AI 技術浪潮, 什麼是機器學習? 什麼是深度學習, 什麼是生成式AI, AI 能力認證
0 likes647 views
資策會: 生成式AI能力認證https://www.iiiedu.org.tw/certifications/exam/6 經濟部: iPAS AI 應用規劃師https://www.ipas.org.tw/AIAP/AbilityIndex.aspx
![32
資料可以是 Excel 數據、圖片、影片、聲音、文
字
， 但都要轉換成向量以多維度表現
資料要先向量化
=[, , , …, ]
𝑥](https://image.slidesharecdn.com/aigc20250324-250327062752-3493ba56/85/AI-AI-AI-32-320.jpg)
![資料與特徵向量
=[, , , …, ]
, 都是向量](https://image.slidesharecdn.com/aigc20250324-250327062752-3493ba56/85/AI-AI-AI-33-320.jpg)
AI 技術浪潮, 什麼是機器學習? 什麼是深度學習, 什麼是生成式AI, AI 能力認證
- 1. AI 技術浪潮
- 2. 2 2022/11/30
- 4. Claude : generate python code
- 5. 技術浪潮 Embedde d System 2000 Cloud Computing 2008 Internet of Thing 2014 Big Data 2015 Deep Learning 2017 Generativ e AI 2022 5
- 6. 6
- 7. 7
- 8. AI 可以用於分析醫學影像（例如 X 光片、 CT 掃描、 MRI ），幫助醫生檢測疾病， AI 應用於醫療產業 CNN 某些病的樣本不足，會使用生成式 AI 產生樣本
- 10. 利用生成式 AI 進行 Anomaly detection
- 11. AI 不是只有在「 Cloud 雲端」而是開始走向 「 Edge 終端」 AI 邊緣運算 AI model
- 12. TensorFlow Lite for MCU Sparkfun Edge board x1 Sparkfun USB-to-Serial Adapter x1 (CH340E chip) microUSB wire x1 Himax CMOS Imaging Camera - HM01B0 x1 https://bit.ly/3j2fIIt
- 14. 14 Development flow of the Edge AI https://www.nuvoton.com
- 15. 15
- 17. 17 語音字詞識別 ( 配合麥克風 ) “Go” or “Stop” https://youtu.be/gVXP8HtSZrE
- 18. 18 揮動姿態識別 ( 配合 3 軸加速器 ) https://youtu.be/OS50uC817NM
- 19. AI 界的「偷襲珍珠港」！ DeepSeek 是什麼？ 40 歲創辦人梁文鋒為何讓輝達、台積電 ADR 股價重挫，矽谷大佬害怕？
- 20. 簡化模型與提升效率 知識蒸餾 (Knowledge Distillation) 20 “Cat” as 85%, “Dog” as 10%, and “Rabbit” as 5%
- 22. • 多模態人工智慧（ Multimodal AI ） 指的是能夠同時處理 和理解多種不同類型的數據（模態），例如 文字、語音、 影像、視覺、感測器數據 等，以提升人工智慧的認知能 力和應用範圍。 • 整合多種感官資訊。 • 產生更貼近人類感知和理解方式的結果。 • 能夠在不同模態之間進行轉換和交互。 多模態人工智慧（ Multimodal AI ） Multimodal AI (Stable Diffusion/ DALL-E) image 圖片 文字 圖片
- 24. • 智慧語音助理 : 如 Siri 、 ChatGPT Vision ，可同 時處理語音、文字與圖像。 • 醫學影像分析 : 結合 CT 、 MRI 、病歷文本，提 高診斷準確度。 • 自動駕駛 : 同時處理攝影機、雷達、 GPS 感測 數據，提升環境感知能力。 • 安防監控 : 分析影像與聲音，偵測異常行為 • 人機互動 : VR/AR 、智慧客服可整合視覺、語音 和觸覺反饋。 多模態 AI 的應用
- 25. AI Agents
- 26. • AI agents are intelligent programs designed to operate independently. • They perceive their environment, make decisions, and take actions to achieve specific goals. AI Agent : Autonomous Problem Solvers
- 27. Accelerate delivery from idea to application • No-Code AI: Enables AI model creation without writing any code, using drag-and-drop interfaces and pre-trained models. • Low-Code AI: Requires minimal coding for customization, offering more flexibility while still reducing development time. No-Code / Low-Code in AI Development
- 28. What is Machine Learning ? What is Deep Learning ?
