睿地可靠度論壇(TW-REDI Forum)

 找回密碼
 立即註冊
查看: 8351|回復: 2
打印 上一主題 下一主題

QKC20191122:彭鴻霖_品質人解讀人工智慧 [複製鏈接]

Rank: 7Rank: 7Rank: 7

UID
5
帖子
1525
主題
739
記錄
1
分享
0
日誌
213
閱讀權限
100
最後登錄
2024-10-15
在線時間
2326 小時
跳轉到指定樓層
樓主
發表於 2019-11-21 11:27:46 |只看該作者 |倒序瀏覽
本帖最後由 官生平 於 2019-11-23 01:21 編輯

品質學會品質知識社群 (QKC) 研討會
專題:品質人解讀人工智慧
時間:2019 年 11 月 22 日(星期五) 19:00 - 21:00   
地點:品質學會九樓教室(台北市羅斯福路 2 段 75 號)
主講:彭鴻霖會友







附件: 你需要登錄才可以下載或查看附件。沒有帳號?立即註冊

Rank: 7Rank: 7Rank: 7

UID
5
帖子
1525
主題
739
記錄
1
分享
0
日誌
213
閱讀權限
100
最後登錄
2024-10-15
在線時間
2326 小時
沙發
發表於 2019-11-21 11:37:01 |只看該作者
本帖最後由 hlperng 於 2020-1-4 09:30 編輯

緣起:
QKC 會友 Tina 在 QKC Line 群組上傳了兩篇文章:
  • RD01. 蔡明順 (2019-11-02),Reimage! 大 AI 時代的起點 (33 pages)
  • RD02. 洪士灝 (2019-09-21),人工智慧開發環境的建置-高效能的深度學習系統 (124 pages)

作者簡歷:
  • 蔡明順:台灣人工智慧學校營運長
  • 洪士灝:台大資工系教授兼副系主任

科技的開發與產品的研製,是以食、衣、住、行、育、樂、身、心、靈等為標的。

人工智慧的數學基礎是機率理論與資訊理論,機器學習應用大量的機率理論、深度學習則是資訊理論的發揮。機率理論解惑、資訊理論推論。機率理論處理數據的均、差、偏、峰,資訊理論定調物體的移、彎、扭、顫。

人工智慧技術的發展與應用深深影響人類的生活與文明,相對地帶來的風險,其程度可能遠大於核子技術,即使是發生的機率非常低,也不能忽視此一課題,特別是要從倫理 (ethics)、道德 (morals)、與道義 (deontology) 的角度切入,相關議題包括:負責的人工智慧 (Responsible AI)、值得信賴的人工智慧 (Trustworthy AI)、人工智慧倫理 (AI Ethics)。

人工智慧是利用電腦程式模擬人類的智慧行為,包括:感官感知 (perception)(拼音辨讀、視覺辨識)、大腦認知 (recognition) (理解學習、推理決策)、與身心動作 (action)(認知決策、意見表達、位置移動、動作控制):
  • 感知:模擬五官知覺功能,對於外部刺激資訊(視覺和聽覺)進行感知與處理,包括電腦視覺、語音處理等。
  • 認知:模擬人腦處理功能,從樣例或與環境的互動過程進行學習,包括指導學習、無指導學習、與強化學習等。
  • 行動:模擬手腳口舌功能,自然語言理解、推理、規劃、決策、認知表達等。

應用人工智慧在技術創新,可協助企業改善生產力與提升競爭力。

2017 年美國國會議員 Maria Cantwell 提議法案,定義人工智慧應該滿足以下列特徵:
  • 所有可在多變且不可控的情況下作業,無需過多人工監管,或可自學以往經驗、改善表現的人工系統。此類系統可以搭載在電腦軟體、實體硬體、或以尚未考慮到的其他形式,能夠從事需洞察、認知、計畫、學習、交流或行動等類似人類行為的任務。換言之,人工系統在其所從事的任務中表現越像人類,就越可稱得上是採用了人工智慧。
  • 可像人類一樣思考的系統,如認知架構與神經網路。
  • 可像人類一般行動的系統,如通過圖靈測試或其他利用自然語言處理、知識表達、自動推理、學習等同等測試的系統。
  • 如機器學習等模擬認知任務的技術。
  • 理智行事的系統,如通過洞察、計畫、推理、學習、交流、決議及行動等活動從而完成目標的智能軟體代理及內置機器人。

