人工智慧工程師鏟屎官發明這個杜絕愛貓叼獵物家~

人工智慧工程師鏟屎官發明這個杜絕愛貓叼獵物家~
人工智慧工程師鏟屎官發明這個杜絕愛貓叼獵物家~

人工智慧 發明再添一項~有了他再也不怕你家寶貝帶著獵物回家啦!!

 

人工智慧 AI 科技用於可愛的喵星人身上已不是新聞,像是之前百度工程師為了拯救寒冬中的浪浪而開發的人工智慧貓屋,保護浪浪免於凍死與餓死;台灣也有從矽谷回台的工程師開發 AI 貓便盆,都是以保護愛貓為出發點。而這次又有人工智慧貓咪產品問世,只是這次的開發動機是:奴才被主子叼回的獵物嚇到,而且開發人員不是工程師!

推薦閱讀:AI 保護流浪貓!百度工程師打造人工智慧貓窩

人工智慧貓門可偵測到附近出沒的貓 以及牠們口中是否叼著獵物

 

寵物貓半夜叼獵物回家 奴才嚇到研發AI產品應對

根據 the Verge報導:亞馬遜的產品經理 Ben Hamm 收養了一隻「甜蜜又致命的貓(sweet, murderous cat)」Metric 之後,半夜經常被吵醒。因為 Metric 這時總會叼著「戰利品」回到家中。有時是垂死的小動物、有時甚至是屍體。Hamm 別無選擇,只能疲憊地將牠們安樂死後,再回去補眠。

Hamm 透過學習程式語言的方式解決了這個問題,並且在「點燃西雅圖(Ignite Seattle)」的演講中,幽默地分享這項人工智慧解決方案「貓・老鼠・A.I・我的媽啊!(Cats, Rats, A.I., Oh My!)」

▲貓奴PM分享他如何使用人工智慧 解決愛貓叼獵物回家的問題

首先,Hamm 先把家中的貓門「升級」為「守門員」來把關愛貓是否又帶獵物回家。安裝電子套件 Arduino 來鎖門很容易,但是要如何讓門鎖感應到Metric 的口中是否叼著獵物?

透過機器學習訓練人工智慧分辨貓與獵物

身為亞馬遜的資深產品經理,Hamm 想出了 ML 機器學習的解決方案。Hamm 在貓門上方安裝了自家的 AWS DeepLens。AWS DeepLens可讓程式開發人員在攝影機上執行DL深度學習模型,以針對看到的內容進行分析和採取行動。

推薦閱讀:人工智慧,Python,機器學習,深度學習是什麼?AI專有名詞看這篇秒懂

人工智慧貓門偵測到叼著獵物的貓咪後,Arduino 系統就會自動將貓門上鎖

 

Hamm 親自訓練這套 AI 系統,使其能偵測愛貓的口中是否叼著獵物。若有,Arduino 則會自動將貓門上鎖 15 分鐘,這段時間足以讓 Metric 考慮是否要放棄口中那不受歡迎的「禮物」,然後「乾乾淨淨」地回來。

▲Hamm 使用 23000 張愛貓回家的照片做機器學習>,訓練人工智慧分辨貓與獵物

 

Hamm 花了好幾個月蒐集 23000 張 Metric 回家時的照片並作標記,包含 Metric 口中有叼著獵物以及沒有叼著獵物的圖片。Hamm 使用線上的 ML 機器學習>服務 Sagemaker 訓練了三個階段的模型:

▲Hamm 使用線上的 ML 機器學習服務 Sagemaker 做三階段訓練模型,由左到右分別是辨識「這是貓嗎」、「牠要過來嗎?」、「牠口中是否已有食物?」

 

 

  • 第一階段的模型是辨識「這是貓嗎」?假如答案為「是」,就進入下一階段
  • 第二個階段的模型是「這貓是要過來還是過來?」假如答案為「故來」,就進入下一階段
  • 第三個階段的模型是「這貓是要回來吃東西,還是嘴裡已有食物?」

 

以上三段辨識跑完,所花時間不到兩秒。

假如人工智慧偵測到 Metric 口中有小動物,Hamm 就會立即收到這只「連環殺手」的殺生證據,然後致力於野鳥與自然保育的團體 Audubon Society 就會收到來自 Hamm 的捐款(流程如下圖)。

▲當人工智慧偵測到 Metric 口中有獵物後的處理流程:貓門會先上鎖,接著拍下證據照片,此時自然保育團體也會收到善款

 

Hamm 說,這套人工智慧系統上線五個星期以內,Matric「未殺生」回家的次數達 180 次,幾乎都有順利過關,只有一次不小心被鎖在門外。而 Matric 口中有獵物的次數有 6 次,有5 次AI 都有成功地將這位「貓凶手」隔離在外 15 分鐘。

▲這套人工智慧偵測的良率高,誤把 Metric 偵測為「有獵物」的而鎖門機率只有 0.5%。而 Metric 6 次帶獵物回家的紀錄中,成功被鎖在門外有 5 次。

 

 

更多關於人工智慧的相關文章請點閱下方連結~

其他閱讀

非資工系出身!產品工程師「Python 課程」結業後轉職大醫院的網站工程師

當了快八年的業務,因Java課程而成功轉職程式設計師

品保人員進修 Python 課程 一年後成功轉職程式設計師

硬體毛利太低?工程師進修 Java 課程順利轉職軟體工程師

人工智慧也出包?(1)女星照片配置錯誤超烏龍!!