- 29. 29 Machine learning 是實現 AI 的一種方法 從資料當中學習出 rules ( 找到一個夠好的 function) 能解決特定的問題 什麼是機器學習 ? ? X Y f () X Y f() Machine Learning Rule-based: Traditional Rule-based:
- 30. ML 基本概念 機器學習創造的是一個 Model 資料 + 演算法 = 機器學習 Algorithm 𝑦 𝑥 Model(𝑓𝑢𝑛𝑐𝑡𝑖𝑜𝑛) ^ 𝑦=𝑓 (𝑥) 𝑥 𝑦
- 31. ML 通常做什麼 ? 分類 分群 迴歸 推論預測 𝑦=𝑎𝑥 +𝑏
- 32. 32 資料可以是 Excel 數據、圖片、影片、聲音、文 字 ， 但都要轉換成向量以多維度表現 資料要先向量化 =[, , , …, ] 𝑥
- 33. 資料與特徵向量 =[, , , …, ] , 都是向量
- 34. 34 Image Dataset Dataset = lots of samples Each sample contains: Features X={x1, x2,…, xk} label=2
- 35. 35 特徵空間 Good Bad
- 36. Overall flow of ML/DL development Here are many ML/DL Algorithms
- 37. 1. 收集數據 (Data Collection) ：通常希望能蒐集所有可能的 數據，而非只有少數樣本。 2. 特徵工程 (Feature Engineering) ：將數據轉換成適合模型 學習的形式。 3. 訓練模型 (Model Training) ：使用演算法學習數據的模式， 如 Deep Learning 、 Decision Tree 、 SVM 等。 4. 測試與評估 (Evaluation) ：利用測試數據集來評估模型表 現，關心指標如 Accuracy 、 MSE 、 AUC-ROC 等。 5. 部署與應用 (Deployment) ：將模型應用於實際業務，如 聊天機器人、自動駕駛等。 機器學習的流程
- 38. 38 Machine Leaning Algorithm http://bit.ly/2KDZZz4 Generative Adversarial Network pro
- 39. What is Generative AI
- 40. Generative AI is a system that leverages machine learning to generate new content. It’s like giving AI a creative license to produce something original, yet strikingly similar to what it has learned from the existing data. What is Generative AI? 40
- 41. Discriminative 模型學習 x 和 y 之間的關係，能預 測 y ，但不必知道如何生成 x Generative vs Discriminative 從觀察值 , …, 測 從觀察值 , …,
- 42. Generative modeling is a branch of machine learning that involves training a model to produce new data that is similar to a given dataset. x 的機率分佈，而生成模型試著去模仿 , 若模仿夠像，則用所抽樣出 來的 x 則如同來一樣 Generative AI 𝑃𝑑𝑎𝑡𝑎 A set of blue points generated by an unknown rule 𝑃𝑚𝑜𝑑𝑒𝑙 is an estimate of the true data-generating distribution
- 43. • 知名的深度學習生成模型，例如 VAE, GAN , Diffusion Model 等 Flow of Deep Generative Model Random Noise Training Sampling A generative model must also be probabilistic rather than deterministic, because we want to be able to sample many different variations of the output, rather than get the same output every time.
