透過學習,人工智慧也能做出屬於自己的威士忌了!(下)

學習速度超快的人工智慧加上人類的教導,這威士忌得來不易呢!
 
術業有專攻 調酒師與 AI 合作找出大家都愛的威士忌
沒有味蕾的 AI 當然無法憑空想出釀酒配方──於是首先要替 AI 找個師傅,將他靈敏的嗅覺、味覺與經驗傳承給 AI。
「AI:01 Intelligens」的師父就是麥格瑞酒廠的首席調酒師 Angela D'orazio。
Angela 從 2004 年就開始在麥格瑞工作,隨後升任首席鼻子官(chief nose officer)。這個看似玩笑但貼切的稱號,因為媒體不斷的報導,成為 Angela 的第二個頭銜。
Angela 在 2019 年入選威士忌名人堂,這是專為威士忌產業界傑出代表人士致敬所設立之最高榮譽,每年僅頒發給2-3位對威士忌產業具有重大貢獻與影響力的領導人或調酒師。
即使 AI 沒有這位首席鼻子官敏銳的嗅覺、味覺、創意與 10 多年的經驗,但人工智慧的優勢在於可以短時間處理大量資料數據,根據演算法也可能發現出一些原先人工沒有想到的配方。
Angela 在 2019 年入選威士忌名人堂,這是專為威士忌產業界傑出代表人士致敬所設立之最高榮譽,每年僅頒發給2-3位對威士忌產業具有重大貢獻與影響力的領導人或調酒師。
▲ 麥格瑞將過去受歡迎酒款的數據全輸入進 AI 中,期待能找出熱銷的玄機。
Angela將自己擁有的威士忌知識,毫無保留傳授給 AI,像是:如何挑選橡木桶、桶型大小、陳年的黃金時間、風味的資料庫,以及得獎的酒款資訊。除此之外,麥格瑞酒廠也將從1999年以來所生產的七十幾款酒交由人工智慧分析,包含調配比例、客戶意見回饋、網路評論等,包含麥格瑞酒廠 19,000 個私人包桶數據。
這些龐雜紛亂的原始數據,在經由 AI 分析後,得到了幾組會產生最佳威士忌的配方,這些配方最後經過調酒師人工審核、淘汰篩選後,留下五種「最佳配方」,經過Angela的品鑑分級,最終才完成了 AI:01 Intelligens 這款作品。
 
AI 生產,人類策畫
那麼大家都想知道的是:這款人工智慧酒嘗起來到底是如何呢?獲頒全球威士忌界最高榮譽「蘇格蘭雙耳小酒杯執持者」(The Keepers of The Quaich)的台灣飲食旅遊作家葉怡蘭表示:
「香氣極雅,洋溢香草、椰子、青草、洋梨、蘋果與粉嫩花香;口感柔和秀逸,餘韻略短,隱隱流露過往 Mackmyra 留在我印象中的高緯度地帶冷冽韻致。」
同時她也提出質疑:人之喜好與風味此事究竟是否可由演算決定?
不過,沒有首席調酒師 Angela D'orazio 多年的專業經驗,AI:01 Intelligens 這款酒也無法擄獲世人的心。一如台灣的人工智慧咖啡師「iDrip」,也是師法於全球多位得獎咖啡師,才能完美再現世界冠軍的手沖咖啡。

推薦閱讀:手沖咖啡不求人 AI人工智慧咖啡師「iDrip」立馬為你泡冠軍咖啡


麥格瑞酒廠也表示,他們相信的是 AI-generated, human-curated(AI 生產,人類策畫),AI 就算能透過演算法找出最多人會喜歡的威士忌,但是仍是需要由人類主導這一切,引進人工智慧並不是為了取代釀酒師。
最強大的工具,依然需要優秀工匠來製造、調校,因此還是努力去成為那卓越 AI 的創造者,才能超越 AI。
 
 
本篇為下篇,上篇請點此連結
 
 
相關閱讀推薦:

 透過學習,人工智慧也能做出屬於自己的威士忌了!(上)


AI界就少了他就不一樣了!-台灣人工智慧學校執行長陳昇瑋辭世!



想知道AI對環境會有何用處?看完這篇就知道了(下)

人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係?

AI 人工智慧、ML 機器學習、深度學習、Python 是什麼?

捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計

為超越MotoGP冠軍VR46而生:人工智慧重機賽車手MOTOBOT

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()


透過學習,人工智慧也能做出屬於自己的威士忌了!(上)


 


 


這首支人工智慧釀的酒,是什麼味道?它又是如何釀造的?
 
