[0:00:19] 你等一下連上之後先確認線上能不能聽到聲音因為我現在用藍牙麥克風照理講我應該輕輕講就OK 有畫面那你等一下再確認一下有沒有聲音我現在接我切過來有嗎 有聲音好 線上是有聲音的好

[0:08:21] 禮拜四下午1點10分我們這門課是人工智慧導論那目前呢照理講上課的人會是目前在成大教室裡面大概還沒有做滿啦理論上是應該要做滿的什麼100多個130然後還有現在線上理論上應該是會有雖然我現在看不到線上有多少人有助教在幫我monitor目前是100個好 理論上呢我們這門課就是線上線下同時進行那現在大家畫面上看到的是slido的QR code那我們所有的除了在場成大的同學你有問題你就舉手你不要在那邊給我slido你就舉手問就好了那但是線上的同學呢你如果有問題的話就在slido上面來進行你把你的問題打上去讓我上課上到一定的階段我就會去回覆一下slido上面的問題那我知道現在在看YouTube的這些同學有些你可能就我不是很確定啦是不是YouTube上面有人就會有人留言你只要是在YouTube上面留言我們一概不予理會所以你如果有問題你要透過slido來進行問答

[0:09:53] 不要在那個slido上面呢你如果對不起slido上面呢不管是slido上面或者是YouTube上面欸我們的沒有一個好喂喂喂喂餵我們的麥克風很爛好都沒電了好只要你不管你是在slido上面或者是YouTube上面反正YouTube上面怎麼回我們都不會理會啦那slido上面你如果留一些跟課程無關的我們一樣也是不會理會我們助教看到就會把它刪掉這樣子好那所以理論上我們現在是和線上線下同時進行的其實我們每次在開這門課的時候呢我們的整個環境的設置都變得很複雜因為我要處理現場的同學我還要處理線上的同學然後就是會有投放的這個一些相關的問題好那我希望網路不要出問題在我第一年教課的時候網路還出問題那就很慘很慘那這門課是以這樣的形式上是今年是第三次那請大家可以先記一下這個slido

[0:11:25] 好OK然後再來我們就要開始進入我們的課程好那首先先做一下這個課程的介紹我是助理導導成大資風系的老師好然後大家可以透過這個youtube的連結你可以直接看課程的直播OK那所以現在理論上大部分的同學應該在看youtube的直播好那我們這門課呢為什麼要這麼弄是因為我們這門課是TAICA臺灣大專院校人工智慧學程聯盟的一門課那目的就是說我們有一些老師所開的課不只成大其實全國好多的學校有一些課程他在上課的時候呢就開放給所有TAICA聯盟的學校一起來的同學一起來上課OK那到了今年應該是有63間學校是聯盟學校去年還是55間前年是25間所以帳面上目前我們這門課的修課人數

[0:12:55] 帳面上是1000超過1000位OK超過1000位好那我們這門課的這個運作的方式呢我們會用所謂的混程式授權混程式就是包含了鏡像課程跟衛星課程什麼意思呢鏡像課程就代表說你在修這門課的時候誰上課我上課然後呢我出作業我改作業然後我給你學習我給你這個學期的評分OK總分數那這個叫鏡像課程那衛星課程呢就是說還是由我來上課我來出作業但是呢我們會有協同的老師來幫忙改作業以及給予你最後的學期分數那所以我們混合了這兩種那原因其實也蠻明顯的就是說如果今天1000位同學都是由我這邊來改作業那你可以想像我們這裡的這個loading會有多大所以我們希望多找一些老師來幫忙好那今年呢雖然說我們有63間聯盟學校但是真正是所謂的衛星課程的學校其實只有4所臺中科大高雄科大長陽科大跟鎮丘科大

[0:14:26] 那我們特別謝謝臺中科大蕭國倫老師高雄科大的蕭宏傑老師長陽科大的陳榮進老師還有鎮丘科大的施松春老師來擔任在那個學校對應的學校的系統老師所以如果現在在看課程的同學你如果是這4間學校的同學基本上就是改作業的以及給分數的就是你們各校的對應的老師這樣除此之外其他所有非這4間學校的其他所有學校的同學這個都是由我們成大這邊的助教團隊來批改作業跟最後給分數當然是這樣子好那為什麼會有這個學生聯盟是因為三四年前三年多之前當時教育部呢就是感受到說現在這個產業急需人工智慧的人才然後跨校的這個課程資源應該要進行一些整合因為不同學校的課程的量能不一樣所以就希望能夠找一些有辦法開授課程的老師然後他的課程可以這個share出來給大家一起上那當然有一些課程是你們自己本身學校的老師可能也可以上的

[0:15:56] 那當然很好你就去上不要來我們這邊我們這裡很擠的1000位人那這所以說我們的目標是希望能夠提供跨校學習AI課程的機會然後呢其實有另外一個好處就是說不同學校的學生可以合作來共同培養這個未來的一個人才那就我們過去等一下我講我們課程的要求就我們過去我們過去的這個經驗裡面我們會要大家做期末專題那的確也有跨校的同學一起組成一隊所以我覺得這就是一個蠻好的一個經驗好那簡單介紹一下TICA這個聯盟的這個規劃這是到今年4月23號最新的一個版本在一開始的時候還沒有這麼多個學費學生現在呢我們已經到12345有五個學分學程了包含人工智慧探索應用學分學程工業應用學分學程自然語言技術學分學程智慧視覺技術學分學程跟資訊安全技術學分學程那不同的學分學程他要修的課以及他對應的課程地圖這個軌跡不太一樣那我們這門課呢我們扮演的角色就是在探索應用學分學程裡面的核心課程你可以看到紅色的區塊所以你從這個他的位置大概就可以感受到說

[0:17:30] 你在修這門課之前最好你應該要有這裡寫的機率跟程式設計的基礎這樣來修會更好那另外呢我們人工智慧導入這門課呢也是在自然語言技術學分學程這裡面的一個核心課程那這邊就請大家參酌一下就是說你可以選擇你是希望拿到哪一個學分學程的證書那你會想說學分學程我們各校也都有學分學程啊對不對但各校也都在推學程嘛那這個TICA的學分學程跟你各校的學分學程有什麼不一樣就是差別在於TICA的課的學分學程發學成證書的就是教育部因為是教育部在主導這整個聯盟所以說呢發證書的是教育部如果是比如說我們成大裡面有很多學分學程嘛你去學完之後呢你也會拿到成大發給你的某某某某學分學程所以基本上概念是一樣的只是說我們這一個人工智慧學程聯盟的概念是希望能夠跨校然後不同學校之間的課程的資源可以做一些整合或者是分享應用這樣子

[0:19:01] 好那詳細的規定大家可以自己去看我們這裡很快的講一下比如說學分學程職工需要修十五學分至少十二學分不屬於學生主修輔系然後呢有一些抵免的相關規定OK那如果需要教育部的學分學程證書的話呢需要修習至少三分之以上的課程為主導課程這個請大家自己再去看TICA的網頁它說不定有做一些修正這個請大家自己去看好那所以呢本來我們這門課是在當時學成聯盟剛成立的第一批當時在那個學期1130年度第一學期有五門課是作為先前部隊這是我們就直接就上了就是這五門課包含成大一門清大兩門跟好像臺大兩門在1130年度第一學期第一次開始這整個的計畫那在當時呢我們都還是進向課程也就是說在第一次開課的時候25間聯盟學校的學生都是由我們來打分數給最後的學期分數等等等等然後一路1140年第一學期我們又再開了一次就變成混合式的授權到現在是1150年度的第一學期我們也是混合授權的方式來進行

[0:20:34] 好那所以我們這門課呢我們的課程目標就是希望能夠讓大家廣泛的瞭解人工智慧的基礎知識不同的發展分支的基礎知識概念以及你要實際動手做一個人工智慧相關的狀體OK那它裡面涵蓋的內容可能包含智慧代理啦搜尋演算啦統計學習深度學習人工智慧應用等等等等這些講起來很廣泛啦好那現在已經是115年2026年的嘛其實在過去兩年我們都已經每一個學期都有若干門課開出來嘛好但是啊已經有人拿到學程證書了喔好這是2026年8月25號拍卡的記者會的一個照片已經有接近30位同學已經拿到剛剛前面講的這些學程某一些學分學程的證書了所以經過了兩年之後已經有人確定拿到這個好所以如果當然你如果有興趣你有這個目標你希望拿到你希望能夠把一整個體系的這個課程修完的話好那請大家自己去注意修課的相關的規定以及你修課的軌跡這樣子好好好那跟我們這個課特別相關的首先這個上課的時間禮拜四下午1點10分到4點這個就要請

[0:22:05] 各個學校的同學都配合我們成大的時間啦因為我是成大老師我其實我這門課本來就是開給成大的同學來上的只是現在分享出去嘛好所以也許你們學校的課程時間跟我們不太一樣但是沒有辦法就是麻煩你們就跟我一起搭配好那中途當然會有休息時間但是我上課的方式是我不見得剛好整點就休息啦好我就是講到一個段落就休息這樣子好所以不見得一定剛好是幾點休息但因為我們這是一個接近連續三個小時的課嘛所以你大概也不會有什麼中途突然要趕去另外一個校區休課的問題才是那上課的地點實體上課的地點呢就是成大志工系館4264那我們今天其實我們還預留我們還預留準備了另外一間教室4261因為根據過去根據過去的經驗第一堂課呢就會有蠻多人搞不清楚狀況想要來修然後就會把這一間教室塞滿好至少我目前在課程系統上面看到了好像至少成大的額度是滿的成大有一百三十個名額那如果都有出現的話應該這間教室是會滿的喔

[0:23:35] 所以一定代表有人沒有出現好出現好啊不要啦很熱來那當然大部分同學都在線上那如果說未來比如說下禮拜下下禮拜我們觀察反正這間教室都做不滿了那我們當然4261我們就不會再借不需要再借那我的辦公室在志工新館11樓65B08所以呢如果你對課程有什麼問題的話請優先去找助教助教解決不了的再來找我要跟我約時間好那我們上課呢我們是上這一本書好這本書呢是人工智慧的聖經聖經本但是你聽到聖經本你就知道說這是一本歷史悠久的書所以的確這本書呢很厚我今天我都懶得帶出來因為一千多頁超厚的那目前的最新版本是第四版2020年出版的其實你如果對於人工智慧的發展有一點sense的話你就知道說這是一本古書了對不對現在都2026年了這個書還在2020年這什麼古時候的什麼死海死海古解是好呃但是等一下我會解釋為什麼

[0:25:05] 好我會解釋我們課我們這本課到底在教什麼為什麼我們還在講這本書好所以可能會跟你語氣不一樣好然後再來我們的課程資源我們的整個課程的運作都是在ntu cool的這個系統上面運作所以請成大的同學注意不要去moodleok我們都是在ntu cool上面來運作的好來我們連一下ntu cool到ntu cool之後呢照理講有這門課好照理講呢所有有經過正常修課程序的同學你應該都會收到ntu cool的通知通知到哪裡呢一定就是通知到你在學校的官方的email請特別注意一定要到你的學校課程的官方email來收信以及同意加入

[0:26:37] 好不是用你個人的什麼gmail因為你如果是gmail我根本就不知道你是誰嘛好所以你看我現在可以看到目前上有710位同學沒有接受邀請所以我們帳面上我們帳面上有多少同學修呢我們看一下這裡好目前降到977位ok目前977位同學裡面還有700位同學沒有進到ntu coolok好那很明顯的很可能有一個原因是你可能從來沒有去收你的學校官方email比如說丁宏遠對不起啊這全國都知道了好ncku的這位同學你還沒有接受邀請啊趕快去接受ok對好那後面還有很多很多很多很多好所以呢請大家你一定要用你的官方email為什麼因為這樣我們才知道你是哪一個學校的到時候包含你的選課包含你們各校你們在選課的時候一定都會有一個明確的一個選課紀錄到時候我們打分數之後我們才能夠知道說ntu cool這邊才知道說我是要把這個分數

