108課綱科技領域資訊科技程式設計應用專題-人工智慧素養

網站作者：新北市立江翠國中呂天齡

版本:第一版.第二版

聯絡方式： luti@ntpc.edu.tw或 luti0845@gmail.com

最新更新時間:2021年8月17日

本網站授權方式:

素養課程

概念

機器學習

深度學習

圖像型程式語言實作 

文字型程式語言實作

社會影響

教學資源網

40年的AI之愛

為何要學習人工智慧AI(打開眼界)?

影片來源:https://www.udemy.com/course/python-learn/

資料科學與人工智慧

物聯網與人工智慧

素養課程

人工智慧素養課程的難處

傳統人工智慧與現今人工智慧之差異

用一般程式設計的方法不就能解決問題了，那為什麼還需要機器學習?在當你沒有辦法給工程師們一個 "規則" 讓他寫到程式裡面，但是手頭上卻有相關大量資料、紀錄的時候，工程師們只好自己想辦法從這堆資料裡面找出那個規則。

圖片引用:https://medium.com/jameslearningnote/medium-com-jameslearningnote/home

傳統的程式設計	機器學習

資料引用:AI and Machine Learning for Coders A Programmers Guide to Artificial Intelligence by Laurence Moroney

活動設計1:《專家系統》

http://www.20q.net/

解說:

經由網站系統的規則推導得到答案，這就是傳統人工智慧的運作，稱之為專家系統

108課綱國中資訊科技學習內容

圖片引用:https://omnixri.blogspot.com/

108課綱國中程式設計應用專題-人工智慧素養課程設計

top

概念

一.AI在日常生活的應用(AI in My Daily Life)

“人工智慧(AI, Artificial Intelligence)”一詞對很多人來說都覺得它是高科技，但其實它在日常生活已經被我們使用了很久，我接每天觸到有多少東西是跟人工智慧是有關的呢？

使用 Siri語音助理
使用Google翻譯
使用人臉辨識
利用社群軟體推薦系統

思考問題:

一提到人工智慧AI.你會想到什麼?(舉例說明AI在日常生活的應用)

二.人類智慧與人工智慧

什麼是人工

人造的意思，並非是自然形成。例如我們每天使用的手機，我們都稱為人工的機器。

什麼是智慧

人類具備的感知、學習、推理邏輯、創造思考及解決問題的能力.所以人類智慧 (Human Intelligence) 就是指我們人類可以有下面這些能力：

感知、理解和分析資訊的能力
學習能力
根據知識做出決策的能力

什麼是人工智慧

人工智慧 (Artificial Intelligence) 就是希望人工的機器能表現的像人類智慧一樣，可以有能力處理許多事情

圖片引用:師大林育慈教授

活動設計1:《威利在哪裡》

活動設計2:《猴子吃香蕉》

Q：「我們把香蕉給猴子，因為餓了」，請問誰餓了呢？

A. 香蕉

B. 猴子

Ans：猴子

討論：如果把上述問題請機器(電腦)回答，您認為它會回答的正確嗎？為什麼呢？

分析:

(1)這個問題對人類來說是很簡單，但對電腦機器而言，那就不太容易了

(2)因為電腦能夠正確回答此問題，不但要處理句子，還必須讓機器能理解句子

活動設計3:《分辨人工智慧》

思考問題:

人類智慧與人工智慧有何不同?請寫出你的看法

參考資料:

(1)生理.心理.智力.工作效率......

(2)不同層面比較表

三.發展簡史

1.機器是否會思考?

(1)圖靈

(2)圖靈測試(Turing test)

說明:

圖片引用:https://www.csail.mit.edu/

(3)進階研究

(4)人類的圖靈測試

上網登入日常：請證明你不是機器人。圖片驗證碼的英文全名是「Completely Automated Public Turing test to tell Computers and Humans Apart」，縮寫為CAPTCHA，譯為「全自動區分電腦和人類的圖靈測試」。

圖片驗證碼本質上是一場受試物件是人類的圖靈測試。而這場測試遵循的卻是一種AI的視覺掃描風格.即用清晰的白色線條將一張日常照片切割成多個方塊：

EX:紅綠燈的燈桿到底算不算紅綠燈的一部分？

資料來源:https://www.techbang.com/posts/89159-the-picture-verification-code-forced-me-into-an-artificial