微軟也要搶攻釀酒市場?!原來他們是要與瑞典威士忌釀酒廠麥格瑞(Mackmyra)聯手合作,開發史上第一款人工智慧 釀造的威士忌!
但是沒有味蕾的 AI人工智慧,要怎麼學會挑穀物、選橡木桶、安排蒸餾…等等專業釀酒師的獨門功夫呢?
微軟身為科技巨頭,大家都知道,他們一直以來不斷嘗試各種領域的創新,這回與瑞典威士忌釀酒廠 Mackmyra、芬蘭科技公司 Fourkind 合作,開發出結合 AI 的威士忌,在 2019 年,成功推出史無前例的人工智慧酒款「AI:01 Intelligens」,並且勇奪美國蒸餾酒協會的兩項大獎!
等等!這到底是怎麼辦到的?在了解 AI 如何釀出酒前,不妨讓我們先認識一下-釀酒師的十八般武藝!
 
▲ 全球第一款人工智慧打造的威士忌「AI:01 Intelligens」打敗其他真人釀的競品,勇奪美國蒸餾酒協會的兩項大獎
橡木桶的小宇宙 威士忌釀造學問大
威士忌的釀造過程大致上可以分為:發麥、糖化、發酵、蒸餾、入桶、窖藏陳年、裝瓶。
其中每個步驟,都需要釀酒師從中調整,例如:挑選穀物的種類、麥芽的烘乾方式、木桶材質與尺寸、採用烘烤或燒烤,氣溫的波動、陳年時間的長短等,都是決定威士忌風味的關鍵。
此外,有的酒款透過採用「二手桶」提升威士忌風味的層次與變化。但若要「過桶」添加更多的風味元素,要選擇波本桶還是雪莉桶?或是混調這兩種不同木桶陳年酒?陳放時間也沒有正確的答案,只能依靠釀酒師認定的巔峰時刻裝瓶。
從穀物發酵到蒸餾熟成,每一道製作過程看似微小的差異,卻能層層堆疊出風味迥異的威士忌。這款征服全世界人味蕾的飲品,背後暗藏的秘辛蘊含科學原理,更是釀酒師的獨門秘技。
但是這些元素要如何搭配,才是好喝、受歡迎的威士忌配方?除了依靠釀酒師的專業判斷,過去往往都認為需要靠「運氣」。而人工智慧的到來,正好替酒廠解決這個難題!

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

被愚弄的AI人工智慧,總算有人要出手相救啦!(下)

所以解救AI人工智慧的到底是誰?又是靠著哪些方法逼退駭客?
 
捷克 AI 新創成金融駭客剋星 助企業找出資安新解方
有鑑於此,捷克一家新創公司「Resistant AI」開發一套機器學習技術,專門抵擋對抗式機器學習、竄改樣本、目標性操弄等等攻擊。
Resistant AI 目前主要提供兩項產品:
1. 文檔防禦(Resistant Documents)
駭客會偽造或更換銀行對帳單、購買收據、薪資單或 KYC 文件(Know Your Customer)的名稱等等「良性文件」,欺騙人工智慧所驅動的認證系統、逃過檢測,藉此成功開啟銀行帳戶,或是讓自動處理系統批准借貸。
而「文檔防禦」是讓機器學習系統拒絕自動處理過程中遭遇的可疑文檔,並標記出所有惡意或可疑的來源。
2. 交易防禦(Resistant Transactions)
深度學習系統的測試,經典方法是收集大量人工標註好的數據,來評估系統的準確性。然而很難輸入未來所有可能發生的數據,也就無法得知系統的每個反應是否符合邏輯。並且只要將輸入的數據添加微小干擾,就可以欺騙深度學習系統,讓系統「核准」惡意數據。
「交易防禦」就是用 AI 偵測可疑的交易行為,例如當有付款、轉帳或是申請信貸等請求時,交易防禦系統就會進行統計性的檢查,若確實辨認出有問題的請求,就會阻止交易,保護系統模組內資訊不被偷取,也能防止系統受到誘導而做出錯誤的決定。
Resistant AI 的創辦人兼 CEO Martin Rehak 在資訊安全領域工作超過 12 年,他表示:駭客對於 AI 系統漏洞的破解技術已經越來成熟,這也讓啟發他跟他的團隊創立現在的 Resistant AI 來提供解決方案。公司當前的目標客戶是金融企業、金融科技新創,與在金融交易過程中採用AI的公司。
Resistant AI 於 4 月底進行種子輪融資,獲風險投資公司 Index Ventures 及 Credo Venture 領投,成功籌集 275 萬美元資金。
 