- 44. Discriminative : train + inference Generative : train + sampling Generative vs Discriminative Discriminative model {(𝑥𝑖 , 𝑦𝑖)} 𝑛 𝑥𝑛𝑒𝑤 = k inference Generative model {(𝑥𝑖 , 𝑥𝑖)} 𝑛 𝑃𝜃 (𝑥) Random noise sample ^ 𝑥
- 45. Latent Space 𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑒(𝑥− 𝑥 ′)2 z How to train
- 46. Week Decoder Strong Decoder Week Encoder Garbage in Garbage out 因為無法完全抓到 latent Space 抓到 , 故再強的 Decoder 對某些特定 x 也無 法重建 Strong Encoder 有完整的 latent Space 分佈 , 但 Decoder 太 弱無法清晰重建 x 有完整的 latent Space 分佈 , Decoder 能栩栩如生地重建 . 如此才能估算原始 資料分佈 (x) ’ 取決於 Encoder 與 Decoder 的共同努力 Encoder: q(z|x) 學習有意義的潛在表示 Decoder: p(x|z) 確保這些表示能夠重建原始數據
- 47. 能從圖像中學到潛在的高階特徵 , 如此資料集中 每個圖像都能用這些高階特徵進行組合和調整 Encoder 學到潛在特徵 (Latent Feature) height radius Pixel 高階特徵 (radius, height)
- 48. Latent Space 潛在空間描述了一個資料集的特徵分佈。特徵的分佈是對原始數據 的抽象化表達，它幫助 Decoder 理解和表示原始數據的分佈 Latent Space 潛在特徵空間 radius height z
- 49. AIGC
- 50. 文字生成 • 自動產生新聞稿、部落格文章、產品描述、行銷文案等。 • 用於故事創作、劇本撰寫、詩歌生成、翻譯、程式撰寫等。 圖像生成： • 生成廣告素材、產品視覺化圖、藝術作品、遊戲素材等。 • 可用於虛擬人物設計、建築設計、室內設計等。 影片生成： • 製作產品演示影片、廣告影片、動畫短片等。 • 用於電影特效、虛擬實境內容生成等。 音樂生成： • 創作背景音樂、廣告配樂、遊戲音樂等。 • 可用於生成個人化音樂、音效設計等 AIGC: Artificial Intelligence Generated Content
- 51. OpenAI chatGPT 1. Chat Generative Pre-trained Transformer Anthropic Claude: 強在程式碼產生 Google Gemini Microsoft Copilot AI 生成文字 51
- 53. Microsoft Bing Image Creator Adobe Firefly: 結合 Photoshop 修圖 Tensor Art : 是能用 Stable Diffusion 模型進行 AI 繪圖的網頁 AI 生成圖片 53 Stable Diffusion Text Prompt
- 55. 社會偏見 : ChatGPT 和其他 LLM 可能存在性別、種族和其他類型的 社會偏見，因為它們的訓練資料可能包含這些偏見。 資料所有權和權利爭議 : ChatGPT 大量依賴網際網路上的資訊，其中 許多資訊可能不屬於 OpenAI ，這引發了資料所有權和權利的爭議。 幻覺 : ChatGPT 可能會產生不準確或完全錯誤的資訊，稱為「幻覺」， 這突顯了確保 AI 系統準確性和可靠性的重要性 隱私洩露 : ChatGPT 已發生過資料洩露事件，暴露了使用者對話和敏 感資訊的風險。 個人資訊的濫用 : OpenAI 使用個人資訊作為 AI 訓練資料引發了隱 私問題，特別是在未經授權使用個人資料方面。 組織和員工的濫用 : 三星員工使用 ChatGPT 產生或除錯程式碼時， 無意中輸入了機密公司資訊，突顯了組織和員工濫用 LLM 的可能性。 ChatGPT 對於社會、法律和道德影響 55
- 56. AI 能力認證
- 57. 資策會 : 生成式 AI 能力認證 https://www.iiiedu.org.tw/certifications/exam/6 經濟部 : iPAS AI 應用規劃師 https://www.ipas.org.tw/AIAP/AbilityIndex.aspx AI 能力認證
- 58. 58
- 59. 59
- 60. 60
- 62. 初級能力指標
- 63. 中級能力指標
- 64. L21 人工智慧技術應用與規劃
- 65. L22 大數據處理分析與應用
- 66. L23 機器學習技術與應用
- 71. • 《AI應用規劃師-中級考試科目抵免說明》 ※ 如果您已取得 iPAS 「巨量資料分析師（初級 / 中級）」或「機器學習工 程師（初級 / 中級）」證照，只需報考 L21 人工智慧技術應用與規劃，並通 過該科目，即可獲得 「 AI 應用規劃師（中級）」 證照。