底下為筆者看完《人工智慧在台灣》此書的心得與筆記。
心得：
筆者在碩士就讀時，碩論研究方向為 Machine Learning，所以對人工智慧是什麼有些許的觀念在，但此書的作者 陳昇瑋 用很淺顯易懂的解說方式，讓筆者深深感到自己對人工智慧所知尚淺。讀完此書後，對底下幾個問題的疑問得到一些想法：
筆者在碩士就讀時，碩論研究方向為 Machine Learning，所以對人工智慧是什麼有些許的觀念在，但此書的作者 陳昇瑋 用很淺顯易懂的解說方式，讓筆者深深感到自己對人工智慧所知尚淺。讀完此書後，對底下幾個問題的疑問得到一些想法：
- 什麼是人工智慧？
- 如何應用人工智慧？
- 企業如何導入人工智慧？
- 人工智慧在台灣的現況？
筆者鼓勵想了解人工智慧的讀者閱讀此書，相信讀者讀完後會有不一樣的心得。在產學合作上，筆者之前有些許的體驗：「大多人工智慧學術研究上所用的方法，需要調整後，才能應用於產業。」於是筆者相信在台灣人工智慧學校所畢業的校友能致力於銜接學術界與產業界的合作，筆者也相信台灣擁有很好的軟體實力，而代工的時代會將慢慢遠離。
筆記：
人工智慧常見的五個迷思
- 迷思一：資料等於價值
- 迷思二：牽涉電腦與資料就是資訊部門的工作
- 迷思三：資料分析就是產出報表
- 迷思四：電腦決策不可能贏過人的專業經驗
- 迷思五：導入系統或平台就可以解決營運問題
四大象限分析人工智慧的最適應用
有邏輯可循的創意，人工智慧可代勞
經理人須具備的十個認知
- 沒有資料就不會有人工智慧。
- 也不是有資料，就一定能產出人工智慧。
- 你從來沒有答案的事情，人工智慧也不會有。
- 沒有變異的資料，等於沒有資訊，同樣不會有答案。
- 不要忽略資料的成本。
- 統計圖表與機器學習模型各有所長，不能只信任一種。
- 人工智慧導入之後，必然造成企業工作方式或流程的改變。
- 身為推動人工智慧導入工程的主管，本身一定要相信資料與模型。
- 不要把人工智慧的導入及建置全部丟給資訊人員，業務主管一定要親自參與。
- 人工智慧跟人一樣，需要長期觀察，並需要不斷翻新。
沒有留言:
張貼留言