讓我們「以AI之矛,攻AI之盾」!
AI 人工智慧的發展固然大幅提高人們的生活品質,但同時也要清楚認識到科技的兩面性!要知道,科技僅僅是工具,水能載舟、亦能覆舟,若遭到有心人惡意利用也會產生負面影響。正如 AI 可以被用於詐騙,也可以被用於反詐騙,利用技術的方式不同,帶來的影響當然也不同。
因此,在面對一項科技時,除了理解、學習、使用之外,更要進一步超越它——努力成為卓越 AI 的創造者,才能不被 AI 所掌控

推薦閱讀:AI 產業革命開始!為何 Python 成人工智慧必備語言?


布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()


被愚弄的AI人工智慧,總算有人要出手相救啦!(上)


 


 
AI人工智慧充斥著生活,如果連它也被愚弄了,豈不是很危險?放心,現在有辦法了!
隨著科技浪潮來襲,金融產業也積極佈局,除了如區塊鏈、虛擬貨幣和 P2P 等新型交易模式愈發興盛外,傳統銀行的許多交易手續、分析工作也都交由人工智慧運籌帷幄。
但,導入 AI 不僅影響金融機構本身,虎視眈眈的駭客也馬上跟進,開發出特別針對人工智慧的攻擊手法。
而一家捷克新創公司 Resistant AI 找到了解決辦法──用 AI 反擊欺騙 AI 的網攻!
 
金融業 AI 應用夯 8 成以上交易由程式自動執行
 
▲ Fintech 金融科技市場中的 AI 人工智慧品牌(圖片來源:cbinsights,如有侵權請告知)
 
金融業是幾個快速導入 AI 的產業之一,且因長期的監理要求,金融業的數據資料保存完整有序,AI 導入較為容易;一方面也是為了因應快速成長的數位通路需求。
玉山銀行科技長陳昇瑋就表示,目前全球股市觀察,已經約有 8 至 9 成的交易都是以程式執行的,而全球十大對沖基金中,有 6 個已導入 AI 協助交易,代表現在,人工智慧 已在證券交易占有一定的份量。除了證券交易,AI 也被用在產業分析,拿來預測股價。

推薦閱讀:痛失英才!台灣人工智慧學校執行長陳昇瑋辭世


但與此同時,別忘了,駭客也在與時俱進中!他們正瞄準著 AI 和機器學習的弱點,展開新型態的網路攻擊,導致金融組織或企業面臨巨額損失、機密資料或客戶資料外洩的風險。
 
駭客故意餵錯誤資料 誤導 AI 原來這麼簡單!?
AI 固然好用,但當然也不是萬靈丹,並且還有可能變成攻擊目標!
駭客若部署對抗式機器學習(Adversarial Machine Learning)找出機器學習模型的弱點,在訓練資料中參雜惡意樣本與駭入後台干擾參數,就能有迅速破壞 AI 運作!

推薦閱讀:美國將 AI 納入軍用!到底人工智慧會成為人類救星還是殺人機器?


趨勢科技全球安全研究副總 William Malik 也曾談過:「其實演算法是很粹弱的,很容易因為訓練資料被動手腳,導致要辨識動物的影像 AI 將長頸鹿辨識為單車。」因為 AI 不像人類,不是看整體而是「盯著」細節的部分,這些重要的細節被更動,AI 就會出狀況。
假若不幸遭到入侵,訓練資料被惡意加料,辨識模式被蓄意誤導,然後最後演算法在市面上佈署,就算是資安公司也可能會中招,讓 AI 反而成為欺騙防毒軟體的利刃。

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()


人工智慧.Python.機器人和大數據,之間的關係到底多曖昧?


 
你對Python熟悉了嗎?若還沒,這篇讓我們從它身邊的好夥伴下手!
 
什麼是人工智慧?
 