迪士尼換臉特效用上高科技人工智慧技術超細膩!!()

SEO課程搶先學:谷歌分析中的工作階段是什麼?()

 

人工智慧技術再一發!!地表最強解馬賽克技術就在這!!

人工智慧技術再一發!!地表最強解馬賽克技術就在這!!
人工智慧技術再一發!!地表最強解馬賽克技術就在這!!


人工智慧無所不能!!現在還會解馬賽克!?對此有興趣的同學千萬不要錯過今天的文章!!

▲ AI 技術 「PULSE」 可將模糊的馬賽克照片轉換成看起來像真人的高解析度肖像。 該系統能自動將任何圖像解析度提高到64倍,並模擬毛孔、睫毛位置與形狀等在原圖無法辨識的細節。
 

人工智慧用於「有碼變無碼」方面已有相當多的研究成果,例如之前 Google Brain 發表了透過機器學習消除馬賽克、提高像素的技術。而最近,AI 去除馬賽克的技術又有了新的突破!

近日杜克大學的研究人員開發了一種 AI 影像還原工具,可將模糊到無法辨識的人像轉化為令人信服的高清圖片,而解析度與細節的表現可說是史上最強!

以往的技術,可將圖像的解析度提高至八倍。但是杜克大學的研究團隊想出了一種人工智慧的解決方法:只需要少少像素的模糊照片,就能創造出解析度高達 64 倍逼真的高清肖像,原圖看不到的細紋、睫毛以及鬍渣等細節都一覽無遺!

「過去從未能在這樣的解析度(指原圖的低解析度)上,生成如此高清、如此多細節的圖片!」此次研究團隊的領導人──杜克大學的電腦科學家 Cynthia Rudin 說。

不過這個系統仍然無法用做人物辨識,研究團隊說:它無法將監視器拍到的失焦或是無法識別的照片變成真實、清晰的圖像。相反地,它可以生成不存在、但看起來真實的新面孔。

「研究員們專注於將這些面孔作為新的概念,但理論上,該技術可在拍攝幾乎所有物體的低解析度照片後,製作出清晰逼真的圖像。應用範圍涵蓋醫學,顯微鏡,天文學和衛星圖像。」 研究團隊的 Sachit Menon 說。

▲ 人工智慧「PULSE」能還原眼、口、鼻等部位都難以辨識的馬賽克圖片,並將原圖的解析度拉高至 60 倍!

 

傳統的影像修復方式為擷取低解析度的圖像後,將它與電腦之前看到的高解析度圖像的對應像素,試著撮合、匹配、平均化,藉此來補足像素。

這種「平均化」的結果是,頭髮和皮膚中的紋理區域可能無法從一個像素到另一個像素完美對齊,最終看起來模糊且朦朧。

杜克大學的團隊就不使用這種「在低解析度的照片上慢慢加新的細節」的方式。他們研發的系統 「PULSE」 會在人工智慧生成的高解析度率臉孔範例中,盡可能找到最像的──在範例臉孔縮放到相同尺寸時,看起來像輸入的原圖的人臉。

團隊使用一種機器學習的工具「生成對抗網絡(英語:Generative Adversarial Network,簡稱GAN)」,方法是使用相同的照片組訓練兩條神經網路。其中一條神經網路產生了人工智慧創建的人臉──其外觀是模擬訓練照片上的臉孔;而另一條網絡則用於判斷第一條生成的結果,是真實的人像還是虛擬人物。第一條網路不斷生成人臉,直到越來越逼真,以至於第二條誤認成是真實的人像為止。

PULSE 可將模糊不清、充滿雜訊或是馬賽克化的圖片,生成高擬真的照片。從一張模糊的肖像中,它可以生成許多令人難以置信、栩栩如生的照片,每張照片都不一樣,都是 PULSE 判斷模糊照片中的人物可能的真實樣貌。

即使是給眼睛與嘴巴幾乎看不到的馬賽克照片,「我們的演算法仍然可以用它來生成一些照片,而這是傳統方法無法做到的。」團隊中的 Alex Damian 說。

▲ PULSE 的 5 位研發成員將自己的照片「馬賽克化」後,「餵」給 PULSE 來還原照片。雖然 PULSE 合成的高清肖像與原本的有點出路,但是相似度已比過往的解碼方法還高,解析度更是高出許多。

 

該系統能在短短幾秒內,將 16×16 像素的肖像轉換成 1024 x 1024 像素,增加了超過一百萬的像素,幾乎等同於 HD (High Definition) 高畫質的解析水準。諸如像是毛孔、皺紋、髮絲等低解析照片無法察覺的細節,都在人工智慧生成的照片中,變得銳利清晰。

研究團隊還請了 40 個人,對經由 PULSE 以及其他四種方法 (LR、BICUBIC、FSRNET、FSRGAN) 生成的 1440 張圖像,進行 1 到 5 的評分。結果是由 PULSE 生成的照片分數最高,得到了「幾乎與真人的高解析度照片一樣」的評價。

你也可以上載你的圖像,看看會被 PULSE 生成哪些驚人的結果:http://pulse.cs.duke.edu/.

 

 

更多人工智慧相關文章請點閱下方連結~

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

人工智慧居然會釀酒?!還贏過真人奪得大獎!!()

台版人工智慧雅婷推出了首張完整疫情創作專輯?!