[0:28:08] 是要派回給哪一間學校他就是看這個網址看這個email看這個email所以你一定要來做這件事好那這件事情呢我每年都在講但是每年都會有人沒有做ok所以請特別記得這件事情這樣你才可以拿到我們最新的這個最新的課程的內容好所以就是用ntu cool來做好那在過渡期間就是有人就是現在就是還沒有進到ntu cool帳號有某些問題或者是說你還在家退選階段那這個時候你可以先來看一下這一個網頁這個就是我的個人網頁了個人網頁底下所掛的一個課程網頁ok好那裡面就是很簡單的比如說課程的位置時間然後投影片什麼等等的這個投影片還是舊的對不起我還忘記更新成今年的這是這個還是去年舊的ok然後對但是我大概只會更新這個課程也大概更新兩三個禮拜因為我假設大家兩三個禮拜之後就都會加入ntu cool了我就不用再額外再美配一份在這裡

[0:29:43] 好那再來就是說這個youtube直播的連結在這邊現在理論上應該大部分人在聽youtube直播現在有多少人247所以你看有多少人沒有在聽247那目前在場的可能100出頭對不對也才300多人嘛那剛剛那個977是怎麼回事呢好可能後來看錄影吧好那ok所以基本上我們就是上這一本書那它的內容非常的多我們大概只會挑part1第一部分第四第五第六部分這每一個部分可能都有好幾個chapter那我們這些也都是挑一部分的chapter出來講而已然後我們最後可能會補充一點generative ai的內容好那再來這裡很重要我們的整個課程的安排時間安排今天9月10號是我們第一次上課接下來下個禮拜當然我們會上課嘛我們就會公佈我們的第一個作業好大家有一個概念就是說我們這門課要求大家要做一個期末專題什麼時候開始做呢現在就可以開始做現在就開始做我們要求大家第一個作業就是你要去找你的組員然後你要去思考一個你想要做的一個題目

[0:31:18] 這就是大家的第一個作業然後你要寫一個書面的一個proposal你會覺得莫名其妙啊我都還沒有開始上課了耶你就要我做一個什麼期末project的一個proposal好那所以這其實就是在push大家說你要趕快去想先姑且不論做不做得到但是我就是push大家你要開始找資料你要去想如何用人工智慧的技術來做一個什麼事情OK如果在座有研究生你最好的方式就是你自己的研究論文有沒有如果有跟AI相關的你一定要想辦法讓自己在修完這門課之後你學到了某一些AI的東西它對於你的研究論文要有幫助嘛你不要來修這門課就只是為了拿這個學分而已它應該也要為你的碩士論文的進度帶來幫助或者說你在修專題大學部專題的你要想辦法讓你的專題跟這個貼上一些關係OK好所以請記得這件事所以第一個作業就是我們在下週就會公告那我們會公告說格式怎麼樣啦然後你要分組分組的話你可能可以一個人一組你可以最多比如說四個人一組等等的好9月17公佈第一個作業

[0:32:50] 就10月1號要大家交第一個作業同時間我們就會公佈第二個作業好依此類推10月1號公佈第二個作業10月15就要交第二個作業我同時會公佈第三個作業那第三個作業也可以先跟大家講第三個作業就是要大家回報你的專題10月29為止你做的怎麼樣也就是說你從9月17開始想想想然後想了就開始要做囉那你到10月29你就要有一個中途的一個回報你到底做的怎麼樣你跟你學習一開始提的那一個你到底有多大的進展好10月29號提了這個報告之後馬上我們會公佈第四個作業OK兩個禮拜之後交第四個作業然後要公佈第五個作業OK然後呢11月26號又要講交第五個作業所以整體而言呢我們會有五個作業OK那第五個作業呢其實就是要大家幾乎要把你的Final Project做完的我們會從大家的第五個作業的結果裡面挑選出表現比較好的組別在12月24號進行報告

[0:34:25] OK好那你如果沒有被挑選到前15名的基本上你的學期末的專題分數就是作業5的分數了那我們一定會控制在你有被挑到前15名的分數一定要遠高於沒有被挑到前15名的我們這樣它中間會有一個gapOK所以鼓勵大家好好做這目的就是鼓勵大家好好做你把你Final Project做好你的作業5拿到高分你就有機會進到12月24號的這個報告我們會再為你打一個最後的一個期末的專題分數好那所以說呢這次作業跟期末專題的部分另外還有一個就是一定要特別注意的是我們在12月10號會有一個期末卡就是紙筆測驗的期末卡所以這裡就變得很重要這要怎麼操作我們休克的人那麼多跨月63間學校所以第一個要求就是說你要修正門課的同學你一定保證必須在12月10號下午1點到4點之間你一定要可以考試

[0:35:55] 你才來修正門課不然你就不要來修正門課OK因為我們這是線上線下的關係所以其實我們YouTube直播之後會有錄影嘛所以有的人會選擇說我禮拜四下午我有其他的課充堂但是反正正門課我可以後來再看影片啊對的確可以的確可以但是12月10號你一定要在這個時間可以考試你不能夠說到時候12月10號我也充堂老師可不可以換時間不行所以這裡再次強調只要你不管任何理由只要你12月10號下午1點到4點你無法參加實際的考試的同學你就不要修正門課這樣聽懂齁那會怎麼考呢以成大同學來講沒差反正我們就是會借教室你就執筆測驗其他62間學校的同學你的考試的方式應該會是學校會幫你借一間電腦教室然後呢時間一到NTU COOL上面就會開放出我們的試題然後你就把那個word檔download下來然後你就把你的檔案寫在word檔上面然後就用NTU COOL傳上去

[0:37:26] 傳到這個NTU COOL上去這個就是考試的一個進行方式然後呢會有人問說我是某某學校的學生我家住臺南啊我12月10號我可不可以來臺南考不行你不要鬧了很抱歉我們是認學籍不是認你的戶籍你的學籍在成大你就在成大考你的學籍在臺大你就在臺大考你不要鬧不要跟我鬧有人就說我剛好那一週我要回臺南啊我怎麼樣怎麼樣怎麼樣沒有我不管你就是要回到你本來的學校老師幫你借好那個教室去考OK你說不對啊老師你剛剛講說NTU COOL上面那個反正是網路上的嘛對不對我是在家把我的檔Download下來我又可以了嗎你想我們有那麼笨嗎我們當然是不是鎖IP會鎖在那間固定教室裡面啊這樣懂嗎所以拜託不要想一些有的沒的你就你就安安穩穩的該怎麼做就怎麼做不要在那弄一些有的沒的我們handle一個一千人的課程已經很累了不要再處理這些有的沒的好那這個過程當中呢偶爾我可能因為要出國開會的關係

[0:38:56] 所以有可能我會用錄影的方式事先先錄好大家那個禮拜比如說10月1號可能我還現在沒有確定可能我出國那你就是用看影片的方式然後12月17這可能也是可能啦好打分數評分呢因為我們有五個作業嘛我們五個作業就佔40%好那這五個作業會是什麼樣的形式你可能是要寫書面報告的你可能是要寫程式的你可能是要做一個成果的video的然後呢我們會有一個期末考這個我都知道啦我們一定要考試我們如果不考試就不會有人去看我的投影片這是一定的你不考試那我幹嘛我在那邊講的汗流浹背我在那邊弄什麼弄啊對不對一定要考試不然你們根本就不聽不看所以就是要考然後呢這個final project 30%就包含project proposal啦你要implement啊然後表現比較好了我們鼓勵大家有辦法上臺有辦法幹嘛然後講給大家聽ok好那我final project要做什麼呢基本上你現在就可以開始想如果你決定要修正門課你可以開始找同學去組成一個團隊然後去想說你想要做什麼題目

[0:40:27] 那一般來講的話現在如果你自己本身沒有一個專題的方向或者是碩博士論文的一個方向的話你是一個開放式的一個background的話那你比如說你可以到網路上的一些平臺你其實可以找到蠻多的題目AIDAIGOCAGO等等等等的都有都有那或者說你自己想這都可以所以比如說舉個例子啊在過去一兩年的過程當中蠻多這種data prediction的類似的題目比如說預估某個地區預估某個地區的房價的走勢預估颱風過後菜價的變動類似這樣子data prediction那也蠻多人在做物件偵測比如說我偵測某一個特定的物件這其實現在都已經網路上都已經有code了所以你如果單純只是用一個yolo找到裡面有幾個人這就很爛了你一定就是要想一些不一樣的ok那或者說在做瑕疵檢測啊這些東西或者是比如說去做defect detection現在有很多這種偽造的defect的狀況或者說你在做一些物件的追蹤比如說你之前

[0:41:57] 我們自己實驗室有在做一些比如說棒球的這個揮棒的這個軌跡3D的軌跡等等等等這是一些例子那比如說有人會去做reinforcement learning利用reinforcement learning來自動玩game或者做一些情緒分析或者是工廠這個組裝線裡面的一些工廠物件的偵測損壞或者說流程對不對或者是說在做一些image generation現在的這個網路上有太多太多現成的這些tool可以使用但是這是好事也是壞事你用了那個tool你就覺得說這下我不做了我專輯做完了但其實我們都知道那都是現有的tool你把它兜一兜就出來的嘛那你的分數就相對低我們就會問說那你這樣子做跟我實際簡單用一個tool有什麼不一樣那你用了哪些你在這門課你學到的觀念來做這些東西OK那這個就是你分數是否能夠高的一個關鍵那底下順帶一提有一些千年老題目每年都會看到但是我建議大家不要再做了太無聊了比如說預測股市變動大家都有發財夢每年都有人要預測股市的變動做了好幾十年

[0:43:27] 那為什麼你知道為什麼到現在還有人在做嗎因為做不好嘛做不好啊這種東西股市這種東西太多的除非你是Trump肚子裡面的一隻蛔蟲不然你怎麼去預測股市呢對不對很難啊你除非你是Trump川普你有辦法操縱股市好所以這個題目已經很久了大家發揮一點創意好不好然後呢再來就是說前幾年有疫情的時候也有蠻多跟疫情相關的題目比如說偵測有沒有戴口罩這個都實在是非常古老的題目了那我們鼓勵大家去用一些多想一下現在新的時代對不對有太多東西其實可能都已經被做完了但是也依舊還有蠻多問題還沒有被解決比如說很明顯的一個現在也非常蓬勃發展的就是機器人那當然你很難自己弄到一隻機器手臂嘛對不對但好歹你可以在模擬環境下你可以去訓練一個機器人然後來做一些什麼事情這個提供給大家參考好那講半天你為什麼要修這門課因為我們這門課會教給你一些Artificial Intelligence的一些基礎知道它的一些研究的分支然後我們會介紹一些

[0:44:57] 基礎的AI的演算法跟它對應的應用我們這門課叫做人工智慧我剛剛忘記提了我們這門課的定位你光看我們在這個學程的學分學程聯盟裡面的那個位置就知道說它其實是介於我們回到剛剛前面那一頁它其實是介於比較進階的比較接近研究所的一些對應的topic以及大學部的基礎課程之間的一個中介的一個課程所以它的聽眾基本上是設定在大概大四研究所一年級大三大四或者是研究所一年級它的聽眾我們基本上的設定是這樣子那如果是這個樣子的話我們基本上就是教大家的是一些基礎的人工智慧你要知道的基礎的concept我們講的東西會很廣但是我們沒有辦法講得很深我們甚至不會講得很新你看我們這本課本就知道它是一本古書了2020年了所以我們講的東西是什麼呢就是幾十年來一直沒有練的東西OK那再來就是說我們會要求大家要做一個實際的人工智慧的project好啦

