學術專題演講 at 東海大學 & 中興大學： 人工智慧科技與文明發展

1. AI Technology &
Development of Civilization
往前行動工作室
2023.11

2. 往前行動工作室 Ahead Mobility
小而善的研究力量
https://medium.com/@aheadmb
My Instagram：involve.learning
My podcast (Spotify / SoundOn): Involve Learning

3. What Is AI？

4. Turing Test (圖靈測試)

5. AI 三要素
大數據 模擬人腦 創意

6. 台灣有可能發展 AI 嗎？

7. 台灣有可能獨立發展 AI 嗎？

8. 台灣目前不可能獨立發展 AI

9. • AI 為什麼需要大數據？
• AI 如何模擬人腦？
• 機器人能有自己的創意嗎？
Take Home Ideas

10. • AI 為什麼需要大數據？
• AI 如何模擬人腦？
• 機器人能有自己的創意嗎？
Take Home Ideas

11. 大數據，為何是 AI 的決勝點？

12. 先看看 ChatGPT 會做的事
- 將知識內化，應答如流
- 幫我們寫 Code
- 藝文創作
- 看得懂影像，聽懂聲音
為什麼這麼厲害？因為有大數據支援

13. 大數據到底多大？
訓練一次 ~ 1200 萬美元 (約 3 億多台幣)。
營運需 3 萬多片 Nvidia 顯卡，每天電費 5 萬美元。
跟 Google 租借 CPU

14. 大數據到底多大？
蒐集 25 年的全球網路資料，旗下擁有 YouTube，Kaggle。
資料中心共 69 棟。研發出 Bard AI 對抗 ChatGPT。

15. 大數據到底多大？
最大的影像平台，21 棟資料中心
旗下擁有 Instagram
Meta Data Center Location

16. 大數據到底多大？
不是只有開發 Windows 跟世紀帝國而已。
微軟擁有 Azure 雲端平台，藉此跟 OpenAI 合作。
與 OpenAI DALL-E 合作

17. 有玩過微軟的 DALL E 嗎？

18. 有數據之餘，
還需晶片才能訓練 AI
Google/Meta/OpenAI…
晶片
大數據
台灣位於AI產業鏈的下游
網站社群

19. 台灣於 AI 產業鏈中的角色
台廠主要受惠於 AI 的公司，
集中在產應鏈的下游

20. 所以台灣 AI 產業
著重於 AI 周邊的元件
AI 核心
周邊元件

21. 大數據，就是 AI 產業的大老闆

22. 可問 ChatGPT：下一屆美國總統大選誰會勝出？
AI 產業最大成本：大數據需更新
不要問我

23. AI 產業最大成本：大數據需更新

24. • AI 為什麼需要大數據？
• AI 如何模擬人腦？
• 機器人能有自己的創意嗎？
Take Home Ideas

25. AI 怎麼模擬人腦？
大數據 AI
提取
資料特徵
新資料
特徵比對

26. 訓練的資料
訓練出的特徵

27. 1957
Perceptron 的發明
X1
1
X2
X3
Σ
𝑤0
𝑤1
𝑤2
𝑤3
𝑜𝑢𝑡𝑝𝑢𝑡
𝑃𝑒𝑟𝑐𝑒𝑝𝑡𝑟𝑜𝑛

28. 將模擬人腦的過程視覺化
A Neural Network Playground

29. • AI 為什麼需要大數據？
• AI 如何模擬人腦？
• 機器人能有自己的創意嗎？
Take Home Ideas

30. AI 會演化出想法跟創意嗎？
噢我領悟了，原
來人類都是笨蛋

31. AI 會演化出創意嗎？
Stable Diffusion Online - Free AI Image Generator

32. AI 演化出的創意，在產業的應用
24 Hour 不睡的看門人

33. AI 演化出的創意，在產業的應用
過目不忘，提出解決方案的讀書人

34. AI 演化出的創意，在產業的應用
化工、核工及製造業負責異常感測的工安系統

35. 所以，哪些是真 AI，哪些是假 AI？

36. 哪些電影情節是真 AI，哪些是假 AI？

37. 真 AI，要能反饋出前所未有的想法

38. AI 入門的捷徑，給大家看一些工具

39. (YOLO) You only look once
世界最強物件偵測演算法

40. 沒有高效能電腦沒關係，使用 Google CoLab

41. AI 演進史
1940
Invention of
Programmable Computer
1956
Dartmouth workshop
1950
Concept of Turing Testing
樂觀提出 Machine can be as intelligent as human beings.
標誌 AI 的誕生

42. AI 的起源：思想如何用符號表示
Defining characters as one that represents
an idea directly. Not simply as the word
embodying the idea.
人類的想法
A 與 B 長得很像
A 與 C 很不像
റ
𝐴 ∙ 𝐵 > റ
𝐴 ∙ C
用符號表示
A
B
C
Leibniz 1646~1716

43. റ
𝐴 B
റ
𝐴 ∙ 𝐵 越大，越相似

44. 思想 → 透過符號表達
符號 → 對應數理運算
運算 → 可用機器實現
As a result
機器，可以模擬思想。

45. 1950
Alan Turing 發表論文：
計算機與人工智慧

46. 1958
探索式推理
專家系統
GPS – by Herbert A. Simon, J. C. Shaw,
and Allen Newell
General Problem Solver
SAINT – by James Slagle
symbolic automatic integrator