人工智慧準確測量社交距離,讓你出門在外也放心!!

機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(下)

機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(下)
機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(下)

機器學習已成為程式語言中重要的研究項目,對機器學習有興趣的你不要錯過今天的十種演算圖表文章喔!!(下)

本篇為上篇,下篇請點此機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(上)

二、非監督式學習

1. 隨機森林(Random Forest)

隨機森林可以視為決策樹的延伸,可以把隨機森林當作是多個決策樹組合而成,並加入隨機分配的訓練資料,以大幅增進最終的運算結果。其想法就是結合多個「弱學習器」(即決策樹)來建構一個「強學習器」模型。這種方法被稱為「集成」(Ensemble Method)。同時也能降低單個決策樹出錯的風險。

▲ 決策樹演算法示意圖

 

例如若創建一個隨機森林模型預測數值,只有第三個決策樹預測為 0,但是如果整合所有決策樹的結果,將會判斷出預測值是為 1。

隨機森林的優點為可以處理大量的輸入變數,同時可以計算各例中的親近度,對於資料探勘、偵測離群點和將資料視覺化非常有用。

2. 聚類分析(Cluster analysis)

聚類分析是統計資料分析的技術,後來在如機器學習等領域受到廣泛應用。「聚類」是把相似的物件通過靜態分類,分成不同的組別或子集(subset)。聚類有很多種方法,常見的如 K-means、層次聚類(Hierarchical clustering)、譜聚類(Spectral Clustering)等等。

▲ 「聚類」是把相似的物件通過靜態分類,分成不同的組別或子集 (圖片來源: geeksforgeeks.org)

 

聚類時,需要實現的目標只是要把相似的東西聚到一起,一個聚類算法只需要知道如何計算相似度就可以開始分類,因此聚類算法並不需要使用訓練資料進行學習。

3. 主成分分析(Principal Component Analysis,PCA)

主成分分析 PCA 是一個在機器學習與統計學領域中被廣泛用來分析資料、降低數據維度以及去關聯的線性降維方法。降維(Dimension reduction)是當資料維度數(變數)很多的時候,嘗試讓維度數(變數)少一點,但資料特性不會差太多的方法。

機器學習使用 PCA 達到降維的目的,主要是為了避免「維數災難」,或稱「維度詛咒」,指當維度增加時,分析和組織高維空間因體積指數增加而遇到各種問題:在機器學習問題中,模型預測能力會隨著維度的增加而減小。

4. 奇異值分解(Singular Value Decomposition,SVD)

奇異值分解 SVD 是線性代數中一種重要的矩陣分解,不光可以用於降維演算法中的特徵分解,還可以用於推薦系統以及自然語言處理等領域。

▲ 實數 2×2 矩陣 M 的奇異值分解 UΣV * 的圖示。(圖片來源:圖片來自 Wikipedia)

 

SVD 矩陣是一個複雜的實復負數矩陣,給定一個 m 行、n 列的矩陣 M,則 M 矩陣可以分解為 M = UΣV。U 和 V 是么正矩陣(unitary matrix),Σ 為對角陣。

SVD 在某些時候可以做為簡化版的 PCA 利用。PCA 演算法可以不用做特徵分解,而是做 SVD 來完成,在樣本量很大的時候很有效。實際上 Python 的免費機器學習庫「scikit-learn」的 PCA 演算法的背後真正的實現就是用 SVD。

獨立成分分析(Independent components analysis,ICA)

ICA 是一種利用統計原理進行計算的方法。前面在主成分分析(PCA)時談到「降維」的方法,但對符合高斯分佈的樣本點比較有效,那麼對於其他分佈的樣本,則是適合用「主元分解」的 ICA。

ICA 會假設現有資料其實是多個彼此獨立的資料、經過混合後成為現有資料,因此期望能夠從手中的資料,回推出是哪些獨立的分配。例如 ICA 的經典問題「雞尾酒會問題」(cocktail party problem):描述給定混合信號,如何分離出雞尾酒會中同時說話的每個人的獨立信號。

▲ ICA 的經典問題「雞尾酒會問題」示意圖:目的是從混合信號 Mixture1 和 Mixture2 中恢復成每個人的獨立信號 Person1和Person2。(圖片來源:vocal.com)

 

ICA 是研究盲信號分離(blind signal separation)的一個重要方法,並且在實際中也有很多應用。

為何使用 Python 學機器學習、而不是 R 語言?

介紹完當今應用最廣泛、最熱門的幾大機器學習演算法,可以看出從數據分析、統計分析到模型驗證等等都應用在其中。

Python 簡潔易學,原本就適合作為第一個入門的程式語言,而透過如 scikit-learn 的 Python 機器學習套件,在 Python 中提供大量常見的機器學習演算法和許多實用的函式庫,亦能呈現該演算法資料輸出的型態,相當方便。

當然 Python 和 R 語言不是互斥,許多工程師也是在兩者之間切換,但是有鑑於 Python 是當今的通用語言,除了AI人工智慧領域外也可以廣泛應用在各種領域,其免費及開源的特性, 有許多支持 Python 的輔助工具、大型模組與函式庫,可以簡單上手數據分析或複雜的程式計算,以及能與幾乎所有現代作業系統兼容等的特點,讓它脫穎而出。

以投資報酬率而言,若是要從頭開始選擇一種程式語言學習,Python 絕對是最佳的選擇。

推薦閱讀:Python vs R語言:哪個比較適合人工智慧/機器學習?

