讓每一位孩子都有機會成為終身學習者
註冊/登入 均一帳號(FREE)
在課程頁面,完整觀看以下影片,再回來此頁面驗證與申請:
【暖身】發現電流磁效應(06:16) |
【觀念】磁場(06:15) |
【討論】電流磁效應的應用(07:14) |
【實驗】載流導線的磁效應(06:15) |
【觀念】電磁感應(06:16) |
【觀念】冷次定律(06:18) |
【討論】電磁感應的應用(06:47) |
【實驗】電磁感應(07:14) |
【觀念】電與磁的統一:電磁波PART1(07:22) |
【觀念】電與磁的統一:電磁波PART2(06:59) |
【觀念】可見光與電磁波:電磁波的應用PART1(07:07) |
【觀念】可見光與電磁波:電磁波的應用PART2(06:25) |
【暖身】波是什麼(06:51) |
【觀念】水波與聲波的干涉(06:19) |
【觀念】波的反射(06:32) |
【觀念】波的折射(09:11) |
【討論】波的應用(06:35) |
【觀念】干涉與繞射(08:23) |
【實驗】雙狹縫干涉(09:17) |
【觀念】都卜勒效應(06:13) |
【討論】都卜勒的應用(06:26) |
同學們,經過了六週的練習,不管是對於 Jutor 的熟悉度,還是你們的英文能力,應該都有所提升了吧!
我們要持續使用「自訂功能」進行練習,輸入自己喜歡的題目,並選擇適合自己的程度!這樣,你就能在自己感興趣的範圍內進行更深入的學習,讓英文能力進步得更快、更有效率。
分享你最愛的卡通/動漫 ❤️
這一週的內容是關於「你推的卡通/動漫 📺」。想像一下,你和朋友們正在討論你們最喜歡的卡通或動漫。你可以描述劇情、角色和為什麼你特別喜歡它們。
無論是風靡全球的《寶可夢》、深受喜愛的《汪汪隊立大功》還是熱血沸騰的《我的英雄學院》,這些都是很好的選擇。你可以讓你的朋友們也愛上你推的卡通或動漫,分享你的熱情,讓他們體驗到這些作品的魅力。
現在就在自定問題的輸入框貼上「cartoon / anime (卡通 / 動漫)」,準備好和大家分享你的最愛吧!❤️
在這一週的口說練習中,你可以嘗試以下這些常見的問句和回答:
問句: What is your favorite cartoon or anime?(你最喜歡的卡通或動漫是什麼?)
回答: My favorite cartoon is _________ (填入你最喜歡的卡通).
問句: What is the main storyline of your favorite anime? (你最喜歡的動漫的主要劇情是什麼?)
回答: The main storyline is about _________(填入動漫的主要劇情) .
問句: How did you discover this cartoon or anime? (你是怎麼發現這部卡通或動漫的?)
回答: I discovered it through _________(填入你發現卡通或動漫的管道).
另外,這週我們還有三個和「卡通/動漫」相關的單字,大家可以記住並多加使用喔:
希望大家能在這週的練習中享受分享「你推的卡通/動漫 📺」的樂趣,並提升自己的英文口說能力。
加油吧,同學們!
嗨,大家好!這週想分享關於 AI 科技如何在日常生活中有趣的應用。
在農業領域,一個很酷的團隊運用了機器學習、機器人和電腦視覺技術來幫助農民分辨農作物和雜草。這樣,農民就不需要依賴太多化學藥品來除草,對環境更加友好。
在交通領域,自動駕駛技術應用的進展也非常驚人。這些自動駕駛車輛可以自己開車,並且利用人工智慧系統來分析道路狀況和作出駕駛決策,讓駕駛變得更便捷安全。
這些都是 AI 技術在不同領域中發揮的重要公用,幫助我們更有效率地利用資源,改善生活品質。是不是很神奇呢?科技真的是無所不在,也無時無刻的改變著我們的世界!
你有沒有想過,電腦如何辨識人臉或是駕駛車輛的?或者,有沒有聽說過電腦有時候會搞混一隻狗和一個貝果?這些都跟一種叫做「電腦視覺」的技術有關。電腦視覺是指機器如何「看見」和「理解」圖片。
想像一下,有兩個形狀:一個是 X,一個是 O。當電腦第一次看到這些形狀時,它其實只看到一堆小方塊,這些方塊叫做「像素」。每個像素都有一個數字,代表它的顏色或亮度。電腦需要學習如何從這些數字中找到規律,才能理解圖片中到底是什麼。
我們會透過很多圖片來讓電腦學習。例如,我們給它看很多 X 和 O 的圖片,並告訴它哪個是 X,哪個是 O。剛開始,電腦可能會猜錯,但是這沒關係,和人類一樣,因為錯誤是學習的一部分。我們會像用閃卡學習一樣,給它正確答案。電腦會慢慢學會,並且越來越準確。
除了簡單的形狀,電腦現在還能夠學習辨識更複雜的東西,例如:車輪或眼睛。這時候,我們會用到一種叫做「神經網路」的技術。
神經網路有很多層,每一層都有不同的工作,比如識別簡單的線條或顏色,然後再逐步組合成一個完整的形象。最終,電腦可以將這些資訊合併,理解整張圖片的意思。
雖然這聽起來似乎很簡單,但其實讓電腦理解真實世界中的場景並不容易。我們需要提供大量有標籤的訓練圖片,有時還會遇到辨識、偏見或其他問題。因此,了解這些系統如何運作非常重要,這樣我們才能更好地利用它們來解決現實中的問題。
現在,科技進步讓我們可以 AI 工具來進行圖片辨識,例如:你可以輸入一張圖片,然後 ChatGPT 會利用背後的人工智慧技術來分析這張圖片的內容。這個過程也涉及神經網路的應用,系統會依據訓練過的數據來辨識圖片中的物體、顏色或其他特徵。舉例來說,如果你輸入一張包含動物的圖片, AI 工具可以辨識出圖片中是貓還是狗,甚至更詳細地描述它們的顏色和姿態。這種技術不僅在娛樂和日常生活中很有用。在醫療、交通和其他專業領域也有廣泛的應用,幫助我們更好地理解和利用圖片中的資訊。
讓我們來看看 AI 辨識食物的能力,甚至,它還可以提供你食譜、告訴你如何烹調的步驟喔!
本篇文章主要來自 code.org 的《電腦視覺如何運作?》影片,想要了更多,可以配搭 AI 狐狸貓 進一步探索!
同學們,經過了五週的練習,不管是對於 Jutor 的熟悉度,還是你們的英文能力,應該都有所提升了吧!
這一週,我們有全新的功能登場了~大家是不是很期待呢?希望你跟我們分享你的「父親節」計畫,這可是一次非常有趣的練習喔!
自訂問題:按你所需,自由練習
這一週,我們要介紹 Jutor 的新功能「自訂問題」,大家可以嘗試使用 B2 等級喔~這個功能可以讓你根據自己的興趣輸入練習主題,並且可以選擇適合自己的程度!
這樣,你就能在自己感興趣的範圍內進行更深入的學習,讓英文能力進步得更快、更有效率。
父親節的精彩活動
這一週的內容是關於「分享你的『父親節』計畫」。父親節是一個特別的日子,我們可以藉此機會向父親表達感謝和愛意。
你可以想想看,父親節當天你們家可能會有哪些活動?比如一起吃大餐、送禮物、參加戶外活動或是觀看他最喜歡的電影。
別忘了,父親在工作中的辛勞,他們為家庭付出了很多,所以這一天也是讓他們感受到被重視和感激的好機會。
現在就在題目那裡貼上,「分享你的『父親節』計畫」吧!💟
在這一週的口說練習中,你可以嘗試以下這些常見的問句和回答:
問句: What are your plans for Father’s Day? (你的父親節計畫是什麼?)
回答: I plan to take my dad out for _________ (填入你的計劃).
問句: How do you usually celebrate Father’s Day?(你通常怎麼慶祝父親節?)
回答: We usually celebrate by _________(填入你們家的計畫) .
問句: What gift are you planning to give your dad?(你打算送爸爸什麼禮物?)
回答: I’m planning to give my dad _________(填入你打算送的禮物) .
另外,這週我們還有三個和父親節相關的單字,大家可以記住並多加使用喔:
希望大家能在這週的練習中享受分享父親節計畫的樂趣,過一個幸福的父親節,並提升自己的英文口說能力。加油吧,同學們!
