AI 影片生成練習文章

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 前言 今天一共有以下幾個主題： 後天發展的第一因與第二因 創造、模仿與學習的關係 好去處 Youtube影片觀賞心得（Joeman的影片 – 【Joeman】聊聊我的失敗與成功！創作者年會演講【網紅觀察室】） 今天沒有技術類相關內容，主題多偏重個人想法與心得，我盡力簡約說明，文長請見諒。 後天發展的第一因與第二因 「後天發展的第一因是環境，第二因是個人努力、學習態度、 自我反思等。」當然這是我個人認為的合理看法，有不同看法的讀者們歡迎下方留言分享！ 有句話是：【在有限的資源下，能做到的事情因人而異。】這句話雖然稀鬆平常，聽起來單純合理，卻很清晰的說明為什麼「環境」是第一因，「個人努力、學習態度、自我反思等」是第二因。 第一句「有限的資源」表明環境如何限縮一個人的作為可以多大。資源本身是一種環境的體現，富人、窮人小孩所擁有的資源不同，其實也代表著生長環境的不同。沙漠地區的水資源珍貴，熱帶雨林的水資源過剩，是地理環境的不同。氣溫較冷的地區有其適合的作物，氣溫較熱的地區也有其適合的作物，造就不同的資源豐富度。 環境的限縮，大幅度影響一個人能有什麼作為。想在沙漠地區擁有大量水資源，與在雨林地區擁有大量水資源，是截然不同的事。一個擁有大量資金的創業家，和資金流有限的創業家，能挑戰、嘗試的創業方式不同。因此我認為，環境，是後天發展的第一因。 第二句「能做到的事情因人而異」則表明在有限的資源下，「不同的個人努力、學習態度、自我反思等」可以有不同的成果。因人而異的「異」，指的便是不同人在這三個點的表現上有所不同。 接受到新資訊時，對於資訊不同的處理方式就是異處的開始。有些人在看到書籍分享出來的經驗、價值觀後，會嘗試實踐，時刻省思書中所講的道理，詢問自己和作者有什麼不同，從而改變自己的生活習性，最終導致自己的人生變得不一樣，可能維持悲傷、抑鬱，但也可能快樂、成功。有些人會認為書籍中的作者能夠成功可能是遇到貴人，或是運氣很好，剛好遇到對的時間點、對的事，自己就沒有那麼幸運，因此將內容拋諸腦後，繼續維持原本的生活態，從而失去了改變的可能性。這是不同學習態度、自我反思有不同結果的體現。 雖然都是大學生，都是就讀同樣的學校，然而不同的學生，付出不一樣的時間在專攻就讀科系上，得到的成就、成果也有所不同，這是不同個人努力、學習態度有不同結果的體現。 有些富二代雖家庭富裕仍舊上進努力，繼承家業後可能還讓家業更進一步發展，有些則懶散、傲慢或不負責任，雖都出生富裕家庭，但成就仍有所不同，這是「個人努力、學習態度、自我反思等」的體現 還有非常多的例子，參考許多很成功的企業家、創業家的人生故事、傳記，其實就會發現雖然同樣在資源有限的環境下，但成就卻和一般人有所不同。因此我認為，「個人努力、學習態度、自我反思」等是後天發展重要的第二因。 創造、模仿與學習的關係 學習是一個過程，可以指「通過獲取知識、技能和經驗，進行資訊的接收、理解和應用」。模仿是一種學習方式，可以指「通過觀察和複製他人的行為、態度和技能，以學習和模擬他們的行為模式」。創造是一種行為能力，可以指「在原有的基礎上，通過創新、想像力和創意，產生新的想法、概念、產品或解決方案」。 我會這麼認為：學習追根究柢是「資訊的接收、理解和應用」，模仿是「一種學習方式」，而創造則是「資訊的處理」。每個人的人生經歷不同，所以 本身含有的資訊豐富度不同（資訊包括未經處理的，以及自身處理過的，甚至他人處理過的） 資訊處理方式不同（學習方式、理解方式，每個人能夠做到的都不太一樣，同樣的資訊丟給不同人，結果也會不同。我覺得人就像一個非常非常複雜的函數，而且每個人都不太一樣，同樣的Input，可以有很多不一樣的Output。） 