為什麼會有這系列文章
以下紀錄幾個我會寫這系列文章的理由：
- 培養長久做一件事情的能力，不因外力因素就中斷。
- 積累實力，打造履歷（學習歷程）。
- 分享、紀錄自己成長過程中，部分運用到的資源。
每日筆記
訪談新進展
今天打電話詢問青年事務局、青創資源中心詢問關於訪談的事，對方表示能夠提供的諮詢服務主要以創業為主，可能無法協助針對除創業以外特定領域的訪談。
因此，之後的訪談，會朝直接聯繫已在AI相關領域就職或具有相關專業背景的人問問。
訪談準備
除了打電話詢問各青創中心是否能提供協助外，也有參考網路上的訪談，思考有哪些問題可以詢問訪談對象，目前想到以下：
- 您認為AI成為未來趨勢的關鍵核心理由是什麼呢？
- 在眾多種類的模型中，您特別愛好「 」模型的理由是什麼呢？
- 每個人都可以經由各種資源學習AI技術和知識，您認為想要再AI這塊與眾不同，是否有哪一個觀念、想法、知識或技術很重要？
- 「 」模型在應用上遇到最大的困難點是什麼呢？
- 在業界很常有設計新模型或者客製化模型的需求嗎？
- 將AI導入應用，最常面對的問題是什麼？
和秉鴻老師討論後，得知應該先思考第一性原則，從第一性原則下手規劃訪談內容會比較好。
因此，思考是否可以根據以下第一性原則做問題分類，並持續構思新問題、第一性原則中：
- 基本原理
- 應用領域
- 未來發展
- 挑戰和限制
- 倫理和社會影響
以上五點是較具通性的第一性原則，針對特定專業人士可以構思更深入該領域的問題：
- (Thinking)
如何避免讓前輩認、列為伸手牌
【天底下沒有白吃午餐，你得構建好要問的主題，並先調研整理過，同時讓被詢問的人感覺未來是可以協助他的。】
準備是應該的，而準備的同時，可以將這些心法記在腦中，讓尋求訪談的過程中別人更願意協助或回答自己。
向量、矩陣 v.s 個人、群體
這個section主要希望能夠舉生活中的例子，讓人可以用更貼近生活的案例來學習、了解AI。
題目原文：【嘗試用生活案例對應到線性代數中的向量與矩陣，如何描述一個人，一群人。】
思考題目，我的想法是：
我試著把人分為「自認樂觀」與「自認悲觀」兩個群體，這樣可以給兩個群體貼上標籤（樂觀 v.s 悲觀）。
可以根據這兩個群體在某一天（可以以一年為單位去紀錄）會去哪一個場所做量化，寫為x向量（x向量則可以被做各種運算，拿去Train模型）。
這樣就可以針對這兩組資料做運算和建立模型（屬分類mission），或許可以「預測」「哪一類的人」在「特定時間」去「哪個場所」。
這是我想到的，一個AI可以運用在分析個人與群體生活上的例子。
把「個人」維度拉高
和秉鴻老師討論後，老師建議我嘗試「一個人就是一條向量」。
原因是（這邊將老師的舉例直接納入，解釋我的理解），原先的案例，在「個人」資料上都是一維的（悲觀 or 樂觀），如果我們想要把人變得「豐富」，就需要用更高的維度（其實就是更多的數據、值、量化質化後的內容）去描述。比如：身高、體重、身上的穿著、常用的文書工具等，當我們將這些「要素」考量進去，描述一個人的維度就可以變得很高。
在原先的案例中，x向量可以是 [x^{1}_{i}, x^{2}_{i}, x^{3}_{i}, … , x^{j}_{i}] ，其中i代表「某一天」，上標j則代表「可以前往的場所」。
當我們考量「一個人就是一條向量」時，x向量 [x^{1}_{i}, x^{2}_{i}, x^{3}_{i}, … , x^{j}_{i}] 的i就變成「一個個的人」，而上標j則代表「這個人的要素」，如果用0表示無，1表示有，根據不同的值，我們可以表示這個人是否有這樣的要素。
要理解這麼做的好處，可以先回想原先的案例。
在原先的案例中，我們只能根據「樂觀」and「悲觀」去分析「不同人」可能會有的行為。
雖然因為配上時間and場所的維度，所以資料維度可以是2*j(由前往的場所數決定)。
但如果我們使用「一個人是一條向量」的方式去思考，把原先的 x^{j}_{i} 換成一條條的向量，則資料維度會變成2*m(由個人要素決定)*j(由前往的場所數決定)，直接讓資料的豐富度上升好多個維度。
人，是很複雜的。有很多因素都會影響一個人的行為，當我們的資料維度越高時，代表我們可以訓練維度較高的模型，在預測「人的行為」上，準確度也會跟著提升。
如果模型太過簡單（維度太低），在機器學習領域我們稱之為「Model Bias」。簡而言之是因為模型的維度（參數）太低（太少），無法用來描述、預測資料的真實分布，因此不管怎麼訓練，都無法達到很低的Loss（無論在Training Data還是Testing Data皆是如此）。
Loss高就沒有實用價值，因此在「有意義」的情況下，提升維度是非常重要的，也是將一個人視為一個向量最重要的核心價值（找尋新維度上變得容易且有意義）。
這就是我理解的，為什麼要「一個人就是一條向量」的理由以及好處。
除了搭配原先案例，在不同的需求上（只要和人有關），都可以使用這些已有資料（數據集）去做分析和預測，非常的universal，這是這個數據集的特點。只要收集一次，就可以運用在很多地方，價值非常高。
New Question
秉鴻老師曾說過：【大成者，不著相，不急於學一方技能。人有陽壽，科技亦然，求科技者，如草原野兔，始量少，繁衍迅速，終無草食。】
然而，不急於學一方技能，不代表不需要。雲育鏈是一間提供服務給企業的公司，如果沒有一方技能，應該是難以提供服務給其他人的。
因此，我這麼問秉鴻老師：您是在哪個時期或者人生階段有自己一方技能的呢？
秉鴻老師希望我可以「先找類似且有生命經驗的生活案例反問自己」，因此，這個New Question是我接下來需要思考的事之一。