ลองจินตนาการว่าคุณต้องสอนโมเดลจำแนกภาพให้แยกร่มกับหมวกออกจากกัน ภาพร่มชุดแรกถ่ายในวันฝนตกทั้งหมด ส่วนภาพหมวกชุดแรกถ่ายในห้องทั้งหมด เมื่อดูการตัดสินของโมเดลต่อภาพชุดที่ใช้ฝึกนี้ ดูเหมือนมันจะจำได้ดีทีเดียว แต่ถ้าเปลี่ยนภาพใหม่ แล้วเอาร่มคันเดิมไปวางในห้อง มันจะยังจำได้หรือไม่?
จุดที่น่าถามต่อคือ โมเดลเรียนรู้รูปร่างของร่มจริง ๆ หรือแค่ฉวยใช้ฉากหลังไปพร้อมกัน? 《AI 魔法实验室》เริ่มต้นจากข้อมูลภาพที่เครื่องได้รับ แล้วพาคำถามเดียวกันนี้ต่อไปยังเนื้อหาที่ถูกสร้าง การกระทำของเอเจนต์ และการตรวจทานโดยมนุษย์
เครื่องมองเห็นร่มได้อย่างไร
ถ้าขยายภาพบริเวณปลายร่ม คุณจะเห็นเป็นแผ่นสีทีละ塊 หลังร่มสีน้ำเงินในภาพ ในระบบ RGB ที่ใช้กันทั่วไปสามารถเก็บเป็นค่าตัวเลขทีละช่อง แต่ละช่องบันทึกข้อมูลของช่องสีแดง เขียว และน้ำเงิน บทเรียนที่ 1 เริ่มจากพิกเซลและสี แล้วจึงแนะนำว่าคอมพิวเตอร์วิชันค้นหารูปร่างและพื้นผิวจากภาพได้อย่างไร บทเรียนที่ 2 จัดเรียงค่าตัวเลขเหล่านี้เป็นเทนเซอร์ และอภิปรายว่าทำไมต้องจัดระเบียบข้อมูลก่อนป้อนเข้าสู่โมเดล บทเรียนที่ 1《ดวงตาดิจิทัลของเครื่อง》 · บทเรียนที่ 2《หน่วยพื้นฐานของข้อมูล (เทนเซอร์)》
ลองใช้กระดาษตารางทำแบบฝึกหัดเล็ก ๆ กัน วาดร่มขึ้นมาหนึ่งคันก่อน แล้ววาดใหม่โดยเปลี่ยนสีฉากหลัง ช่องไหนเปลี่ยนไป? เส้นขอบใดยังคงอยู่? มนุษย์มองปราดเดียวก็จำภาพสองภาพว่าเป็นประเภทเดียวกันได้ แต่เครื่องจะทำได้หรือไม่ ขึ้นอยู่กับว่ามันเรียนรู้จากตัวอย่างอย่างไร
เปลี่ยนภาพที่ไม่เคยเห็นมาก่อน
บทเรียนที่ 3 เริ่มจากตัวอย่างที่มีป้ายกำกับ และพูดถึงการโอเวอร์ฟิตและการวางนัยทั่วไปด้วย โมเดลที่โอเวอร์ฟิตจะพึ่งพารายละเอียดในตัวอย่างฝึกมากเกินไป พอเปลี่ยนชุดภาพก็พลาดได้ง่าย การจะตัดสินว่าโมเดลรับมือกับสถานการณ์ใหม่ได้หรือไม่ ต้องกันตัวอย่างที่มันไม่เคยเห็นตอนฝึกไว้ตรวจสอบ บทเรียนที่ 3《ปรมาจารย์การจำแนก》
กลับมาที่ร่มคันนั้น เราอาจเตรียมภาพหมวกและร่มในฉากหลังสองแบบคือในห้องและกลางแจ้ง แล้วกันไว้อีกชุดหนึ่งเพื่อทดสอบ ถ้าพบว่าโมเดลจำร่มในห้องเป็นหมวกอยู่ตลอด รอบถัดไปก็ตรวจได้ว่าฉากหลังผูกติดกับประเภทมากเกินไปในตัวอย่างฝึกหรือไม่ การจำผิดหนึ่งครั้งให้เบาะแสว่าต้องตรวจอะไรต่อไป
จากการจำแนกภาพสู่การสร้างภาพและการลงมือทำ
การรู้จำภาพร่มกับการสร้างภาพร่มขึ้นใหม่เป็นสองงานที่ต่างกัน บทเรียนที่ 6 อธิบายกระบวนการสร้างด้วยแบบจำลองการแพร่ เริ่มจากสัญญาณรบกวน แล้วค่อย ๆ ขจัดสัญญาณรบกวนทีละขั้นจนเกิดภาพที่ตรงตามเงื่อนไข ส่วนบทเรียนที่ 7 พาปัญหาไปสู่การลงมือทำ เอเจนต์เก็บข้อมูลจากสภาพแวดล้อม เลือกการกระทำและลงมือ จากนั้นจึงสังเกตว่าสภาพแวดล้อมเปลี่ยนไปอย่างไร เช่น การเดินเขาวงกตบนกระดาษตามกฎ ทุกก้าวที่เดินต้องตัดสินตำแหน่งปัจจุบันใหม่ บทเรียนที่ 6《ศิลปะเชิงสร้างสรรค์และแบบจำลองการแพร่》 · บทเรียนที่ 7《วงจรหลักของเอเจนต์》
ก่อนจะเชื่อผลลัพธ์ ให้หาวิธีตรวจสอบ
บทเรียนสุดท้ายอภิปรายเรื่องอคติของข้อมูล ภาพลวงของโมเดล และการกำกับดูแลโดยมนุษย์ คำถามที่เหมาะนำไปใช้ในห้องเรียนคือ ถ้าผลลัพธ์ผิด ฉันใช้อะไรตรวจพบได้? สำหรับการจำแนกภาพ อาจหาภาพที่มีฉากหลังต่างออกไปโดยสิ้นเชิง สำหรับคำตอบที่ถูกสร้างขึ้น อาจย้อนกลับไปหาแหล่งข้อมูลต้นทางเพื่อหาหลักฐาน และสำหรับระบบที่ลงมือทำได้ ก็อาจลองคิดว่าขั้นตอนใดควรให้มนุษย์ยืนยัน บทเรียนที่ 10《จริยธรรม อคติ และการอยู่ร่วมกันระหว่างมนุษย์กับเครื่องจักร》
หลักสูตรนี้มุ่งสำหรับผู้เรียนระดับมัธยมต้น และยังเหมาะกับผู้ปกครองและครูที่อยากพาเด็ก ๆ เข้าใจหลักการพื้นฐานของ AI เริ่มได้จากบทเรียนแรกของสื่อการสอนภาษาจีนตัวย่อและคำถามสั้นท้ายหน้าเรียน ให้ลองแยกภาพที่คุ้นเคยออกเป็นพิกเซลก่อน แล้วค่อยย้อนกลับมาคิดว่า ภาพถัดไปจะเอาภาพแบบไหนมาทดสอบดี เข้าสู่ AI004《AI 魔法实验室》