(5)發展沿革

資料引用:https://omnixri.blogspot.com/p/ntust-edge-ai-ch1-1.html

四.AI應用(研究)範疇

圖片引用:師大林育慈教授

(一)電腦視覺(Computer Vision)

台科大設計動畫團隊

A.理解電腦視覺

B.電腦視覺的應用-人臉辨識(需要鏡頭.載入模組時時間有一點久)

(二)自然語言處理(Natural Language Processing，NLP)

A.聊天機器人

B.文章生成(詩人小冰)

(三)機器(深度)學習

張原禎老師心智圖

A.影像去背

B.線稿及上色

C.智慧繪圖

教學影片

D.手機鏡頭找物品遊戲(手機平板)

教學影片

教學說明

E.創造自己的卡通人物

教學影片

需要帳密才可安裝

(四)語音辨識

手機及平板同學(iphone或ipad)

採用Safari瀏覽器

桌機及筆電同學.需要有麥克風

採用Chrome瀏覽器

(1)雅婷逐字稿(要登入Google帳密)

教學影片

(2)聽音訊找Youtube影片

資料來源:https://ai.foxconn.com/textbook/interactive/audio/index

教學影片

(五)人機互動遊戲

A.井字遊戲

B.檢棍子遊戲

遊戲說明:在這個遊戲中，輪流與 AI (Nathaniel) 挑選 1、2 或 3 根木棍。誰選擇最後一根棍子獲勝！

教學影片

手機出現的畫面

人工智慧概念小結:

AI從最廣泛的意義上來說：是任何可以自行學習、理解和行動的機器

無所不在的AI:感知、學習、互動、決策、影響

top

機器學習

機器學習是AI的核心.AI是目標.機器學習是手段

為什麼我們需要學習機器學習？

資料引用:台大李宏毅教授機器學習課程簡報

現在機器學習〈尤其是深度學習〉跟其他學術領域如統計、電腦科學相比，是一個相對新的領域，大家都還在摸索階段。但正如當年新興的程式設計已經普遍被重視，甚至加入國高中教育一般，我想再過幾年，等機器學習更為成熟後，人們也會開始呼籲將『機器學習』領域的知識納入課綱，成為我們下一代的基本素養之一。

甚麼是機器學習?

解說:

AI就是學會觀察.問個好問題

AI 就是「把你的問題, 化成函數的型式」

AI就是「打造一個函數學習機」把那個函數學起來。

引自:政大應數系蔡炎龍教授

函數(Function)

圖片動畫來源:均一

“ Function ”，可以直接翻譯作「功能」、或者在數學上稱作「函數」，一個可以達成期望結果的行為或流程。

AI就是讓機器學習如何將輸入的資料 X 透過一系列的運算，轉換成指定的輸出 y。並提供一個衡量成功的方式，讓機器知道怎麼修正學習方向。

範例

解說:

有了這個定義，讓我們再看一下上面提到的幾個例子：

1.找一個函數，它的輸入是聲音號，它的輸出是語音通訊的文字。這個功能的複雜性，不是人類所可以寫出來，這是可以推測出來的。所以我們需要推測的機器的力量，幫們把這個函數找出來。

2.找一個函數，它的輸入是一張圖片，它的輸出為辨識圖片是甚麼。實際上你需要的也就是找一個函數。

3.找一個函數，它的輸入是圍棋上19*19的棋盤。它的輸出為告訴機器在19*19的棋盤上，哪些位置有黑子，哪些位置有白子。然後機器就會告訴你，接下來接下來應該落子在哪

4.找一個函數，它的輸入就是用戶的輸入文字，它的輸出就是機器的文字回應。

機器學習學習地圖及應用

範例

監督式學習

《辨識驗證碼圖形》

上圖就是監督式學習用的訓練資料，除了資料本身 ( .png 圖檔 ) 之外還包含了一個 Ground Truth 的標籤，在訓練模型的過程中就可以透過這個標籤不斷的來修正模型的學習結果，概念就有點像學生時代在考完試後會發正確解答下來讓你改考卷，然後你就可以從錯誤中學習，下次同一題就比較不會考錯了。