 

 

更多關於機器學習和Python的文章請到本部落格首頁搜尋喔~

 

 

 

其他閱讀

如何使用人工智慧工具,活用 Python 簡化繁瑣的行銷工作?

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?()

人工智慧不僅可以自動駕駛,現在還會打棒球?!()

還不了解Python如何應用嗎?三大要點你非知不可!!

機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(上)

機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(上)
機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(上)

機器學習已成為程式語言中重要的研究項目,對機器學習有興趣的你不要錯過今天的十種演算圖表文章喔!!(上)

隨著人工智慧的深入發展,沒有學習能力的 AI 侷限性越發明顯,為了突破這個瓶頸,「機器學習」逐漸成為 AI 領域的研究核心之一,也發展出各種機器學習的演算法。

現在有哪些熱門的算法?各有什麼特點?本次就要來盤點幾大常用的機器學習演算法,並告訴你為何機器學習語言要首選 Python

機器學習演算法大致上可以分為三類:監督式學習(Supervised learning)、非監督式學習(Unsupervised learning)與強化式學習(Reinforcement learning)。

本次將著重介紹「監督式學習」與「非監督式學習」的演算法。

一、監督式學習

監督學習算法可以分成兩個大方向:分類和迴歸。

1. 線性迴歸(Linear Regression)

▲ 線性回歸的視覺化,平面內有一系列點,尋找出一條最能擬合資料趨勢分布的線用來預測新的資料出現的位置

 

線性回歸源自於統計學的方法,通過一個或多個自變量與因變量進行建模的回歸分析。視覺化後如上圖,平面內有一系列點,尋找出一條最能擬合資料趨勢分布的線,也能用來預測新的資料出現的位置,就叫線性回歸。

在線性回歸中,數據使用線性預測函數來建模,並且未知的模型參數也是通過數據來估計,簡單的線性回歸公式為:

▲ 簡單的線性回歸公式

 

y 是因變量(y)對自變量(x)任何給定值的預測值;B0 是截距,即 x 為 0 時 y 的預測值;B1 是回歸係數–表示期望 y 隨著 x 的增加而改變多少;x 是自變量(期望的變量影響 y);e 是估計值的誤差,或表示回歸係數估計值有多少變化。

2. 邏輯回歸(Logistic Regression)

邏輯回歸延伸自線性回歸,是一個二元分類算法,透過選取不同的特徵與權重來對樣本進行機率分類。

邏輯回歸會使用某種函數將機率值壓縮到某一特定範圍,如 Sigmoid 函數。S 函數是一種具有 S 形曲線、用於二分類的函數。

▲ 邏輯分布函數圖像(圖片來源:Wikipedia)

 

邏輯回歸的輸出變量是離散型(Discrete),而「回歸」輸出變量為連續值。所以實際上雖然叫「邏輯回歸」,但它屬於「分類型」算法,而非「回歸型」算法。

3. 支援向量機(Support Vector Machine,SVM)

支援向量機 SVM 同樣是一個二元分類算法,它可以在 N 維空間找到一個 (N-1) 維的超平面,以使兩類數據之間的餘量最大化。這個超平面可以使兩個類別之間的邊距或距離最大化,平面內如果存在線性可分的兩類點,SVM 可以找到一條最適直線將這些點分開。

除了進行線性分類之外,SVM 還可以使用核技巧(kernal trick)進行非線性分類,將其輸入隱式對映到高維特徵空間中。

▲ 散點圖展示了線性支援向量機核函式的決策邊界(虛線)(圖片來源:Wikipedia)

 

SVM 的應用範圍很廣,如文字和超文字的分類、大規模圖像識別與分類、手寫字型的辨識等等。

4. 樸素貝葉斯分類器(Naive Bayes classifier)

「貝葉斯推斷」延伸自貝葉斯理論,是描述在擁有部分已知條件下,某事件的發生機率。

而在機器學習中,樸素貝葉斯分類器是以假設「特徵之間是獨立的、不相互影響的」的簡單機率分類器,可以直接利用條件機率相乘的方法,計算出聯合機率分布。

貝葉斯公式為:

▲ 貝葉斯公式

 

也可以表示為:

▲ 貝葉斯公式

 

posterior:通過樣本 X 得到參數 θ 的機率,稱為後驗機率。
likehood:通過參數 θ 得到樣本 X 的機率,即似然函數。通常為數據集的表現。
prior:該樣本 θ 機率,稱為先驗機率。
evidence:樣本 X 發生的機率,即為要預測的值。

即使一般現實世界的資料通常無法滿足貝葉斯理論的假設,但樸素貝葉斯分類器卻是相當實用,因其簡單高效,而辨識效能也不輸許多算法繁複的分類器。貝葉斯模型的應用範圍非常廣泛,大數據、機器學習、資料採擷、資料分析等領域都會見到。

5. 決策樹(Decision Tree)

決策樹原先作為決策分析中的方法,指的是每個決策都可能引出複數的事件,最後通向不同結果,視覺化後的圖形很像樹的枝幹,故稱決策樹。

而在機器學習中,決策樹是一種用來處理分類問題的樹狀結構,每個內部節點表示一個評估欄位,而每個分枝代表一個可能的欄位輸出結果,每個則葉節點代表不同分類的類別標記。

▲ 決策樹演算法示意圖

 

ID3、C4.5 、C5.0、CHAID 及 CART 都是決策樹演算法的代表。

決策樹的主要功能,是藉由分類已知的實例來建立一個樹狀結構,並從中歸納出實例裡、類別欄位與其它欄位間的隱藏規則,也能利用來做樣本的預測,同時決策樹產生的模型也具有易於解釋的優點。

 

本篇為上篇,下篇請點此機器學習補給站:十種演算法教你讀懂監督式到非監督式學習!(下)

更多關於機器學習和Python的文章請到本部落格首頁搜尋喔~

 

 

 

其他閱讀

如何使用人工智慧工具,活用 Python 簡化繁瑣的行銷工作?