47. 1965 Eliza
the Rogerian Therapist

48. 1968
微世界
SHRDLU

49. 1957
Perceptron 的發明
X1
1
X2
X3
Σ
𝑤0
𝑤1
𝑤2
𝑤3
𝑜𝑢𝑡𝑝𝑢𝑡
𝑃𝑒𝑟𝑐𝑒𝑝𝑡𝑟𝑜𝑛

50. 好玩的網站：動手玩神經網路
A Neural Network Playground

51. 1963，DARPA (國防高級研究計劃局) 無條件提供經費
MIT：Project MAC
CMU
Stanford AI Project
Edinburgh AI Lab

52. AI 研發的特色：不一定成功，且很花錢
以 ChatGPT 為例，訓練一次的成本：400 萬美元~1 億多台幣
Meta 的 LLaMA model，
訓練一次，需要 2048 個
Nvidia A100 GPUs顯卡
連續跑 21 天
顯卡跟我買

53. fund people, not projects!
J. C. R. Licklider
Director of DARPA
促成 MIT 麻省理工學院的駭客精神
(hacker culture)
AI 研發，需要大量嘗試，花費大量資金

54. AI 低潮時期 1974~1980
◼ 放棄神經網路的構想
◼ DARPA 停止撥款
1. 電腦運算力不足 → 當時的電腦，比不過一隻 iPhone
2. 任務複雜性過高。
3. 無足夠資料供給 AI 訓練。(沒有 Google，網際網路、雲端)
結果：

55. AI 低潮時期 1974~1980
John Rogers Searle
質疑的聲音：真 AI 與假 AI 的差異：
中文房間思想實驗

56. AI 低潮時期 1974~1980
機器是用來解題的，
不是用來模仿人類的
人類並非用邏輯運算在思考
Hubert Dreyfus John McCarthy

57. AI 復興 1980~1987
IC 技術提高

58. IC (硬體)運算為何比軟體快速？
軟體：寄信(傳遞資料)，需到郵局(CPU)辦理，並統一派遣郵差運送
A先收到
B之後才送達

59. IC (硬體)運算為何比軟體快速？
IC 設計，好比蓋高速公路
讓郵件直達
黃仁勳手中這塊
就是 AI 的高速公路

60. AI 復興 1980~1987
專家系統受到重視
將現實中，所有情況須執行的規則都存起來。
→暴力解法
例子：XCON：2500條規則，自動選擇組件。

61. AI 復興 1980~1987
專家系統的精神
讓機器理解人類概念的唯一方法，
是一個一個地教會它們
Douglas Lenat
發起 Cyc Project
企圖將所有人類的常識都建成資料庫
缺點：沒有將知識內化的觀念

62. AI 復興 1980~1987
日本第五代電腦計劃：
想要造出能對話，翻譯，解釋圖像以及推理的機器。
1st generation
真空管
2nd generation
電晶體
3rd generation
IC
4th generation
微處理器 CPU
5th generation
VLSI
現在的智慧型手機就能做到了

63. AI 復興 1980~1987
神經網路重獲認可
1. 提出反向傳播算法。
2. Hopfield 神經網路被提出。
3. 循環神經網路 RNN
◼ DARPA 重獲撥款

64. 遇冷時期，第二次 AI 低谷 1987~1993
Lisp 機市場崩潰：被蘋果、IBM 研發的電腦取代
Lisp機器
Apple II IBM PC AT

65. 遇冷時期，第二次 AI 低谷 1987~1993
XCON 等專家系統難以維護，難以 Debug。
第五代電腦、與人交談 → 無法實現
DARPA 失敗，政府投入縮減…

66. 行為主義學派興起：1980 年代晚期
沒人告訴我該怎麼做，
但我的感覺會告訴我
Cog Project(MIT)

67. 1989~1998 CNN(Convolutional neural networks) 快速發展
應用在電腦視覺
Yann LeCun
CNN 之父
模擬視覺神經

68. 1997 年 RNN 架構的 LSTM(Long Short-Term Memory) 提出
可應用在序列預測，語意分析，手寫辨識
I was completely overwhelmed ?

69. 1997 年 5 月，IBM 深藍擊敗世界西洋棋冠軍
Garry Kasparov V.S. IBM Deep Blue
IBM Deep Blue

70. 2015 年 (YOLO) You only look once 提出
快速準確之物件偵測演算法
作者後來不再投入電腦視
覺相關研究

71. Alpha GO
2016 年擊敗圍棋九段李世乭
2017 年擊敗世界第一柯潔，人工智慧獲頒圍棋九段
我太難了

72. 近代 AI 歷史給我們的啟示
• Mark Zuckerberg 當初是為了交女友，發明 Facebook。
• Google 成立於搜尋引擎，提供大眾搜尋資料的平台。
• 微軟因 Windows 作業系統而崛起，發展 Azure 雲端運算。
• YouTube 是為了讓大家能擁有影片頻道而成立。
這些人都沒有想到，自己的系統與平台，
會成為 AI 的基石。

73. 我們的努力，會成功於看不見的未來

74. 只有往前行動，才能看見台灣科技業無窮的機會
Thanks for Your Attention !