《預測房價走勢》

資料引用:蘆洲國中田智婷老師

《日巴克人工智慧咖啡機說明指南》

1.咖啡機是在進行機器學習，學習如何用一連串運算，將原物料的量〈咖啡豆顆數等〉x轉換成使用者評分 y

2.機器學習裡所謂的一系列運算，在咖啡機的例子裡是進行線性回歸，

y = w * x + b

3.咖啡機衡量成功的方式是計算『預測評分 y' 跟實際評分 y 之間的差異大小』，此差異越小，代表學得越好

4.衡量成功的方法很重要，因為咖啡機可以知道『努力/學習的方向』

5.咖啡機透過反覆地修正參數，進而最小化上述差異，成功地『學習

資料引用:https://leemeng.tw/#blog

非監督學習

上圖的資料集中只有包含身高、體重等特徵資料，並沒有包含性別我們想預測 "性別" 這一項的標籤，於是我們只好使用一些非監督式學習的聚類方法 ( e.g. K-means、DBSCAN ) ，讓每筆資料可以自己物以類聚的聚出一群。

機器學習的步驟?

機器學習基礎知識(數學)

<<活動:AI視覺化工具>>

範例

機器學習教學資源

leeml-notes

https://datawhalechina.github.io/leeml-notes/#/chapter1/chapter1?id=%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e4%bb%8b%e7%bb%8d

機器學習入門（medium）
https://medium.com/jameslearningnote/medium-com-jameslearningnote/home

機器學習入門（Hahow課程）
https://hahow.in/cr/pydataml

Python 全民瘋AI系列

https://leemeng.tw/some-thought-on-learning-from-machine-learning.html

機器學習小結:

資料來源https://ithelp.ithome.com.tw/m/articles/10253672

實作1-人工分類遊戲

思考問題:

上述遊戲請問你是依據甚麼來分類呢?

實作2-AI for Oceans(桌機及筆電.手機.平板同學)

詳細說明

https://medium.com/ai-for-k12/ai4k12-ai-for-oceans-2257f16dfa86

活動目的說明

了解機器學習的流程，動手訓練機器學習模型，預測機器學習結果。

專有名詞

標籤(Label)：主要目的是讓機器學習資料的正確答案，是監督式學習的核心步驟。

特徵(Feature)：指的是用於建立機器學習模型的屬性，是影響機器學習預測與推論效能的關鍵。

訓練資料(Train Data)及偏差(Bias)

思考問題

第一次利用5張圖片訓練A.I.，再使用10張圖片測試A.I.辨識魚，則準確率為 ________ 。

第二次利用10張圖片訓練A.I.，再使用20張圖片測試A.I.辨識魚，則準確率為 ________ 。

第三次利用20張圖片訓練A.I.，再使用25張圖片測試A.I.辨識魚，則準確率為 ________ 。

機器人正確辨識垃圾和魚次數最高的是第______次訓練。

若要提高機器人正確辨識魚的成功率，我應該怎麼做?

資料引用:五股國中侯偉富老師

實作3-Google機器學習(桌機及筆電)

Teachable Machine

資料來源:桃園建國國中詹智傑老師

AI影像辨識圖片下載1

教學影片

實作4-MIT機器學習

(1)影像辨識(PIC)

新版

舊版

(2)語音辨識(PAC)

資料來源:桃園經國國中薛秀琳老師

top

深度學習

簡中文解說

思考問題:

看完深度學習影片後請回答下列問題

1.請問人工智慧深度學習是模擬人類的哪一個器官來進行學習?

2.請寫出深度學習的應用3項

3.你覺得深度學習與機器學習有何不同?

4.深度學習的侷限(限制)性為何?

深度學習的步驟

1.深度神經網路DNN(Deep Neural Network)

範例：手寫數字識別

輸入：一個16*16=256維的坐標，每個像素一個維度，有顏色用（墨水）1表示，沒有顏色（無墨水）用0表示輸出.從輸出結果來看，每一個大規模的陳述一個數字，是數字2的陳述為0.7的陳述最大。說明這張圖片是2的目標就是最大的.在這個問題中，唯一需要的就是一個，輸入是 256 維的向量，輸出是 10 維的向量，我們需要函數的函數就是神經網路函數

圖片引用:https://datawhalechina.github.io/leeml-notes/#/chapter13/chapter13

2.卷積神經網路CNN(Convolutional Neural Network)