歡迎來到「進入 AI 世界從 A 到 Z」下篇!在即將展開的探索中,你將認識到 AI 和神經網路的奧秘、物件識別的魔法、到未來科技的量子計算,這些都不再是遙不可及的夢想,而是正在我們身邊發生的真實技術。
想像一下,我們透過手機認識眼前植物的名字,或是醫生透過先進的影像分析更精準地守護我們的健康。這一切都是透過 AI 的力量實現的。
但同時,也有挑戰和問題等待解決。價值對齊、權重調整、非監督學習等議題,都是機器學習世界中的冰山一角。這些問題需要我們一同思考、探討,甚至可能改變我們未來的生活方式。
神經網路是目前最有影響力的機器學習運算家族之一。它們模仿人腦的結構,包含節點(類似於大腦中的神經元)在它們之間的連接路徑上,對數值進行計算。就像大腦的神經元一樣,這些節點接收輸入,處理它們,然後將輸出傳遞給下一層節點。
訓練過程中,大量數據被輸入神經網路,然後在需要大量計算能力的過程中,不斷調整節點的計算。透過巧妙的運算,這些調整朝特定方向進行,使模型的輸出越來越像原始數據中的模式。當有更多的計算能力可用於訓練系統時,它可以擁有更多節點,從而識別更抽象的模式。更多的計算也意味著其節點之間的路徑可以有更多時間接近其最佳值,也稱為「權重」,從而產生更忠實於其訓練數據的輸出。
神經網路已在許多領域取得重要進展,包括語音識別、圖像識別、自然語言處理等,目前無論是大型企業還是創業公司,都在使用神經網路開發創新的產品和服務。
不過,神經網路也帶來了挑戰,例如訓練數據的偏見和不透明的決策過程。了解神經網路的工作原理和潛在限制是繼續推動這一領域發展的關鍵。
物件識別技術讓電腦能夠「看到」和理解圖像中的物件,就像人類能夠識別眼前的事物一樣。這項技術可以分析圖像,並識別其中的特定物件、人物、場景或活動。
想像你的手機相機能夠告訴你拍到的花的學名是什麼,或是你的安全攝影機能夠識別不尋常的活動。這種技術廣泛應用於醫療診斷、安全監控、甚至是自動駕駛車的路徑規劃。
在醫療領域,物件識別可以幫助醫生分析醫學影像,例如 CT 掃描和 X 光片,以便更精確地診斷疾病。在超級市場,它可以用於自動結帳系統,讓消費者更方便地購物。
然而,物件識別也帶來了挑戰。例如,系統可能會誤識別物件,導致不正確的結果。而且,隱私和安全也是重要的考慮因素,特別是在使用人臉識別等敏感應用時。
預測是人工智慧的一個重要部分,也是許多商業和科學應用的基礎。你可以將它看作是一個未來的預覽,透過分析過去和現在的數據,嘗試預測未來會發生什麼。
在金融領域,預測模型可以分析股市趨勢,協助投資者做出更明智的投資決策。在醫療方面,預測分析可以預測疾病的傳播和風險,幫助公共衛生部門提前做好準備。天氣預報則是一個日常生活中常見的例子,它讓我們能夠更好地計劃活動和做出決策。
預測不僅限於這些領域。在供應鏈管理、能源、交通等領域,預測模型也扮演了關鍵角色。它們可以協助企業預測需求,改善庫存量、減少浪費,甚至預測機器的故障,從而減少停機時間。
然而,數據的品質和可用性可能會影響模型的準確度。而且,未來總是充滿不確定性,有時候一些不可預測的因素可能會使預測失準。
儘管如此,隨著機器學習和大數據技術的進展,預測模型的能力和準確性正在不斷提高。預測已成為現代社會和經濟的重要驅動力,讓我們能夠更有效地利用資源,更好地理解和回應未來的挑戰。
量子計算利用量子比特(qubits)來進行計算,與傳統的二進制電腦不同,量子比特可以同時表示 0 和 1 的狀態。這種狀態的重疊和量子糾纏使量子電腦能夠同時處理多個計算路徑,從而大大提高了計算效率。
然而,量子計算也是一個充滿挑戰和未知的領域。量子系統的建立和維護需要極低的溫度和高度的隔離,以防止外部干擾。此外,量子錯誤糾正和量子運算的開發也是當前研究的熱點和挑戰。
儘管有這些挑戰,量子計算的潛力是巨大的,它開啟了新的科學和工程的可能。在 AI 領域,量子計算可能成為下一個重大突破,改變我們的生活和工作方式。
人工回饋強化學習(RLHF)是一個透過獎勵理想行為並懲罰不受歡迎的行為來優化 AI 系統的方法。這個過程可以由人工工人(在系統部署之前)或用戶(在系統發布給公眾之後)執行,他們會根據神經網路的輸出評估有助度、真實性或冒犯性等品質。當人類參與這個過程時,就稱之為 RLHF。
RLHF 目前是 OpenAI 和其他先進研究機構用於解決所謂的「價值對齊」的首選方法之一。價值對齊是指如何確保 AI 的目標和人類價值觀保持一致的挑戰。透過 RLHF,研究人員和開發人員可以更精確地引導 AI 模型的行為,使其更符合人類的需求和期望。
RLHF 並非完美無缺。一些研究人員認為 RLHF 可能不足以完全改變系統的基本行為,它可能只是讓強大的 AI 系統在表面上看起來更禮貌或有幫助,而不是真正解決深層次的偏見和錯誤問題。
此外,RLHF 還涉及一個重要的倫理問題:人類回饋者的選擇和代表性。如果回饋者的樣本不夠多元,或是他們的價值觀和社交背景存在偏差,那麼 RLHF 可能會無意中強化某些社會和文化偏見。
儘管有這些挑戰,RLHF 仍然是一個有前途和活躍的研究領域。例如,DeepMind 是強化學習的先鋒,成功地使用此技術訓練了像 AlphaGo 這樣的遊戲玩家 AI,使其在某些方面的表現甚至超越了人類大師。
RLHF 的成功應用有助於打造更人性化、更貼近真實需求的 AI 服務和產品。隨著技術進一步發展和改進,可以期待 RLHF 將在未來繼續促進 AI 和人類之間的協同合作,共同創造更加智慧和有益的技術解決方案。
監督學習是一種訓練 AI 系統的方法,其中神經網路基於帶有標籤的示例的訓練數據集學習進行預測或分類。換句話說,監督學習是讓 AI 系統透過觀察已知答案的問題來學習的過程。這些標籤幫助 AI 關聯,例如,將「貓」這個詞與貓的圖像相關聯。
有了足夠的帶標籤的貓圖像示例,系統可以觀察訓練數據集中不存在的新的貓圖像,並正確識別它。這種學習方式使監督學習成為許多 AI 應用的基礎,包括語音識別、圖像識別和自然語言處理。
監督學習對於建構像自動駕駛汽車這樣的系統非常有用,因為這些汽車需要正確識別道路上的危險,例如:行人、交通標誌和其他車輛。同樣,監督學習也被用於內容審查分類器,試圖從社群媒體和其他平台中刪除有害或不適當的內容。
然而,監督學習也有其限制。這些系統在遇到訓練數據中沒有明確表示的事物時常常陷入困境。特別是在自動駕駛汽車的情況下,這些失誤可能是致命的。此外,監督學習還需要大量的已標籤數據,這可能是昂貴和耗時的。
監督學習使許多先進的技術和便利的應用成為可能,並在我們的日常生活中發揮著越來越重要的作用。下次你看到自動標籤的圖片、自動翻譯的文本或是受到個人化推薦的商品時,你可以知道背後的監督學習正在努力工作,使這些智慧服務成為現實。
圖靈測試是由英國數學家和計算機科學家艾倫·圖靈(Alan Turing)於1950年提出的,旨在評估一個機器是否具有人工智能,特別是它是否能模仿人類的自然語言行為。在圖靈測試中,一個人類評審員會透過某種形式的通訊界面(例如,文字聊天)與一個機器和一個人類進行對話。評審員不知道哪個是機器,哪個是人類。如果評審員無法確定哪個是機器,那麼機器就被認為通過了圖靈測試。
圖靈測試的目的主要是作為衡量人工智慧的一個標準或基準。它不僅僅關注機器是否能解決問題或執行任務,而是更注重機器是否能模仿人類的語言和思維方式,以至於無法輕易地被區分出來。
該測試最初是在艾倫·圖靈的論文「Computing Machinery and Intelligence」中提出的,當時被稱為「模仿遊戲」(Imitation Game)。儘管圖靈測試經常被用作評估機器智能的一個重要標準,但它也受到了一些批評。批評者認為,僅僅模仿人類行為並不一定意味著機器具有真正的智能或意識。
總體來說,圖靈測試是人工智慧領域中一個具有里程碑意義的概念,對於理解機器是否能達到與人類相似的語言和思維能力提供了一個框架。
非監督學習是訓練神經網路的三種主要方法之一,另外兩種是監督學習和強化學習。不像監督學習,那是用小心標籤過的數據來訓練 AI 模型,非監督學習則是把一大堆沒標籤的數據餵進神經網路,然後讓它自己去找數據裡的規律。
這個方法主要是用來訓練像 GPT-3 和 GPT-4 這種大型語言模型,它們依賴的是大量沒標籤的文字數據。非監督學習的好處之一就是可以處理更多的數據,不用花時間和資源去請人工標籤,節省了很多麻煩。但是它也有缺點,像是因為少了人類的監督,訓練數據中可能會增加偏見和有害內容的風險。
為了減少這些問題,非監督學習常和監督學習或強化學習一起使用,比如說,先用非監督學習訓練,再用人類的回饋微調。
想像一下,就像你自己在學新東西,沒人告訴你答案,你得自己摸索規律和相關性。非監督學習就是讓機器也能這樣學習,挺酷的吧!但也得小心處理,才不會出問題。
非監督學習不僅是一個創新的機器學習方法,也是探索 AI 模型如何更有效地學習和理解未標籤數據的重要途徑。它突破了傳統的監督學習框架,提供了一個更自主、更靈活的學習環境,也提出了一系列的挑戰和問題,需要工程師和研究人員共同探索和解決。
價值對齊問題是 AI 領域中最深刻的長期安全挑戰之一。想像一下,你創造了一個智慧機器人幫你做家務,但它卻誤解了你的指示,以破壞性的方式清潔你的家,從而破壞了珍貴的物品。
今天的 AI 還無法壓倒所有設計者或工作者,但許多研究人員預計,未來有一天它可能會。在那個世界中,目前訓練 AI 的方式可能會導致它們傷害人類,無論是追求任意目標,還是作為明確的策略以我們為代價尋求權力。
為了降低風險,一些研究人員正在努力將 AI 與人類價值觀「對齊」。但這個問題困難、未解決,甚至還未完全理解。許多批評人士說,隨著商業激勵吸引領先的 AI 實驗室集中精力和計算能力使 AI 更有能力,解決這個問題的工作正在讓位。
價值對齊不只是理論問題,它涉及到未來 AI 如何與人類社會和文化互動,甚至可能影響到我們的安全和生活品質。當你和一個智慧助理對話或是使用自動駕駛車輛時,你可能會想知道這些系統是否真正理解和尊重你的價值觀和期望。
這是一個既迷人又極具挑戰性的問題,涉及科技、哲學、倫理和人類心理。價值對齊的核心在於確保 AI 系統的行為、目標和判斷與人類的道德和價值觀相符合。這不僅需要技術創新,還需要對人類價值觀的深入理解和多學科合作。在一個日益依賴 AI 的世界中,這個問題的重要性和迫切性將持續增加。
權重是神經網路中用來描述各個連接強度的數值。
你可以想像神經網路就像人腦,其中的「權重」就像是大腦神經元之間連接的強度。當機器學習模型在學習時,它會不斷調整這些權重,讓模型的預測結果越來越接近真實情況。
例如,在學習辨識貓的圖片時,模型可能會增加或減少某些特定特徵的權重,讓它更準確地識別貓的形狀和特點。權重的調整是一個精細的過程,需要大量的數據和計算能力。
正確的權重能讓 AI 模型在許多方面表現得像人類一樣,甚至在某些情況下超越人類的能力。想像一下,你正在使用一個智慧語音助理。這個助理的神經網路可能已經經過數千個小時的訓練,不斷調整權重,以便更好地理解和回應你的問題。或是當你在線上購物時,推薦系統的權重可能被調整以匹配你的興趣和喜好。
權重不只是一個抽象的數學概念,它們是使 AI 能夠學習和適應的基本機制。了解權重是如何工作的,可以幫助你更深入理解 AI 是如何學習和成長的,無論你是開發者還是日常使用者。權重的調整和優化是機器學習其中一個核心環節,透過合宜的訓練與調整,可以讓模型更精準地預測和理解複雜的問題和模式。這也是 AI 能夠在多元領域發揮作用的關鍵因素之一。
互斥或問題是神經網路和機器學習歷史上的一個有趣問題。XOR(Exclusive OR)是一個邏輯操作,給定兩個輸入,如果其中一個是真,另一個是假,則輸出為真。而如果兩個輸入都是真或都是假,則輸出為假。這個表格簡單地描述了 XOR 的行為:
這個看似簡單的問題,早期的單層神經網路卻解不出來。這是因為 XOR 問題不是線性可分的,單層神經網路只能解決線性可分的問題。因此,XOR 的輸出無法用一條直線將輸入空間分開。
後來,多層神經網路的出現解決了這個問題。透過引入隱藏層,神經網路得以學習更複雜的非線性函數,從而可以解決 XOR 這樣的問題。這個突破不僅證明了深度神經網路的威力,也推動了深度學習的發展。
XOR Problem 成了一個提醒我們,即使簡單的問題也可能需要複雜的解決方案的典範。它展示了深度學習如何能夠捕捉資料中的複雜模式,並且激勵了更多的研究和創新,讓機器學習能夠應對更多的挑戰和問題。從這個角度來看,XOR 問題不僅是一個數學和計算挑戰,更是人工智慧發展史上的重要標誌。
「Y 截距」(Y-Intercept)是一個數學術語,在 AI 和機器學習中,這個概念也扮演著重要角色。Y 截距是指一條直線與 Y 軸的交點的 Y 值。你還記得在學校裡學的直線方程式 y=mx+b 嗎?這裡的 b 就是 Y 截距。
你可能會想,這和 AI 有什麼關係呢?其實在機器學習中,我們經常使用這種線性方程來預測和理解數據之間的關係。當機器試圖學習一個趨勢或模式時,Y 截距和斜率 (m)就變得非常重要。
例如,想像一個智慧農業系統,透過分析土壤濕度(X 軸)和作物產量(Y 軸)的數據,可以找到一條最佳的直線來表示它們之間的關係。這條直線的 Y 截距和斜率就能告訴我們很多訊息,例如基本產量或土壤濕度對產量的影響程度。
所以,下次你看到一個 AI 產品或應用,不妨想想背後可能有一些數學的智慧在運作。有時候,最基本的數學概念也能發揮大作用。Y 截距的概念在各種機器學習和統計建模方法中都有涉及,尤其是線性迴歸分析。它強調了基礎數學概念如何在先進科技領域中發揮作用,連接了數學、計算和現實世界的需求。
零樣本學習(Zero Shot Learning,簡稱 ZSL)是一個對機器學習和人工智慧領域具有重大意義的概念,它連接了人類的一般化推理能力和機器學習模型的特定預測能力。
AI 的一個大限制是,如果系統的訓練數據中沒有某個東西,那麼系統通常就無法辨識出來。零樣本學習試圖解決這個問題,讓 AI 系統嘗試從訓練數據中推斷,以識別它們過往沒有看過的東西。
比方說,如果一隻綿羊突然走到路上,自動駕駛汽車可能不知道要閃避,因為它以前從未看過綿羊。零樣本學習可以讓車輛推斷出這是一個需要閃避的障礙物。另外,社交媒體平台可能很難立即移除一些未曾遇到的有害內容,零樣本學習能讓平台更快速地識別和監控新型態的不合規內容。
希望藉由 A – Z 每一個英文單字,能讓你更加認識 AI 世界!