[0:46:27] 那其實現在你知道整個人工智慧的範圍是很大的OK那大概在2000年之後在人工智慧領域裡面有一個子領域快速發展當時你們還沒有出生應該還沒有出生現在2026年嘛對你們還沒有出生當時呢在2000年到2010年之間最主要蓬勃發展的是Machine Learning機器學習到了2010Specifically確定來講是2012年之後Deep在Machine Learning裡面的一個子領域叫做Deep Learning或者說叫做內神經網路直接搶了所有人的風產直接搶了Machine Learning的所有領眾多領域的風產所以說Deep Learning只是Machine Learning的一小部分OK好那但是呢Deep Learning隨著這樣子發展下來大概到了ChainGPT出來之後2020年還是2021、2022有點忘記大概在2020年左右ChainGPT出來大家都在講的是Generative AI深層式AI對不對好

[0:47:57] 一直到今年2026年事實上我這一頁頭影片跟去年不一樣我去年只畫到Generative AI今年2026年Generative AI裡面有一個子集合叫做Engineering AI今年非常非常的瘋狂發展對不對兩個禮拜以前一個多禮拜以前出現的GPT-6Astra對不對現在網路上大家都在講他多厲害多厲害對不對他事實上已經可以操控你的電腦做很多代理的事情所以說目前最新最火熱看起來最厲害的最有趣的最強的就是Engineering AIOK我不曉得大家為什麼會有接近1000人要來修正門課你可能會以為我在教這個但其實不是我是在教這個所以我等一下講完這頭影片之後我會休息一下讓要離開的人先離開好我不是在教這個喔所有最新不應該這樣講就是說你看起來很新很熱門很有趣的東西我應該都不會教因為我教的是這個啊我是教人工智慧導論啊我是在教這個整體而言的

[0:49:29] 這個大的範圍OK好所以請先讓同學注意請好好思考一下你到底要不要修所以說呢我們不會教怎麼用PyTorchTensorFlow我們不會教GenerativeAIEngineeringAIStable DiffusionLarge Language Model的什麼什麼工具怎麼用我們不會教GP6EngineeringAgent怎麼講我們不會教Olama怎麼講我們不會教PyTorch怎麼寫都不會教那我們教什麼呢老師你就教一些沒有用的東西我們在教基本上我們在教人工智慧的廣泛的人工智慧導論這個東西應該是在未來十年不會變的東西我為什麼不教某一個厲害的Agent的工具為什麼因為兩個月後他就過時了說實在的要用工具的話你們都比我厲害太多了應該是你們教我了絕對不是我教你們所以我們要教一門課的話我們一定是教一些不會很快就變的東西那就是什麼那就是最基礎的那一些基本的概念是這樣子的那當然了我們絕對歡迎大家

[0:50:59] 也允許大家在這個Final Project的時候你用Deep Learning你用Engineer AI你用Agent你用Generative AI我們絕對歡迎只是說我們不會教大家第一線目前最火熱的這些所謂的有趣的Fancy的工具OK好那這應該是課程介紹的最後一頁所以你要選課的話你要注意什麼呢建議大家應該要有程式機率跟演算法的基礎教家啦那每年都會有人問我說老師怎麼樣叫做具備程式的能力大家就問說我只會寫Python行不行我會寫C行不行那我C只是剛好60分Pass行不行其實這很難講但我覺得基本上就是說能夠把我們的作業能夠轉換成程式然後有辦法把它input出來的一個能力OK有一些潛臺詞我就不講了大家知道現在寫程式是怎麼寫的嗎你們自己去想好那我們會有我們的辦法來嫁給你寫的好不好OK好好那很重要的一件事情因為我們的同學

[0:52:30] 校外同學真的太多了所以說教作業的時候你務必要符合作業的規範的格式因為我們可能會寫程式來改你的程式所以你如果不符合規定讓我們的評判的程式做不出來的話沒有辦法讀你的程式或者說格式錯然後怎麼樣錯的話那責任在你所以請這個百分之百要符合我們作業規定的一個格式然後呢從學期一開始呢就要去探索以及進行期末的專題那你可以選擇同步或者是非同步的上課那但是重要的事情是你12月10號你一定要同步考試那你如果被你表現得Final Project表現得比較好我們會要大家12月24號來進行線上線下的同步報告OK好那請評估你的時間是不是允許在12月10號跟12月24號是可以在這個時間可以參與我們的課程的那最後一個這個是我們之前Run完之後才知道會有這種問題啦務必要避免同一個學生在這個課程有兩個休課紀錄這件事情有可能會發生在同屬於臺灣綜合大學聯盟的學生你又是臺中大的學生又是聯盟學校的學生

[0:54:00] 比如說中正大學中山大學中興大學因為這三間大學跟成功大學叫做臺灣綜合大學聯盟那臺灣綜合大學聯盟有一些互相休課的一些措施所以你不要又透過那個管道休了這個課然後又透過了你本身在校內的某一種管道休了這個課你就會有兩筆休課紀錄就會變得很麻煩請注意這件事好然後一樣往年都會有很多同學各校的同學都會在問說就是說我已經選課了比如說某某學校我已經選課了為什麼我在NTU COOL上面還沒有看到我還沒有受到NTU COOL的邀請或者說我怎麼在NTU COOL上面還沒有看到我的帳號那原因就在於說各校你選課的這件事情發生當下NTU COOL系統不會馬上知道因為各校是每隔一段時間比如說臺南大學好了臺南大學他可能是每一個禮拜會統整一次修正門課的同學有的加選有的退選嘛選完之後再通報到NTU COOLNTU COOL那邊才會匯入進去所以選課的這個紀錄不會馬上在NTU COOL上面發生

[0:55:32] 好所以請大家大家都要注意這個意思另外一個是常常會有人問我說我類似就是說我在我這個學校我選課發生了一些什麼什麼問題的話或者說老師你可不可以幫我退選或者說老師你能不能幫我加選或者怎麼樣這件事情我都做不到比如說嘉義大學的某某學生他要修我這門課其實不是找我是要找原本嘉義大學的選課的那一套流程的人員找我是沒有用的因為我沒有辦法去access到嘉義大學的這個選課的程序上所以這個希望大家可以理解啦就是說說實在就是人多就沒有辦法這個不好辦事情比較沒有效率一點好以上說明有沒有什麼問題slide上面有好來我先看一下現場有沒有問題我們點一下slideslide這是在聊天是不是

[0:57:25] 這個請助教直接幫我殺掉算了嘛好這不要理他如果不是衛星學校的學生在沒有教室跟老師的情況下期末實體考試跟報告要怎麼進行不是衛星學校沒有教室跟老師的情況下好這個是這樣子只要貴校是我們的聯盟學校63間聯盟學校的一間他有義務要派員租用實體的教室他也會在場監考ok這個是這個是我們聯盟學校我們整個聯盟的一個要求啦ok這樣聽懂我的意思嗎就是說你們學校一定需要派人是誰我不知道可能是某系的老師可能是教務處的某一個職員一定要幫大家借教室然後要監考ok學校沒有助教沒有老師有問題該聯絡誰沒有如果說你們學校沒有助教沒有老師有問題就聯絡助教啊就是我們NTU COOL上面的助教啊好那我們在上面都已經放好他們的email了嘛

[0:58:55] 或者是說大家也可以直接在NTU COOL的平臺上面發問然後我們也不知道同一間學校有哪些同學不知道有沒有群組可以來分組ok這件事情我們在過去好像有發生過你可以在NTU COOL的平臺上面的類似有什麼討論區你可以公開徵求組員事實上我有在Dcard上面看過有人在Dcard上面公開徵求組員的啦所以你可以利用NTU COOL上面的討論區來公開徵求組員ok可以自己一個人一組可以自己一個人一組NTU COOL帳號的登入方式就是他的帳號應該就是你的學校的官方email我們每個人都有一個自己學校官方的email嘛照理講他的申請的信就會寄到你的官方email裡面去期末考試的部分是什麼樣的類型問答題 填空題 還是深論題問答題幾乎都是問答題期末考試幾乎都是問答題成大的課程代碼會影響證書的申請嗎什麼意思我不知道什麼意思

[1:00:26] 意思是說你修的是成大的課然後不會啊我覺得這沒有差啊就是說因為我在成大開的這門課就是隸屬於這個TICA聯盟的一門課嘛那同時你當然你有可能是你後來又去修了比如說交大的陽明交大的某一門課他也是屬於TICA聯盟的某一門課那你修修修一修之後抽到15學分那你只要確定都是在這個聯盟裡面開的課你就是可以拿到證書啊所以應該跟什麼代碼無關如果沒有資訊背景的學生會建議修嗎不好說這個跟你的能力有關有些不是念資訊系的也有很好的實作能力啊所以我覺得我這很難評估我不會因為你是什麼系來決定你能不能修這樣子好勾掉了是不是我的信箱裡面沒有看到邀請信怎麼辦呢去問你們的註冊組還是我說實在我也不知道怎麼辦我真的也不太知道怎麼辦應該要確認一下有一個可能性是這樣比如說這位同學這位發問的同學有可能是

[1:01:56] 你已經在你們學校修了但是可能是兩天前發生的對不對那但是呢你們學校還沒有把你們學校修課的同學的名單彙整給NTU COOL所以NTU COOL還沒有寄信給你有可能是這個原因這是一個時間差的問題我剛剛說過這可能是時間差的問題這剛剛說過嘛資訊背景這個如果遠端的話要自己找組員嗎對啊大家都要自己找組員就算現場的成大的同學也要自己找組員考試全英文出題嗎是的我們的投影片也幾乎都是英文的所以的確要看一點英文課本一定要買嗎沒有基本上我覺得我們投影片應該是挺應該內容應該已經挺豐富的當然你要買很好期末然後期待的是什麼面向實際應用創新還是理論我覺得都可以都可以你可以理論你也可以創新應用要理論也可以Is this possible to an exchange student to attend the course?

