是黑名單中的某人寄的，就將該信件標示為垃圾郵件，而使用者也可以編輯這個黑名單。另外，A-ware的使用者也可以自行輸入某些例如「廣告」、「特價」的關鍵字，只要將來有任何郵件的主旨包含這些單詞，A-ware就會把他歸類為垃圾郵件。最近，A-ware也提供了黑名單共享機制，讓使用者不必自行定義黑名單，也可以匯入別人建立的黑名單，使得垃圾信件的防護更加完善。&lt;/p&gt;

&lt;p&gt;另一方面，B-care公司在研發階段就收集了大量的垃圾郵件以及一般郵件，通過&lt;a href="https://en.wikipedia.org/wiki/Natural_language_processing"&gt;自然語言處理&lt;/a&gt;分析郵件語意，將數以萬計的語意&lt;a href="https://en.wikipedia.org/wiki/Cluster_analysis"&gt;聚類&lt;/a&gt;為數百種大方向，再通過&lt;a href="https://en.wikipedia.org/wiki/Binary_classification"&gt;二元分類器&lt;/a&gt;將這幾百種語意方向歸類為垃圾或一般。產品發佈後，B-care的使用者可以透過反饋錯誤判斷的類別，使B-care得以藉此強化現有的分類方法。&lt;/p&gt;

&lt;p&gt;同樣都是垃圾郵件偵測軟體，A-ware和B-care都能夠成功的幫助使用者排除垃圾郵件。但即便兩者都需要人的幫助（A-ware有人工輸入的黑名單，B-care擁有大量人工分類好的垃圾與一般郵件），只有B-care才有使用AI技術，而A-ware則會被認為是&lt;a href="https://en.wikipedia.org/wiki/Rule-based_system"&gt;rule-based system&lt;/a&gt;。因為A-ware的過濾規則是人設計的（是否在黑名單），而B-care的過濾規則不是人設計的，人設計的是「&lt;strong&gt;生成過濾規則&lt;/strong&gt;」的流程，諸如自然語言處理等等。&lt;/p&gt;

&lt;blockquote&gt;
&lt;p&gt;&lt;em&gt;我們能夠很快的辨識一個人是否禿頭，卻很難給出少於幾根頭髮算是禿頭。&lt;/em&gt;&lt;br&gt;
&lt;em&gt;&lt;small&gt;the bald man paradox&lt;/small&gt;&lt;/em&gt;&lt;/p&gt;
&lt;/blockquote&gt;

&lt;p&gt;然而近期，AI一詞愈發氾濫，許多自動化工程也被冠上AI的噱頭。比起指稱產品的實作方法，AI更像是一個行銷用詞。例如一台標榜具有AI省電功能的冷氣，就算工作原理是低於25度就用低速運轉、反之就用高速運轉，也完全不會令人感到意外。&lt;/p&gt;




&lt;p&gt;&lt;em&gt;什麼是機器學習？敬啟期待下一篇文章。&lt;/em&gt;&lt;/p&gt;

</description>
      <category>beginners</category>
      <category>ai</category>
      <category>datascience</category>
      <category>machinelearning</category>
    </item>
  </channel>
</rss>