本文部分參考自此文章
歡迎一起踏上這趟探索人工智慧(AI)奧秘的旅程!
在這個日新月異的科技世界中,AI 已成為我們日常生活的夥伴。或許你曾好奇,智慧助理是如何理解我們的語言?自動駕駛汽車又是如何「看到」路上的一切?別擔心,我們為你準備了 AI 的詞彙小指南 ——「進入 AI 世界從 A 到 Z」,以淺顯易懂的方式來說明每個重要概念。我們會一起認識基礎的演算法,探索深度學習的奧秘,甚至窺探未來的可能性。準備好了嗎?讓我們一起探索這個令人興奮的科技領域,了解它如何創造未來,並影響我們的生活和工作。
演算法是人工智慧(AI)的心臟和靈魂。你可以把它想成是一組特定的規則和步驟,用來解決特定的問題或執行特定的任務。
在日常生活中,演算法無處不在,從推薦你喜歡的音樂和電影,到幫助自動駕駛的汽車在道路上行駛。在 AI 的世界裡,演算法讓機器學會從數據中學習和做出判斷。例如,透過監督式學習的演算法,一個機器人可以學習辨識貓和狗的圖片;透過增強學習的演算法,一個遊戲 AI 可以學會如何在棋盤遊戲中戰勝人類對手;開車的時候,導航系統的演算法會從數據中計算最快的路徑,並且考慮了交通流量和道路狀況。
但演算法不僅僅是技術工具,它們也可能帶有價值觀和偏見,反映了設計演算法的人的觀點。想像一下,你正在使用一個智慧助理,它的演算法可能是根據你過去的購物記錄和瀏覽習慣,來推薦你可能感興趣的商品。未來,無論你是開發者還是使用者,了解演算法如何工作,以及它們在生活和工作中的應用,都是一個有趣和實用的探索。
在機器學習中,「偏見」或「偏差」指的是系統做出的決策帶有個人的主觀或歧視性。想像一下,你正在使用一個人臉辨識軟體,但它對某些族群臉孔辨識得比其他族群的臉孔準確。而這類錯誤通常是因為訓練數據反映了社會不公平現象。
現代的 AI 基本上是模式複製器:它們透過神經網路吸收大量數據,並學會在數據中發現模式。如果人臉辨識數據集中某些族群臉孔多於其他族群臉孔,機器學習系統可能就會學到錯誤的教訓,並開始自動化這些不公。偏見問題不只是技術挑戰,它觸及到社會、倫理和法律層面。如果你是一個開發人工智慧系統的工程師,你可能需要深入思考如何避免這些偏見。如果你是一個使用者,你可能會想知道這個系統是否真的理解你,還是只是在重複一些舊有的刻板印象。這是一個讓人們重新思考科技、人權和公平的重要議題。
在我們所處的數位時代,通訊和互動已經不再僅限於人與人之間的連接。進入我們的生活舞台的新角色,聊天機器人,已經成為了許多企業和個人每日交流的一部分。你是否曾在網站上被一個友善的小視窗問候,詢問你是否需要協助?聊天機器人就是這樣一個科技產物,它模仿人類的對話,以文字或語音的方式與人類用戶互動。從簡單的查詢應答到複雜的任務執行,聊天機器人的應用範圍不斷擴展。企業也越來越依賴聊天機器人來提供 24 小時的客戶服務。
Chatbots 是由 AI 公司建立的使用者友善介面,允許用戶與大型語言模型(LLM)互動,這通常是獲取問題和答案的有效方式。在 2022 年底,OpenAI 推出了 ChatGPT,使聊天機器人進入主流,促使 Google 和 Microsoft 嘗試將聊天機器人整合到他們的網路搜尋產品中。有些研究人員稱,如果 AI 公司在匆促中,推出聊天機器人是不負責任的,因為它們模擬對話,聊天機器人可能會欺騙用戶相信他們正在與有情感的另一方展開對話,這可能會導致情感的困擾。而且,聊天機器人既可以「幻覺」提供了虛假的訊息,也會造成訓練數據中產生偏見。
深度學習是一種 AI 技術,使用類似於人腦的神經網路結構進行學習和推理。這種學習的「深度」源於神經網路的層數,多層的網路能夠更好地擷取數據中的複雜模式,就像人腦一樣,深度學習模型能夠透過觀察和經驗學習。
深度學習已成為許多先進技術的基礎,例如:語音識別、圖像識別和自然語言處理。想像一下,你的智能手機能夠理解你的語音命令,自動駕駛汽車能夠識別行人和其他車輛,或是社交媒體平台能夠自動翻譯不同語言的文件。
深度學習的挑戰之一是需要大量的數據和計算資源進行訓練,這可能使得部分應用變得昂貴和複雜。然而,隨著技術的進步和計算能力的增加,深度學習正在變得越來越普及和易於使用。
專家系統專家系統是 AI 的一個重要分支,展示了如何將人類的專業知識和智慧轉化為機器可以理解和應用的形式。通常集結了大量的特定領域知識,並使用推理引擎來詮釋應用這些知識,解決複雜的問題。
比方說,醫療專家系統可能包含了大量的醫學知識和診斷規則,能夠協助醫生診斷疾病和制定治療方案。或是在金融領域,專家系統可以分析市場趨勢和投資策略,為投資者提供專業建議。
專家系統的優勢在於它能夠在缺乏人類專家的情況下,提供專業的解決方案和建議。這在一些特殊領域或偏遠地區可能非常有用。
然而,專家系統的建立和維護可能非常複雜和昂貴。它需要大量的領域知識和專業經驗,並且也需要不斷地更新和調整以保持準確和有效。
基礎模型在日益成長的 AI 生態系統中扮演重要角色,它們是強大、通用的 AI 模型,與依賴它們的特定應用和工具形成了區別。例如,GPT-3.5 就是一個基礎模型,ChatGPT 則是一個聊天機器人,是在 GPT-3.5 之上構建的,具有特定的微調功能,以拒絕危險或有爭議的提示。
基礎模型不受限制並且功能強大,但訓練成本也相當高,因為它們依賴大公司通常才能負擔得起的大量計算能力。掌握基礎模型的公司可以設定其他公司如何使用它們進行下游應用的限制,並按自己的意願收費。
隨著 AI 在世界經濟中的地位不斷提升,掌控基礎模型的少數大型科技公司似乎有望對技術的方向產生超大的影響,並從許多類型的 AI 增強經濟活動中收取費用。
基礎模型的概念揭示了 AI 的發展和商業化如何形成一個多層次的結構。無論你是開發者、企業還是一般使用者,理解基礎模型的運作方式和它們在整個 AI 生態系統中的角色都是重要的。這有助於揭示未來的趨勢和機遇,也有助於更好地理解和適應快速變化的技術世界。
GPT 是目前人工智慧領域最有名的縮寫之一,代表「生成式預先訓練轉換器」(Generative Pre-trained Transformer),基本上描述了 ChatGPT 這類工具的類型。
「生成」意味著它可以創造新數據或文本;「預訓練」表示模型已根據這些數據進行了優化,這也表示它不需要每次被提示時都回溯到原始訓練數據;「轉換器」則是一種強大的神經網路運算,特別擅長學習數據和對話串之間的關係,例如句子和段落。
想像一下,你正在用一個聊天機器人問一個問題,GPT 就像是那個機器人的大腦,能夠理解你的問題,並生成人類般的回答。這不僅僅是機械式的回應;它是經由學習大量的文本和了解語言之間的複雜關係來產生的。
GPT 的這些能力使它成為許多創新應用的基礎,從簡單的聊天助理到更複雜的文本生成和分析工具。下次你在線上與聊天機器人對話時,不妨想想背後的 GPT 是如何讓這一切成為可能的。
在人工智慧領域,「幻覺」指的是當 AI 模型創造出與其訓練數據不一致或錯誤的訊息。這可能是因為模型在訓練過程中,對某些模式或特徵過度解釋,導致在處理新數據時產生錯誤的判斷。
舉例來說,如果你向聊天機器人詢問一個歷史事件的問題,而它回答一個不存在的人物或事件,這就是一種幻覺。這可能是因為 AI 在訓練數據中找到了某些相似的模式,並錯誤地將它們與你的問題聯繫起來。
幻覺不僅限於文本生成。在視覺識別或聲音處理等任務中也可能發生。這個問題在 AI 開發中是一個重要挑戰,因為它可能導致不可預見的錯誤和不準確的結果。
想像一下,你正在使用語音助理查找食譜,如果助理「幻覺」了一個不存在的成分,那麼你的晚餐可能就會出問題!了解幻覺和其他潛在的 AI 限制有助於我們更有智慧地使用這些工具,並理解它們在何時可能出錯。
智慧爆炸是一個假設的情境,在AI 在達到一定的信心水準後,能夠控制自己的訓練,迅速增加能力和智慧,不斷自我提升。在這個觀念的大多數版本中,人類對 AI 失去控制,而在許多版本中,人類甚至滅絕。
這個觀念也被稱為「奇點」(Singularity),這也是許多人對目前 AI 能力增加的速度感到存在上的擔憂的部分原因。
智慧爆炸的觀念提醒我們,設計 AI 的目標和價值觀需要非常謹慎和精確,否則可能帶來意想不到的後果。這是當前 AI 安全和倫理研究的重要主題,目的是確保 AI 的發展與人類的利益和價值觀保持一致。
聯合學習允許多個模型或系統一起學習。這就像一個團隊合作,共同解決問題。在醫療、金融等領域,聯合學習讓不同的組織可以分享他們的知識和數據,共同創造更強大的解決方案。
你可以想像成一個國際科學計劃,來自不同國家和背景的科學家共同努力,解決一個全球性的挑戰。在 AI 的世界裡,聯合學習讓不同的 AI 系統共享數據和學習經驗,彼此之間學習和成長。
例如,在醫療領域,各家醫院可能有自己的病人數據和治療經驗。經由聯合學習,他們可以在保護隱私的前提下,共享這些寶貴的資訊,共同訓練一個更精確的疾病預測和診斷模型。