[1:03:30] My Mandarin is really poorOKI'm sorry that I still need to offer my class in MandarinBut actually we canWe can provide English subtitleOKSo every time when I finish my classI will send my video to an AIAnd the AI will generate subtitles for meOKSo the subtitle could be Mandarin and it could be EnglishSo actually you can take this course if you want好最終的學期成績結果是如何分我哪知道怎麼分佈我哪知道我只能夠說我不會去調什麼分佈我不會去調這樣懂我意思吧我頂多頂多就是比如說有一個人59分我就算了算了60分這樣子頂多這樣子其他我不會做什麼奇怪的調整有推薦非資訊相關背景做的這個很難說耶這個很難說我覺得要多討論然後多讀一些文獻然後多跟別人討論當然你如果說你真的最終真的想不出做什麼專題的話你可以先跟

[1:05:00] 比如說先跟我們助教約時間或者說再跟我們約時間也許我可以做一些粗略的建議這樣請莫考不用英文回答我雖然用英文出題因為比較方便但是你可以寫中文回答上課要簽到沒有簽到一簽完簽到我怎麼知道你有簽到沒有簽到因為現在很顯然剛剛看到現在線上剩下多少人還有269個在撐就是說沒有要簽到你看269然後我們現在現場也在100多所以我們現在還有好幾百人根本就沒有在上課沒有簽到這個我剛剛解釋過了學校的Gmail我覺得你可能不能用Gmail你一定要用你有學校官方的那一個比如說NCKUNYCUNCYUNTNSYSU什麼這種東西才會有考試當然是不可以用AI用AI來考什麼考

[1:06:30] 外校生能夠去課堂教室上課嗎Are you sure我可以預期你如果真的要來目前我們是好像還有空位但是我覺得你應該不會想要來請問Project一定要訓練模型嗎LM Workflow是不是可以事實上是可以的現在有太多agent的做法事實上是沒有在訓練模型推薦大醫修我不推薦大醫修我覺得大醫有點太早了你最好是要有一點Programming機率這樣子一個演算法的概念開放加簽沒有開放加簽我們說過我們其實各校都有名額的限制成大是130其他學校應該是大概是50左右那當然如果比如說以成大來講等一下有人退了有人又想要加簽那現在我們所有的加簽程序都是在線上對不對所以我其實在那個加簽系統上面我可以很明確的看到目前我這門課有幾個人修然後想要加簽的有幾個然後我就會看說一個蘿蔔一個坑你如果修課的人低於130那我就會從裡面再加簽一個人進來大概就是這樣子那外校的同學你的加退選

[1:08:03] 也沒有加簽反正外校的同學就是選到50個為主OK那假設有人退選了你想要再加進去那也是依循你們原本校內的加退選程序來進行那件事情我是管不到的OK成績佔比多少我不知道耶我忘記了大家如果很care成績不過我可以跟大家講你如果非常care成績的同學你就別想了不要修你也可以說講成白話就是說我們這門課成績打得不甜所以你如果不要過去也有人也有同學在跟我講說老師我這個我寫信來老師啊我這個上課很認真啊我怎麼樣怎麼樣我這個分數應該是不是可以怎麼樣高一點啊我一看難道這個人分數很低嗎一看9393你還想怎樣啊93你要加到90是95嗎像這種我一概不理然後你說老師我因為要什麼什麼什麼原因我89你可不可以幫我加到90這個我也一概不理我一概不理所以你如果非常care你的成績比如說你就是有某某我知道現在很多人在做這個GPA maxing的事情現在GPA我說實在的啦

[1:09:36] 都是都已經通膨都已經那都是假的啦真的那你以為你這樣子你在考研究所的時候我們看不出來嗎現在你拿的那90幾分我們都知道是怎麼樣我們自己可以感受得到所以說你在那邊拼從89變90從91變成93我說實在意義不大啊當然啦每個人有每個人的想法你如果覺得意義很大的話那也許你不是那麼適合修正門課所以簡單來講就是說我分數應該沒有很甜啦OKproject的細節跟以前這堂課有做過什麼專案呢好也許我比如說我隨便舉例喔這是我download下來去年修課的同學的我隨便亂點好比如說呢去年有人在做的是用latent diffusion model來做醫療影像的轉換OK好這是一個嘛那我們都會要求大家要做一個YouTube影片來進行demo所以這是一個然後隨便再點

[1:11:06] 好defect detection在做這個身為的影像的偵測好所以這個截圖我剛剛有出現在我頭影片裡然後隨便喔欸我是不是又點到同一個人好這個這個叫做AI trip planner在規劃路徑的應該就是說出去旅遊有一些點那我要如何規劃一條路徑好這樣子再隨便點一個差不多啦太陽能發電預測OK好所以這肯定就是我用一些sensor我收集到一些什麼數據然後我就預估太陽能發電的預測有一個效能如何好這個大概就是屬於data prediction的一些相關的題目好所以大概就是這樣子好所以這是我剛剛回答的問題問題怎麼那麼多啊如果要跑模擬有提供一些資源嗎伺服器可用的算力好基本上如果要跑一些如果你需要GPU的話可能還是要優先用你網路上collab你可以用一點google的collab你可以用一點但是我們這邊沒有辦法提供給1000個同學算力OK那我們在去年上這門課的時候聯盟那邊有提供一點點算力但今年應該是沒有了所以這個也是你選擇你要不要修這門課的一個考慮的點之一

[1:12:38] 好你自己如果你要跑的演算計算是比較heavy你需要用到厲害的GPU的那你可以考慮一下你有沒有管道可以拿得到如果有的話你再修這門課會有影片可以看嗎會啊就是現在在直播的影片其實都會自動錄下來沒有寫過程式經驗可以先進修這門課嗎我們的作業二跟作業四都會是跟寫程式有關的所以你自己評估如果題目的話可以自己一組嗎可以的可以的作業不能用AI還是期末專題不能用AI輔助撰寫呢我必須說啦現在這個年代應該沒有不用AI的我們都預期大家會用只是用的好不好其實我們都看得出來你有在用但考試不行啦紙筆測驗的時候還AI不行期末考可以到但學校檔修那這個你要想辦法去跟你們學校溝通這個我不曉得好這個我不知道怎麼處理反正你就是可以要考試的時候你必須要出現就是了至於檔修這個我沒有辦法處理Also provide Mandarin subtitle

[1:14:08] Yes of courseYeah I can provide Mandarin subtitle怎麼加簽申請旁聽我剛剛說過這個加簽的問題了OK好那你如果你不需要有修課紀錄你只是要聽那你就直接連到YouTube就好吧你也不需要有修課紀錄啊你只是旁聽嘛幾月幾號是否得知需要上臺喔欸這是一個好問題我們會盡快嘛我們剛剛提到那個我們的schedule我們會盡可能讓大家在看一下喔我們的schedule是因為你你要不要上臺報告Depends on做業務所以我們會盡可能在可能期末考應該盡可能在期末考這一週來告訴大家說你要不要24號要不要上臺我知道有人為什麼要問這個一定就是說要出國的啦這種English accept here用出來嗎

[1:15:39] 還是都可以我剛剛是回答過了你可以酷炫然後你也可以做研究分析但是你如果只有用工具組一組弄出一個酷炫畫出一張漂亮的圖那你的分數就低嘛因為你自己沒有你沒有你自己的東西在裡面啊體資深會太困難嗎那可能會喔事實上等一下應該說大家大概在下一次上課的時候最晚下下次下下週上課的時候你就會覺得他的困難就會覺得他的困難為什麼問題那麼多啊等一下休息一下我再回到實體好了不然要問到民國幾年選組別的話期末一定要組別所有人一起報告嗎最好是我不想聽成績的東西可以不要回那些只在意成績的人嗎很好如果project沒有進前15名要八九十分很困難嗎是啊對體資深這剛回過了嘛我快速回答考題作答需要手寫程式題目不用考試都是問答題寫什麼樣的程式什麼樣的language隨便隨便基本上你只要做得出來就好考試可以用翻譯嗎不行

[1:17:09] 好奇作業project的時間實際差異在哪裡感覺有點重疊對你講得對你有get得到那個point事實上這是一種策略大一想修我剛說不建議大一修沒有題目project就沒有題目範圍啊就盡可能發揮你的創意會提供這剛說過了project的模板什麼東西的旁聽生跟學生都接受啊好這剛回答過了成績比回答過了呃是的你可以用ntu庫來下載試題你的確那個時候你可以連網但是你只能連ntu庫這樣夠清楚吧google不行什麼其他都不行只有ntu庫行這個請自己去跟ntu庫解決這個我沒有辦法幫你處理這件事情或者是說透過你們學校的承辦人員來進行溝通這我剛說過了這個我剛說過了這個我剛剛也說過了好會有時間差請注意大家你如果現在沒有收到信的其實你可能再等個幾天因為我們會有時間差

[1:18:39] 對有人幫我回答很好問答題就是問答題問答題還在問什麼類型好這個我剛剛旁聽生看過了會不會考不完那看你的能力啊我怎麼知道課程難度的範例嗎沒有你聽課你就知道有沒有難那每個人覺得難不難的感覺不一樣旁聽就拜託不要來打擾我們了我們已經很累了一千個人休課耶旁聽就不要我們就不要改你的作業我們太累了報告繳交這個之後我們相關的作業說明我們都會講什麼東西都要範本沒有沒有範本剛剛觀察到什麼東西作業格式差不多對啦事實上我們會交代對應的格式OK好終於勾完了好那就先這個樣子我們休息十五分鐘十五分鐘再回來好了好我們休息十五分鐘再回來觀察到選科系統上面還有五個人的空位那我想問一下加簽的順序會是怎麼樣

[1:20:15] 加簽的順序會是怎麼樣我基本上會應該是會優先加因為我們自己我這門課也是資工系的人工智慧學程的必修課如果他有提出證明說他其實已經是在他已經有進入資工系的人工智慧學程的話我就會優先加他因為這對他來講是必修課那其他的大概就是如果都沒有這種人我大概就是會優先加也許是比較資深的人吧比較資深的意思就是他已經他有畢業的需求或者是怎麼樣子的那種人其他人還有機會嗎假以時日還有機會嗎再要問因為我有那個人工智慧學程要J2給你嗎好如果有的話你email給我告訴我你是誰你的學號你的姓名以及你那個證明因為他就只有在那個跨領域學能學士對我剛剛不是講半天還要我再講一次我的加簽的原則就是同樣那些對啊要加簽

[1:21:45] 反正就是要上那個加簽的系列然後就排隊嘛對啊那要有空位我才會accept啊沒有空位我就不會accept順位順位順位好或者是說搞不好在你在你的順位前面他們都有加入人工智慧學程的證明那我就優先要加入了因為這對他們來講是必修其實我想問這個是加上那個學程我想不知道老師想看進哪個你就是能夠證明你你已經加入了你就截圖就看到那個就是這個畫面嗎還是哪個我其實我也不知道哪個畫面就是它裡面就長這樣子你有證明就可以我也不知道它哪裡是老師可以認證這個名字然後這個課程但是你是有救你到這個課程對那要怎麼證明那要怎麼證明我也不知道那我申請職保我可以附上來嗎對啊對啊然後或者是說難道系辦有辦法幫我證明本來為止我也

[1:23:15] 我也不知道課程課程課程課程課程課程課程課程課程課程課很重要因為這個證明要未知例子所以我說手機上的畫面一邊是兒童昔 fresh應該沒有平常是新來的也有OK OKOKOK那就結束啦我們把那門關掉

[1:25:01] 謝謝謝謝謝謝

[1:27:03] 謝謝謝謝謝謝

[1:28:56] 謝謝謝謝謝謝

[1:30:48] 謝謝謝謝謝謝

[1:32:18] 謝謝謝謝謝謝

[1:33:48] 謝謝謝謝現在臉這兒可以上好看看好好我們要回來上課囉那個先確認一下線上能不能聽到聲音好那我們開始正式上課好那我們接下來呢要開始講的是第一章好那其實前兩章呢都比較像是在聊聊天的啦所以我們很快來進入一下第一章有沒有聲音呢看一下

[1:35:18] 照理講應該要有聲音的好OK好來第一章首先開宗明義什麼是AIOK那事實上呢AI這個詞呢是在二次世界大戰之後就已經開始了好大約出現在1955年到1956年這時候好那如果有一些同學應該都知道說電腦是什麼時候發明的大概二次世界大戰之後幾年就發明瞭電腦好所以其實AI這個詞呢Artificial Intelligence這個詞在1955年就已經發生了那在這幾十年的發展過程當中呢有各式各樣不同的觀點來說什麼樣叫做AI其實一直到了今天都依舊有很多不同的定義就好像說最近因為GPT-Astra出來之後黃仁勛比如出來講嘛他說AGI的時代已經來臨了好但是到底什麼叫做AGIArtificial General Intelligence其實不同的人的定義都不一樣那像這邊也是不過整體整理起來我們大概可以從今天你是怎麼思考的以及你所開發出來的系統是怎麼去動作的從這幾個不同的角度