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?()

人工智慧不僅可以自動駕駛,現在還會打棒球?!()

還不了解Python如何應用嗎?三大要點你非知不可!!

想發展人工智慧,Python和R語言誰更適合?(下)

想發展人工智慧,Python和R語言誰更適合?(上)
想發展人工智慧,Python和R語言誰更適合?(上)

想跟上全球狂熱的人工智慧到底要選Python好還是R語言好呢?!!看完今天的文章就會有答案啦!!(下)

本篇為上篇,下篇請點此想發展人工智慧,Python和R語言誰更適合?(上)

R語言

R 語言是由統計學家所開發。任何開發人員只要看一下語法,就能分析、預測。由於該語言包含了機器學習中涉及的數學計算,而機器學習是從統計學中衍生出來的,因此對於希望能深入理解底層細節和構建創新的正確選擇。

如果你的工作需要深入觀察,像是檢驗數據集之類,R可以替你縮小工作範圍,是最佳選擇。

R 的優勢

適用於分析:如果你的工作需要大量的檢驗數據,R 是最佳選擇,因為它可以快速建模,並與數據集一起搭建 AI/機器學習模型。

大量實用的函式庫和工具:與 Python 類似,R 也有不同的封包,可以提升機器學習模型的結果。例如 Caret 包就支援 AI人工智慧應用,助於有效地建立預測模型。R 開發人員可受惠於這些數據分析包:因為這些封包中包含了針對建模前後階段的特定任務,如模型驗證或數據可視化等。

適用於探索性工作:如果你需要在項目開始的階段,在測量模型中進行探索性研究時,使用 R 語言的話就只需要添加幾行代碼即可完成。

R 的缺點

難學且不容易寫好。身為弱型別(Weak typing)的程式語言,函數經常會回傳預料之外的物件種類。

與其它的語言不同,R 是從 1 開始,不是 0 開始。

結論:

R 和 Python 在機器學習上都有各自的優勢。可以將兩者運用在各自擅長的項目中,互相搭配使用。

一開始我們可以使用 Python 進行資料彙整的階段,再將資料丟到 R 做數據檢驗。按照這些思路,可以將 R 用作 Python 的庫或將 Python 用作 R 的預處理庫。

 

 

更多關於Python的相關文章請點閱下方連結!!

 

 

 

其他閱讀

人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係?

AI 人工智慧、ML 機器學習、深度學習、Python 是什麼?

捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計

為超越MotoGP冠軍VR46而生:人工智慧重機賽車手MOTOBOT

有關Python的大小問題通通在這裡!!

Python自學筆記:Python中的數據類型

自學Python霧煞煞?也許你是在這些地方搞錯了!!

想發展人工智慧,Python和R語言誰更適合?(上)

想發展人工智慧,Python和R語言誰更適合?(上)
想發展人工智慧,Python和R語言誰更適合?(上)

想跟上全球狂熱的人工智慧到底要選Python好還是R語言好呢?!!看完今天的文章就會有答案啦!!(上)

要是你想要建構一個機器學習的專案,但是又卡在不知道該使用Python 還是 R 語言,恭喜你,你現在看到對的文章了!

這篇文章不只是讓你了解到 Python 與 R 語言的不同,同時也會知道哪個程式語言在多方面都比較佔優勢。現在就讓我們一起深入研究吧!

Python 與 R 語言都具有相同的功能,且是數據科學家間非常熱門的工具。約有 69% 的開發者在人工智慧上使用 Python 語言,R 語言則只佔了 24%。兩者都是免費開源的程式語言,不過 Python 被建構成一種可廣泛使用的程式語言,而 R 語言則是為了統計分析而造。

推薦閱讀:Python 與 R 語言之戰鹿死誰手?盤點 5 個即將消失的程式語言!

人工智慧AI)與數據分析,是真正可以開源創新的兩個領域。Python 與 R 語言都創造了強大的開源設備與函式庫的環境,可以幫助不同能力水平的數據科學家更有效率的執行工作。

機器學習與數據分析之間的區別,相對來說比較模糊。但是一般認為,機器學習在模型可解釋性上著重在預知的準確程度;而數據分析則著重在事實的推測。 在預知的準確度上,Python 可是有口皆碑的;R 語言則擅長於事實推論與靜態推論。

推薦閱讀:AI 人工智慧、ML 機器學習、深度學習、Python 是什麼?