這不僅提高了各個組織的效率和效能,而且促進了整個社群的創新和進步。聯合學習是一個強調合作和共享的模型,與傳統的競爭和獨立開發相比,它更能反映出人類社會的多樣性和互動性,在當今全球化的時代,這個觀念變得越來越重要。
知識圖譜是一個強大的工具,可以讓人工智慧(AI)更好地理解和處理訊息。知識圖譜是一個融合了科技、語言和文化的有趣領域,它帶來了新的機遇和挑戰,並將人類的智慧和機器的計算能力結合在一起。
想像一下,你正在搜索一個著名作家的資訊。知識圖譜不僅能告訴你他的生平和作品,還能告訴你他的文學風格、影響的作家、以及他作品的主題和背景。這些連接形成了一個豐富的網路,也反映了我們世界的複雜性。
在 AI 中,知識圖譜可以用於增強機器的理解能力。例如,一個推薦系統使用知識圖譜來理解你的興趣和喜好,並提供更精確的推薦。或是,在醫療領域,知識圖譜可以幫助 AI 分析病人的病史和病症,並提供更個人化的治療方案。
知識圖譜也在教育、金融和許多其他領域發揮作用。你可以把它看作是一個智慧的地圖,引導 AI 走向更深、更富含洞察力的理解。
當人們談論最近的 AI 進展時,大多數時候都在談論大型語言模型(LLMs)。
OpenAI 的 GPT-4 是突出的 LLM 例子。本質上是在大量人類語言上訓練的巨型 AI,主要來自書籍和互聯網。這些 AI 學習數據集中單詞之間的常見模式,並因此變得擅長再現人類語言。LLMs 接受的數據和計算能力越多,它們能夠完成的新任務也就越多。
最近,各家科技公司已開始推出像 ChatGPT、Bard 和 Bing 這樣的聊天機器人,讓用戶與 LLMs 互動。這些大型語言模型能夠理解和產生人類語言,用於翻譯、問答、文本生成等。儘管它們能夠執行許多任務,語言模型也可能容易出現像偏見和幻覺等嚴重問題。
大型語言模型的應用正在快速增長,它們正在改變我們與技術的互動方式,使得關鍵字搜尋和溝通變得更加自然和直觀。無論是在企業還是日常生活中,大型語言模型都是一個值得關注的領域,它們帶來了新的機遇和挑戰,並可能塑造未來的科技趨勢。
機器學習就像教電腦新技能。透過數據和經驗,電腦可以學會預測、分類、甚至創作。它是一個讓機器從數據中學習和改進的過程,而不需要明確的程式。
從自動排序你的郵件,到推薦你可能喜歡的音樂,機器學習已成為現代科技的不可或缺部分。它也在許多其他領域發揮作用,例如在醫療診斷中辨識疾病,或在金融市場中預測股票趨勢。
機器學習的核心是演算法和模型,它們可以從數據中找到規律和模式,這些模式可以用來做出預測或決策,不需要人類的干預。例如,一個機器學習模型可以從過去的天氣數據中學習,然後預測明天的天氣。
機器學習也是人工智慧(AI)的一個重要分支。透過機器學習,AI 可以不斷進化和適應新情況,從而變得更聰明和更有效。
我們一起認識了 AI 世界裡的 A 到 M,下週將為大家介紹 AI 世界裡的 N 到 Z,敬請期待吧!
本文部分參考自此文章
同學們,經過了四週的練習,不管是對於 Jutor 的熟悉度,還是你們的英文口說能力,應該都有所提升了吧!這一週,我們又有新的主題了,大家是不是很期待呢?
我們將探索如何開口「認識新朋友」。要記得持續使用「檢定分級」功能練習,這樣你可以選擇最適合自己的主題練習哦~
友誼的開始
這一週的內容是關於如何開口「認識新朋友」。
想像一下,你在學校、夏令營或是社交場合中「認識新朋友」,大家圍成一圈,開始進行自我介紹和簡單的交流。你可以問對方的名字、興趣或是他們喜歡做的活動,這樣很快就能彼此了解,建立起友誼。
透過這些有趣的對話,你不僅能夠交到新朋友,還能提升自己的英文口說能力!
運動員們會在多種運動項目中競技,展現他們驚人的體育才能。比如說,2024年的奧運將在法國巴黎舉行,屆時將有來自世界各地的運動員參與,競逐榮耀。奧運不僅是體育的盛會,也是展現國家榮譽和運動員精神的舞台。
在這一週的口說練習中,你可以嘗試以下這些常見的問句和回答:
問句: What’s your name? (你叫什麼名字?)
回答: My name is _________ (填入你的名字).
問句: What do you like to do in your free time? (你空閒時間喜歡做什麼?)
回答: I like to _________(填入你喜歡的休閒活動).
問句: Where are you from? (你來自哪裡?)
回答: I am from _________(填入你的城市/國家).
另外,這週我們還有三個和朋友相關的單字,請大家記住並多加使用:
希望大家在這週的練習中都能享受「認識新朋友」的樂趣,也能提升自己的英文口說能力。
加油吧,同學們!
同學們,經過了三週的線上英文口說練習,不管是對於 Jutor 的熟悉度,還是你們的英文能力,應該都有所提升了吧!
這一週,我們又有新的主題和練習方式了,大家是不是很期待呢?我們將探索「在家下廚」的樂趣,並學習相關的英文表達。Let’s go!
發掘你的潛力
這一週,我們將使用 Jutor 的不同模式——「檢定分級」來進行練習。建議大家使用 B1 等級開始,因為這個模式可以幫助你更準確地掌握自己的英文程度並持續進步,非常適合用來準備英檢考試!如果有不懂的地方,可以開啟提示功能喔!
家常美味:「在家下廚」的樂趣
暑假到了,大家是不是有比較多的時間可以和家人一起度過呢?
這週,我們將從「在家下廚」開始,學習一些實用的英文。和家人一起下廚,不僅可以增進家庭感情,還能學會做許多美味的家常菜,真是一舉兩得呢!
「在家下廚」是一件既有趣又實用的事情。想像一下,你和爸媽在廚房裡忙碌地準備一頓豐盛的晚餐,桌上擺滿了各種新鮮的食材。你們可能會做一些簡單又美味的家常菜,比如番茄炒蛋、滷肉飯、三杯雞、炒高麗菜、滷蛋等等。最有趣的是,還可以和爸媽一起 DIY 甜點,比如烘焙餅乾、蛋糕或製作水果沙拉~~❤️
透過這些練習,不僅能提升自己的口語能力,還能學到更多好吃又實用的生活英文!
在這一週的口說練習中,你可以嘗試以下這些常見的問句和回答:
問句: How long does it usually take to cook dinner? (通常需要多長時間才能做好晚餐?)
回答: It usually takes about _________ (填入時間)to cook dinner.
問句: How often do you cook meals at home?(你多常在家做飯?)
回答: I cook meals at home about _________(填入數字) times a week.
問句: What ingredients do we need for your favorite dish? (我們需要哪些食材來做你最喜歡的料理?)
回答: We need _________, _________, and _________(所須的食材) to make _________(你最喜歡的料理).
希望大家能在這週的練習中享受「在家下廚」的樂趣,並提升自己的英文口說能力。加油吧,同學們!
我們所處的數位時代,通訊和互動已經不再僅限於人與人之間的連結,「聊天機器人」已經成為許多企業和個人每天溝通交流的一部分。你曾在網站上看到一個跳出的視窗,詢問你是否需要協助嗎?聊天機器人就是這樣一個科技產物,它模仿人類的對話,以文字或語音的方式與人類用戶互動。從簡單的查詢應答到複雜的任務執行,聊天機器人的應用範圍不斷擴展。企業也越來越依賴聊天機器人來提供24小時的客戶服務。
Chatbots 是由 AI 公司建立的使用者友善介面,允許使用者與大型語言模型(LLM)互動,這也是獲取問題和答案的有效方式。在2022年底,OpenAI 推出了 ChatGPT,讓聊天機器人進入主流,也促使 Google 和 Microsoft 嘗試將聊天機器人整合到他們的網路搜尋產品中。有些研究人員聲稱,如果 AI 公司在很匆促的過程中推出的聊天機器人是不負責任的,因為它們除了模擬對話,也可能會讓使用者相信他們正在與有感知的另一方對話,這可能會導致知識正確性或情感面向的困擾。此外,聊天機器人因為「幻覺」提供了虛構的資訊,也可能會造成訓練數據中產生偏見。
在聊天機器人令人驚艷的能力背後有個關鍵點:機率。是的,聊天機器人的本質就是透過不斷的機率選擇,來決定下一個最合適的字或詞。例如,讓 ChatGPT 學習莎士比亞劇作的風格,它需要分析每個字母後可能出現的字母,經過多次的迭代和調整,結果會越來越像莎士比亞的作品。
你可能會好奇,這究竟是怎麼辦到的呢?這類系統進化的過程主要包括三個步驟。首先,它們從知識庫或網路上收集所有可找到的資料,例如,從維基百科到 GitHub 上的程式碼無所不包。其次,它們不再僅基於單個字母的選擇,而是根據完整單詞來預測下一個符號。最後,這類系統需要大量的人為調整,以確保結果是正確、合理,而且不具偏見或危險性。
一起來思考一下,聊天機器人可以做哪些事情呢?