[1:36:48] 來定義什麼叫做AI所以有一些人認為說你的行為要像是一個人你這個系統的行為要像是一個人它才叫做是AI那其中這個有一個著名的這個判斷的方式就所謂的Turing Test那Turing呢我們都知道大部分人應該都知道說它其實就是我們Complete Science的主師爺嘛所以以前大家應該有學過Turing Machine反正就是說呢他當時提的這個Turing Test是指說如果有一個機器假設我們現在在一個房間裡面這個房間呢用一個不透的不透明不透光的一個布幕隔成兩塊的話在布幕的一邊是一臺電腦或者一個系統布幕的另外一邊是一個人的話今天人去問布幕另外一邊的東西是什麼東西不知道可能是人可能是東西那布幕那一邊所回應的結果讓我們這邊的人無法區分它是真正的人或者是一臺機器的話那就代表說如果那一臺機器可以做到這件事情就代表那個機器已經通過了Turing TestTuring Test圖利測試這樣那要達到這件事情顯然的它要有很多能力喔而這些能力事實上也就是我們在資訊工程裡面

[1:38:21] 很多不同的這個很多不同的這個研究主題比如說自然語言處理啦知識的表達啦自動的推論啦機器學習啦電腦視覺啦機器人等等的所以有一派的人覺得說你的行為要像是一個人它才叫做AI如果說以現在這個從這個評判的角度來講大家覺得現在的GPT-6Altra有沒有通過Turing Test你想一下你覺得那每個人標準可能不一樣對我來講我會覺得完全不是為什麼呢如果今天這個機器這個工具真的厲害到我都分辨不出來的話我才可以覺得說它是AI嘛但是我現在可以很輕易的分辨這是不是AI做出來的比如說你們寫的報告我可以很輕易就可以看出它是不是AI寫的你用英文寫報告只要沒有任何一個英文文法錯誤那一定是AI寫的嘛你們寫的一定會有英文文法錯誤嘛然後你們畫出來的圖會毫無瑕疵是不是看起來很清楚那就是AI弄的嘛所以以這個角度來講我們幾乎可以說我都還可以區分出對面是一臺機器還是一個人這是我的觀點不同人的觀點不一樣所以有的人認為說行為要像是一個人

[1:39:52] 才叫做AI一個能夠被稱呼是一個AI的系統必須行為像是一個人那有的人認為說不是我是要看他怎麼思考的他是不是思考的像是一個人那在研究思考是不是像人那就這就關係到可能跟心理學可能跟哲學有關比如說我們人怎麼思考的我們人有直覺我們人有反思的能力然後呢在心理學那一邊在神經科學那一邊會有所謂的認知科學專門在研究我們腦當我們遇到一個什麼刺激的時候我們腦子會怎麼樣去進行變動所以有的人認為說你這個系統的整個思考的過程思考的方式思考的模式要像是一個人才叫做人工智慧OK好以這個觀點來講你覺得現在的系統像是一個完整的系統嗎其實一定還不是如果是從這個觀點來看的話事實上我們現在根本就不知道GPD-6這個模型裡面哪一個有啦有很多的研究在研究說是不是這個神經元就是代表一個什麼事情但是現在已經有幾十個billion更多billion幾兆個參數在描述這些類神經網路裡面的神經元到底裡面確切是怎麼跑的

[1:41:25] 以及為什麼這樣子跑可以跑出一個什麼結果其實我們根本都還不知道或者反過來講我們根本也就不知道我們人的腦袋當我們為什麼你現在聽我講話你可以聽得懂其實你也搞不清楚你很難說得清楚但是怎麼樣所以從這個角度來講這個可以很難思考像是一個人有的人認為說你不要講思考像是一個人你只要合理的思考就好了rational就是指的是理性的合理的思考所以比如說在這邊就有一派的人會覺得說如果我可以把要做的事情它的邏輯它背後的原則如果能夠寫出來的話我根據這個原則跟邏輯來做事情它就可以成為是一種AI所以早在1965年代就已經有一派的學者是所謂的邏輯學家他們認為說我們這個宇宙裡面的道理都可以描述成一堆邏輯的描述跟判斷一堆的Expression那你靠這樣子的原則跟邏輯你可能就可以做一些推演你可以做一些數學的證明

[1:42:55] 你可以做很多事情有人認為說這樣就叫AI不過這一派的想法很明顯會遇到一些困難比如說很多非正式informal的知識你就很難寫成是一個邏輯就好像說我們人跟人在對談相處的時候我們就是有一種感覺當我在跟他對談的時候這樣子就有一點太近了怪怪的所以我會稍微遠一點這樣懂我意思嗎你也說不出為什麼但是就是一種直覺一種感覺像這種東西很難寫成一個邏輯的除非你是要跟他罵要罵人你鼻子貼在對面的鼻子好像拳擊手視線在畫像那樣所以說這個就很難寫成一個邏輯規則再來就是說有一些問題在概念上理論上可以寫成邏輯規則的可是在實際運作的時候它就不是這麼做的所以你很難把這個世界上實際的很多的很多實際的問題真的是寫成邏輯跟規則那還有一派就是說我是去看他的行為只要夠合理就好了所以這一類呢這一類的系統叫做Rational Agent

[1:44:25] 就是具備理性合理的行為模式的這種Rational Agent我就認為它是一種AI所以一個Rational Agent怎麼樣叫做合理呢基本上就是在你接收到有限的資訊的情況之下它能夠做出在這樣的情況之下最好的一個選擇這樣子就叫做Rational Agent這個Rational Agent事實上在過去幾十年的發展過程當中真正比較能夠落地應用的大概就屬於這一種就是我在我有限的情況下我能夠盡可能達到最好的一個結果那它這個做法呢更為實際這樣子做法一般來講更為實際然後它比所謂的去探究背後的邏輯更容易落實到空間當中也更經得起檢驗好那所以在很多實際應用的系統裡面都是所謂的Rational Agent好那在各種不同的定義之下其實跟AI有關的學問有哪些呢其實非常非常的多比如說哲學哲學是在探究說我今天我們人為什麼會思考我們人的知識從哪裡來

[1:45:56] 我們如何學的知識我們如何表達知識你說這個是不是對於我們在這個發展AI的系統裡面是非常的重要對不對以目前來講目前看起來最成功的似乎是利用大量的語言跟訓練的資料把它壓縮成一個把它壓縮成高微的向量我們說Token似乎到目前為止我們人類社會到今天為止看起來是最有效的但是它一定是這樣嗎不好說未來一定會再變好所以一定跟哲學有關也一定跟數學有關比如說事實上我們類神經網路裡面有一堆我們在學習這些類神經網路的這些神經元的waiting的時候它的參數的時候裡面有用到很多的數學比如說你要做偏微分你要有先進代數你要舉證相稱等等的當然跟數學有關那你要如何表達uncertain的information很多時候我們的資訊只有一部分那我們要引入機率來去推斷我們某件事情發生的可能性有多大跟經濟學有關為什麼跟經濟有關因為經濟基本上就是在研究說當我的資源有限某種資源

[1:47:26] 有某些限制的情況之下我要如何去最大化我可以獲得的結果這個當然跟經濟有關當然跟神經科學有關因為有的人認為就是說要模擬人的思考的過程所以說在更早之前100年前心理學家認知心理學家腦科學家就發現說我們人的這個腦細胞裡面有很多的有很多神經元然後它彼此之間會透過電傳導傳遞資訊什麼等等的那當然會有關跟psychology跟心理學有關比如說人跟動物有什麼樣的一個區別人是如何思考跟如何行動的跟電腦科學當然有關比如說我們要如何去建立一個有效率的電腦所以晶片的設計這當然有關控制的理論比如說機器人我們現在要慢慢進入到機器人的這個世界它有很多的元件除了思考之外它還有很多我們稱呼是機器人有大腦跟小腦小腦來決定說你各個不同的機器機件的部位要如何協調維持平衡然後你要動手的時候你要走的時候你要怎麼去控制它以及語言當然跟語言學有關

[1:48:56] 目前看似最成功的案例就是Large Language Model這當然跟語言學有關所以說整體而言你AI為什麼現在AI對於這整個世界有這麼大的一個影響因為它其實跟各個學問都有關係那你也聽到很多很多的科系很多的老師都說他在做AI的研究或者他採用AI在做研究這事實上是非常常見也非常合理的因為AI的範圍就是這麼寬好那整個AI的歷史其實可以從過去幾十年來贏得Turing Award的這些學者們他的研究我們可以大致的看出整個AI發展的歷史Turing Award就是我們剛剛前面已經有出現過Turing就是我們資工的主師爺Alan Turing為了紀念他所設立的一個獎項他其實就是資訊界的諾貝爾獎在1969年Marvin Minsky跟1971年John McCarthy他們因為知識的表達跟這個所謂的理論的推論的貢獻獲得了Turing Award所以你看在1960年代1970年代初

[1:50:27] 當時的研究重點在於知識的表達跟推論跟邏輯的推論1975年呢Alan Newell跟Harper Simon他因為符號模型他將一些知識的表達以符號來進行然後推出了一些理論所以說慢慢演入到符號邏輯1994年這兩位學者他因為開發了專家系統那等一下我們講說為什麼後來又變成專家系統他因為專家系統而獲得Turing Award所以基本上大概在1980年代是專家系統發展最繁盛的那個年代那1990年代這個人就獲得了Turing Award事實上呢當我以前我還是大學生的時候我們的老師就是在教專家系統那個年代是這樣2011年Prowe呢因為機率推論的貢獻獲得Turing Award所以你看一路演進前面都還沒有機率到了2011年得Turing Award的人他把機率引進來事實上他大概在1990年代就把機率引入再進行推論2019年Yashua BejoJeffrey Hinton

[1:51:57] 跟Yann LeCun因為Deep Learning的貢獻然後獲得了Turing Award事實上呢最主要的Deep Learning的爆發時間點是在2012年好到了2024年呢這個Bartol跟Sutton因為強化學習Reinforcement Learning獲得了Turing Award所以一路你可以看到說他整個研究發展的軌跡是這樣所以很快的講一下其實整個的開端呢從1943年就開始了1943年呢這個McClouch跟這個Pitts他當時呢就已經根據因為認知學者知道說我們腦內就是有神經元神經元有突出會經過電傳導來傳動訊號那他就已經開發出一個數學模型來描述這樣的一個訊號描述這樣子的一個模型這是一個理論模型1949年呢Hebb這個人呢他就展示了說那我有這個神經元有這個神經元有這個數學模型那我的突出我的Age我連出去的這些上面的這些權重我有一個數學的方法來進行這個Weight的update這些Weight的變動1950年呢Marvin Vinsky跟Dim Edelman就建構了第一個類神經網路的電腦當然當時是非常非常體積非常龐大

[1:53:27] 但是能夠做出的事情非常簡單的那種電腦那1947年呢Alan Turing呢曾經在他上課的時候已經有講過一些對應的一個概念當時還沒有AI這個詞一直到1955年年底1956年的時候美國有一群學者就這些人John McCarthy他就說服了Marvin VinskyClaudius ShannonRochester這些人聚集在Dartmouth做了兩個月的腦力激盪因為當時世界大戰已經結束然後他們在思考計算機或者是Computer的未來他們已經看到了就是說二次大戰期間大家如果看過那個電影知道Alan Turing就是負責建造一個機器破解德軍的密碼大家有沒有看過那電影就發現說他的這樣的一個運算的能力似乎是很有用的所以這些人就跟聚集一起在思考計算的未來他們討論是這些事不是中午便當吃什麼那這些人都可以說是AI的Founding Fathers就是AI之父們就是這些人那John McCarthyMarvin Vinsky這個我們剛剛已經看過他們聽過他們的名字他們後來的R.Turing有問嗎Claudius Shannon這個是你如果是做通訊網路的人這個是鼎鼎到名

