Learning V.S. Design

這個投影片是周四公司內的讀書會活動。利用版書&互動遊戲的方式，讓與會者體驗傳統人工智慧的侷限、以及和機器學習的差異。

原本是要導讀田神書中的某個章節，但是我覺得太過輕描淡寫，所以想出一些比較深刻的方法，是畢業以來第1次教案實作。

以Fuzzy為傳統人工智慧的代表，讓聽眾了解何謂基於Design的方法，由於書中對此只太過輕描淡寫，所以來一個深刻的補充。

然後，再用我自己的碩士論文為材料，讓聽眾（bsae on Design）和我的機器（bsae on Learning）比賽，了解bsae on Design的侷限性，親自體驗書中主題。

Transcript

1. 1.1.3 Learning V.S. Design 機器學習讀書會 Presentation by 研發一部 林高遠 2016/10/20 本次分享不會按照書的內容走，將 以互動體驗帶領讀者了解主題，因 此靜態投影片無法呈獻完整體驗。
2. • 認識古早味人工智慧－ base on design ◦ 以模糊理論辨別水果熟度為例 • 了解專家主觀經驗的侷限性－ “其術可以心得，不可言 喻” ◦ 機械廠的老師傅為例：旋轉機械異常偵測 ◦ 互動體驗人類專家的侷限性 ▪ 讓與會來賓跟我的機器進行一場 ”察言觀色”小比賽 ▪ 請贏家嘗試 design 一個 painful rule ▪ 輸家按照 painful rule 進行再評估 • 為什麼要有機器學習？－ base on learning ◦ 經典案例：星期五、尿布與啤酒 — 違反經驗與直覺的微妙關聯 ◦ 我知道他就是Mr.Right，但是說不清楚喜歡上他哪一點 ◦ 機器怎麼知道？推論統計的暴力美學 （太忙了來不及做完，用講的）
3. So far, we have discussed what learning is. Now, we discuss what it is not. 機器學習出現之前，人工智慧是什麼樣子？
4. 認識一種古早味的人工智慧— 模糊理論（Fuzzy theory）
5. 可言語描述的經驗先決 模糊規則　之　水果熟度 IF 色彩是綠的 OR 堅實度是硬的 THEN 水果是不熟的 IF 色彩是黃的 OR 堅實度是中的 THEN 水果是半熟的 IF 色彩是紅的 OR 堅實度是軟的 THEN 水果是全熟的 出處：岡薩雷茲, Gonzalez, R. C., Miaou, S. G., Woods, R. E., {u20121} 德斯 ((Woods, Richard E.)), & 繆紹綱. (2008). 數位影像處理. 臺灣培生教育教育出版.
6. 黃？ 綠？ 紅？
7. Fuzzy 應用於 水果熟度鑑別 出處： Gonzalez, Rafael C., and Richard E. Woods. "Digital image processing." (2008).
8. 2016/10/20 白板逐步推演
9. 機械廠老師父： 「故障我聽得出來，但是我說不出來」 （照片中非當事人）
10. 所以．．． 用機器幫他聽、讓模型幫他說 林庭毅. "基於多尺度方均根, 多尺度熵, 費雪法與倒傳遞網路之軸承錯 誤診斷系統." 臺灣師範大學電機工程研究所學位論文 (2012)
11. 跟我的機器進行一場 ”察言觀色”小比賽
12. 去吧！就決定是你惹！ LKY’s General Regression Neural Network！ 出處： 林高遠, 以類神經網路實現臉部影像疼痛水準即時估測 , 臺灣師範大學機電工程系碩士論文
13. 猜猜疼痛指數？(0~15) No.1 No.2 No.3 No.4 No.5 No.6 出處： Lucey, Patrick, et al. "Painful data: The UNBC-McMaster shoulder pain expression archive database." Automatic Face & Gesture Recognition and Workshops (FG 2011), 2011 IEEE International Conference on. IEEE, 2011.
14. No.1 No.2 No.3 No.4 No.5 No.6 你的誤差平方和： 猜猜疼痛指數？(0~15) 15 0 參考樣本 每位來賓手上都有一張可計算填寫， 下一頁，答案揭曉。
15. 答案揭曉 Groundtruth/LKY’s GRNN 3/3 12/10 12/10 4/0 6/4 0/1 出處： 林高遠, 以類神經網路實現臉部影像疼痛水準即時估測 , 臺灣師範大學碩士論文
16. • 你猜對了嗎？ • 誤差多少？(取平方和) ◦ SumOfErr(LKY’s GRNN) =sqt(3-3)+sqt(12-10)+sqt(12-10)+sqt(4-0)+sq t(6-4)+sqt(0-1)=29 ◦ Your =?
17. • 人類贏家是誰？ ◦ (誤差愈小愈好) • 請人類贏家回顧剛才的影像樣本，嘗試 design 一 個 painful rule
18. • 輸家按照 painful rule 進行再評估 • 發現問題了嗎？
19. Wal-Mart 經典案例：星期五、尿布和啤酒 DIGITIMES中文網 原文網址: Big Data經典案例：星期五、尿布與啤酒 http://www.digitimes.com.tw/tw/dt/n/shwnws.asp?id=0000401927_J24LE0TO1NPN NH8BRNTM8#ixzz4NbREAMzD
20. Thank you You can find me at LKY@program.com.tw, mosdeo@gmail.com