圖片引用:https://omnixri.blogspot.com/

3.遞迴神經網路RNN(Recurrent Neural Network)

進階深度學習

1.生成對抗網路GAN(Generative Adversarial Network)

2.強化式學習RL（Reinforcement learning）

實作1-深度學習TensorFlow Playground(遊樂場)(筆電桌機手機平板)

教學影片

教學說明1

Tensorflow Playground 筆記

實作2- 用人工神經網路辨識手寫數字(筆電桌機手機平板)

實作3- 使用 pix2pix-tensorflow 進行交互式影像識別(筆電桌機手機平板)

教學影片

實作4:RecognizerQuick Draw

教學影片

實作5:手機鏡頭找物品遊戲(手機平板)

教學影片

教學說明

實作6:RNN應用繪製sketch-rnn(手機平板)

實作7:CNN應用(手機平板)

範例展示1

範例展示2

教學影片

實作8:GAN應用(手機平板)

https://tinyurl.com/4txb37xp

深度學習教學資源

https://www.youtube.com/watch?v=aircAruvnKk&t=1027s

How Neural Networks Work

https://www.youtube.com/watch?v=ILsA4nyG7I0

http://scimonth.blogspot.com/2018/03/blog-post_56.html

圖像型程式語言實作AI

實作1:Scratch迷宮

https://scratch.mit.edu/projects/126464921/

桃園南門國小張文宏老師

實作2:Scratch設計類神經網路

https://scratch.mit.edu/projects/414096373/

桃園經國國中薛秀琳老師

機器學習(ML) for Kids

書

https://www.ucl.ac.uk/computer-science/events/2021/mar/teaching-schoolkids-machine-learning-dale-lane

網站

機器學習專案

https://machinelearningforkids.co.uk/#!/worksheets

教學影片

牛刀小試1-可視化 TensorFlow 圖像分類器行為

https://dalelane.co.uk/blog/?p=4447#more-4447

https://machinelearningforkids.co.uk/scratch3/

按綠旗然後按X鍵運行它

牛刀小試2-Running TensorFlow models in Scratch

https://dalelane.co.uk/blog/?p=4201

井字遊戲

教學影片1-專案建立

教學影片2-Scratch擴充AI積木

教學影片3-井字遊戲機器學習-決策樹(高中一年級資訊科技.大學資料結構)

資料來源:分享人:台南和順國中林信廷老師

決策樹在資訊科學的意義-分類器

資料引用:師大資訊教育研究所林育慈教授簡報

台灣S4A

OSEP官網

線上編輯器：https://ys-fang.github.io/OSEP/app/

剪刀石頭布(資料來源黃瑞萱老師)

簡報及範例檔下載

瑞萱老師網站

教學影片

Scratch擴充積木與Google Teachineable machine整合

1.PictoBlox

https://thestempedia.com/product/pictoblox

https://pictoblox.ai/

範例-水果分類

實作步驟

1.資料集(Dataset)

國內外經典開源資料大全

Kaggle

2.訓練模型Teachable Machine

https://teachablemachine.withgoogle.com/

水果分類機器學習的model

https://teachablemachine.withgoogle.com/models/lNW3swNES/

3.pictoblox積木機器學習(要註冊).撰寫程式

https://pictoblox.ai/

4.測試蘋果分類模型

2.TM2Scratch

日本石垣教授

https://stretch3.github.io/

範例1-偵測是否帶口罩

範例2-剪刀石頭布遊戲

3.AIBLOX

4.台灣蔡嘉倫老師bDesigner

5.大陸

https://www.mblock.cc/ s

https://ide.mblock.cc/#/

https://www.kittenbot.cn/

6.與Python結合

用google teachable machine玩剪刀石頭布

Blockly外掛積木

1.PAIA(台南成大蘇教授團隊)

線上版(功能尚未發展完成)

教學簡報

離線版

Blockly App積木下載

2.Web:bit

AI硬體(鏡頭)及商業應用

VIA Pixetto

慶奇WebAI

大陸HuskyLens PRO

NVIDIA Jetson Nano

加速運算晶片(邊緣運算)

top

文字型程式語言實作AI

如何選擇程式語言?