[1:54:58] Information Theory資訊裡消息理論的奠基者Claudius Shannon那當然在後面有很多其他人後來也得了Turing獲總而言之他們開了兩個月的腦力激盪的會議之後有的人先離開後來又有人加入No No No No最後寫了一份算是AI宣言當時他們就定了Artificial Intelligence這個詞在這份報告裡面也有談論到所謂的自動計算然後如何Programming寫程式用語言的方式來寫程式你要知道當年那個時代還是真空管真空管在那邊接來接去當時沒有半導體可能剛開始而已在非常久以前然後裡面也有提到Neural Network類神經網路考慮到了計算的相關的理論然後機器可不可以自動的學習如何把知識抽象化如何產生出這個Creativity所以你可以發現這些古聖先賢們在1955年他就已經定出整個計算的未來未來可能可以怎麼走他可能要有哪些思考所以比如說你看自我學習Self Improvement一直到現在我們都還是在做這些事情

[1:56:29] 所以他們就是提出了一個所謂的計算的未來的這個Proposal好那談完之後大家就各自回到各自的工作崗位回到美國東岸回到美國西岸回到Berkeley StanfordMITIBMBell Lab各自回去然後就開始了他們各自的發展然後就開始遍地開花所以大概在1952年到1969年之間這十幾年間就出現了第一次的AI大爆發好那當時比如說Newell跟Simon他們很快的就從理論上建構了一個叫做General Problem Solver就是說他已經能夠模擬出像人類一樣思考的一個方法他寫出了第一個這樣的一個程式那Newell跟Simon呢建立了所謂的符號邏輯系統只要你們能夠把知識把推論的過程用符號來表達他就有辦法寫程式去進行推論那在IBM呢Rochester跟他的同事們呢就是做了最早的幾個AI的這個程式你要知道當年寫程式都很不容易的不是像我們現在這樣子我們現在也不太寫程式了好但是呢總而言之當年寫程式是很難的

[1:57:59] 還弄什麼卡片啊什麼東西的好59年的話呢這個人呢也提出了所謂的Geometric Theory Prover在概念上理論上他可以去做一些理論的證明1952年呢Samuel開始做西洋棋那利用一些規則啊符號的推論啊他已經可以得到一個他的這個棋力啊他下棋的能力呢已經達到一個還蠻強的一個業餘的水準你看這這麼早的時候1958年呢McCarthy John McCarthy呢他定義了一個High Level LanguageComputer Language叫做LISP這個後來呢幾十年間三十年間呢都成為去撰寫AI系統的一個重要的程式語言那Marvin Minsky呢他帶了一堆的學生呢他專注在一些比較侷限的這個範圍內來去處理一些事情那他稱呼這些叫做Microworld舉個例子比如說像這個這個是最有名的一個Microworld就是說在這個空間裡面呢我能夠知道說哪一個積木在哪一個積木的前面哪一個積木在哪一個積木的疊在上面哪一個積木是放在盒子裡面這在當年

[1:59:29] 你想一下喔這是什麼時代啊一九五幾年的時代一九五幾年根本就沒有圖形介面你知道圖形介面廣為人知廣受大家使用是在一九九五年Windows九五啊這個對你們來講都太早了那都是古董了好Windows九五的時候那個時候我剛上大學的那個時候才開始有圖形介面在更早之前根本就是你根本就是電算計算機概論的課本裡面才看得到的什麼道士的系統那個年代在那個年代他們就已經在探討這種東西了好那一九五幾年呢剛剛提到的這個Macroch跟Pitts他們不是最早一九四三年就已經有一些神經元的數學模型嗎當然他們後來就一直持續不斷的再去發展它變得更複雜等等的後來啊感覺大家覺得說前景一片大跑對不對我都可以做什麼自動推論了嗎假以時日我們就能夠解決人類所有的問題了太棒了就大家都很嗨這樣子結果後來就發現啊大概在一九六零年代末期到一九七零年代初呢AI的整個發展跌了一腳

[2:00:59] 跌了一腳大家知道當時是美蘇冷戰的時代所以說呢他們彼此美國跟蘇聯都有一些間諜在對方的對不對領地裡面在那邊偷資料嘛對吧好那當然美國也會派間諜去偷蘇聯的資料而且他們的科技實力是一直在競爭的喔所以我們偷到一點俄文的資料是不是想說換成英文嘛對不對偷學一下喔你們作為AI的不是很厲害嗎那打俄文翻成英文就這樣好然後呢你想嘛這個把俄文翻成英文並不是拿一本字典我把俄文字翻成英文字就好了嘛一定不是這樣子吧然後呢這些學者就當時美國國防部總是有大的研究計畫然後就給這些學者們去做研究然後想辦法很快的要把俄文翻成英文嘛弄了老半天就翻不好比如說本來呢照理講英文應該是要翻成The spirit is willingbut the flesh is weak翻成中文叫做心有餘而力不足但他用俄文翻成英文之後呢變成是什麼伏特加很棒但是肉是臭的這根本就是亂七八糟這樣子然後呢大家本來一開始覺得說翻譯有很難嗎自動翻譯有很難嗎發現大家都做不出來好然後呢

[2:02:29] 所以當然這樣子的話美國國防部就抽銀根啊他說他這樣做不出來那我就不要把研究經費給你們了所以很多的project都被砍掉所以這個就造成了在1960年代末起1970年代初呢就造成了AI的第一個寒冬本來大家覺得發展得很好的一下子就很多都倒了這些project都被砍掉這樣子好那以後來大家都在想說那為什麼會這樣因為呢Scalability比如說一個程式它在概念上或者說剛剛前面不是講什麼general problem prover對不對general problem solvergeometric theorem prover對不對理論上概念上可以推論可以解決理論上可以解決並不代表你實際上真的能夠解決那個問題這中間還是有個很大的落差那所以說呢這個就進入了AI的第一個寒冬那所以呢後來大家就不敢喊那麼大聲就保守一點那他說呢不然這樣好了啦我不要把自己講那麼偉大好像說什麼東西我都可以證明不然我先鎖定一個比較小的範圍的問題我來解決好了所以呢慢慢的1969到1980年代呢大家就集中在一個

[2:03:59] 通常都集中在比較特定的問題然後呢我就去找這個問題這個domain裡面的專家把他的知識可不可以寫下來寫成規則所以就出現了所謂的專家系統對不對我就蒐集了好多比如說皮膚科的醫師的知識對不對給他看各種不同的皮膚的症狀然後呢這個把他的原則診斷的原則把他的想法順序都寫下來然後我想辦法把這個原則跟順序呢都寫在程式裡面然後當有一個新的病人來的時候他皮膚的狀況如何然後就丟到那個程式裡面去診斷說你大概是什麼病症什麼樣子的皮膚病對不對聽起來挺合理的吧聽起來蠻像是你大一在寫程式會做的事情吧那當時1980年代呢就是專家系統就是這樣那比如說這裡有個例子有一個這個所謂的Dendro的這個program呢它是可以從什麼光譜以裡面所得到一些資訊來去推論分子的結構一個這麼小的一個Domain那或者是說呢Stanford有一個系統叫做什麼MindC這個它有450條規則然後就是可以去做一些血液的感染

[2:05:30] 數據的一些診斷然後就說呢他做到的成果呢可能比這種剛年輕之前的醫生都還要來的好這樣子好那所以呢這樣子是不是就很棒呢好事實上這一類的東西呢大概只能夠用在某一個特定的Domain而且呢那個Domain裡面的Knowledge是有辦法寫成規則清楚寫成規則用語言描述的但是的確也做出了一些系統出來看起來蠻有用的OK好那所以大家就又嗨起來啦欸我這東西有用耶然後就去找錢嘛開公司啊什麼東西好那所以說呢The AI industry boomedfrom a few million dollars in 1980年到billions of dollars in 1980年所以說從1980年到1988年AI公司的這些它的市值啊從幾百萬美金後來就到了數十億美金欸有沒有覺得好像似曾相識這件事情在1980年就已經發生過囉好那但是呢等到1980幾年在末期的時候就發現錢燒完了錢燒完了而且這些專家系統

[2:07:01] 這些公司好像也就是做這些事而已那但是你做了這個事你能夠變現能夠賺錢能夠持續的有新的錢進來去支撐公司的運作嗎就不行所以很快的1980年代末期又進入了AI的第二個寒冬那麼快的十幾二十年間又進入了AI的第二個寒冬好那從1980幾年到現在那雖然進入寒冬但也並不是代表說就這些做AI的人就都沒有再繼續努力事實上不是的大概在1980年代中期呢欸被propagation的這個學習的演算法這個我們之後也就會講到其實最早我們後來從挖掘文獻發現1969年Rison and Hall就已經提過類似的想法但是在1980年代因為當時資訊還不是到那麼的流通嘛所以很多人在持續在研究1980年代中期呢大概有四個不同的研究團隊都有重新在發明瞭被propagation的演算法然後呢這些在做類神經網路的人呢也都繼續默默的從1980年代一直持續在做事實上類神經網路

[2:08:32] 在1980年代曾經非常的熱門非常的熱門所以你可能偶爾會聽到現在大概是剛退休或者是濱林退休的一些資深老師他們自己在唸博士的時候就差不多1980年代他們在唸博士的時候他們很多人都有碰過類神經網路就是這個原因當年是非常好的經驗好那覺得類神經網路是一個好的解法的這一些學者是所謂的連結學派因為類神經網路裡面就是會有很多神經元要連接在一起這叫連結學派那在當年連結學派符號邏輯符號學派然後這個邏輯學派基本上就是井水不犯河水嗎還是說各自競爭嗎就大家都用各自覺得合理的方式在進行AI的研究那不過呢大概在1980年代的末期有出現了一個新的一個處理的方式就是說大家發現很多時候我東西沒有辦法寫成一個規則是因為很多東西不確定或者資訊根本就沒有

[2:10:03] 所以我的AI系統應該要能夠處理不確定性或者是資訊不足的情況好所以這時候呢就要引入機率好機率那尤其最著名的是在1980年代末期有一個機率模型叫做Hidden Markov Model因為Hidden Markov Model被引入之後它被引入拿來進行語音的辨識那這是第一次這是第一次語音辨識變成可行在此之前講100個英文字可能辨識不出幾個字在Hidden Markov Model出來之後然後變得大家去研究之後在當年做得最好的是CMU就是卡耐基美濃大學跟IBM當時100個字大概英文字大概可以辨識出30個字全世界最強的IBM我還記得我大概在199幾年96 97年我們老師就跟我們講說IBM出了一個新的叫做什麼VIA Voice還是什麼軟體玩玩看玩玩看它可以做語音辨識就是100個英文字大概辨識出30個字已經全世界最強了那這在當時是怎樣

[2:11:33] Hidden Markov Model出來那所以你如果記得我們剛剛講的AI演進的歷史的話後來機率推論的其中一個著名的學者這個Judea Pearl後來2011年拿到了這個Turing Award好那所以這裡有講到1988年他不是Hidden Markov Model他開發的是所謂的Base NetworkBase網路然後1988年Richard Sutton也開始研究Reinforcement LearningOK大概是這樣子那到了1990年代事實上類神經網路就基本上好像做不出個所以然效能一直上不去所以到了1990年代大概大家都不太不太講什麼類神經網路了那取而代之的是機率模型機率推論模型或者是就Hidden Markov Model然後Gaussian Mixture Model或者是到後來變成是Support Vector Machine這個大概1990年代2000年初期大家在講的這些東西所以你可以說市場幾乎都被Probability Model佔光那New World Network就是你什麼人在研究好那後來經過事情的演變大家知道這個網際網路網際網路大概是1996 97 98