人工智慧的關鍵在數位轉型,最大挑戰為改變過去習慣。改變不在於時間,而是在於意願。人工智慧帶給社會優勢,不是取代人類。機器人無法取代人與人之間的溫暖與愛心。

資訊科學、心理學、哲學、統計學等學術領域開始合併,產生了現代人工智慧的基礎。
AI 加速發展的原因:更多的數據 (more data)、更快的硬體 (better hardware)、更好的演算法 (better algorithms)。
  • 數據:數據量越多、神經網路的運作越有效。行動應用、物聯網應用、與儲存成本降低,促使數據大量成長。
  • 硬體:GPU 平行運算架構提供機器學習更佳的運算效能,GPU 運算成本快速降低,使人工智慧進入商品化階段。
  • 驗算法:數據與硬體的進步驅動更多研發人力投入深度學習應用,Google 的 TensorFlow、Berkeley 的 Caffe、Facebook 的 Torch 等開源架構使開發者可以在平台投入貢獻。

近十年來人工智慧產業的突破都要歸功於機器學習。
人工智慧 (AI) ⇒ 機器學習 (ML) ⇒ 深度學習 (DL)
資通訊科技三大新應用趨勢:AI、AIoT、Blockchain


人工智慧的發展歷史回顧:
世界各國已經把人工智慧當作國家策略,AI 可以說是繼原子、奈米之後,另一個普及到庶民層級的科技新名詞。


RD01 page 4:



RD01 page 7
人工智慧技術開發的萌起、成長、低潮、再出發。







異常偵測

品質人的角色:過程 (process) 或產品 (product)
  • 過程:O&M、生產力、TPM、OEE、
  • 產品:R&D、品質管理、TQM、RAMSS

人工智慧機器學習的數據處理功能:線性鑑別分析與邏輯回歸。線性鑑別,觀測數據與假設模型的線性關係,作為辨識與預測的基礎。線性代數中的最小平方法 (LSM) ,計算殘差平方和 (RSS) 數值求解。


參考資料:
  • 詹文男 (2018),人工智慧對台灣產的影響與策略






附件: 你需要登錄才可以下載或查看附件。沒有帳號?立即註冊

Rank: 7Rank: 7Rank: 7

UID
5
帖子
1525
主題
739
記錄
1
分享
0
日誌
213
閱讀權限
100
最後登錄
2024-10-15
在線時間
2326 小時
板凳
發表於 2020-1-4 09:31:59 |只看該作者
本帖最後由 hlperng 於 2020-1-6 12:51 編輯

負責的人工智慧 (Responsible AI, RAI)

Microsoft 對於負責的人工智慧 的六項指導原則:
  • 公平性 (faireness)
  • 可靠性與安全性 (Reliability and Safety)
  • 隱私性與般全性 (Privacy and Security)
  • 包容性 (Inclusiveness)
  • 透明性 (Transparency)
  • 負責姓 (Accountability)






負責的人工智慧框架的四個關鍵領域:
  • 治理 (governance)
  • 設計 (design)
  • 監視 (monitoring)
  • 技能再造 (reskilling)


谷歌 (Google) 提出負責的人工智慧應該具備機器學習公平性、可解釋性、隱私性、與保全性等特質,建議及實踐的實務包括:
  • 使用以人為本的設計方式
  • 識別訓練與監視的多重評價指標
  • 直接檢查原始數據,若可能時
  • 了解所使用資料集與模型的限制
  • 測試、測試、再測試
  • 佈署之後持續監視與更新系統





Source: https://s3.amazonaws.com/dev.ass ... le-ai-3-600x325.png


為了能夠產出可以理解和完善的輸出結果,人工智慧的學習過程必須有足夠且正確的數據與資訊。
對於負責的人工智慧的圖形技術而言,與所展示的圖形相關的所有周邊資訊所構成的內涵 (context) 是相當重要的因素。內涵不明確的人工智慧,缺乏適切的情境,無法提供更適合人類決策的有用建議。內涵有助於決策建議的可解釋性與透明性,使飲用決策建議的人可以有更好的全貌與看清楚的決策過程。



參考資料:




您需要登錄後才可以回帖 登錄 | 立即註冊

Archiver|手機版|睿地可靠度論壇(TW-REDI Forum)   

GMT+8, 2024-11-1 07:40 , Processed in 0.051683 second(s), 11 queries .

Powered by Discuz! X2

© 2001-2011 Comsenz Inc.

回頂部