別傻了，放下你的 AI 焦慮
更新於 發佈於 閱讀時間約 4 分鐘
在英國與老師對嗆？！
先說個故事吧，以前在英國讀書的時候，去選修了一堂數學系的課。
那位老師嚴格要求，選修的學生必須是數學系的學生。如果不是，那學生必須說明自己擁有夠強的數學能力。
我不是數學系的學生，可我終究是吃硬柿子的人。因為我知道，若想加強數學的底子，就必須到這裡來──後來還是去上課了。
上了兩三個禮拜後，開始有點困惑。因為，我以為老師要教我很進階的數學工具或數理模型。可是這門為期6周的課程中，老師竟只講一個入門數學模型；儘管他講很深入，但還是與我預期頗有落差
雖然老師也延伸出很多觀念，像是介紹了好幾個連結函數 (Canonical Function)，和模型優化求解的函式。同時，他也推導了許多原理，親手用程式寫了演算法，並且要我們理解每一個函數之間的關係。
總而言之，聽起來還不壞。而我之所以覺得不滿意，是因為我認為我早就會了！
後來一次下課，我跑去問老師為什麼他要講這些？
「這些東西好像太基礎了，你講的函數跟優化，我知道有一些新方法更好」。
我清楚記得老師不以為然的表情，他認為我說那些比較新的東西，基礎還是在課堂上這些。也確實，後來我把老師的數學推論和程式碼，通通都研究了一次，對我後來研究神經網路，與有效理解任何開源程式碼，打下基礎。
那天，人類恐懼起了AI
不過，這段經歷似乎說明了技術的詛咒，任何新方法都有被汰換的一天。如果一味教又新又酷的東西，我們也會跟著這些技術一樣被淘汰掉。
先前我確實未曾想過這些，但後來我也明白，如果不掌握基礎，不只看不清楚事情的根本，也沒辦法去創造出新的技術。
這和現在AI浪潮也很像，走在前面的人呼籲趕快跟上，跟不上的人恐懼被甩掉，最慘的是很多是半吊子的人，還在後面趕著喊車快跑了，大家快上車吧。
而且這波浪潮一來，恐怕很多人更搶著要轉這行，或是讓自己或是小孩來走這行，或是憂慮自己的工作不保。
別傻了，要跟 AI 浪潮只是白費工夫
可是老實說，我們真的念了這些之後，恐怕還是要被淘汰。因為等到學有所成，你所擁有的早已落伍，世界已經被刷新一波。
怎麼會這樣？因為我們台灣不是這些技術的創始根源，因此多數人始終都不能理解技術與創造，最終要靠的是底層的基礎。不是說學個人工智能、機器學習，或什麼程式語言，就能一勞永逸。
機器學習的基礎還是數學與機率，程式語言的基礎還是演算法與最優化。AI是這一切的綜合，這波浪潮的根基不是AI本身，而是那些被我們嫌為無趣、不能賺錢的邏輯符號。
這些技術，不論AI或是程式語言，也非那麼不堪。只不過一直喊著我們要導入新的一些什麼，我們要去學什麼，而不靜下心來想想這些東西的基礎，也只是空焦慮一場。
所以，我們要的是基礎，基礎才是推進創造的力量。
AI 的軍備競賽
況且，我們現在才開始焦慮AI，但AI的進展，早就如同軍備競賽一樣展開了。現在的在意與焦慮，毫無意義。
機器學習方面，21世紀初期，基於bagging方法集結多棵決策樹演算法的「隨機森林」被發表出來；而後，支持向量機處理超平面問題，被應用在圖像的預測，以及大型稀疏矩陣的分類任務 (如基因辨識)。
到了近幾年，演算法的開發由學界逐漸轉往業界，以樹模型來說，微軟的LightGBM頗受歡迎；Google則有神經網絡TabNet；時間序列方面，Facebook的Prophet也是表現強大。這些只要是模型開發者，都會經常使用，都有開源的工具可以支持。
而ChatGPT為基礎的自然語言處理領域，從上個世紀著重在語法的構成，逐漸轉往神經網路和Transformer架構這種多層輸出與轉換，也經歷了很大的典範轉移
以上如果都沒聽過，也完全沒關係。知道有這些東西就好了。我更想說這些技術從優化方法到架構都一直在調整，並且在不同領域持續應用。
今天怎麼會是，突然冒出一個能跟人互動的AI，官方釋出很user friendly互動介面，我們才開始焦慮呢？他早就在了啊！
想想六年前的很多專家，還沒有把這個技術驅動的社會改變，當一回事呢。對比現在這種過度反應，不是蠻有趣的嗎？
End
14會員
14內容數
大數據意味著什麼？數據科學背後有怎樣的mind set和技術？數據科學家又做些什麼？這些科技/技術，帶給我們什麼生活上和人文上的省思？這個專題會橫跨這些彼此相關的面向，避開生澀的專業詞彙，探索這些事情背後的樣貌。應該會是有趣的知識和想法分享﹝笑﹞
留言0
查看全部
你可能也想看
Google News 追蹤
/
大家現在出門買東西還會帶錢包嗎
鴨鴨發現自己好像快一個禮拜沒帶錢包出門
還是可以天天買滿買好回家(?