[2:13:03] 對不對開始大量的Triple W的Data網際網路的資料變得越來越多所以呢後來進入了所謂的巨量資料的時代2000年之後那因為有大量的資料就讓我們的所謂的AI的系統開始有更多的資料可以來進行學習所以因為這樣子的關係呢所以到了2010年左右呢ImageNet這個Data Set它包含了有幾百萬張影像以及對應的這個Label就被蒐集出來那後來這一個Data Set也點燃了整個Deep Learning的發展的一個火苗那不過大概在2000年到2010年之間最熱門的研究主題是Big Data巨量資料那在當年IBM的Watson的系統呢他就參加美國的這個益智節目跟人類PK就是問問題然後從幾個答案裡面回答的這種益智節目然後他能夠打敗人類因為他後面有大量的資料可以進行快速的檢索然後找出正確的答案而且IBM他更早之前在做語音辨識也都可以算是全世界的領頭一樣

[2:14:33] 好 到了2010年之後就是Deep Learning的時代來臨了事實上Deep Learning就是類神經網路只是你 我剛剛講過嘛1980年代類神經網路熱門了一陣子1990年代跟2000年這20年期間幾乎是一個非常冷門你如果跟人家講說你在做類神經網路可能會被人家白眼就覺得說你作為那個什麼沒有用的東西這樣子結果到了2010年事情有一個轉圜就是說我可以從大量的Engineer然後呢我透過訓練Convolutional Neural Network這是一種類神經網路然後呢訓練出很多語音辨識的模型訓練出一個夠準確的語音辨識模型那後來呢就在2012年的ImgNet的比賽裡面呢獲得了比往前一年最厲害的都還來更來得好很多的結果在這個比賽呢ImgNet的比賽從2011 1110可能09年就開始了就開始做這種影像辨識的比賽那每年全世界最強的團隊大概就是把錯誤率降個一兩趴兩三趴好所以呢到了2012年Jeffrey Hinton他們利用CNN

[2:16:04] Convolutional Neural Network來訓練模型用大量的資料訓練模型之後他一口氣降低了接近10%的錯誤率大家當年啊這個奔香走告就是說怎麼會有人可以一瞬間把錯誤率降低這麼多好然後呢再仔細下去看包含ImgNet的主辦者仔細下去看說什麼方法怎麼那麼厲害一看不得了是個老方法啊好根本就是老方法根本就是1980年代的大家乏人問津的類神經網路那為什麼會這樣子事實上好幾個因素混合在一起包含類神經網路就是需要有大量的資料來進行訓練這一個那你要大量的資料你就要進行大量的演算你要有算力要夠所以當時GPU本來NVIDIA的GPU是1990幾年就開始了一開始都是大家打遊戲對不對有GPU卡幫忙加速你的3D預算後來呢Jeffrey Hinton他們就是用GPU來加速類神經網路的訓練這第二個是算一個資料一個是算力那再來當然就是說Hinton他們也設計了很多新的演算法要注意的一些訓練過程當中

[2:17:34] 要注意的東西所以說呢這整個在2012年就爆發了所以這就是為什麼造就了過去這十幾年來這一波所謂的AI的融進這樣子好那這個故事大家應該知道大概2015年2016年AlphaGo它其實就是搭配了Reinforcement Learning跟這個Deep Learning所運作出來的一個最強的一個微型的程式好那所以呢這個是我們這本課本寫到這裡為止那事實上呢我在這邊推薦大家幾本書事實上都是好看的故事書從左到右它出版的時間剛好是從左到右好第一本是什麼AI製造商沒說的秘密事實上呢這裡面所寫的內容沒有什麼秘密這個書名跟內容有點不符合它基本上就是一個好看的AI發展的故事我還記得它一開始開頭第一章就在講Jeffrey Hinton2012年的時候去參加一個Lewis的這個國際頂尖會議他們的成果就是發表在那個會議裡面他在飯店的房間裡面焦急的跺腳他在幹嘛呢他在等四間不同的公司還是三間

[2:19:04] 四間不同的公司出價來賣他的公司因為他做出來的結果風聲都已經流露出去大家已經知道Deep Learning的這個potential好幾間公司要來買它一個是Google一個好像是Microsoft一個是中國的百度一個是小公司叫做DeepMind這四間公司要買它然後他們就出價出價出價所以他的這本書的第一幕就出現在這邊好然後最後他很緊張的最後他決定賣給Google當然後來的故事你可能也知道DeepMind後來也是賣給Google那所以呢這本是蠻好看的故事書大家可以去看一下那我這裡把一些裡面的一些引言比如說把AI的經驗寫成一個迷人的故事再講這一本然後如果你想要用一本書認識AI就是這一本的鋼鐵人的作者再講第一本書好第二本第二本是李飛飛寫的李飛飛是史丹佛的教授那他現在也在外面開一個公司叫做WorldLab最近也提出了他們最新的一個新的Demo你可以去查一下李飛飛被奉為是AI教母AI教母

[2:20:34] 那剛剛前面提到的這個ImageNet點燃Deep Learning的發展的其中一個重要的因素就是大量的有Label好的資料ImageNet這個比賽就是由李飛飛他們主辦的所以說呢在這本書裡面他當然有提到說他比較多個人的成就是說他個人成長然後他在中國出生那後來就到美國去學習然後畢業之後一開始在Princeton後來移到Stanford教書等等等等的一路發展的過程然後包含他建立的ImageNet這個比賽跟這個資料那所以剛剛講那一段說突然之間2012年有一個團隊突然之間把錯誤率降了10%這個場景就有寫在這個書裡面那他的學生也去看說到底發生了什麼事是不是哪裡有錯然後這個老師報告說沒有他們就用一個很古老的一個做法好那Jeffrey Hinton也幫他寫就是說他最後這本書的最後面有提到包含比如說他照顧他媽媽生病他有更多人文關懷的部分在這裡面所以他後來創了他也跟醫院那邊做一些合作然後後來呢自己出來創了一個公司然後他也曾經去Google擔任過首席科學家

[2:22:05] 那他現在是出來創一個公司然後就希望比如說能夠機器人能夠能夠輔助醫療照顧啊什麼等等這些好這第二本第三本是今年六月才出版的好這個人認不認識啊Demis Hassabis那Demis呢他其實就是DeepMind的創辦人OK好那所以這本書呢基本上就在講Demis他從小的成長然後他後來創了DeepMind以及後來DeepMind然後他在Google然後他認為他還是想要做的是對人類有益的generalAGI就是Artificial General IntelligenceOK好然後大家知道他因為開發了AlphaFold所以他獲得了哪一年啊去年還是前年的諾貝爾化學獎OK因為他用DeepLearning方式用AI的方式解開了蛋白質3D折疊結構的問題這樣子然後造成很大的一個影響好所以說呢這裡就講到說紀錄了技術突破安全爭議解開蛋白質折疊執迷的輝煌勝利那他當然現在最近的消息是他當然他是DeepMind

[2:23:35] 進入到Google之後他本來也是擔任呃某某職位OK好但是大家如果知道的話最近一年Google的Large Language ModelLRM發展不是很順利好那他我不知道什麼原因好但總而言之反正他換了一些職位好他認為的價值跟他認為呃該做的方法可能跟不同的人跟別人有不一樣好之類的總而言之這也是一個滿好看的數我覺得這三本都滿好看的好好OK好怎麼講那麼久好啦那最後State of the Art這裡列出一些數據事實上這不是State of the Art因為這本書已經在2020年這只是稍微讓大家參考一下啦就是說比如說AI的Paper從2010年到2019年增加了20倍我跟你講現在絕對不止現在絕對不止尤其有了這個更厲害的這個ChangeGPT之後絕對不止20倍絕對不止20倍好那所以這裡就在講說呃呃這個什麼休克的人大幅成長啦然後呃呃比如說這個國際頂尖會議比如說New Year's好New Year's的這個會議根本你去參加的好像是在參加搖滾明星的這個演唱會一樣那個門票都是秒殺根本就是

[2:25:05] 學術會議啊怎麼一堆人要參加好然後有很多AI的Startup這個大家都知道了然後China Publish的Paper已經超過比如說美國跟歐洲加起來了這早就已經知道了好然後呢在Computer Vision呃在語音在各式各樣不同的呃這個領域都有一個非常大的一個進步這樣大概都知道好最後要提到一個最後一頁第一章最後一頁當然就是要提到Risk呃AI的發展的風險這件事情在今年變得越來越近在眼前很明顯的對不對呃今年七月嗎還是八月才有呃就是OpenAI的模型逃出他們公司的沙盒不是去侵入了Hawking Face嗎好事實上最近出來的GPT-6Astra可能就是當時在訓練的那個模型好那現在AIGPT-Astra的極限現在現在一堆人在試真的是很厲害那所以很多人憂心忡忡就是說他會不會失控你今天假設你自己電腦裝了然後你把你的權限都給他然後到底會發生什麼事

[2:26:35] 好包含一下Meta大家應該也聽過一些新聞就是說Meta有要求要把他們公司的員工平常上班處理的這個滑鼠的軌跡他按的哪裡什麼全部都要記下來拿來訓練他們的模型這裡面其實有非常非常多問題在裡面有很多包含隱私的包含國安的等等等等很多的問題那這件事情雖然我們這裡只用一頁來講它但是我覺得在未來這件事情會變得越來越重要一直到哪天到底什麼時候會失控為止好AI末日論者早就已經講得非常嚴重了好好這個大概就是第一章聊聊天的好來那我們看一下有沒有什麼問題在場有沒有什麼問題沒有問題我們再看一下slide上面喔鏡像課程如果要分組是否需在系統中特別記錄還是隻會影響作業上標示的作者資訊我們不會有什麼特別標示什麼也不會反正對我來講你們就是某一組同學然後你們就是教你們的報告

[2:28:05] 做你們的專題這樣子嘛然後到時候交報告當然就是說你們會一組交一個報告那當然你們那個報告上面當然就要寫說我是A大學的誰學號什麼我是B大學的誰學號什麼就是這樣好沒有什麼特別的如果NTU COOL上面沒有兩門課是正常的嗎其他太卡都會出現兩門課一個是遠課程旁另一個是衛星課程我不知道耶這要問NTU COOL喔我真的不知道第一次作業講教師會打分還是會給一些回饋發現我們訂的題目不合適的話會去找其他建議嗎因為我們的組別可能好幾百組我們很難在短時間之內每一個都給建議所以你如果有特別需要給建議的話可能要跟我們助教約時間或者跟我約時間作業一定是個人的我想一下喔應該說我們的作業一三五是一組的啦作業二跟四是個人的這樣子那我不會協助分組你饒了我吧你們自己想辦法去找組員不然你就自己一個人一組你可以自己一個人一組在ALOP裡

[2:29:35] 提高準確率跟降低錯誤率是不是不太一樣對的提高準確率跟降低錯誤率可以是不一樣的只是說我們剛剛講到那個Ingenet的那個比賽裡面呢他們的習慣的評判方式是錯誤率要越低越好那當然不同的目標不同的研究工作可能評判的方式會不一樣不見得是用降低錯誤率可能是提高準確率都有可能那也有可能是比如說提高速度也是有可能吧這個我剛剛說過了MTU COOL這個問題我剛剛講過很多次了對啊你如果是外校的同學你是線上上課的你也可以跟助教約時間那當然是用線上討論的一個方式一個形式好然後在場有沒有同學有問題我們再休息個十分鐘吧再休息個十分鐘然後我們最後會稍微帶到一點第二章的內容期末報告的內容可以跟Proposal不一樣嗎當然盡可能要一樣不然你寫Proposal幹嘛當然有一種可能性是這樣你提了Proposal之後做到一半發現哇這東西實在是太難做了所以中間要換方向是可以的所以這個時候呢你就要在你的期中報告的時候