▲ 人工智慧、機器學習與深度學習之間的關係比較圖(圖片來源:騰訊xw.qq.com)
人工智慧」,又被人們稱「人工智能」,英文為「Artificial Intelligence(縮寫為 AI)」簡單來說就是:任何讓電腦能夠像人類般思考、表現出類似人類的行為」的科技;更具體一點的說法,人工智慧是一種可以感知、學習、推理、協助決策,並採取行動幫助我們解決問題的科技。
1980年代約翰瑟爾(John Searle),提出對「人工智慧」分類方式:
- 強人工智慧(Strong AI) : 機器能具有與人類相同完整的認知能力。
- 弱人工智慧(Weak AI) : 機器不需要具有與人類相同完整的認知能力,只要設計得看起來像具有智慧就即可。
 
機器學習
機器學習是人工智慧的分支之一,也是實現人工智慧的一個途徑,即以機器學習為手段解決人工智慧中的問題。
機器學習理論,主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析而歸納出規則來,並利用此規則對未知的資料進行預測的演算法。
機器學習是第三波人工智慧發展的代表技術;而在眾多機器學習演算法中,深度學習(多層次類神經網路的代稱)是近幾年成長最快、表現最亮眼的技術。
 
深度學習
深度學習也是機器學習演算法的一種,可說是人工智慧中成長最快的領域了!
「深度學習」是模擬人類神經網絡的運作方式,只要懂得定義問題,有足夠質量的資料以及轉化為模型的能力,幾乎可以應用在任何決策問題上~雖然不見得都有準確的預測能力就是了。
不過目前常見的 Google 語音辨識、文字翻譯、照片分類、自動回信、垃圾郵件判斷,現在都是以深度學習來做的!
 
Python 與人工智慧的關係,到底有多密切?
Python 可說是 AI 領域最多人使用的程式語言了!主要原因之一是因為它有大量的資料庫,讓用戶可自由地套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布,包含預先編寫好的程式片段,讓 AI 開發人員不需要從頭開始編寫程式。
機器學習與深度學習都需要連續的數據處理,Python 的函式庫則可讓你取用、處理、轉換這些數據。例如應用於深度學習的 Keras 函式庫,它允許快速計算和原型設計,因為它除了使用計算機的 CPU 之外還使用 GPU。
其他與人工智慧、機器學習、深度學習有關的八個函式庫,請見此篇文章:連 IBM 都推!入行 AI 人工智慧必學 Python 的8大理由

推薦閱讀:AI 產業革命開始!為何 Python 成人工智慧必備語言?


布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()


別擔心不了解Python之外的"相關成員",今天一次讓你入門!


 


 


 


 


 


 


 


 
Python.AI.機器學習.深度學習.這些看起來相似的名詞,各個代表著什麼意思?
 
在媒體報導人工智慧 (AI)、機器人(Robot)未來可能會取代我們的工作時,我們又看到坊間有教人工智慧技術的機構,又端出一堆名詞如大數據(Big Data)、Python 程式語言……,還有深度學習等等。那到底這些名詞中間又有什麼關聯?這篇以問答方式一一幫你解答

推薦閱讀:AI 人工智慧來了!你的未來何去何從?學好 Python 是正解


 
人工智慧、機器人,是同一個東西嗎?
相信大家都看過有關機器人的電影,都把機器人描述的很厲害,甚至比人類還強!沒錯,這些機器人很賴害是因為他們裡面被導入了「人工智慧

推薦閱讀:5 部電影告訴你:AI 時代來臨,是否對人類造成威脅?


人工智慧」,又稱「人工智能」,英文為「Artificial Intelligence(縮寫為 AI)」白話點來說,就是:任何讓電腦能夠像人類般思考、表現出類似人類的行為」的科技;更具體一點的說法,人工智慧是一種可以感知、學習、推理、協助決策,並採取行動幫助我們解決問題的科技。

推薦閱讀:妻子機器人在日本大賣?假的!但本尊也是會說笑的 AI 美人


 
為何有些人工智慧會比真人還厲害?
日前,AI 甩尾,角度精準過方程式車手的消息;還有 AI 雀士在網路上打日式麻將打過一拖拉庫真人的訊息、⋯⋯究竟人工智慧是怎麼學習的?又為何會比真人厲害?

推薦閱讀:AI 又贏了?人工智慧「Suphx」打敗人類麻將高手!


AI 學習事物其實與人類學習事物的方法相仿,就是所謂的機器學習及與深度學習。
機器學習理論,主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析而歸納出規則來,並利用此規則對未知的資料進行預測的演算法。
而「深度學習」又是模擬人類神經網絡的運作方式,只要懂得定義問題,有足夠質量的資料以及轉化為模型的能力,幾乎可以應用在任何決策問題上,雖然不見得都有準確的預測能力。不過目前常見的 Google 語音辨識、文字翻譯、照片分類、自動回信、垃圾郵件判斷,現在都是用深度學習來做的。

推薦閱讀:AI 人工智慧、ML 機器學習、深度學習、Python 是什麼?看這一篇就對了!