在這樣的前提下，就算不同人在某個時間點看到同樣的事物，也會產生不同的反應（行為舉止、思想）。 有人在我說完這段話後，認為我應該好好研究「藝術」。但在稍微詢問過ChatGPT後，我「現階段」認為是解讀方式上的問題。以下是一段來自ChatGPT的對話內容：【學習在藝術中確實扮演著重要的角色。藝術家通過學習不同的技巧、藝術理論和表現方式，豐富了自己的藝術知識和能力。學習可以來自於形式化的教育，如藝術學校或工作坊，也可以是通過自主研究和實踐。透過學習，藝術家能夠理解藝術的基本原則和技術，並運用這些知識來創造藝術作品。 模仿在藝術中是一個常見的「學習策略」。藝術家通過觀察和模仿他人的作品和風格，學習他們的技巧和表現方式。模仿可以幫助藝術家熟悉不同的藝術風格和表達方式，並且在模仿的過程中發展出自己的技能和風格。模仿不僅是學習的手段，也是一種尊重和致敬他人的創作的方式。 然而，創造是藝術的核心。藝術家透過創造來表達自己的獨特想法、情感和觀點。創造包括將學習和模仿的元素結合起來，並添加個人的獨創性和獨特性。創造涉及思考、想像、實驗和表達，他超越了單純的模仿，將個人的觀點和經驗注入作品中，創造出與眾不同的藝術品。 因此，在藝術中，學習和模仿可以被視為創造的基礎，他們為藝術家提供了技術和參考，但創造是獨立且個人化的過程，體現了藝術家獨特的想法和創造力。每個藝術家都有自己獨特的學習、模仿和創造的方式，這些元素相互影響並交織在一起，塑造出多樣性和豐富性的藝術世界。】 藝術風格、表達方式，可以視為一種資訊，能夠被描述和傳遞（否則也不可能呈現在電腦上了）。不同的複雜函數（人）接收到這類資訊（Input）時，也會產生不同的新資訊（代表自身理解）。在產生結果（Output）的過程，礙於複雜函數本身不同（每個人的人生經歷不同），處理（添加、組合、修改 = 思考、想像）資訊的結果也會不同。而「產出有別於原始資訊的過程」，就是創造。 因此，我認為就算是藝術，也脫離不了「學習是資訊的接收、理解和應用，模仿只是一種學習方式，創造則是以這兩者為基礎不斷改進主體（人、函數），進行資訊的處理」。這也是人工智慧發展的核心（個人看法啦），我對AI領域很感興趣的理由。 歡迎有不同看法的讀者們底下留言喔！ 補充：ChatGPT有提到【這些元素相互交織在一起，塑造出多樣性和豐富性的藝術世界】，元素其實也可以被視為資訊，相互交織則是不斷的整合、轉換、重組，其實也可以歸納在資訊的處理，這是我的個人看法。 好去處 有鑑於至目前為止都還沒出門，剛好有談論到藝術這件事，也有人認為我應該好好研究藝術，順便建議我去學捏陶或木雕，我決定去學個捏陶。身為鶯歌人，不會捏陶其實也有辱於環境賦予我的天職（哈）。 【台北陶藝教室推薦】手拉坯捏陶DIY體驗，6間台北陶藝課程整理 鶯歌離老家過近，我想找點其他地方去去，因此我將參考上面這篇文章的推薦，實際去走訪看看，是否有實際學習捏陶的機會。 預計6/3就會出門，北上找飯店旅館住。 Youtube 影片觀賞心得 偶然看到Joeman分享關於自己「失敗與成功」的影片，就點進去看了一下。 https://www.youtube.com/watch?v=I9cqlAIO8-w 寫到這，就不多做廢話，簡單記錄一些關鍵詞句，有機會再做論述。 定期更新：講這part時有提到【長期堅持固定做一件事其實不容易】我最近每天在寫【每日筆記系列】其實就有感受到這件事，每天都要花四五個小時在寫這篇文章真的很容易想偷懶。 建立護城河 在地化：國外Youtube影片成功的案例，可以變為「台版」，實行在地化，都是很容易成功的。之前在讀創業文章的時候也有看到這件事，被譽為最容易成功的方式，而且一點都不可恥。 …