[2:31:07] 你要寫清楚那你最好你的期中報告的主題就是你最後期末的結果好以上先回答到這邊所以你就線上上課對可以這樣子對對對對他西幾級禮拜二校禮拜二校

[2:32:39] 可是如果是這個他們如果要做一些Project就是模擬模擬這個好了嗎OKOKOK不錯喔拜託教我們一下誰會教我們兩個都要寫嗎是下禮拜一那個吧接下來一點點時間

[2:42:08] 十幾分鐘時間稍微講一下第二章第二章呢基本上也是在聊聊天的啦好第二章不見了OK好來那我們第二章呢要講的是Intelligent Agents你看到這個這個Chapter的Title老師你不是說不教一些最新的東西嗎不是說不教Agent嗎怎麼第二章就開始Intelligent Agents事實上自己就跟大家證明說跟大家說明說事實上代理人或者是所謂的Agent這個觀念是一個AI這個研究領域裡面一直以來維持的一個概念本來就已經有一個概念那只是說在最近幾年在這個世界

[2:43:39] 大家是要Large Language Model來去實現出你覺得所謂的Agent就一定是現在GPT所做的這些或者是CloudAthropic Cloud他們在做的這些事情但其實Agent這個概念老早在幾十年來就一直都有好來那我們來講一下一個AgentAgent可以是任何的東西AnythingAgent is anythingthat can be viewed asperceiving its environmentthrough sensorsand acting upon that environmentthrough a curatorAgent呢就是在一個環境裡面可以透過感測器來感知到一些訊息然後依照這些訊息做一些動作的東西都叫做AgentOK聽起來非常的廣泛吧好那一般來講你就把它想像成它就是一個系統或者是一個機器設備或者說根本就只是一段程式或者說根本就是你所撰寫的某一個Function某一個含釋這些都可以是Agent那這個Sensor這個感測器大家也不要覺得說講的就是溫度感測器濕度感測器喔不是你只要能夠感受到某一個定義的範圍內的資訊

[2:45:13] 都是叫感測器OK所以如果說如果說畫一個示意圖的話就像底下的這一個一個Agent就是在一個環境裡面那我們可以感測到一些資訊然後呢感測到資訊之後呢透過一個某一種Function或某一種邏輯或某一個模型來推動我的EquatorEquator可能是在做一個動作那這個動作也不見得一定是什麼機器手臂怎麼移動喔可能我只是在回傳一串資料也是一個動作這樣懂我意思嗎所以它非常非常廣泛那感受Perceive這個詞呢它可以是很廣泛的你任何的Input的形式都可以那你感受到這個環境的資訊之後你就透過一個Agent Function你輸入這個感測的結果你就會輸出你要做的動作Again這個動作不見得一定是移動不見得一定是什麼可能只是傳一個資料都是好那為了讓大家知道一個這是舉一個例子啦這個例子呢在本課本裡面在未來會出現好幾次就是一個非常簡單的吸塵器的例子假設呢這個世界裡面呢只有兩塊地磚A跟B

[2:46:45] 這兩塊地磚呢地上都有可能有髒東西有灰塵那這個吸塵器它可以做的事情就是它可以吸塵它也可以往右走也可以往左走這個就是它會做的事情所以你看喔在這個來以這個角度來講這個環境就是兩塊地磚這個世界就是兩塊地磚這個Agent呢其實就是運作在這個吸塵器上面那這個吸塵器可能根據你吸塵器的功能啊你吸塵器可能可以感測的到我現在所在地有沒有灰塵那它可以移動它可以吸塵它也可以左右移動這樣那所以這裡就講說它可以往左移往右移可以吸塵或者說它根本什麼事都不做這個就是一個Agent那一個很簡單的一個Agent function我們剛剛講Agent function是什麼Agent function就是說當你感知到一些資訊之後你要做什麼動作你這中間的mapping你從感知的資訊到做出什麼動作這中間的mapping就叫做Agent function一個非常簡單的Agent function就是說我如果感知到我目前所在的地磚是髒的那我就吸塵不然呢我就移到另外一塊地磚這是廢話嗎這就是一個最最簡單的一個Agent function好那可是實際上

[2:48:18] 這個是一個空間裡面某一個瞬間有兩塊地磚那有可能有髒的有不髒的那如果我們再多一個維度是時間的話呢比如說經過五秒後本來A地磚被你吸乾淨了搞不好我就我吸乾淨了我就跑到B地磚去嘛搞不好五秒之後呢天上又掉下來一些灰塵又落在A地磚上面所以A地磚可能又髒啊所以說你再多一個維度如果考慮到時間的話你要在所有的時間都要把這個地都吸乾淨的話那你可能你如果用一個最笨的一個方法你可能就要列出一個表格是一個包含所有時間的一個表格比如說我在某一個瞬間我可能是我感測到我在A地磚那它是乾淨的那我就往右移我可能在A地磚它是髒的那我就吸塵我在B地磚乾淨的我就往左移我是B地磚髒的我就往右移我如果在第一個時間這時候多了一個時間的維度第一個時間A地磚是乾淨的然後呢我可能不動或者怎麼樣或者說我在第二個時間它也是乾淨的那我才往右移依此類推你可以把這個table寫得非常的長來cover所有可能在任何時間點它可能連續時間

[2:49:49] 它可能出現了一個情況那這個表格就寫得太長了所以很顯然的寫一個規則來處理一個agent system可能不是一個很好的一個選擇好那這時候我們就要代入到剛剛我們前面介紹過agent呢當我們在定義AI的時候我們可以從怎麼進行思考以及怎麼樣進行行為這兩個不同的角度其中我們剛剛講的就是說最能夠落地應用的是所謂的rational agent的這一個派別它的意思就是說它只要做出來的行為是理性的這樣子的話我們就稱呼它是一個可用的一個AI系統那什麼叫做理性的agent呢那就是它會把事情做對怎麼樣叫做做對呢那就是在你有限你所取得的資訊的情況之下它能夠盡可能的讓它的效能最大化那我們就說這樣子的agent是一個理性的agent好那接下來問題連環問那什麼叫做效能最大化呢那就看你怎麼去定義效能這件事情定義效能這件事情所以所以呢我們最好是定義出一個效能的評判方式

[2:51:19] 而不是去定義你這個agent應該要怎麼去移動怎麼去進行行為講到這邊大家有沒有覺得我好像都是在講一些非常虛無縹緲的東西到底在講什麼但是我們這本書因為畢竟是聖經本嘛所以它前面都是屬於很多這樣的一個描述所以一個理性的agent就是要去最大化它的效能比如說比如說一個在剛剛的這個吸塵器的例子裡面到底這個吸塵器這個如果我現在的地磚是髒的我就吸不然呢我就移到另外一塊地磚請問這樣子的吸塵器是不是一個理性的吸塵器是不是呢答案是Depends不一定為什麼因為根據你怎麼去定義你的效能我們才能夠說它是不是夠理性比如說你的效能可能是你能夠吸到的灰塵的最大的你最多能夠吸多少灰塵的我希望你能夠吸最多的灰塵那就應該是怎麼樣就是說我應該一直不斷的左右移左右移無時無刻一直在移然後一直吸一直吸這可能才會最大化你的效能那也有可能是我的目標是我只要有一個在某一個瞬間有一個乾淨的地板

[2:52:49] 這樣就好啦所以你能夠維持越多時間是有乾淨地板的那這可能也是一種效能模式那或者是說呢它現在已經快沒電了你要進入省電模式你要盡可能的少移動這可能也是一種效能的一個最大化所以說Rational Agents到底一個Agent是不是Rational其實是要根據你的效能怎麼定義而定好那當我們在考慮這個所謂的效能的時候呢我們有時候還要參考到這整個環境是不是我們一直在講說我們能夠感知到的資訊嗎你感知到的資訊有分成你到底是全部都感知到的還是說你只能夠感知到部分的資訊所以有一些情境之下它是所謂的Omniscient全知全能的意思是說這個環境底下我所有的資訊我都知道大家是不是知道這個回答他們提出一個系統叫OnimusOniverseOniverse就是說一個虛擬的空間當中事實上裡面的物件都是模擬出來的所有的參數全部都知道所以他取這個名字Oniverse那這Omniscient只是指說我在這個某一個環境之下他所有該得到的資訊都知道這是一種狀況也有可能是我只知道部分資訊

[2:54:20] 那我們當然是希望說一個更有更為有用的Rational Agents他不只是會收集資訊他還能夠根據收集資訊做出理性的判斷而且呢他最好是能夠根據過去的歷史來學會我剛剛以為這樣子是一個最理性的判斷其實到後來我收集到更多資訊看了更多的時間之後我能夠做出來的判斷所以說呢我們也會希望我們的Rational Agent是有自動化的他能夠Learn what he can doto compensate for partialor incorrect prior knowledge那他需要具備有一些學習的一個能力好來這裡舉個例子到底Agent可以有哪些情況呢基本上我們在描述一個Agent的時候我們可能會同時考慮的的東西是PEASPerformance Environment Actuator & Sensor比如說計程車司機其實就是一種Agent他的Environment是什麼當然就是路上他的這個道路的情況路面的情況啦紅綠燈啦有沒有行人啊旁邊有沒有其他人在騎腳踏車這個就是他所面臨的環境然後他的Actuator他可以做什麼他可以做的就是轉動方向盤

[2:55:50] 加速跟煞車對不對然後他的Sensor是什麼你要做一個系統能夠像一個計程車司機你的Sensor如果一般的真人的計程車司機他大概就是他的Sensor就是他看得到聽得到聞得到頂多好那如果是像現在CyberCat有沒有Tesla的CyberCat出來了他就像一個計程車司機他的Sensor可能就會有攝影機有聲浪有速度儀有GPS有加速器等等等等等等的當然CyberCat是目前可能很多東西這裡沒有啦好那他的Performance是什麼呢評判一個計程車司機的效能你可以有很多不同的評判方法比如說我現在要去桃園機場你用最快的方式給我過去所以可能是抵達的時間要越短越好那有可能是我走的路要能夠越通順越好也有可能是我花的錢越少越好這可能都是他的Performance所以這是計程車司機的這個例子那還有很多其他的你可以自己去Check一下這些全部都是所謂的Agent可能的一個形式好那所以在一個Task Environment裡面他可能有一些屬性你可以把你的問題

[2:57:20] 你可以明確定義出他是Fully Observable還是Partially Observable你的資訊是全部可被觀察的還是隻有一部分比如說比如說你要開發一個下圍棋的程式下圍棋的時候盤面一定是Fully Observable的嘛對不對你不可以跟人家下棋的時候你故意把你的什麼地方蓋起來不行嘛他一定是Fully Observable那有一些情況就不是比如說你開車在路上你很難說你坐在車裡面你360度前後左右上下你全部都看得到所以開車是一個Partially Observable的一個環境然後呢你這個整個運作是Single Agent還是Multi Agent你是隻有只要處理一個你這個環境裡面只有一個Agent在做事嗎還是有Multi Agent比如說下棋對打就是有AB兩個Agent在互相運作互相互動那所以這個環境不一樣Deterministic或者是Stochastic那就是說呢你下完一個動作之後你下一個狀態是一定可被預期的還是它有一些不確定性比如說Taxi Driver其實是StochasticStochastic的意思就是說

[2:58:51] 有不確定性有隨機性你叫它往右轉這個所謂的往右轉是轉一點點呢還是一下子轉很多呢轉得快還是轉得慢呢是不一定的是Stochastic那Deterministic是什麼比如說下棋我要在某一個位置下一個黑子它下下去之後它就一定就是黑子會在那個地方它不會有別的情況所以這個都有一些關係我們時間差不多到了啦那所以說呢也許接下來其他的部分呢我們下次再補那第一章跟第二章都是這種聊聊天的真正會比較進入到核心的那種會從第三章開始OK好一樣最後有沒有什麼問題有一些我都已經回覆很多了那沒有問題的話我們就下禮拜再見