你想要做什麼?由應用面出發

程式語言與魔戒

C 魔戒

最古老且最廣泛使用的語言
程式語言界的國際語言
每個人都知道C的厲害
每個人都想擁有它的力量
大量應用於系統軟體及硬體程式開發
可視為C++的子集合（但有些微差異）

Python 樹精 (老師特別推薦)
幫助哈比人(初學者)了解程式概念
幫助巫師(電腦科學家)進行研究
普遍認定為初學者最佳入門語言
最容易學習
廣泛應用於科學、技術與學術領域，例如: 人工智慧
如要建立網站，Python上有Django架構可用

Java 甘道夫
愛好和平，並與每個人攜手合作(可攜性)
具備優異的可攜性，在所有平台、作業系統及各種裝置上都可通行無阻
工作機會最多及待遇最好的程式語言之一
Slogan: Write Once, Work Everywhere.
口號：只要寫一次，到處都能跑

C++ 薩魯曼
每個人都覺得他是好人
多認識他一點，就會發現他想擁有力量，不是個好東西
C的複雜版，加入不少強化
廣泛應用於遊戲、工業及講究效能的程式
學習C++如同學習如何製造、組裝及駕駛一輛汽車
建議找個導師引你入門

C# 精靈
美麗的生物(語言)，但只待在自己的Rivendell王國(微軟平台）
註: 此點在.NET開源之後將有所改觀
企業使用.NET平台建立網站及Windows程式的最主要選擇
可使用ASP.NET(微軟推出的網站架構)打造建置網站
在基本語法及一些特性上與Java相似
如果所開發程式以Windows平台為主，學C#準沒錯

JavaScript 哈比人
力量常被人低估
給人「住在夏爾(瀏覽器)，悠閒慢活度日」的印象
Java與Javascript的相似度，差不多相當於牛與牛蒡之間的關係
最流行的網頁前端程式語言
前端工程師的必備技能(還有HTML及CSS)
當前最火紅的語言之一，並逐步拓展到後端(node.js)

PHP 半獸人
醜八怪 (語言)且不尊重規範(缺乏一致性，難以預測)
(程式碼)難以管理，讓其他人(開發者)頭痛不已
但對中土仍然很有貢獻(最普遍的網站開發語言)
適合在很短時間內建置出小型簡單網站
容易找到網站寄放空間(Web Hosting Service)，而且費用低廉

程式語言與金庸小說

C 比之九陰真經，學會並掌握指標，天下無敵。

Python 比之降龍十八掌，簡單卻威力強大。

Java 比之獨孤九劍，敗中變化出的招式，不限平台的 JVM 。

C++ 比之龍象般若功，有十三層，但修煉不易，無人超過第十層。

C# 比之彈指神通，高手運用手指的巧勁就能施展。

JavaScript 比之胡家刀法，六字訣變幻莫測，瀏覽器上都能運作。

PHP 比之黯然銷魂掌，需要深厚內力才能使出。

程式設計小結

選哪個程式語言並不重要，重點是你學不學得起來，程式語言並無好壞之分.各有所長，依自己想要做什麼(動機)，選擇適合的程式語言實作出來(成就感)

1.人發現問題(解決問題)

2.人負責思考解決問題的步驟(演算法)

3.人負責程式設計(使用程式語言)解決問題

4.電腦負責執行程式語言

網頁前端程式設計(HTML+JavaScript+CSS)

感謝109學年度黃瑞萱老師協助蒐集網頁背景及LOGO製作

(1)原始版本

(2)修改後版本

實作步驟1:下載程式碼及程式架構認識

教學影片

實作步驟2:修改index.html

教學影片

實作步驟3:修改main.js

教學影片

Python程式設計

(1)遊戲式

A.賽車

B.Codecombat遊戲

攻略秘笈

Kithgard 地牢

課程解答https://drive.google.com/…/0B7SgERgMHtnvVlRiSDFQX0VEW…/view…

森林保衛戰

課程解答 https://drive.google.com/…/0B7SgERgMHtnva0diWEpUcXkxZ…/view…

(2)體驗式(圖形與文字並列)

(3)圖像邁向文字型程式設計中介工具Py4T(南門張文宏老師開發)

https://beardad1975.github.io/py4t/

(4)純文字型程式語言

資料引用:政大應用數學系蔡炎龍老師

A.教材

好的教材，至少是就初學入門而言，需要具備的一些特點:

1.儘量簡短

2.儘量直白

3.循序漸進

4.抓住要點

相反，過多的陳述、太多的術語、直接從基礎就跳到難點、過多的細節等都會讓初學者感到迷茫和疲憊。計算機領域的知識的更新速度很快，如果能從一門語言入手，掌握了最核心的技能：問題解決能力，那就可以觸類旁通，舉一反三。所謂問題解決，包括：發現問題、創造性地思考解決方案以及清晰準確地表達解決方案的能力。

實際上，程式設計是工具，掌握工具本身當然也是一種有用的技能，而同時，利用程式設計去訓練運算思維能力，問題解決能力，才是學習程式設計的核心所在。

108課綱資訊科技國中翰林版課本九上第二章(由Scratch邁向Python)

B.Python學習方法及資源

0.談學習

A.學習方法-時間+恆毅力+天分

範例-學習語言(英語...)

B.學習的壓力

C.自我學習

D.數位學習

免費

Python大補帖(簡中)

蔡炎龍－成為python數據分析達人的第一門課

彭彭的課程教學

學習 Python 資料科學的應用

學習Python - 初學者全教程

Python Tutorials for Beginners - Learn Python Online

學習 Python 的最佳方式——初學者 Python 編程教程

iT 邦幫忙

https://www.taiwancodeschool.com/

付費

https://www.udemy.com/course/python-learn/

Hahow

樂學科技(11堂20小時.NT8000 實體)

http://10.231.114.1/python3/python.html

自學的Python 教學網站DataCamp

C.程式開發環境(IDE，Integrated Development Environment集合開發環境)

1.本機端IDE

2.線上IDE

範例練習

# YourName.py
name = input("What is your name?\n")
print("Hi, ", name)

3.線上程式整合開發平台

Colab實作

(1)先登入Google(新北市)

(2)新增筆記本.修改檔名

(3)設定colab環境

Colab教學資源

Google Colab 免費 GPU 訓練 AI 模型教學 - Soul & Shell Blog

https://blog.toright.com/posts/6725/google-colab-free-gpu-ai-train.html

Google Colab教學！新手Python開發環境推薦【新手Python練習】 - YC科技生活

https://yc-note.com/python/google-colab-python/

如何無痛使用Google Colab以及Google Drive?

https://artificialintelligencepro.com.tw/google-colab/

(4)體驗Colab撰寫筆記本(ENTER或快速點兩下換行)及執行(SHIFT+ENTER)

基礎:

範例1(從Scratch到Python)

範例2(Python基礎1)

範例3(Python基礎2)

範例4(Python基礎3)

範例5(Python套件應用1)

範例6(Python套件應用2)

範例7(波士頓房價)

資料引用:政大應用數學系蔡炎龍教授.北市新興科技中心詹照塘老師.旗標資料科學使用Python書及https://yc-note.com/python/python/

(5)Colab實作機器學習及深度學習

A.政大中學資訊教師增能學分班課程-110.08.02-08.03人工智慧深度學習

說明:

TensorFlow 是一個由 Google 開發的機器學習開源函式庫

Keras 是一個用 Python 編寫給神經網路用的高階 API，基本上它也是建構在 TensorFlow 之上

深度學習(神經網路)的"Hello World"