那麼,聊天機器人不能做到什麼事情呢?
當然,這種技術還在不斷發展中。人們常常會質疑它是否具有真正的智慧,尤其是在它提供錯誤答案的時候。即便如此,AI 在許多領域展現的能力依然令人驚嘆。它們已經被廣泛應用於應用程式和網站的開發,協助製作電影和遊戲,甚至參與醫學的研究。
因此,深入理解人工智慧對我們每個人都非常重要。這樣,我們不僅能欣賞科技創新帶來的奇妙體驗,還能更好地迎接未來的變化。希望這篇文章能夠引起你對 AI 的興趣,讓我們一起探索這個充滿可能性的領域吧!
本篇內容部分文字主要擷取自由 code.org 製作的這支影片,你可以觀看影片,探索聊天機器人和大型語言模型是如何運作的。
另外,均一也在今年四月推出了「AI 狐狸貓學伴/助教」,你可以從「AI 狐狸貓專區」挑選你感興趣的影片,然後和進駐在影片下方的 AI 小精靈(聊天機器人)聊聊天,觀察聊天機器人如何回應你的提問,並練習如何提問以讓聊天機器人更精確地回答你的問題。
你知道嗎?在電腦一開始來到這個世界,主要的任務是用來計算並且處理一些非常複雜的數學問題,那時候,很多人都認為電腦只能用來做這些單調的工作,根本不可能有創造力和想像力。後續因為科技的進展,電腦能夠更廣泛的協助人類解決更多的問題,或是滿足生活、娛樂等各方面的需求。
現在,我們已經看到了人工智慧(AI)可以寫故事、生成圖像和音樂,甚至能創作出獲獎的藝術作品!這些進步不僅僅停留在藝術領域,AI 甚至可以創造出看似真實,但實際上並不存在的社群媒體影響者,並且還能夠透過簡單的指令就能生成精彩的影片喔!
你會好奇這些令人驚豔的成果是怎麼來的嗎?讓我們先認識一種叫做「生成式對抗網路」(GAN,Generative Adversarial Network)的技術,它是一種深度學習架構。它會訓練兩個神經網路來彼此競爭,從指定的訓練資料集中產生更真實的新資料。
簡單來說,GAN 是由兩個 AI 模型組成的:一個是生成器(Generator),另一個是辨別器(Discriminator)。生成器的任務是試圖創造出逼真的圖像,而辨別器則會進一步識別這些圖像是否是真實的。這兩個模型會彼此「競爭」,很像是一場訓練的過程;生成器會變得越來越厲害,直到辨別器無法分辨哪些圖像是生成器仿造出來的。
這種訓練方式讓 AI 學會了創造出越來越真實的圖像,但這還不是最令人驚奇的部分。現在,有一種新的應用正在崛起,那就是以「擴散模型」為基礎的技術。
擴散模型技術是來自物理學的啟發,也就是和「去噪」(denoising)和「反問題」(inverse problem) 理論有關。簡單來說,這些理論是關於如何從含有雜訊、或不完整的訊息,重新建構出原始的信號或圖像。
處理的過程,我們用以下例子來描述:
首先,它會把一張清晰的圖像轉化成一張充滿噪點的圖像,就像是為照片加上很多的雜訊。例如,一張高解析度的人物照片經過這個過程後,會變成一張看不清楚臉部細節的模糊圖像。
然後,AI 會觀察這些有雜訊的圖像,學習其中的細節,並試圖逆轉這個過程,生成出原來的清晰圖像。比方說,AI 會從模糊的人物照片中辨認出臉部特徵,並重建出高解析度版本。
透過大量的重複實驗,AI 變得越來越聰明,能夠從一張模糊的圖像中猜測出更高解析度的細節,最終創造出全新的圖像。就像在一系列模糊的風景照片中,AI 能夠逐步學會重現每一片樹葉的細節,還原出美麗的高解析度風景圖。
此技術的應用範圍非常廣泛,不僅僅是靜態圖像,還可以用來創作影片。例如,AI 可以從一段低解析度的監控錄像中生成高解析度版本,提升畫面品質。
現在的生成式 AI 應用,已經能夠從文字描述中創造出全新的圖像或影片,這是一個非常了不起的進步。比方說,使用者提供一段描述「男孩沒有抓緊紅氣球的線,紅氣球隨著風緩緩飄向天空」,AI 可以生成出相應的圖像(如下圖)或影片,讓文字變成視覺體驗。
但是,這些技術進步也引發了很多有趣的問題,比方說:
我們現在正處於探索 AI 創造新型態媒體的初期階段。現在,AI 可以生成文字、圖片,甚至也可以創造音樂和影片。這將對社會各領域尤其是娛樂業產生深遠的影響,包括電影、動畫、音樂和遊戲。你可以想像一下,未來的電影可能會由 AI 參與編劇和導演,音樂專輯可能由 AI 創作和製作,遊戲世界也可能由 AI 來設計和構建。
對於喜歡創作的人來說,AI 提供了很多新的可能性。
你可以使用 AI 來幫助你有效率地完成一些繁瑣的工作,比如圖像處理或音樂編輯,讓你有更多的時間和精力去進行真正的創作。你也可以與 AI 的創造力來產生一些新的想法和靈感,幫助你突破創作的瓶頸。
總之,AI 是一個強大的工具,我們可以善用它來解決問題、提升學習或是工作的效率,它也能幫助我們創造出更多獨特和有趣的作品。希望這篇文章能讓你對 AI 的運作有更深入的了解,並激發你在創作中的靈感,讓我們一起期待未來,看看 AI 還能帶來什麼樣的驚喜吧!
對了,你可以觀看由 code.org 製作的影片,並且與 AI 狐狸貓的 AI 小精靈對話、聊一聊,也許你會對於這個話題有更多想法和觀點喔!
嘿,小夥伴們!經過前兩週與 Jutor 的大量互動和英文口說的鍛煉,你們是否感覺到,自己在英文上有了一些進步呢?
現在,我們來到了第三週的挑戰,這一次的主題是跟即將到來的「奧運」有關!是不是很期待呢?
讓我們一起來看看奧運帶給我們的驚喜吧!Let’s go!
奧運的魅力
奧運,全稱是奧林匹克運動會(Olympic Games),是全球規模最大的綜合性運動賽事之一,通常每四年舉行一次。
運動員們會在多種運動項目中競技,展現他們驚人的體育才能。比如說,2024年的奧運將在法國巴黎舉行,屆時將有來自世界各地的運動員參與,競逐榮耀。奧運不僅是體育的盛會,也是展現國家榮譽和運動員精神的舞台。
運動小對話大提升
在這一週的「做運動」主題下,我們來看看幾個實用的英文問句和回答句型吧:
問句: Do you play any sports?
回答: Yes, I play _________ (你從事的運動). It’s a lot of fun and keeps me fit.
問句: What is your favorite Olympic sport?
回答: I love watching _________(你最喜歡的奧運運動項目) because the athletes are incredibly skilled.
問句: How often do you exercise?
回答: I try to exercise at least _________(你的運動頻率) to stay healthy.
記住,每天都是進步的一天!不要害怕犯錯,更不要害怕開口。練習得越多,你就會變得越有自信。一起來享受學習和運動的樂趣吧!
上一週,我們帶大家認識了 AI 狐狸貓的學伴功能。這週,讓我們一起來看看 AI 狐狸貓如何成為老師的好幫手,將 AI 狐狸貓產出的豐富教學資源應用在課堂活動。
AI 狐狸貓以 Bloom 認知階層理論作為基礎,將影片的重點概念輸出成可配搭影片使用的學習單。
透過學習單的輔助,孩子能更深入地理解並掌握學習內容,並且加強學習動機和自主學習能力。
此外,學習單的差異化設計支持老師課堂的教學,讓每位孩子能夠按照自己的節奏學習,老師也能夠根據學習進度提供適時的指導與回饋。
AI 狐狸貓運用 ADDIE 教學策略來設計課程計畫,透過五個階段——分析、設計、開發、實施和評估——提供一個系統化的教學設計流程。
「出場券」配搭影片的重點概念設計習題,幫助老師縮小教學與孩子學習成效之間的差距,並且及時強化孩子對知識的理解。
這種做法的核心在於每節課結束前使用 5 至 8 分鐘的時間,透過出場券來檢核孩子對於當堂課學習目標的掌握程度,以及對知識點和技能的熟悉情況;老師也能夠依據班上孩子不同的程度或學習的節奏,提供差異化教學的出場券。
此外,為了支持老師於課堂進行差異化教學,在生成相關教學備課資源前,都可以決定「差異化教學」的級別後,分別產出對應難度不同的學習單、教案和出場券喔。
【 附註 】學習單、教案或出場券的內容,如果有數學符號或方程式,下載的 Word 文件會是以 Latex 來描述的;老師如何將相關數學符號或方程式變成可視化輸出呢?請參閱以下解說影片:
嗨,真高興再度見到你!👋🏻
還記得上週,我們開始了八週英文口說挑戰,首先探索了如何打破沉默,就算是只是簡單地說出「I don’t know.」,希望你已經開始感受到自己在英文口說方面的進步,並且對持續進行這個挑戰感到興奮。 上週的練習是建立信心的重要一步,為我們接下來的旅程奠定了基礎。
相信你已經迫不及待展開這週的挑戰了,Let’s go!
發現生活中的科技:逛夜市
這一週,我們將探索科技如何影響我們的日常生活,特別是在這個非常親切且充滿活力的場所——夜市。
你有沒有想過,如果沒有電燈的發明,我們的夜生活會是什麼樣子?
正是這些科技進步,如電燈和行動支付技術,使得夜市成為了一個繁忙的夜間購物和美食天堂。這些技術不僅使商家能在晚上繼續營業,也提供了顧客更便利的購物體驗。
英文口說實戰:有機會與科技大咖對話?
在這個主題中,提供你幾個常見問答和句型,希望能幫助你順利完成這週的挑戰!
問句: What’s your favorite food in the night market?
回答: I really love the _________(你最愛的夜市美食). It’s very tasty!
問句: How often do you come to the night market?
回答: I come here quite often, usually _________(你拜訪夜市的頻率).
問句: Can you recommend a good stall for desserts?
回答: You should try the _________(你推薦的夜市甜點) at that stall over there. It’s amazing!
這些單字在描述夜市的場景時特別有用,可以幫助你更具體地表達自己在夜市的經歷和感受。希望這些單字能幫助你更好地進行英文交流!
掌握這些簡單的問答可以讓你在夜市不僅享受美食,還能與他人進行基本的交流。
最後,跟你分享一個有趣的小知識:你知道被稱為 AI 教父的 Nvidia 執行長黃仁勳,其實是個夜市愛好者嗎?想像一下,如果在逛夜市時遇到他,你可以問他「 What’s your favorite food in the night market? 」,或是跟他分享你最愛的夜市美食。這不僅是練習英文的好機會,也是一個與別人分享文化的特別時刻。
繼續加油,利用每一次實際應用英文的機會,來提升你的口說能力。期待你在這次挑戰中有更多的發現和樂趣!