2023/6/1 每日筆記 Read More »

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 前言 今天一共有以下幾個主題： 質化型變量與量化型變量 質化型變量如何轉為量化型變量、量化工具的合理性 結論一個人要正常運作的要件 Radio Commander的遊玩影片（第一、二關） 前天的New Question 前兩個主題比較偏技術討論、分享，後三個主題則是一些思維、心得或生活上的分享。 質化型變量與量化型變量 區分質化型變量和量化型變量，關鍵在於是否具有數值上的順序或大小關係。質化型變量只是描述不同的類別或屬性，而量化型變量則具有可測量和計算的數值特性。 質化型變量（Qualitative Variables） 也稱為類別變量或分類變量，表示觀察單位的特定屬性或類別。質化型變量沒有數值上的順序或大小關係，只是用來描述類別或屬性。 例如：性別、婚姻狀態、地區、學歷等都是質化型變量。 量化型變量（Quantitative Variables） 也稱為連續變量或數值變量，表示觀察單位的具體數值。量化型變量可以進行數值上的比較和計算。根據度量層次的不同，可以進一步分為兩類： 離散變量（Discrete Variables）：取有限個或可數個數值的變量，通常表示計數或次數。例如：家庭成員人數、每月用戶註冊數量等都屬於離散變量。 連續變量（Continuous Variables）：可以取任意數值的變量，可以是整數或小數。例如：身高、體重、年齡、收入、時間、距離等都屬於連續變量。 總結 質化型變量只是描述不同的類別或屬性，而量化型變量則具有可測量和計數的數值特性。區分質化型變量和量化型變量的關鍵，在於是否具有數值上的順序或大小關係。 質化型變量轉為量化型變量 將質化型變量轉為量化型變量最關鍵的要素，是要讓質化型變量在數值上具備順序或大小關係，而決定數值順序或大小則要套上「情境」。 直接舉例：將顧客滿意度（質化型變量）轉化為量化型變量。顧客滿意度通常以評分或評價形式表示，例如「非常滿意」、「滿意」、「一般」、「不滿意」、「非常不滿意」等。為了進行「數值分析或比較」，我們可以將顧客滿意度轉化為數字表示。 在顧客滿意度情境中，我們將滿意視為「大、強」，不滿意視為「小、弱」，因此不同滿意度代表的數值就具有大小和順序性了。 另一個例子：教育程度教育程度通常分為「高中以下」、「大學」、「碩士」、「博士」等。我們可以用0-3根據不同情境需求，套給他們不同的數值。 假設情境是要分析「是否具備較專業的知識」，那博士變量的數值可以給3，設為最大，高中以下可以給0，設為最低，因為情境的出現，質化型變量被套上數值後，也具備順序和大小的特性。 另一個例子：顏色一種顏色常見的轉化方式是將顏色使用數字編碼，例如使用RGB（紅綠藍）色彩模型的數值表示。，將每個顏色分別映射到0到255的範圍內（0-255, 0-255, 0-255）。具備較多或較少「紅」、「綠」、「藍」，就成了情境。因此賦予的數值，具備了大小的特性。 小結：要將質化型變量轉為量化型變量，一定脫離不了賦予數值，而通常數值具備有無、順序或大小的特性。 轉化工具 轉化工具有很多種，在評估轉化工具的合理性上可以考慮以下幾個方面： 目標符合性：轉化工具是否能夠達到所設定的目標和需求。例如，是否能夠準確地將質化型變量轉化為合適的量化型變量。 可靠性：轉化工具是否能產生「一致」和可靠的結果。評估可靠性可以通過測和驗證來進行，例如使用不同的數據樣本進行評估，檢查轉化結果的一致性和穩定性。 適用性：轉化工具是否適用於特定的情境和目標。不同的質化型變量可能需要不同的轉化方法和工具。評估轉化工具的適用性時，需要考慮質化型變量的特性和應用場警，並選擇最合適的轉化方法。 可解釋性：轉化工具產生的量化結果是否能夠被解釋和理解。在機器學習模型中，可解釋性是一個重要的考量因素。評估轉化工具的可解釋性時，需要確保轉化結果能夠清晰地表達質化型變量的特點和含義。 相關性：轉化工具產生的量化結果是否與質化型變量具有相關性。評估轉化工具的相關性可以通過統計分析和相關性測量來進行，確定轉化結果與原始質化型變量之間的關聯程度。 一般來說，選擇和使用轉化工具時，需要綜合考慮這些評估標準，確保轉化工具的合理性和有效性。 常見的轉化工具包括： 獨熱編碼（One-Hot Encoding）：將每個類別轉換為一個二進制特徵，使得每個類別都有自己的特徵列。這種轉化方式常用於處理多類別分類問題。 數值編碼（Numeric Encoding）：將類別映射為一個數值，可以使用類別的頻率、軍職、中位數等統計數據做為數值編碼的依據。 順序編碼（Ordinal …