 
搜集大數據讓AI去做機器學習,加上不同的演算法,接著,登愣!成就了不同專長的AI?
餵給 AI 正確的大量資料(大數據),加上好的大腦(演算法),AI 才能做出正確的判斷。
各種領域都應用了不同功能的人工智慧,如醫療、教育、製造、理財及自動駕駛等,就如同每個人擅長的領域都不一樣:有的人擅長賽車、有的人擅長分析、有人善於醫療等等。

推薦閱讀:台灣研發 AI 走進加護病房,預測敗血症準確率達八成五


演算法的不同,會深深影響 AI 的思考與學習模式,好的演算法可以製造出卓越的人工智慧。例如甩尾角度比人類還精準的 MartyKHANA AI!

推薦閱讀:AI 甩尾媲美 Ken Block、屌打玩命關頭?方程式冠軍嘆:要失業了⋯⋯


反之,不好的演算法會讓 AI 判斷錯誤。
2016 年發生了全球首例 Tesla 自駕車撞上大貨車的意外,乃因 Tesla 的自動駕駛系統,無法辨識在強烈日照下而有反光的大貨車,因此未能即時做出煞車判斷。因為此演算法從未學習過這類大數據。
Python 與 人工智慧的關係?
Python 是目前人工智慧領域最被廣泛使用用的程式語言
因為 Python 的語言簡單好懂、就像是使用人類的語言在與電腦溝通一樣,加上跨平台的性質,操作方便快速,因此已有許多工程師使用其語言發布大量與人工智慧、機器學習、深度學習領域相關的資料庫,讓用戶可自由套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布,包含預先編寫好的程式片段,讓 AI 開發人員不需要從頭開始編寫程式。
機器學習與深度學習都需要連續的數據處理,Python 的函式庫則可讓你取用、處理、轉換這些數據。例如應用於深度學習的 Keras 函式庫,它允許快速計算和原型設計,因為它除了使用計算機的 CPU 之外還使用 GPU。
其他與人工智慧、機器學習、深度學習有關的八個函式庫,請見此篇文章:連 IBM 都推!入行 AI 人工智慧必學 Python 的8大理由

推薦閱讀:AI 產業革命開始!為何 Python 成人工智慧必備語言?



 
 
相關閱讀推薦:

24個建議讓我的Python之路更加順遂!  
 


就是現在!快來自學Python的數據類型!

靠人工智慧做出你自己的番茄鐘?Python是關鍵角色!(上)


 


AI 產業革命開始!為何 Python 成人工智慧必備語言?

連 IBM 都推!入行 AI 人工智慧必學 Python 的8大理由

AI 重機車手 MOTOBOT - 專為超越 MotoGP 冠軍 Rossi 而生

AI人工智慧將如何衝擊你的未來?還是學好Python吧!

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

人工智慧充當應援團是正常發揮~但組隊打比賽..有可能嗎?(下)

 
重機車手也因為人工智慧而備受威脅!?來看看這AI有多厲害!
 
若實現了「精準預測球體飛行的模型」後,機器人才能上場:先用攝影機取得投手「球剛離開手」的幾張照片並將輸入到模型內,模型進行估算、預測出完整的球體飛行軌跡後,機器人才能看著球落到事先設定好的地方,以最適當的角度、力道,精準地擊出一記安打!
也許有一天,我們真的能夠觀賞真人球員與人工智慧對決的棒球賽事呢,到時我們可就成為場邊的應援團啦~
 
體壇上的 AI 機器人 總有一天超越人類選手?
2015 年的東京車展上,Yamaha 展出了會騎摩托車的 AI 機器人「MOTOBOT Ver1」。此時的 MOTOBOT 只可以騎到時速一百以及做一些角度較大、較簡單的過彎動作。但 MOTOBOT 在當時的官方影片中,指名挑戰「The Doctor」——Yamaha 自家最強 MotoGP 選手 Valentino Rossi。