嗨!首先為自己勇敢點開這個內容,大聲地拍手鼓勵吧!👏🏻
非常歡迎你在第一週的時間裡,就加入我們,開始探索英語口說的世界。別擔心,如果你覺得緊張或不確定該怎麼做,那一定是正常的,我完全理解你的不知所措,並在這裡告訴你,你只需要大聲的說出「 I don’t know. 」,就能為我們揭開一個漂亮的序幕了!
準備好了嗎?Let’ s go !
如何開始你的口說練習
第一步,進入 Jutor 口說練習頁面,隨意選擇一個你最感興趣的情境主題,
可能是「做運動」、「逛夜市」、「看電影」等等。
當 Jutor 問你問題時,如果你不知道怎麼回答,只要先嘗試地說「I don’t know.」。
這不僅僅是一句話,而是你開口說英語的一個開始,你正在正確的路上。
當你說出回答後,Jutor 會提供一些簡單的建議,幫助你理解在這種情境下,可以如何更好地表達。
聽一聽 Jutor 的建議,然後試著模仿它。
記住,每次你開口,你的語言技能都在提升。
Jutor 會提供你這次練習的建議,分析在第二次回答中,你進步了多少、學到了什麼、累積了哪些。
使用 Jutor 的錄音功能,你可以錄下自己的聲音,然後聽回放。
這是學習自我評估和進步的好方法。
不要只做一次。
越多練習,你會越發現自己在進步。每次練習都可能會發現新的東西。
為什麼要勇敢開口?
你知道嗎?即使只是開口說「 I don’t know. 」也是在建立你的信心。
每次你開口,都在克服害怕和緊張,這在學習語言的過程中非常重要。別忘了,每個成功的語言學習者都是從基本開始,逐步建立起來的。我在這裡陪你一起走這段旅程。不要害怕犯錯,因為每一次的錯誤都是向前邁進的一步。
讓我們一起用英語來表達自己,享受這個學習過程,一起向前走吧!加油!
讓我們一起與 AI 狐狸貓展開影片新學習!
「 AI 狐狸貓 」是均一教育平台專為現場師生打造的,個人化學習和差異化教學的 AI 學伴和助教。 AI 狐狸貓 會進駐在影片的下方,學生透過 AI 狐狸貓 與影片內容結合進行學習和互動,老師也能夠將 AI 狐狸貓 產出的豐富教學資源應用在課堂活動。
AI 狐狸貓在學生觀看影片時,幫助同學建立學習鷹架;它不僅是一個陪伴同學看影片的學習小幫手,更是一個激發思考、促進自學的工具。
AI 狐狸貓與老師協作教學設計、激發創意和靈感,老師更輕鬆地將備課資源融入課堂教學,根據同學不同學習需求進行差異化教學的規劃。
我們期待 AI 狐狸貓能夠成為學生的好學伴,讓同學們學得更好;老師的好助教,讓老師的備課更輕鬆省力。讓我們一起來看看 AI 狐狸貓的學伴功能
「AI 小精靈」是同學們的學伴,不會直接給予答案,而是幫助你進行大腦的思考體操;透過問答和討論的方式,循序漸進地幫助你理解影片中的知識概念。
AI 小精靈能夠針對同學們解決問題的過程、或學習特定知識點時,搭建一個學習鷹架。除了幫助你深入理解學習內容,更鼓勵主動提問和探索;我們希望同學們與 AI 小精靈的互動,能夠逐步建立學習自信心。
假如我可以拿 1 小時的時間來解決一個很重要的問題,我會把前面的 55 分鐘用來決定應該怎麼「問」問題。因為一旦我知道什麼是正確的問題,就可以在 5 分鐘之內解決問題。—— 愛因斯坦
⬜
此外,除了知識的建構,我們認為「提問力」也是同學們未來需要具備的能力。
「 AI 小精靈」與同學們的來回對話,在達到對話次數後(目前設定:5 次來回)將回饋同學們提問力的品質,並給予建議。我們希望透過這樣的人機協作,協助學生逐步建立問對好問題的能力。
「文章模式」是將影片的逐字稿或對話旁白轉化為結構清晰、分段有序的故事或文章。
這種轉換的目的,是讓同學們能經由重新組織的文字內容,更易於理解和吸收影片中的訊息,同時也培養閱讀理解的能力。
此外,我們也希望幫助同學們透過文章模式,學習如何表達和轉譯影片內容,學習到更多關於清晰地表達想法、轉達資訊的技巧。
閱讀理解能力就像是我們的超能力,帶領同學們探索更廣闊的世界。首先,它是學習新事物的基本工具,就像是打開新知識大門的鑰匙。當我們理解了文字或影片背後的意思,學習就變得更容易了。
再來,閱讀理解能力其實也是培養批判性思維的基礎。當我們閱讀的時候,不只是理解文字或影片,還能學會如何問題和分析,未來在面對各種資訊時,能夠作出更有品質的決策。
「重點摘要」能夠梳理影片中的重點和關鍵時刻,同時解釋學習這些內容的重要性。同學們在觀看影片前能快速獲取大致的概念框架,或在影片觀看完畢後作為有效回顧和複習的工具。
此外,重點摘要也能夠培養學生抽象化思考和關鍵訊息擷取的能力。透過對影片內容的重點摘要,學會如何從大量資訊中識別並理解核心觀念,這不僅加深了他們對影片內容的理解,也強化了他們對知識文本的整體掌握。
「抽象化」的能力,是指能夠從具體的事物或情境中,提取出關鍵的概念或特性,並將這些概念應用於不同的情境或問題。
舉例來說,數學是抽象化能力的一個典型領域。當你學習數學時,你會學到如何從具體的數字中抽象出一般性的算式或是方程式,並將其應用於解決各種不同的問題。
⬜
從 AI 狐狸貓整理資訊的方式,學到如何把複雜的內容整理得清晰易懂,也幫助訓練抽象化的能力。
AI 狐狸貓能幫忙快速找出影片裡的重要資訊和關鍵時刻,這不僅讓我們觀察如何從複雜的資訊裡擷取重點並且忽略細節,也能讓我們分辨哪些是真正重要的資訊。
再來,當 AI 狐狸貓提供摘要後,可以拿它和自己的想法做比較,這樣的練習也能幫助我們開始練習批判性思考,這對未來學習和工作都是很有幫助的技能喔!
😺:這週講解完了 AI 狐狸貓的學伴角色,下禮拜我們即將帶來AI 狐狸貓【 助教篇 】,如何提供老師備課的資源,敬請期待喔~
更多角色任務持續解鎖中,Coming soon…..!
更多角色任務持續解鎖中,Coming soon…..!
更多角色任務持續解鎖中,Coming soon…..!
更多角色任務持續解鎖中,Coming soon…..!
你知道嗎?全球每年有超過 860 萬噸的垃圾排入海洋,而我們在海岸看到的只是其中的冰山一角。
海洋廢棄物,也簡稱為「海廢」,這些廢棄物來源很廣泛,包括船舶運輸、沿海活動,甚至是陸地上的活動。也來自我們日常生活中不經意產生的垃圾,因為風吹、河流、下水道或洪水等因素,最終都可能流入海洋,進而形成所謂的海洋廢棄物。
海洋廢棄物,也簡稱為「海廢」,這些廢棄物來源很廣泛,包括船舶運輸、沿海活動,甚至是陸地上的活動。也來自我們日常生活中不經意產生的垃圾,因為風吹、河流、下水道或洪水等因素,最終都可能流入海洋,進而形成所謂的海洋廢棄物。
愈來愈嚴重的海洋廢棄物問題對自然生態帶來衝擊,也直接對我們的生活和環境造成巨大的影響。其中最直接的受害者便是海洋生物。想像一下,當這些生物誤食了塑膠製品(例如:吸管、塑膠袋),可能會因此窒息、消化道阻塞,甚至可能因此喪命。另一方面,這些垃圾也可能破壞海洋生態環境,例如覆蓋海底,影響海底生物的生存。
然而,隨著科技的發展,我們現在有能力利用 AI 的「深度學習」來解決這個問題。
你知道電腦如何辨識照片中的貓或狗嗎?或者是當你對手機說話時,它是如何理解你的話的?這些都是「深度學習」可以解決的問題。深度學習是一種讓電腦學習從資料中找出模式的方法,就像我們人類從經驗中學習一樣。
「深度學習」讓電腦能夠像人腦一樣思考和學習。而這樣的能力來自於一種叫做「類神經網路」的工具,它是一種模擬人腦神經元結構的計算模型,可以處理和學習複雜的資訊。這種模型由多個層次的節點或「神經元」組成,每個神經元都能接收輸入,進行計算,並產生輸出。
類神經網路的基本結構包括輸入層、隱藏層和輸出層。輸入層接收原始資料,隱藏層負責處理資料,輸出層則產生最終結果。每一層的神經元都與上一層和下一層的神經元相連接,這些連接稱為「權重」,代表了該連接的強度或重要性。
在學習過程中,類神經網路會根據輸入資料和期望的輸出(標籤)來調整權重,使得模型的預測結果越來越接近期望的輸出。這種學習過程通常需要很大量的資料和計算資源。所以,你可以想像「深度學習」就是一種訓練「類神經網路」的方法,讓它能夠更好地理解和學習資料的模式和結構。
那麼,深度學習是如何運作的呢?首先,資訊會從輸入層開始,像接力棒一樣傳遞給下一層的神經元。每一個神經元都會對接力棒(資訊)做一些變化,然後再傳給下一個神經元。當接力棒傳到最後一層時,我們就得到了電腦的預測結果。
然後,我們會看看這個結果和真正的答案有多麼接近,並根據這個差距來調整每一個神經元,讓它下次可以做得更好。這個過程會一直重複,直到電腦的預測結果愈來愈接近真正的答案。
以下是一個深度學習的運作流程圖,可以幫助你更好地理解這個過程:
「深度學習」在我們的日常生活中有許多應用,以下是三個例子:
想像一下,我們如何使用深度學習的力量來識別和分類海洋廢棄物呢?以下是一個基本的流程:
這種方法可以幫助我們更有效地識別和追蹤海洋廢棄物,並提供有關海洋污染的寶貴數據。然而,這只是解決問題的一部分。未來,我們除了創造有效的方法來清理這些廢棄物,更重要的還是如何防止更多的廢棄物進入海洋。比方說,我們的生活為了追求便利,大量使用塑膠包裝,大多的塑膠包裝都是一次性使用,而且都沒有被回收。因此,在城市製造的垃圾,極有可能最後淪落到海邊,污染海洋。若要真正從源頭解決問題,除了思考如何「回收」之外,也應該先想想如何從日常生活「減少」塑膠製品的使用。
均一平台連結了 SDG14 永續海洋與保育議題,與 code.org 合作了「海廢有完沒完」的跨領域課程,希望大家能夠認識並理解海廢與我們息息相關,也能夠從自己出發、做出行動,改變海洋生態。
現在,和我們一起從「阿龜與海廢朋友的小旅行」的故事中,認識海洋廢棄物,然後透過「保護海洋的人工智慧」的遊戲,來理解 AI 如何辨識海洋生物及海洋廢棄物吧!
