讀書筆記:《人工智慧在台灣》
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: 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 https://www.thenewslens.com/article/120409 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 https://buzzorange.com/techorange/2019/07/03/ai-quadrant/ 有邏輯可循的創意,人工智慧可代勞 https://www.cw.com.tw/article/5095410 經理人須具備的十個認知 https://aiacademy.tw/10-things-managers-need-to-know-before-introducing-ai/ 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。 若您覺得文章寫得不錯,請點選文章上的廣告,來支持小編,謝謝。 If you like this post...