底下是用 AI 工具產生出來的影像辨識應用之一，用來識別影像裡的蔬果？！ JS 農產品即時辨識工具 🍎 AI 農產品即時辨識工具 正在初始化系統... 辨識結果： 等待模型啟動...

最近使用 Gemini 製作學習單的流程如下： 1. 請以資訊科技主題陣列，設計給臺灣國中八年級的10分鐘試教大綱，內容要能引起學生動機。 2. 請製作上述內容的學習單 3. 將學習單的內容製作成四格漫畫 4. 請講一個與陣列有關的笑話。 5. 請將學習單製作成word檔案與pdf檔案 6. 修改檔案。 7. 分享連結！？  https://share.gemini.google/sTZf3R55IfGA 學習單的圖片如下

一、什麼是 Tree Search（樹狀搜尋）？ 在人工智慧（AI）與演算法中，許多問題都可以表示成一棵樹(圖一)： 起點(A) / | \ B C D /|\ | / \ E F G H I J 每個節點(Node)代表一種狀態(State)。 例如： 迷宮中的位置 棋局的盤面 路徑規劃中的城市 遊戲中的決策 搜尋演算法的目的： 從起點找到目標節點（Goal Node） 二、Breadth First Search (BFS) 核心思想 先搜尋離起點最近的節點。 一層一層往外擴展。 Level 0: A Level 1: B C D Level 2: E F G H I J 搜尋順序： A B C D E F G H I J 圖一結果： A → B → C → D → E → F → G → H → I → J 使用資料結構 Queue（佇列） FIFO： First In First Out 先進先出 例如： Queue: A 取出A 加入B,C,D Queue: B,C,D BFS特性 優點 如果邊權重相同： BFS一定找到最短路徑。 缺點 需要大量記憶體。 假設每個節點有10個子節點： 深度5： 10^5 = 100000 需要保存很多節點。 時間複雜度 O(V + E) V = Vertex（節點數） E = Edge（邊數） 三、Depth First Search (DFS) 核心思想 一路往下走到底。 不能走才回頭。 A | B | E 然後： A | B | F 搜尋順序 圖一結果： A B E F G C H D I J 使用資料結構 Stack（堆疊） LIFO Last In First Out 後進先出 例如： push(B) push(C) push(D) pop() => D DFS特性 優點 記憶體需求小。 只需保存： 目前路徑 即可。 缺點 可能找到很差的解。 例如： A ├── Goal └── 巨大子樹 DFS可能先跑完整個巨大子樹。 時間複雜度 O(V+E)...

最近幾年資訊科技一直圍繞在人工智慧與物聯網(物廉網)上，而《 用Google玩人工智慧實驗 》這本書介紹了只需開起瀏覽器就可以在電腦、手機、平板上體驗人工智慧實驗，於是筆者就高興地閱讀此書了。 第1章 認識人工智慧 此章介紹了人工智慧的定義與起源，以及它的發展與現況。在1956年，科學家在一次的研討會中，提出「人工智慧」一詞，希望機器 能夠使用語言 、 能理解抽象概念 、 能解決只有人類可解決的問題 、 能自我改良 等。而 Alan Turing 提出了 Turing Test 來檢驗機器是否具有智慧。 人工智慧經歷過 幾次的起伏 ，從「推理與探索」到「專家系統」到「深度學習」為主流的精采歷史。目前人工智慧可大約分成 專用型人工智慧(弱人工智慧) 以及 通用型人工智慧(強人工智慧) 兩種。 世界各大企業持續提供方便的人工智慧工具，例如 Google AI Experiments 。 第2章人工智慧如何運作 此章介紹了人工智慧如何運作以及機器學習、類神經網路、深度學習的基礎觀念。機器學習、類神經網路、深度學習的關係可參考下圖： 人工智慧研究如何讓 機器(電腦) 表現得有智慧，於是得先有資料給它進行 學習(輸入) ，讓電腦進一步 計算與分析(處理) ，最後產生 結果或功能(輸出) ，如下圖所示： 機器學習 通常分為三種類型：監督式學習(Supervised Learning)、非監督式學習(Unsupervised Learning)、強化學習(Reinforcement Learning)。 深度學習是從類神經網路發展而來的，而類神經網路利用機器來模擬人腦神經系統運作模式。( https://playground.tensorflow.org/ ) 類神經網路 如下圖所示，含有輸入層(Input Layer)、隱藏層(Hidden Layer)、輸出層(Output Layer)。 圖上的每一個圓圈為一個節點，是模仿生物神經元發送訊號。每個節點的輸出若高於一個指定的臨界值，就會啟動該節點，並將訊號傳送給下一個節點。而深度學習為含有多個隱藏層(通常為三層以上)的類神經網路。 AI Experiments 實作體驗 Teachable Machine 網站： https://teachablemachine.withgoogle.com/ Teachable Machi...

This example is from MIT OCW   Artificial Intelligence . Consider the tree shown below. The numbers on the arcs are the arc lengths; the numbers near states B, C, and D are the heuristic estimates; all other states have a heuristic estimate of 0. Assume that the children of a node are expanded in alphabetical order when no other order is specified by the search, and that the goal is state J . No visited or expanded lists are used. What order would the states be expanded by each type of search. Write only the sequence of states expanded by each search. Breadth First Setep 1: Visited: A Queue: B, C, D Step 2: Visited: A, B Queue: C, D, E, F G Step 3: Visited: A, B, C Queue: D, E, F G, H Step 4: Visited: A, B, C, D Queue: E, F, G, H, I, J Step 5: Visited: A, B, C, D, E Queue: F, G, H, I, J Step 6: Visited: A, B, C, D, E, F Queue: G, H, I, J Step 7: Visited: A, B, C, D, E, F, G Queue: H, I, J Step 8: Visited: A, B, C, D, E, F, G,...