想要好好展現你的創作靈感嗎?「Quick, Draw!」這款結合人工智慧的線上塗鴉遊戲等著你來挑戰!遊戲的玩法很簡單,你只需要依照電腦給的題目,用你的滑鼠在畫版上畫出圖案,接著就由 AI 機器人來猜你在畫什麼。
準備好接受挑戰了嗎?那就點擊 連結 進到 Quick, Draw! 的遊戲頁面,試試你的塗鴉能力!進到遊戲頁面,你會看到一個黃色的「開始塗鴉!」按鈕,當你按下這個按鈕後,遊戲就會開始。
你會看到畫面上出現第一個題目,接著按下「我知道了!」按鈕,就有 20 秒的時間完成這個題目,然後隨機出現另外 5 個題目讓你繼續描繪,每個題目都只有 20 秒的時間完成,是不是有一點挑戰呢!
看看 AI 如何解讀你的塗鴉
開始畫出第一個線條之後,「Quick, Draw!」的 AI 機器人就會開始猜測你可能在畫什麼。當它猜中你的畫、或者是時間到了,就會切換到下一題。只要你再次點擊「我知道了!」按鈕,就可以繼續接下來的挑戰。過程中,你會連續完成 6 張圖畫,你會發現有些時候 AI 機器人可能一下子就猜到你在畫什麼,但有些時候,可能你畫到最後它都猜不出來。
完成 6 張畫作之後,就會出現「畫得好!」的頁面,這裡會呈現你剛剛繪製的的 6 張圖畫作品。
AI 是怎麼讀懂你的畫的?
你是否發現一件神奇的事情?即使你只是畫了幾條簡單的線條或是圖案,AI 機器人似乎還是能夠看得懂你在畫什麼。這到底是怎麼辦到的呀?
點擊任何一張你剛剛繪製的圖片,你就可以看到 AI 機器人是如何判斷你的畫,還有它認為你的畫可能與哪些物品有些相似。你也可以看到其他人接到同一個題目時,他們是怎麼畫的。比方說,點選剛剛畫的吉他:
原來,Quick, Draw! 的 AI 機器人是透過參考其他人繪製的圖案,並且學習每張圖片的外觀模樣,來推測你所畫的圖案的。這就是 AI 如何讀懂你的畫的祕密!
你也是 AI 學習的一部分
你也許沒有察覺,但你剛剛的繪圖,已經為這個遊戲貢獻了一份力量。你的每一次畫圖,都讓 Quick, Draw! 的 AI 機器人有了一次學習的機會。你剛剛完成的這6張圖,已經被這個機器人收集起來,並且被納入全世界最大的塗鴉資料集裡頭了!接下來的影片,讓我們一起看看,在這個全世界最大的塗鴉資料集,裡面到底藏有多少精彩的塗鴉作品吧!
一起回顧我們畫出的六張塗鴉,你可能還在想:「到底是怎麼回事?」其實,Quick, Draw! 的 AI 機器人正是透過參考全世界最大的塗鴉資料庫,用其他人的作品,去猜測你所畫的可能是什麼。這個資料庫中,已經累積了超過驚人的五千萬張塗鴉!而你,也剛好成為了這個偉大的資料庫的一部分,你的作品也被納入其中了!我們一起為這個任務打氣:讓AI更精準地學習和辨識我們的塗鴉,而不是隨便亂猜的!
深度探索:全世界最大的塗鴉資料集
要體驗這個全球最大的塗鴉資料庫,你可以返回 Quick, Draw! 的首頁,尋找那串閃耀的黃色文字:「全世界最大的塗鴉資料集」,點下去,就能進入了!
在這裡,你會看到數之不盡的各種圖案:有飛機,有香蕉,有貓咪,有蛋糕,甚至還有龍捲風!一定會有人質疑,「這裡有成千上萬張圖片?」別急,讓我們點選一個圖案試試,就以「雲朵」為例吧!
你看!就在「雲朵」這個類別中,就有超過13萬張由真人繪製的蘋果塗鴉。你可以隨意移動滑鼠,觀察不同蘋果塗鴉的筆畫順序,你一定會驚嘆:「原來一朵雲,就有超過11萬種畫法呢!」而且,每個人的筆畫順序都有些微的差異。
這就是剛剛Quick, Draw! 的AI機器人猜中你在畫什麼的祕密所在。它會在這個龐大的資料集中「尋找」和「比對」,看你的作品和其他塗鴉是否有類似的輪廓或筆畫順序,進一步猜測你可能畫的是什麼。這樣的學習過程,是不是十分有趣呢?
大家可能都已經知道,Quick, Draw! 的 AI 機器人,是透過搜尋、比對「塗鴉資料集」裡別人的畫作,並且提取圖案的「特徵」,來猜測你所畫的東西是什麼。今天,我們就來詳細地理解一下 Quick, Draw! 的運作流程吧!
機器學習的基本過程
首先,要訓練一個 AI 機器人,我們會從收集資料開始。當機器人收到資料後,會分類這些資料,並擷取每個資料的特徵或者重要資訊。接著,透過程式的演算法,就能建立一個資料集或者模型。對於 Quick, Draw! 這個 AI 應用程式來說,這個收集資料的步驟就是大量地收集許多人的塗鴉,然後經過分類以及特徵的提取,程式的演算法會將你的圖畫與 Quick, Draw! 的塗鴉資料集進行比對和分析,讓 AI 機器人能夠猜出你到底畫的是什麼。
你畫我猜:AI 的思考過程
接下來,我們來看看在你畫圖的過程中,QuickDraw 都在做什麼吧!在你點擊開始遊戲,並依照題目開始畫圖的時候,你可能有注意到,Quick, Draw! 的AI機器人會在你畫圖的過程中不斷進行猜測。它會根據你的筆畫順序和畫面中的特徵,不斷地在自己的塗鴉資料集裡比對、搜尋是否有類似的特徵。所以,當你正在畫一個彎彎的月亮時,它可能會一直猜你在畫回力鏢、畫耳朵,直到你畫得差不多時,它才可能猜出「喔!這是月亮!」這就是程式根據發現的特徵,進行結果的推測與預測的過程。
當 AI 機器人猜出你的畫作時,表示它在你的畫作中找到了關鍵的特徵,並且在自己的塗鴉資料集中比對,達到一定的信心程度,進而判定你畫的是什麼。更酷的是,當你完成畫作之後,Quick, Draw! 會將你的塗鴉加進全世界最大的塗鴉資料集中。換言之,每當你玩一次 Quick, Draw!,你其實也是在訓練這個 AI 機器人,讓它未來能更準確地猜出其他玩家的塗鴉!
人工智慧與機器學習:我們如何理解 AI
以上就是 Quick, Draw! 的運作流程,但我們在談這些的時候,可能會思考,「AI」,也就是人工智慧,到底是什麼呢?在初期,我們對 AI 的定義是「讓機器像人類一樣有情感,並且能自主思考」,但現實中,我們要達到這個理想的目標其實還有一段距離。
你可能會想,這個聰明的 AI 機器人在判斷你畫的東西時,是否是透過自己的思考呢?
其實,我們現在所說的 AI,大部分其實還屬於「機器學習」和「深度學習」的範疇。「機器學習」是我們為了實現「人工智慧」這個目標,所提出的方法之一。主要透過大量的資料與演算法,讓機器或電腦能從這些資料中學習規律或特徵,並能夠進行「預測」或「推測」。
我們身邊其實有很多看似平常,但其實已經融入機器學習技術的例子。比方說,現在的停車場很多已經裝上了汽機車入場的辨識車牌設備。你是不是也有這樣的經驗?只要在停車場的柵欄前稍微停一下,不久後,螢幕上就會顯示出你的車牌號碼,然後柵欄就會自動開啟了。這個神奇的技術,就是利用了「影像辨識」以及「機器學習」的原理,為我們省去了輸入車牌或取票的麻煩。
塗鴉的重要性:為機器人提供足夠的學習資源
資料的搜集,對「機器學習」來說,是很重要的一件事喔!想像一下,如果你在玩 Quick, Draw! 時,遊戲請你畫一支蠟燭,但在目前的塗鴉資料集裡,只有 100 張蠟燭的畫作,而且還是亂七八糟、毫無蠟燭特徵可言的圖案,這下該怎麼辦呢?在這樣的情況下,這個 AI 機器人可能會無法準確地抓出蠟燭的特徵,因而影響了它猜測的結果。
因此,對於機器學習來說,資料的搜集和資料的品質,都是非常重要的,作為使用者的我們來說,其實也能夠貢獻一己之力喔!因為每次你在玩 Quick, Draw! 的時候,每一筆塗鴉,都有可能成為 AI 機器人學習的資源,讓它在未來能更準確地猜出其他玩家的塗鴉!所以,當你下次再玩這個遊戲時,可以試著多畫看看,因為你的每一個塗鴉,都會讓這個機器人變得更聰明呢!
現在,和我們一起進入均一電腦科學課程,探索更多關於 Quick Draw! 的奧秘吧:
https://junyiacademy.pse.is/56ambn
讓我們和電腦一起玩音樂吧!
AI Duet 這個好玩的遊戲,讓你有機會和電腦一起合奏喔!不需要會彈鋼琴,只需要隨便按一些鍵,電腦就會像你的朋友一樣,跟隨著你的旋律、回應你的音樂。
你覺得人工智慧會彈出什麼樣的音樂呢?你和人工智慧能不能一起創作出一首全新的歌曲呢?
準備好了嗎?讓我們開始吧!
來試試看 AI Duet 吧!
接下來,點擊視窗中的「Play」後,就可以用滑鼠點擊畫面下方的鍵盤,也可以用電腦的鍵盤,或者如果你有 MIDI 鍵盤也可以插上來用。你覺得哪種方式最好玩呢?
你會發現,不管你按下哪個琴鍵、或是彈奏一小段旋律,電腦都能根據你彈的旋律、試著和你二重奏、用另一段旋律回應你。
AI 創作音樂的關鍵:機器學習
透過 AI Duet 這個遊戲,讓我們一起來了解,「機器學習」如何讓我們用一種嶄新的方式來創作音樂。
你有玩過「 二十個問題」的猜猜看遊戲嗎?就是一個人想一個東西,然後其他人問最多二十個問題,來猜出這個東西究竟是什麼。「機器學習」就像是一個超級厲害的「二十個問題的遊戲」。我們會給予電腦很多資料,然後讓電腦試著問問題來猜出這些資料背後的規律或是東西。
此外,說到機器學習,也許你曾經聽到別人提到 TensorFlow。
TensorFlow 就像是一個幫助電腦玩猜猜看的工具。當電腦科學家或軟體工程師想要使用 TensorFlow 建立和音樂創作有關的機器學習模型時,就像是我們在讓電腦玩一個特別的「二十個問題的遊戲」:猜音樂。
我們會透過這個工具給電腦很多音樂,然後讓電腦試著問問題,來猜出這些音樂的規律;比方說,節奏、旋律,甚至是情感。然後,我們就可以讓電腦用猜出的規律來創作出全新的音樂啦!