2023/5/31 每日筆記 Read More »

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 訪談準備新進度 必須說明的是，目前準備不夠充分，沒有寄出Email給訪談候選人。 （我好想單純專研在技術實踐上…哈哈…雖了解這些事的重要性，但對這沒什麼興趣QQ。） 訪談主題 訪談主題亦是「實驗目標」，主題為「如何成為高價值AI領域人才」。 當今AI領域正處於快速發展的階段，對於具備專業知識和技能的高價值AI人才的需求與日俱增。了解如何成為高價值AI領域人才對於那些希望在這個領域中取得成功的人（像是我）來說至關重要。 訪談對象 目前候選的訪談對象有： 財團法人人工智慧科技基金會 – 廖柏瑜財團法人人工智慧科技基金會的技術團隊和顧問團隊有眾多的成員，選擇廖柏瑜作為訪談對象的理由是因為他在「生成式對抗網路」領域有一些實績。生成式對抗網路一直是我很感興趣的AI領域，一方面是它對無監督學習能力的貢獻，另一方面是它能生成「高度逼真」的數據。 雲育鏈的AI工程師詢問公司內部的AI工程師，一方面有助於了解AI領域，另一方面能夠更熟悉公司內的環境與操作。 問題列表（第一性原則） 性質與本質 如果想用一段話描述AI介紹給大眾，你會怎麼形容它？ AI被譽為最有潛力的未來科技，你認為關鍵核心理由是什麼呢？ 學習與知識 每個人都可以經由各種資源學習AI技術和知識，你認為想要在AI這塊領域與眾不同，是否有哪一個觀念、想法、知識或技術很重要？ 有句話是這麼說的：【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。】若想持續跟上快速發展的AI領域，你有什麼建議嗎？ 技術與實踐 除了學習理論知識外，實作的技術和經驗也很重要。在培養解決問題和實作AI解決方案的能力上，你有經驗或建議可以分享嗎？ 有看到「   」有很多的成功案例。一般來說在設計特定需求的模型時，常會需要有該領域的Domain Knowledge。你可以分享如何與非技術背景的人有效溝通AI相關的概念和成果嗎？ 領域和專業 在AI領域中，是否有特定的領域或專業是特別有價值的？ 如何選擇和專精於特定領域？ 可以分享你選擇專精「　」模型、領域的理由嗎？ 訪談流程 事前準備 在訪談開始前，一定要先聯絡對方： 簡單介紹自己：【您好，我是一位學生，來自中央大學，目前休學在雲育鏈實習，實習導師希望我能規畫一場訪談。我對於AI領域很感興趣，希望能透過訪談機會，更深入了解AI領域，同時做紀錄，讓大眾有更多機會了解AI領域。】 介紹訪談的目的、主題：【這次我選擇的主題是「如何成為高價值AI領域人才」。當今AI領域正處於快速發展的階段，對於具備專業知識和技能的高價值AI人才的需求與日俱增。了解如何成為高價值AI領域人才對於那些希望在這個領域中取得成功的人（像是我）來說至關重要。相信這次訪談的主題，能在希望了解相關議題的客群中取得良好的迴響。】 協調訪談的方式：【訪談的方式，希望能從面對面訪談、電話訪談和線上視訊訪談中擇一進行，若有意願，由您決定訪談方式。】 確認對方是否同意錄音或錄影：【實習導師希望這次訪談能有影片做為成果，若同意進行訪談，不知是否願意提供錄影機會？】 協調訪談時間：【另外，訪談時間希望能訂在六月份，不知您六月份是否有空閒時間可供安排訪談？】 訪談過程規劃 確定對方有意願協助訪談後，就要詳細規劃訪談。 地點當雙方達成共識後，就要查找適當的訪談地點。 再度確認訪談時間、進行方式 訪談設備的確認、流程的演練 訪談結束 訪談結束後，要感謝對方的合作。回程後要根據訪談內容進行整理和分析。 個人向量化精進 昨天發表自己對「個人向量化」的見解後，秉鴻老師希望我能： 找一個小情境，嘗試向量化 找兩個小情境，作矩陣的比較 再換一個量體大一點的情境 …