推薦閱讀:為超越MotoGP冠軍VR46而生:人工智慧重機賽車手MOTOBOT


▲2015 年的 AI 重機車手「MOTOBOT」第一代剛「誕生」不久,就指名要挑戰 MotoGP 選手 Valentino Rossi。
兩年後的 2017,第二代「MOTOBOT Ver2」再現於東京車展上。此時的 MOTOBOT 手腳細節都已經改良過,且已騎到時速 200 km,更重要的是——根據 Yamaha 官方釋出的影片上,它只落後 Rossi 30 多秒!
▲2017 年的「MOTOBOT」時速已可達兩百,且還只落後 Rossi 30 多秒!連 Rossi 本人都對其進步速度感到驚訝。
只要兩年的時間,這款 AI 機器人就能從時速一百進步到時速兩百,而且還只落後 Rossi 30 多秒!這樣子的進步,連 Rossi 都感到驚訝。

推薦閱讀:AI 甩尾技術勝 Ken Block!方程式冠軍車手嘆:要失業了


▲史丹佛開發 AI 甩尾技術已超越人類,影片 1:35 處顯示方程式車手 Fredric Aasbø 看了 AI 甩尾的影片後,嘆「要失業了...」
其實在體壇上,不僅僅是機車賽事的 MotoGP 受到衝擊,汽車甩尾界首屈一指的「D 級方程式」甩尾大賽的多年冠軍——Fredric Aasbø 再看了史丹佛大學研發的甩尾 AI 機器人,精準連甩了多個極其狹窄的彎道之後,都大嘆「要失業了」!難道有一天,人類運動選手真的會被取代嗎?
即使職業車手會因 AI ,而自開玩笑:「擔心失業」,但換個角度想,若成為人工智慧的創造者,想必就不會失業了吧。

推薦閱讀:AI 又贏了?人工智慧「Suphx」打敗人類麻將高手!


布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

Python有什麼魔力讓大家都對它著迷?

這篇即將帶你認識這強大的程式語言Python!了解完之後,你可能也要中它的魔咒啦!
 

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

人工智慧充當應援團是正常發揮~但組隊打比賽..有可能嗎?(上)

 
在球場上代替真正啦啦隊的人工智慧應援團,之後我們有機會看著它們組隊打球嗎?

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

重機賽車界的人工智慧和人類代表,會擦出什麼火花?

 
 
 
想知道人工智慧的重機賽車手到底有多快?這篇好好跟你介紹它的進展!
 
人工智慧科學家在研發適用於各行各業的 AI 時,經常拿該領域的頂尖人物作為人工智慧學習的對象,並「餵」給它最精準的數據。有時研發出的人工智慧,竟會表現地意外超越人類。像是過去史丹佛大學研發的甩尾 AI「MARTYKhana」,讓方程式車手直嘆「要失業了⋯⋯」。
過去在 2015 年,YAMAHA 就已在東京車展上公開 AI 重機賽車手「MOTOBOT」第一代。

推薦閱讀:AI 甩尾技術勝 Ken Block!方程式冠軍車手嘆:要失業了


人工智慧機器人 MOTOBOT,可放在「一般(指未對摩托車進行任何便於 AI 的改裝)」的重機上,並有「以人類的角度出發」而可以自主操控機車的能力。第一代的「MOTOBOT」僅僅有騎到時速 100 的實力,並會一些基本的大角度過彎。若經有效率的機器學習,相信可達到 GP 等級賽車手的實力!
▲2015 年的 AI 重機車手「MOTOBOT」第一代剛「誕生」不久,就指名要挑戰 MotoGP 選手 Valentino Rossi。
從 Yamaha 官方釋出的影片「To『The Doctor』, 致親愛的羅西」中便可看出,這個人工智慧 MOTOBOT 可說是野心勃勃、有備而來呢!它竟想挑戰過去「曾」多年在 MotoGP 賽事中獲「年度總冠軍」的車手「VR46」Valentino Rossi,還向 Rossi 下了賽道圈速的戰帖。
2016 年,第一次看到這只 AI 車手的 Rossi 顯得十分驚訝。至於 Rossi 跟 MOTOBOT 的其中一位技術人員談了什麼?請看以下影片:
▲AI 重機車手「MOTOBOT」與真人 MotoGP 冠軍 Rossi 相見歡影片。
在 2015-2017 年間,「MOTOBOT」不斷地學習、修正並進化。2017 年,YAMAHA 在東京車展上公開了第二代的「MOTOBOT Ver2」,在機器人的手臂、腿部等細節處有做一些改良。此時的 MOTOBOT 手腳細節都已經改良過,且已騎到時速 200 km!更重要的是——根據 Yamaha 官方釋出的影片上,它僅僅只落後 Rossi 30 多秒!
▲2017 年的「MOTOBOT」時速已可達兩百,且還只落後 Rossi 30 多秒!連 Rossi 本人都對其進步速度感到驚訝。
研發「MOTOBOT」的主題是「Beyond Human Capabilities」,意指透過強化一般機器人的用途,發揮「超越人類極限」的性能。也許未來,各行各業的菁英被 AI 取代已經不是無稽之談了。此時不妨換個角度想:乾脆成為人工智慧的創造者,想必就不會失業了、甚至還可以管轄多個 AI 機器人吧!