Keras 教學 - Keras MNIST 手寫辨識 x 深度學習的 HelloWorld - Soul & Shell Blog

DNN_MNIST-最精簡版.ipynb

教學影片

https://www.facebook.com/groups/yenlung.live/

Colab_AI深度學習範例練習

用transformer快速打造文字生成器

B.中學教師人工智慧教學推廣計畫-桃園建國國中詹智傑老師2020.08

辨識手寫數字

辨識服飾圖片

找出方程式的解

思考問題

1.電腦真的認識0-9的手寫數字嗎？旋轉圖片後，我們仍然認得數字。

2.電腦真的認識10種服飾嗎？旋轉圖片後，我們仍然認得服飾。

3.電腦真的找到方程式了嗎？若Y=X^2，以目前類神經網路，有辦法正確預測y值嗎？

4.建立與訓練類神經網路，有那些主要流程？如何提高類神經網路的辨識率？可以從那些方向著手？

更多實作

變臉合成

教學影片1

教學影片2

資料來源:台南和順國中林信廷老師

(6)機器學習競賽-Kaggle

實作機器學習及深度學習教學資源

Keras 教學 - 機器學習與類神經網路

人工智慧導論 - HackMD

https://artificialintelligencepro.com.tw/deep-learning-env-setup/

https://artificialintelligencepro.com.tw/self-taught-machine-learning/

https://www.datacamp.com/community/tutorials/scikit-learn-python

手把手教你用Kaggle開啟機器學習之旅 - IT閱讀

【機器學習】Hello Kaggle! 機器學習競賽入門

top

社會影響

人工智慧倫理道德是現在每個人都在談論的話題。自動駕駛汽車、人臉識別和關鍵評估系統都是前沿解決方案，引發了很多倫理道德問題。

可信賴 AI 的道德準則

2019 年 4 月 8 日，人工智慧高級別專家組發布了《可信人工智慧倫理指南》。在此之前，指南的初稿於 2018 年 12 月發布，通過公開諮詢收到了 500 多條評論。

根據指南，可信賴的人工智慧應該是：

(1)合法(lawful):尊重所有適用的法律法規

(2)道德( ethical):尊重道德原則和價值觀

(3)技術穩健性(robust):既從技術角度又考慮到其社會環境

為什麼道德在人工智慧中很重要？

人工智慧的倫理道德問題是什麼？

公平
自由與偏見
透明度
問責制(對於「被授予的權力」負責)

今天的機器會犯錯，而且很可能在未來還會繼續犯錯。但這些錯誤的責任變得模糊。例如，不清楚誰應對自動駕駛汽車事故負責：汽車製造商、車主還是算法本身？

在人工智慧倫理道德中，責任從三個維度來理解：

哪些人（或一群人）應對演算法或人工智慧的影響負責？
社會如何以法律和道德上可接受的方式使用和發展人工智慧？
我們應該要求人工智慧係統本身承擔什麼樣的道德和法律責任？

責任可以是法律上的，也可以是道德上的。法律責任描述了必鬚髮生法律懲罰的事件和情況。當執法機構證明其有罪時，行為者應對採取的行動負責。

道德責任和法律責任並不總是一回事。在哲學中，道德責任是決定哪些行為值得讚揚的能力。這種內在責任就是內在地位：雖然社會中存在的規範可能會影響它，但每個人都自己決定他們認為哪些價值觀具有道德約束力。

人工智慧倫理道德的基本原則

功利主義
道義論

機器人學三定律

科幻作家艾薩克·阿西莫夫（Isaac Asimov）的原因。早在 1940 年代，他就提出了機器人學三定律，在他的機器人系列中指導機器的道德行為：

機器人不得傷害人類，或因不作為而導致人類受到傷害。
機器人必須服從人類給它的命令，除非這些命令與第一定律相衝突。
機器人必須保護自己的存在，只要這種保護不與第一定律或第二定律相衝突。

態度及價值觀教學

資料來源:https://codinglab.tw/

思考問題1:

請思考一下人工智慧還有哪一些隱憂的實際例子.並分享如何預防

實際例子:

預防方法:

思考問題2:AI的倫理與道德

思考問題3:隱私權

思考問題4:媒體素養

思考問題5:偏見(Bias)

思考問題6:機器人三定律

AI的未來發展

資料來源:https://omnixri.blogspot.com/p/ntust-edge-ai-ch1-1.html

總結性評量

第一部分:選擇題

第二部分:簡答題

挑戰(四)-閱讀素養

AI 難以落地的困境

在自然語言理解上，雖然 Siri 和 Google Home 之類的應用已經上線，但是真正能幫助使用者的方似乎並不多，因此這些應用成為《看起來很好，但卻沒什麼人真正使用》的《叫好不叫座》型技術。

而在自然語言的機器翻譯領域，由於 2014 年的 word2vector 技術，2015 年的 seq2seq 技術，與 2018 年的 BERT 技術之改進，已讓機器翻譯之水準達到相當不錯的品質，但是卻很少看到人們在《跨語言溝通》的場合真正使用像《Google 語音翻譯》這類的應用，翻譯技術在《落地》上似乎出了一些問題。

在醫療領域，落地的問題似乎更大，原本 IBM Watson 預計進軍醫療領域後會成功獲利，但後來卻傳出了《難以落地》而導致該團隊大幅裁員。