這並不代表我們要將這兩個語言歸為一類 —— Python 完全可被應用為數據分析工具;R 語言則可以完成機器學習中的一些大工程。兩種語言都有許多能使其達成對方優點的函式庫與封包:像是 Python 有能進行測量後歸納的函式庫;R則有增強預測準確度的封包。

下一段,我們將會深入說明兩種語言,可以大大地幫助你針對自己的專案,使用合適的語言。

Python 語言

Python 程式語言誕生於 80 年代末期,承擔了推動 Google 內部框架的重責大任。Python 被一群熱情的程式設計師所擁護著,也被廣泛應用在 YouTube、Instagram、Quora 和 Dropbox。Python 也全面被應用在 IT 產業以及開發團隊中的基礎建構。因此若你需要的是一個多工的程式語言以及大量可擴展的 AI 函式庫,Python 是首選。

Python 的優點

多功能 — 如果你的企業需要的不只是測量與統計數據的功能,Python 是首選。例如設計一個功能強大的網站。

平滑的學習曲線 — Python 並不難學,能幫助你短時間內找到熟練的開發人員。

大量的重要函式庫 — Python 以擁有無數的數據組裝與控制函式庫聞名。以 Scikit-realize 為例,它包含了資料探勘與和調查的工具,讓使用 Python 時,增加了超乎想像的 AI 便利性。另一個函式庫 Pandas,給予工程師無可比擬的結構與資訊評估工具,減少了改進的時間。如果你的開發團隊需要 R 語言的其中一個主要功能,則可以使用 RPy2。

更好地整合能力 — P大致上來說,在任何的開發場合,Python 的兼容性比 R 還好。無論是否使用如 C、C++ 等較低階的語言來開發,都能透過 Python 包裝連接更好的組件。而且,讓數據研究人員的將一個基於 Python 建構的函式庫,串接到其他需要完成的工作也很容易。

提高生產力 — Python 語言,比起 R 語言可讀性特別高,幾乎如同人類平時交談用的方言,因此也能提高開發團隊的生產力。

Python 的缺點

缺少公共儲存庫,也沒有某些可選的 R 專用庫。

由於是動態組合,在某些情況下,Python 會造成一些計算錯誤,而這些導致錯誤的因素又不太確定。

 

 

本篇為上篇,下篇請點此想發展人工智慧,Python和R語言誰更適合?(下)

更多關於Python的相關文章請點閱下方連結!!

 

 

 

其他閱讀

人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係?

AI 人工智慧、ML 機器學習、深度學習、Python 是什麼?

捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計

為超越MotoGP冠軍VR46而生:人工智慧重機賽車手MOTOBOT

有關Python的大小問題通通在這裡!!

Python自學筆記:Python中的數據類型

自學Python霧煞煞?也許你是在這些地方搞錯了!!

一次搞懂Python,人工智慧,機器學習分別是什麼!!

一次搞懂Python,人工智慧,機器學習分別是什麼!!
一次搞懂Python,人工智慧,機器學習分別是什麼!!
對Python有興趣的同學知道什麼是機器學習和深度學習嗎?還不知道的同學快一起來了解一下吧!!

▲ 人工智慧、機器學習與深度學習之間的關係比較圖(圖片來源:騰訊xw.qq.com) 

 

什麼是人工智慧?

人工智慧」,又稱「人工智能」,英文為「Artificial Intelligence(縮寫為 AI)」簡單來說就是:任何讓電腦能夠像人類般思考、表現出類似人類的行為」的科技;更具體一點的說法,人工智慧是一種可以感知、學習、推理、協助決策,並採取行動幫助我們解決問題的科技。

1980年代約翰瑟爾(John Searle),提出對「人工智慧」分類方式:

  • 人工智慧(Strong AI) : 機器能具有與人類相同完整的認知能力。
  • 人工智慧(Weak AI) : 機器不需要具有與人類相同完整的認知能力,只要設計得看起來像具有智慧就即可。

機器學習

機器學習是人工智慧的一個分支、是實現人工智慧的一個途徑,即以機器學習為手段解決人工智慧中的問題。

機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析而歸納出規則來,並利用此規則對未知的資料進行預測的演算法。

機器學習是第三波人工智慧發展的代表技術;而在眾多機器學習演算法中,深度學習(多層次類神經網路的代稱)是近幾年成長最快、表現最亮眼的技術。

深度學習

深度學習是機器學習演算法的一種的,為人工智慧中成長最快的領域。

「深度學習」是模擬人類神經網絡的運作方式,只要懂得定義問題,有足夠質量的資料以及轉化為模型的能力,幾乎可以應用在任何決策問題上,雖然不見得都有準確的預測能力。不過目前常見的 Google 語音辨識、文字翻譯、照片分類、自動回信、垃圾郵件判斷,現在都是用深度學習來做的。

Python 與人工智慧的關係

Python 是 AI 領域最多人使用的程式語言,主要原因之一是因為它有大量的資料庫,讓用戶可自由套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布,包含預先編寫好的程式片段,讓 AI 開發人員不需要從頭開始編寫程式。

機器學習與深度學習都需要連續的數據處理,Python 的函式庫則可讓你取用、處理、轉換這些數據。例如應用於深度學習的 Keras 函式庫,它允許快速計算和原型設計,因為它除了使用計算機的 CPU 之外還使用 GPU。

其他與人工智慧、機器學習、深度學習有關的八個函式庫,請見此篇文章:連 IBM 都推!入行 AI 人工智慧必學 Python 的8大理由

推薦閱讀:AI 產業革命開始!為何 Python 成人工智慧必備語言?

 

 

更多關於Python或人工智慧的文章請點下方連結!!

 

 

 

其他閱讀

AI 產業革命開始!為何 Python 成人工智慧必備語言?