推薦閱讀:機器人都能應援棒球賽了!AI 組隊打職棒將不是夢?


布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

學會入門技巧,讓你在APCS課程裡奪得先機~(下)

APCS觀念固然重要,但實戰演練也是很重要的!來試試看吧~
 
程式設計實作題
- 題型:共計 4 個題組,以撰寫完整程式或副程式計分。
- 檢測與計分方式:為單節次檢測 (測驗時間 140 分鐘),滿分 400 分
實作題例題

問題描述


一次考試中,於所有及格學生中獲取最低分數者最為幸運,反之,於所有不及格同學中,獲取最高分數者,可以說是最為不幸,而此二種分數,可以視為成績指標。請你設計一支程式,讀入全班成績(人數不固定),請對所有分數進行排序,並分別找出不及格中最高分數,以及及格中最低分數。當找不到最低及格分數,表示對於本次考試而言,這是一個不幸之班級,此時請你印出:「worst case」;反之,當找不到最高不及格分數時,請你印出「best case」。註:假設及格分數為 60,每筆測資皆為 0~100 間整數,且筆數未定。


輸入格式


第一行輸入學生人數,第二行為各學生分數(0~100 間),分數與分數之間以一個空白間格。每一筆測資的學生人數為 1~20 的整數。


輸出格式


每筆測資輸出三行。
第一行由小而大印出所有成績,兩數字之間以一個空白間格,最後一個數字後無空白;
第二行印出最高不及格分數,如果全數及格時,於此行印出 best case;
第三行印出最低及格分數,當全數不及格時,於此行印出 worst case。