所以,使用 TensorFlow 建立和音樂創作有關的機器學習模型,會需要很多的耐心和創意,但是,當電腦猜出了音樂的規律,並且能夠創作出美妙的音樂時,想想看,那將是一件非常神奇有趣的事情呢!
你知道嗎?現在有一群專業的研究者,正在探索一個很吸引人的問題:那些熱愛繪畫、寫作或音樂創作的人們,是否能夠利用人工智慧的強大工具輔助,進一步提升創作的能力呢?這個問題不僅酷炫,在不遠的未來也充滿了無限可能性。
接下來,輪到你的想像力上場囉!如果你有機會設計一個人工智慧工具,你想要讓它學會什麼呢?
延伸探索
不只是 Google,Sony 電腦科學研究室之前也推出了全球首支完全由 AI 創作的流行音樂,名為《Daddy’s Home》。他們使用了一個名為「Flow Machine」的軟體來創作這首歌。這個軟體也是透過機器學習來分析大量的歌曲,學習這些歌曲的共同特點,然後創作出風格相似的新歌曲。不過,這首歌的混音和作詞部分,還是需要由人類協助來完成。
你曾經想過「手機為什麼能像朋友一樣了解人說的話」嗎?其實,這得歸功於 自然語言處理(Natural Language Processing,簡稱 NLP)這強大的技術!
讓我們舉例說明。當你問手機「明天會下雨嗎?」,它會直接給你答案,這就是 NLP 在背後默默運作的結果囉!我們不需要學習複雜的查詢指令,就能跟電腦溝通。
NLP 是人工智慧其中一個重要的技術,專注於使電腦能理解、處理並產生人類的語言,主要目的是使人與機器能夠自然且有效地溝通,打破語言的隔閡。
將語音信號轉換為文字。例如語音助理 Siri、Google Assistant 或 Alexa 就是常見的例子。
電腦理解和解釋人類語言的意思。包括情感分析(分析文本的情緒),語義解析(理解句子的具體含義)…等等。
電腦生成自然語言,可用於回答問題、寫文章或其他自動生成文本的應用。
讓電腦自動將一種語言翻譯成另一種語言,例如 Google 翻譯。
讓電腦能理解並回答特定的查詢,例如搜尋引擎。
自然語言處理已經在我們生活中無所不在了,例如:透過情緒分析,它可以分析FB、IG等社群媒體上的言論,了解大眾的情緒傾向;搜尋引擎可以幫助理解你的問題並找出最相關的答案;在醫療領域,它可以分析醫學報告,甚至能夠協助醫生診斷疾病。
小結:
以上只是幾個 NLP 的例子,它的應用範疇其實非常廣泛,而且隨著 AI 和機器學習技術的進步,NLP 的能力和應用將會變得更多元和強大。
今年初橫空出世的 ChatGPT,就是一個活躍的自然語言處理應用實例。它不僅能明白你的問題,還能用它「學過的」巨量文本數據,創造出實用或有趣的回答。現在,你有什麼問題想請 ChatGPT 協助嗎?它一定很期待和你聊天呢!
相信你對這個主題還有更多的好奇,歡迎進入「人工智慧小教室」與我們一起探索更多 AI 的奧秘吧!
由 IBM 開發的新興科技與軟實力免費線上學習平台 IBM SkillsBuild 與均一教育平台合作,透過影片搭配相關講義及說明,以深入淺出的方式介紹了什麼是人工智慧,以及我們是如何將人工智慧落實於生活中,幫助我們思考如何以「人類智慧」善用「人工智慧」。
馬上進入「 人工智慧小教室」學習:https://pse.is/5559z6
註冊 IBM SkillsBuild 學習更多關於人工智慧、資訊安全、區塊鏈等新興科技主題:https://pse.is/54hlvl
AI 知識小站的第一週,要來介紹轟動世界的 ChatGPT 到底是什麼?它是一個大型語言模型,設計用來與人進行對話、回答問題、提供資訊和協助解決問題。這篇文章,小均直接請 ChatGPT 和大家自我介紹,以下是它的回答:
大家好呀!我是 ChatGPT,一個可以和你聊天的超級聰明朋友!今天我們要一起來探索一下怎麼使用 ChatGPT,真的超級有趣的喔!
首先,你可以在電腦、平板或手機上使用 ChatGPT,只要有網路連接就可以囉!打開網頁瀏覽器,輸入 ChatGPT 的網址(或是點擊這邊:https://chat.openai.com/ ),就能開始和我聊天了!
和 ChatGPT 聊天超級簡單的!你只需要在文字框中輸入你的問題或者想討論的主題,然後按下「發送」按鈕,ChatGPT 馬上就會給你答案了!它會用一段有趣的文字回覆你,告訴你有關的知識或幫助你解決問題。
不只是問問題,ChatGPT 還可以和你聊天玩遊戲!你可以告訴我一個故事的開頭,然後我會繼續下去,一起創造一個有趣的故事!或者你也可以問我謎語,我會試著猜答案哦!
ChatGPT 超級厲害的一點是,它可以學習新知識!它有超大量的資料和知識庫,所以當你問問題的時候,我會盡量給你最新、最準確的答案。
但是,要記得ChatGPT其實是一個語言模型,不是真正的人喔!它沒有情感,也不能像人一樣主觀判斷。所以在使用 ChatGPT 時,要記得保持批判性思考,確保我們能從它的回答中獲得正確的資訊。
還有喔!ChatGPT 也可以幫助你提升語文能力!你可以問我英文文法、單字用法或者句子結構的問題。我會給你詳細的解釋和例句,幫助你更好地理解和應用語文規則。
最後,ChatGPT還可以成為你的閱讀夥伴!你可以和我聊你最喜歡的書、電影或電視節目。我可以給你一些建議,介紹類似的作品,或者分享一下對這些作品的評論和觀點。
總而言之,ChatGPT 是一個超級有趣的神奇好朋友,可以回答問題、和你聊天,還能提升你的語文能力和創意寫作。不管你在學校遇到困難,或是對某個主題超感興趣,ChatGPT 都會是你最棒的對話夥伴!
謝謝大家的聆聽,希望你們會喜歡ChatGPT帶給你們的樂趣和學習體驗!祝你們在語文學習和寫作方面取得巨大的進步!記得要隨時來找我聊天哦!我們下次見!
在使用 ChatGPT 時,要知道它的超能力是想像力,而不是提供正確資訊的能力喔!換句話說,我們要像柯南一樣,對它說的東西保持懷疑的科學精神,想看看它說的是真的嗎?不要全部相信它喔!
這題小均也請問了 ChatGPT「想詢問你推薦高國中小學生,第一次使用 ChatGPT 可以嘗試詢問你哪些問題呢?」以下是它的回答:
這些只是一些示例,你可以根據自己的需求和興趣提出更具體的問題。我會盡力為你提供幫助和解答。
簡單一句話說明,就是你可以問 ChatGPT 任何問題,但要記得它的答案並不一定完全正確唷,僅能「當作參考」,還是需要靠自己判斷它說的答案是不是正確且合理的!
GPT 還有很多不同的使用方法,如果想知道的話,可以上網 Google 「如何使用 GPT ?」相信會有更多的驚喜喔!
💡 步驟一:進入 ChatGPT 的網頁(點這個連結前往:https://chat.openai.com/)
💡 步驟二:註冊 / 登入(小提醒:可以使用你的 Google 帳號登入唷!)
💡 步驟三:在對話框輸入你想問它的問題吧!
前往 ChatGPT 網頁,認識這位新朋友吧!(點我前往:https://chat.openai.com/)
暑假就快步入尾聲了,還是捨不得假期的結束,無法收心嗎?
這週的充電站活動,就讓我們一起在家動一動吧!養成規律運動的好習慣,快樂迎接開學的到來
在開始之前,記得先準備好瑜珈墊呦!
總共有 8 個動作,每個動作都需要做 30 秒,跟著影片一起動一動
點這裡觀看
運動不只可以促進體能發展,更能保持身心的健康
而除了運動,也可以慢慢將作息調整成上學模式,並提早整理好書包、準備學校用品,就能趕走「開學症候群」啦
難以忍受炎熱的夏天?那就在家調一杯冰涼又夢幻的蝶豆花漸層飲料,一邊學習「酸鹼性」的科學小知識吧!
🥤 需要準備的材料
食用小蘇打粉、蝶豆花 、檸檬、蜂蜜、冰塊、透明杯子
🥤 準備好後,就可以開始製作囉!
🥤 太神奇了!為什麼飲料會變色?
跟許多植物一樣,蝶豆花中富含大量的花青素,會因為酸鹼性而產生不同的顏色變化,像是弱酸性是紫色、中性是寶藍色、弱鹼性則是藍綠色
這次的蝶豆花飲料就是利用檸檬汁的弱酸性,以及小蘇打水的弱鹼性,調配出不同顏色,並在中間加入大量的冰塊,阻擋兩種水混合在一起,就能順利創造出漂亮的漸層飲料啦!
不知道該怎麼做出漂亮的卡片嗎?其實用數學就能辦到!
今天小均帶你用「直線近似完美曲線」的數學概念,輕鬆做出超美卡片
🌸 在開始之前,要先準備這些材料
🌸 準備好後,就可以開始製作囉!
🎈 點我看數感實驗室教學影片
🌸 用直線也能畫出圓形?!
在圓上找任意兩點,連成一條直線,這條直線會跟曲線差很多
不過如果這兩點距離很近,那就會跟圓弧比較像,到最後幾乎重疊在一起,這就是「直線近似曲線」的概念
看看手上的直線花,中間是不是很像一個「圓形」呢?其實生活中也有很多利用數學「近似」的技巧,像是磚頭拼成的拱門、中正紀念堂的同心圓磁磚,可以張大眼睛多觀察看看呦 👀
有沒有什麼動畫或電影情節讓你印象深刻呢?這背後其實都是一個個故事!
今天小均帶你用 Scratch 創作有趣的動畫!只要先掌握三大要點,就能創造出專屬故事囉!
故事三大要點:
還記得這週學到的心智圖工具嗎?我們可以利用心智圖來整理自己的想法
準備好後,跟著影片的說明與範例,就可以開始製作動畫囉!
🎈 基礎版:點我進入基礎 Scratch 教學
🎈 進階版:點我進入進階 Scratch 教學
分享小均的練習給你:看不清楚圖可以點這裡
完成後來分享你的作品吧!點我進入分享區