今年有教國一資訊，為了讓這些剛從國小升上國一的學生能理解 AI 運作的原理，我試著用簡易的文字解說其原理。
專家系統
以前的 AI，像早期 iPhone 的 Siri，靠的是類似「專家系統」的邏輯。工程師會先準備一大堆問題和對應的答案，塞進資料庫裡。比方說有個資料庫，裡面有 3 題問答：
太陽表面溫度：太陽表面溫度約 5505°C
太陽的直徑：1,391,400 公里
太陽到地球距離：150,000,000 公里
圖、專家系統與現代 AI 的差異
當使用者問的是資料庫裡存在的問題，如：『地球到太陽的距離有多遠？』，AI 就能馬上從資料庫中抓出答案並快速回應：『太陽到地球的距離為 150,000,000 公里！』
相反的，要是你問個工程師沒預想到的問題，像是『月亮到火星的距離有幾公里？』或是『宇宙的邊緣有什麼好吃的？』，它就傻眼了，給你一個『呃，我不知道』的回應。
這種系統就像個認真的圖書館員，只會從書架上找現成的書，沒書就沒轍了。
ChatGPT、Google Gemini 等現代 AI
現在的 AI，比如 ChatGPT、Google Gemini，靠的是統計和機器學習。這些 AI 不再死記硬背問題和答案，而是從大量的資料中學習模式和規律，然後「猜」出最適合的回答。這種方式讓 AI 能應付各種奇奇怪怪的問題！
統計與機器學習的過程有點像小孩子的學習，比方說媽媽帶著孩子走在路上，看到一隻狗，媽媽對孩子說：『你看，那是狗狗，牠有四隻腳。』下次孩子看到四隻腳的動物就會叫：『狗狗。』
再過一陣子，當孩子又看到一隻四隻腳的動物並叫著：『狗狗』的時候，媽媽說：『這隻不是狗狗喔，你看牠跟狗狗的叫聲不一樣，這是貓貓。』孩子這時候學到原來四隻腳的生物不全是狗狗，還有貓貓也是四隻腳的生物，差別在叫聲不一樣。
就這樣，隨著學習的內容越來越多，孩子腦海裡歸納、分類的四隻腳生物有了『狗狗』、『貓貓』、『牛牛』、『羊羊』等等不同的類別。
來試著教會電腦什麼是魚吧：機器學習：什麼是魚？
現代 AI 們用的就是這樣的統計歸納方式進行學習，但缺點是它會猜錯方向。就像小孩子指著牛說：『狗狗』一樣，AI 也會出錯，而且它猜錯方向時還會自信滿滿地胡扯一通，產生所謂的「幻覺」，例如，跟你講一個完全不存在的星球美食指南。
專家系統與現代 AI 的共通點
知識就是力量。不管是老派的專家系統還是新潮的統計 AI，核心都在於資料！專家系統需要精心整理的知識庫，現代 AI 則靠海量的訓練資料。資料越多、越優質，回應的結果就越可靠。這就像是考試前狂背筆記，背得越多越全，分數通常越高！
這給我們的啟示？
…
…
多讀書是王道！
但不只讀書，還得會挑書、整理筆記、動腦思考。就像 AI 需要高品質的資料 (才不會回答錯誤) 並以演算法將資料進行歸納整理，我們也得多讀書 & 勤於整理資料，才能在面對問題時從容應對！
沒有留言:
張貼留言