IBM 都推!入行 AI 人工智慧必學 Python 8大理由

AI 重機車手 MOTOBOT – 專為超越 MotoGP 冠軍 Rossi 而生

AI人工智慧將如何衝擊你的未來?還是學好Python!

給自學Python的初學者24項真心建議!!

只要四階段~讓零基礎的你離Python邁進一大步!!

還不了解Python如何應用嗎?三大要點你非知不可!!

工程師們口中的Python和人工智慧有什麼關係?

工程師們口中的Python和人工智慧有什麼關係?
工程師們口中的Python和人工智慧有什麼關係?
還不知道Python和人工智慧有什麼關係的你一定不能錯過今天的文章喔~
在媒體報導人工智慧 (AI)、機器人(Robot)未來可能會取代我們的工作時,我們又看到坊間有教人工智慧技術的機構,又端出一堆名詞如大數據(Big Data)、Python 程式語言……,還有深度學習等等。那到底這些名詞中間又有什麼關聯?這篇以問答方式一一幫你解答

推薦閱讀:AI 人工智慧來了!你的未來何去何從?學好 Python 是正解

人工智慧、機器人,是同一個東西嗎?

相信大家都看過有關機器人的電影,都把機器人描述的很厲害,甚至比人類還強!沒錯,這些機器人很賴害是因為他們裡面被導入了「人工智慧

推薦閱讀:5 部電影告訴你:AI 時代來臨,是否對人類造成威脅?

人工智慧」,又稱「人工智能」,英文為「Artificial Intelligence(縮寫為 AI)」簡單來說就是:任何讓電腦能夠像人類般思考、表現出類似人類的行為」的科技;更具體一點的說法,人工智慧是一種可以感知、學習、推理、協助決策,並採取行動幫助我們解決問題的科技。

推薦閱讀:妻子機器人在日本大賣?假的!但本尊也是會說笑的 AI 美人

為何有些人工智慧會比真人還厲害

日前又 AI 甩尾,角度精準過方程式車手的消息;還有 AI 雀士在網路上打日式麻將打過一拖拉庫真人的訊息、⋯⋯究竟人工智慧是怎麼學習的?為何會比真人厲害?

推薦閱讀:AI 又贏了?人工智慧「Suphx」打敗人類麻將高手!

AI 學習事務其實與人類學習事物的方法相仿,就是所謂的機器學習及深度學習。

機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析而歸納出規則來,並利用此規則對未知的資料進行預測的演算法。

而「深度學習」又是模擬人類神經網絡的運作方式,只要懂得定義問題,有足夠質量的資料以及轉化為模型的能力,幾乎可以應用在任何決策問題上,雖然不見得都有準確的預測能力。不過目前常見的 Google 語音辨識、文字翻譯、照片分類、自動回信、垃圾郵件判斷,現在都是用深度學習來做的。

推薦閱讀:AI 人工智慧、ML 機器學習、深度學習、Python 是什麼?看這一篇就對了!

搜集大數據讓AI去做機器學習,加上不同的演算法成就不同專長的AI?

餵給 AI 正確的大量資料(大數據),加上好的大腦(演算法),AI 才能做出正確的判斷。

各種領域都應用了不同功能的人工智慧,如醫療、教育、製造、理財及自動駕駛等,就如同每個人擅長的領域都不一樣:有的人擅長賽車、有的人擅長分析、有人善於醫療等等。

推薦閱讀:台灣研發 AI 走進加護病房,預測敗血症準確率達八成五

演算法的不同深深影響 AI 的思考與學習模式,好的演算法可以製造出卓越的人工智慧。例如甩尾角度比人類還精準的 MartyKHANA AI。

推薦閱讀:AI 甩尾媲美 Ken Block、屌打玩命關頭?方程式冠軍嘆:要失業了⋯⋯

反之,不好的演算法會讓 AI 判斷錯誤。2016 年發生了全球首例 Tesla 自駕車撞上大貨車的意外,乃因 Tesla 的自動駕駛系統,無法辨識在強烈日照下而有反光的大貨車,因此未能即時做出煞車判斷。因為此演算法從未學習過這類大數據。

Python 與 人工智慧的關係?

Python 是目前人工智慧領域最被廣泛使用用的程式語言

因為 Python 的語言簡單好懂、就像是使用人類的語言在與電腦溝通一樣,加上跨平台的性質,操作方便快速,因此已有許多工程師使用其語言發布大量與人工智慧、機器學習、深度學習領域相關的資料庫,讓用戶可自由套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布,包含預先編寫好的程式片段,讓 AI 開發人員不需要從頭開始編寫程式。

機器學習與深度學習都需要連續的數據處理,Python 的函式庫則可讓你取用、處理、轉換這些數據。例如應用於深度學習的 Keras 函式庫,它允許快速計算和原型設計,因為它除了使用計算機的 CPU 之外還使用 GPU。

其他與人工智慧、機器學習、深度學習有關的八個函式庫,請見此篇文章:連 IBM 都推!入行 AI 人工智慧必學 Python 的8大理由

推薦閱讀:AI 產業革命開始!為何 Python 成人工智慧必備語言?

 

更多關於Python或人工智慧的文章請點下方連結!!

 

 

 

其他閱讀

AI 產業革命開始!為何 Python 成人工智慧必備語言?