2023/5/30 每日筆記 Read More »

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，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 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 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？ …

2023/5/29 每日筆記 Read More »

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 值得紀錄的道理 第一則【宇宙洪荒，動靜有常，天象地形，變化始見矣，性情體用，恩害予奪，史更日易，變無窮數矣，坐望崑崙，觀變，習行，遵道，守德。】 第二則【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。】 第三則【萬物本無名，有名而定性，生質】 上面幾則皆是老師給我的教導，我非常喜歡接收、省思這些道理。我不怕自己無法理解這些（也覺得自己真的能夠理解，不過運用部分要多練習），只怕沒有機會透過這些資訊知道對方在想什麼。 接續旅行該做的事 【速出，持續修正旅行方式，出發前聯絡外部，告訴他們，有師之命，你在作調查，想訪談錄影。控管預算，不要懼怕失去，山窮水盡之時，亦是他人不能得的體驗。】 根據上述指示，接下來會先找出能夠訪談的對象，預先聯絡，然後前往當地訪談錄影。這次省思，我也悟了一件事，我可以不怕沒錢，我有後盾，我只怕失去重要之人。「這不是變弱，而是種進步」我曾經得到過這樣的提醒。學習如何面對這份畏懼，可能還需要一些時間。有可能一輩子都無法解決，那也沒關係，真的該面對的時候，在學會面對也沒什麼不好，多珍惜當下。 可以訪談的對象 目前想到有機會訪談的對象包括： 地方新創中心 青年事務局 可以產生文化衝擊的人 和AI專業領域有相關的人 青年事務局 桃園市政府 – 青年事務局有一項【門診諮詢服務】。根據網頁內容，應該要先進行諮詢申請，然而打開申請連結後，得到是服務整備中。工作日開始後會先試著聯絡 桃園市政府青年事務局 公共參與科的夏先生 (03)4225205 #6003，試著詢問能否進行訪談。 「地方新創中心」和「能夠產生文化衝擊的人」我還在尋找，希望明天能有所收穫。 和AI專業領域有相關專業的人 睡前剛發現「財團法人人工智慧科技基金會」，裡面有許多在AI領域有專業技術和經驗的人，或許可以從中找到能夠訪談的對象。（有看過其他人訪問過其中一兩位工程師。） 關於AI部分可參與的活動 下一個目標可能是花蓮，雖然在花蓮縣政府青年發展中心目前尚未找到訪談機會，但看到6/3有一場【玩數位 創未來】ChatGPT：自媒體的AI賦能的活動能夠參與，已報名，若有規劃花蓮行程再前往參加。 老師對於AI的建議 【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。】【你在網路上學的AI已是過去的產物，已有新的AI，然新AI，很快又成了舊AI。】 文中表明追求科技的人，就像草原上的野兔一樣。一開始雖然少，但成長繁衍的非常迅速，最終，會沒有草吃而亡，代表找不到工作。 【萬物本無名，有名而定性，生質，嘗試去寫一段對質化與量化的理解。】 關於質化與量化的理解，將在其他地方敘述。我理解這是走AI領域最重要的事。AI最關鍵的要素是如何把看似難以數學化的東西數學化，這是熟知各種AI模型、數學、技巧都不一定能夠習得的能力。 也就是：【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。】 先不論什麼模型建立、如何訓練、如何優化，上述三個過程不過是一堆的矩陣、向量運算。最重要的是把「概念」寫成矩陣、向量這類可以算的東西。 網路上「質化」的定義：【以主觀的方式來瞭解任何標的的真實現象，不以數字來探討標的，再以個人之見解來進行探討後結果的解釋分析，以獲得質化資料的結果】 我想先舉物理領域的例子，在物理學發展過程中，並不是所有的進展都是先有理論，才做實驗驗證。在古人了解行星如何運動之前，只是單純地將觀察到的軌跡、數據紀錄下來，才對這些數據做解釋。根據數據，古時候的學者提出一些自己的主觀意見，解釋為什麼會有這些數據，我認為這是「質化的其中一種方式」。 物理的例子可能不是那麼的正確且有點抽象，所以我享用人類學的例子來補充。在研究人類學的過程中，我們會收集「和訪談者的對話內容」，這每一筆內容，皆是「訪談者根據主觀意識做出的描述」，是一筆質化資料，而學者根據這些資料，以自己的主觀意識或經驗寫下見解，這是另一筆質化資料（是質化「已經質化過的資料」的資料）。 質化有很多方式，總歸來說是根據個人的主觀意識、觀點、經驗來分析一件事、一份資料、一個看到的事實等。訪談的內容，其實就是一筆質化的資料。（或許這是要我做訪談的理由？我不確定。）當我對一支筆作出「這支筆很漂亮」的敘述，這就是一筆質化過的資料。 網路上「量化」的定義：【對自然物理現象或人文社會現象，採數值衡量或以數據說明的過程，稱為「量化」。】 關於量化，我想先提一段曾經的經歷。在中央物理實驗課時，一開始對於實驗結果的描述方式，非常的「定性」。學生常說「有點高」、「比較多，比較少」等，我認為也是一種質化的內容。但好的敘述方式應該是「數值為xxx，與xxx相比少了xxx」，這樣的敘述在物理研究報告上才是有意義的。當我說出「這裡有十支筆」，十支就是一筆量化過的資料。若我對質化過的資料賦予數值，則質化資料就被量化了。 把質化的資料量化，寫成數學中矩陣、向量的形式，經由演算法（一堆的數學運算）找出能夠給予符合真實分布輸出的目標函數，是自然語言處理最核心的觀念，也是大多AI模型在做的事。 文章影片分享