範例一:輸入


10
0 11 22 33 55 66 77 99 88 44


範例一:正確輸出


0 11 22 33 44 55 66 77 88 99
55
66


(說明)不及格分數最高為 55,及格分數最低為 66。

範例二:輸入


1
13


範例二:正確輸出


13
13 worst case


(說明)由於找不到最低及格分,因此第三行須印出「worst case」。

範例三:輸入


2
73 65


範例三:正確輸出


65 73
best case
65


(說明)由於找不到不及格分,因此第二行須印出「best case」。


評分說明


輸入包含若干筆測試資料,每一筆測試資料的執行時間限制(time limit)均為 2 秒, 依正確通過測資筆數給分。


針對實作題,我們分別使用 C、PythonJava 來解題,語法如下:
實作題解法#1 - 使用 C 語言(最費時):
#include < stdio.h >
#include < stdbool.h >
int len;
int *scores;
main()
{
int i, j, tmp, highestUnpass, lowestPass;
bool best=false, worst=false;
scanf("%d", &len);
scores = (int *)malloc(sizeof(int) * len);
for (i=0;i < len;i++)
scanf("%d", &scores[i]);
for (i=0;i < len-1;i++)
for(j=i+1;j < len;j++)
if (scores[i] > scores[j])
{
tmp = scores[i];
scores[i] = scores[j];
scores[j] = tmp;
}
for (i=0;i < len;i++)
{
printf("%d", scores[i]);
if (i < len-1)
printf(" ");
}
printf("\n");
if (scores[len-1] < 60)
{
worst = true;
highestUnpass = scores[len-1];
}
if (scores[0] >= 60)
{
best = true;
lowestPass = scores[0];
}
if (worst == false && best == false)
for (i=0;i < len;i++)
if (scores[i] >= 60)
{
highestUnpass = scores[i-1];
lowestPass = scores[i];
break;
}
if (best)
printf("best case\n");
else
printf("%d\n",highestUnpass);
if (worst)
printf("worst case\n");
else
printf("%d\n",lowestPass);
}
實作題解法#2 - 使用 Python 語言(最省時):
nums = int(input())
strScores = input()
scores = strScores.split(" ")
for i in range(len(scores)):
scores[i] = int(scores[i])
scores.sort()
for i in range(len(scores)):
print(scores[i], end="")
if i < len(scores)-1:
print(" ", end="")
print()
best = False
worst = False
if scores[len(scores)-1] < 60:
worst = True
highestUnpass = scores[len(scores)-1]
if scores[0] >= 60:
best = True
lowestPass = scores[0]
if best==False and worst == False:
for i in range(len(scores)):
if scores[i] > 60:
lowestPass = scores[i]
highestUnpass = scores[i-1]
break
if best:
print("best case")
else:
print(highestUnpass)
if worst:
print("worst case")
else:
print(lowestPass)
實作題解法#3 - 使用 Java 語言(所花時間適中):
import java.lang.reflect.Array;
import java.util.Arrays;
import java.util.Scanner;
public class T01 {
public static void main(String[] args) {
// TODO Auto-generated method stub
Scanner scanner = new Scanner(System.in);
String nouse = scanner.nextLine();
String data = scanner.nextLine();
String[] strScores = data.split(" ");
int len = strScores.length;
int [] intScores = new int[len];
int i;
for (i=0;i < len;i++)
{
intScores[i] = Integer.parseInt(strScores[i]);
}
Arrays.sort(intScores);
boolean best=false, worst=false;
int highestUnpass = 0, lowestPass = 0;
if (intScores[0] >= 60)
{
best = true;
lowestPass = intScores[0];
}
if (intScores[intScores.length-1] < 60)
{
worst = true;
highestUnpass = intScores[intScores.length-1];
}
for (i=0;i < len;i++)
{
System.out.print(intScores[i]);
if (i < len-1)
System.out.print(" ");
}
System.out.println();
if (best == false && worst == false)
{
for (i=0;i < len;i++)
{
if (intScores[i] > 60)
{
highestUnpass = intScores[i];
lowestPass = intScores[i-1];
break;
}
}
}
if (best)
{
System.out.println("best case");
}
else
{
System.out.println(highestUnpass);
}
if (worst)
{
System.out.println("worst case");
}
else
{
System.out.println(lowestPass);
}
}
}
讓我們來總結一下綜合比較的部分:
- 學習上手速度:Python > Java > C
(但 Python 與其他兩者程式語言差異較大,若一開始就選擇從 Python 語言上手 ,還是必須多花不少時間理解 C 語言,才能解答觀念題。)

- 實際作答速度:Python > Java > C
(Python 與 Java 都具備函式庫,在實作題作答時會比 C 語言快速。)

 
結論:APCS 短期衝刺,從 Java 著手 CP 值最高!
以學習效果與所花時間的比值來說,學習 Java 的 CP 值較高。你問為什麼?讓我來娓娓道來:
雖然 Python 堪稱「程式語言的瑞士刀」,其語法直觀、編寫簡潔快速,比起 C , Java 更容易上手,但由於觀念題是由 C 語言出題,若學 Python 再接觸 C ,對於有時間與其他課業壓力的考生來說,是相當辛苦、費時的。
Java 本身是由 C / C++為概念改良而成的語言,在設計之初,考量重點之一便是簡潔,因此學習與 C 語言語法架構相似的 Java ,讓考生有操作基礎後再學習 C 語言,更能在檢測學習之路,更加如魚得水。
綜合以上觀點,投資在能兼顧「理論題」與「實務題」的 Java,才是事半功倍、投報率最高的首選!
最後貼心提醒:109 年第 2 次 APCS 檢測暫訂 2020 年 7 月 4 日!
 
對了!各位考生可以開始逐步準備 APCS 檢測囉!
 
本篇為下篇,上篇請點此連結
 
 相關閱讀推薦:

學會入門技巧,讓你在APCS課程裡奪得先機~(上)
 


為何APCS認證具備各種優勢?看這裡就知道!(上)

這19個Python語法,讓想入門的你有個明確方向~


 



從哆啦A夢到 iPhone...為何 UI 設計用「圓角」就是比較討喜?


APCS 程式檢定,該從 C、Java 還是 Python 下手?



【前端工程師CSS教學】float浮動屬性

AI人工智慧救地球!Google:AI 保護環境還比人類快 3000 倍

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

學會入門技巧,讓你在APCS課程裡奪得先機~(上)

你問我APCS中的課程哪個能讓你贏在起跑點?看完文章你就知道啦!
 

布萊恩的創業小窩 發表在 痞客邦 留言(0) 人氣()

Blog Stats
⚠️

成人內容提醒

本部落格內容僅限年滿十八歲者瀏覽。
若您未滿十八歲,請立即離開。

已滿十八歲者,亦請勿將內容提供給未成年人士。