因此為了記錄手機消費跟各種紅利優惠
鴨鴨都會特別注意銀行的App好不好用！
像是介面設計就是會很在意的地方
很多銀行通常會為了要滿足不同客群
會推出很多App讓使用者下載
每次
學習生成式AI，不僅僅是掌握幾個工具，而是從全方位了解AI的發展範疇及其潛力。我經常在企業教授AI課程時，會遇到HR詢問：某些工具用不上，可以不教嗎？當然可以，但如果同仁不了解生成式AI在「數位內容」上的廣泛應用，又如何掌握大語言模型的發展邊界？
當老師自己也不熟悉所教授的內容時，學生可能因為認為老師知識有限而對他失去信心。
資工系啊！在這個升學的時間肯定是被搶破頭的科系吧，不論是未來誘人的薪資還是AI的浪潮，這個行業⋯你們肯定充滿了想像與嚮往
資工系與其說是科學或工程、它其實更像邏輯、藝術、和歷史的結合，很多設計、很多程式碼、很多非硬性規定追根究底的話就是「喔⋯⋯當初大家這樣講好了啊」「這樣寫比較好⋯因為如果⋯就會⋯
父親想要我去做穩定的公司行政，我回：「我們這世代不是在跟其他人競爭，要跟機器人競爭。我得要找出機器人做不到的事才行。」我畢業早超過十年了，但人的焦慮本不會輕易消失。
上週發了一篇AI書單推薦
今天來談談，我是怎麼學習的，我總共學了七年AI，自然對於一個小白想入門有更深刻的體悟，更能了解怎麼樣學習才能不至於一次面臨太多困難而放棄
我的建議是這樣：
先花兩年把Machine Learning學完，當中會遇到很多數學問題，這方面可以「在遇到問題時」再去翻
在人工智能的發展歷程中，早期的研究主要側重於將解決問題的規則輸入計算機，試圖通過啟蒙運動理性的思路模擬人類的智能行為。然而，這條路逐漸變得艱難，因為規則過於繁多，無法應對複雜的情境和語境。在這個背景下，一些科學家轉向了神經網絡算法，試圖模擬人腦的感知能力。
0. 剛發現台灣人工智慧學校侯秘書長是強者我同學夫人，他在聯發科搞AI，買股票找誰大家應該知道。
1. 推動AI融入課程（尤其在人社領域）最大的困難和挑戰在於心態mindset的轉變，要由‘人機（二元）對立’換成‘人機協作’。
2. 絕大部分教學現場的問題來自於1.，比如質疑AI會取代人、著
圖靈研究所舉辦的圖靈講座系列，邀請數據科學和人工智慧領域的專家來分享最新的研究成果和見解。本講座探討了生成式AI的無限可能， AI的進化之路，面對挑戰與倫理問題，未來展望，圖靈測試與AI的意識問題等多個主題，對AI技術的發展提供了深刻見解和引發思考....
/
大家現在出門買東西還會帶錢包嗎
鴨鴨發現自己好像快一個禮拜沒帶錢包出門
還是可以天天買滿買好回家(?
因此為了記錄手機消費跟各種紅利優惠
鴨鴨都會特別注意銀行的App好不好用！
像是介面設計就是會很在意的地方
很多銀行通常會為了要滿足不同客群
會推出很多App讓使用者下載
每次
學習生成式AI，不僅僅是掌握幾個工具，而是從全方位了解AI的發展範疇及其潛力。我經常在企業教授AI課程時，會遇到HR詢問：某些工具用不上，可以不教嗎？當然可以，但如果同仁不了解生成式AI在「數位內容」上的廣泛應用，又如何掌握大語言模型的發展邊界？
當老師自己也不熟悉所教授的內容時，學生可能因為認為老師知識有限而對他失去信心。
資工系啊！在這個升學的時間肯定是被搶破頭的科系吧，不論是未來誘人的薪資還是AI的浪潮，這個行業⋯你們肯定充滿了想像與嚮往
資工系與其說是科學或工程、它其實更像邏輯、藝術、和歷史的結合，很多設計、很多程式碼、很多非硬性規定追根究底的話就是「喔⋯⋯當初大家這樣講好了啊」「這樣寫比較好⋯因為如果⋯就會⋯
父親想要我去做穩定的公司行政，我回：「我們這世代不是在跟其他人競爭，要跟機器人競爭。我得要找出機器人做不到的事才行。」我畢業早超過十年了，但人的焦慮本不會輕易消失。
上週發了一篇AI書單推薦
今天來談談，我是怎麼學習的，我總共學了七年AI，自然對於一個小白想入門有更深刻的體悟，更能了解怎麼樣學習才能不至於一次面臨太多困難而放棄
我的建議是這樣：
先花兩年把Machine Learning學完，當中會遇到很多數學問題，這方面可以「在遇到問題時」再去翻
在人工智能的發展歷程中，早期的研究主要側重於將解決問題的規則輸入計算機，試圖通過啟蒙運動理性的思路模擬人類的智能行為。然而，這條路逐漸變得艱難，因為規則過於繁多，無法應對複雜的情境和語境。在這個背景下，一些科學家轉向了神經網絡算法，試圖模擬人腦的感知能力。
0. 剛發現台灣人工智慧學校侯秘書長是強者我同學夫人，他在聯發科搞AI，買股票找誰大家應該知道。
1. 推動AI融入課程（尤其在人社領域）最大的困難和挑戰在於心態mindset的轉變，要由‘人機（二元）對立’換成‘人機協作’。
2. 絕大部分教學現場的問題來自於1.，比如質疑AI會取代人、著
圖靈研究所舉辦的圖靈講座系列，邀請數據科學和人工智慧領域的專家來分享最新的研究成果和見解。本講座探討了生成式AI的無限可能， AI的進化之路，面對挑戰與倫理問題，未來展望，圖靈測試與AI的意識問題等多個主題，對AI技術的發展提供了深刻見解和引發思考....