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 AI/ML 學習歷程 Youtube 教學頻道分享、觀看紀錄 大約兩天前，我找到一個頻道，專門講解AI相關的課程。（Youtube頻道連結 – Hung-yi Lee） 這位老師講的內容，我覺得很好理解，目前正在觀看【機器學習2021】這份播放清單的內容。截至目前為止已看： 【機器學習2021】預測本頻道觀看人數 (上) – 機器學習基本概念簡介 【機器學習2021】預測本頻道觀看人數 (下) – 深度學習基本概念簡介 【機器學習2021】類神經網路訓練不起來怎麼辦 (一)： 局部最小值 (local minima) 與鞍點 (saddle point) 【機器學習2021】類神經網路訓練不起來怎麼辦 (二)： 批次 (batch) 與動量 (momentum) 平均每天觀看兩部影片左右。 上課影片簡報：機器學習、深度學習基本概念簡介 文章類 – 深度學習框架的入門抉擇 學習要透過實作才會印象深刻！在觀看 Hung-yi Lee 老師的教學影片後，我開始思考如何實作老師教導的內容。 第一步就是先選擇自己學習AI要使用的框架。我們都知道目前深度學習框架有PyTorch與TensorFlow兩大框架，兩者剛好互相佔據學術界與產業界的餅。根據閱讀過的文章，學術界以PyTorch為主，產業界以TensorFlow為主。 基於學習上的考量，將以PyTorch作為踏入AI這塊領域的起手式。在熟悉、理解AI領域的專業知識後，會轉為了解、使用TensorFlow。 參考資料：[1] HackMD – 深度學習框架: PyTorch與TensorFlow[2] Medium – …

2023/5/26 – 每日筆記 Read More »