IBM 都推!入行 AI 人工智慧必學 Python 8大理由

AI 重機車手 MOTOBOT – 專為超越 MotoGP 冠軍 Rossi 而生

AI人工智慧將如何衝擊你的未來?還是學好Python!

給自學Python的初學者24項真心建議!!

只要四階段~讓零基礎的你離Python邁進一大步!!

還不了解Python如何應用嗎?三大要點你非知不可!!

日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(下)

日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(下)
日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(下)

日本最新人工智慧手機讓你不用再擔心孩子掉入裸照誘騙陷阱!!(下)

本篇為下篇,上篇請點此日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(上)

不止跳出提示、禁止儲存 還會「告訴你媽」

打開手機的相機應用程式時,AI手機即會開始分析圖像,並檢查圖像是否「不合宜」,如果偵測到使用者正在拍攝裸露度過高的照片,人工智慧系統首先會跳出警告提醒使用者「您無法拍攝此照片」。就算使用者執意要按快門,AI 也會直接刪除照片、不留一絲儲存的機會。

除此之外,也可設定是否要發送通知給另一支手機,設定好後即可得到拍照的時間、日期、地點以及照片的馬賽克縮圖等資訊,藉此提醒家長,甚至向家長提示警方的求助辦法。

科技始於人性 AI 背後的人才是最重要的

此次因 AI 而得以防範在青春期的孩子因好奇或一時興起,拍下自己或他人的私密照片,避免他們做出遺憾終身的行為,成為一道防護網。

水能載舟、亦可覆舟,科技融入生活固然帶來方便,技術進步也絕非壞事,但要記得千萬別讓科技控制你,而是應該反過來控制科技、利用人工智慧技術來保障與自己的生活。

 

更多人工智慧相關文章請點下方連結!!

 

 

 

其他閱讀

SEM 關鍵字廣告課程讓高三生提早就定位 開始接案賺錢!

44歲媽咪順利轉職網頁設計師, 家庭事業都得意

Python 變身告白神器、還會幫你整理電腦?6 Python 隱藏版技能一次學

紅到被山寨!中國自主開發語言「木蘭」竟是抄襲 Python

人工智慧幫你鎖定惱人蚊子行蹤!!讓你不再找不到兇手!!

時下最夯的人工智慧為什麼和Python關係緊密?()

只知道特斯拉就太遜了~人工智慧還運用在這些汽車產業上!!()

日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(上)

日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(上)
日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(上)

日本最新人工智慧手機讓你不用再擔心孩子掉入裸照誘騙陷阱!!(上)

AI 人工智慧化身私密守門員 日研發智慧手機攔截裸照

▲ 這隻新 AI 「防自拍裸照」手機「Tone e20」廣告請日星坂口健太郎代言,同時也吸引青少年目光。

隨著日新月異的科技發展,智慧型手機已可說是生活必需品了。據日本內閣進行的調查表示,日本 12 歲以下的兒童,已經有一半以上擁有自己的智慧型手機。

但伴隨手機普及而發達的社交通訊軟體,卻也讓不少涉世未深的兒童及青少年受騙,日本警察廳 2019 年曾統計過去犯案紀錄,指出平均一年就有 1800 名以上的未成年人曾被誘騙拍攝裸照等私密照片,且數字逐年攀升。

有鑑於此,日本電信商 Tone Mobile 就推出一款裝有「私密照片辨識 AI」手機,如果使用者嘗試拍攝自己的裸露照片,人工智慧 就會在螢幕跳出警告,若依然堅持按下快門,不僅會拒絕儲存相片、甚至可以設定通報給爸媽!

全球首款具備 AI 防護相機濾鏡手機 售價 5500 元有找

▲ Tone Mobile 瞄準年輕客群,長期與日本知名男演員坂口健太郎合作拍攝廣告。

其實早在 2017 年,Tone Mobile也曾推出以 12 歲以下兒童為目標用戶的手機或AI手機,能設定指定時段、甚至透過 GPS 設定在特定地點時切斷網路。

而 Tone Mobile 這次針對青少年族群的新手機「Tone e20」設計了精緻的外型,配有 6.26 吋螢幕、Android 9 作業系統、1300 萬畫素三鏡頭、4GB RAM 與 64GB 儲存空間,支援指紋及人臉辨識。而作為中低階機款,售價為 19,800 日圓(約新台幣 5,433 元)。

當然僅有以上規格不足以讓 Tone e20 獨樹一幟,其獨特之處在全世界第一個「AI 照相過濾」功能。為此 Tone Mobile 特別成立智慧型手機安全實驗室,除了分析特定族群的使用習慣外,也研發人工智慧技術,透過人工智慧辨識來實現「守門員」的作用。

 

本篇為上篇,下篇請點此日本禁拍裸照人工智慧手機問世!!為兒童青少年把關!!(下)

更多人工智慧相關文章請點下方連結!!

 

 

 

其他閱讀

SEM 關鍵字廣告課程讓高三生提早就定位 開始接案賺錢!

44歲媽咪順利轉職網頁設計師, 家庭事業都得意

Python 變身告白神器、還會幫你整理電腦?6 Python 隱藏版技能一次學

紅到被山寨!中國自主開發語言「木蘭」竟是抄襲 Python

人工智慧幫你鎖定惱人蚊子行蹤!!讓你不再找不到兇手!!

時下最夯的人工智慧為什麼和Python關係緊密?()

只知道特斯拉就太遜了~人工智慧還運用在這些汽車產業上!!()