AI建模師-素養(yǎng)手冊(6)-如何把專家直覺納入AI呢-ok88

-?1刖言-無論是Diffusion或ChatGPT的魅力，都是來自于ML的神秘桃花源，叫做：隱藏空間(LatentSpace)。?深刻領會它即可掌握AIGC的關鍵技術。-ChatGPT的能力很驚人，但它仍是縱橫江湖的野貓，而非真正貼心的〈家貓〉。-ChatGPT的能力很驚人，但它仍是位創(chuàng)新組合食材的炒飯快手，還需搭配您自己的素材，才真正創(chuàng)新大廚師。-想在ChatGPT上搭配您自己的食材，可行途徑之一是：您自己建立中小格局的AI模型，輸入您的素材，您自已訓練該模型，訓練出〈隱藏空間向量〉，然后將它（向量），融合進去ChatGPT的隱藏空間里。-所以，逐漸地家就戶戶都需要〈AI建模師〉來建模、訓練，然后融合成有高度智慧的〈AI家貓〉。認識專家直覺-專家的智慧存在于行業(yè)（或領域）專家的腦海里，而且常常是〈非邏輯化〉的，這種直覺性的智慧，很難透過傳統(tǒng)的系統(tǒng)分析、程序設計的活動來將其納入計算機里。如今，恰好當今的主流AI的智能，也是非邏輯化的，又稱為：黑箱式推理。-所謂專家直覺，就是他對周遭事物的瞬間洞察力，是極為敏銳的。因而，他也會很敏銳地洞察出上述這個AI模型所表現(xiàn)出來的直覺性推論，與他的直覺推論的差異。由于他是專家，他大多會覺得自己的直覺最厲害，因而立即會指出上圖里AI直覺推論的〈缺點〉。于是展幵了拋磚引玉的活動了，也就是展幵萃取專家直覺的工作了。認識專家直覺-雖然大家常常聽到＜AI算法〉的名詞，也常常因而誤認為AI是依據(jù)Python的程序邏輯去執(zhí)行的〈邏輯化推理〉，這是常見的迷思。專家的直覺性智慧，簡稱為：專家直覺。其存在于行業(yè)（或領域）專家的心智里，常常只有結論而說不清其〈邏輯推理過程〉的。-例如，不管黑貓白貓，會抓老鼠的就是好貓。這是專家的結論，但您不要問：為什么。因為專家也常常說不出來其證明的推理過程。其實，人類的絕大多數(shù)的智慧，都屬于這種非邏輯化的智能。I舉例說明?復習：光的三原色。-著名的物理學家牛頓首先發(fā)現(xiàn)了光的三原色：RGB(紅藍綠)。R是代表紅色(Red)、G代表綠色(Green)、B代表藍色(Blue)°RGB這三種顏色的組合，可形成各種不同的顏色。I舉例說明-像電視機或計算機的彩色屏幕都是具備產(chǎn)生上述三原色光的發(fā)光設備，所以計算機就依據(jù)R、G、B三個數(shù)值的大小來表示每一個像素(PixeI)的顏色。-在計算機領域里，每一幅屏幕畫面或一張圖片，都是由許多小光點所組成的，其中一個小光點就稱為一個像素(Pixel)。

由像素所組成的圖像，通稱為數(shù)字圖像。簡而言之，像素就是圖像的點的數(shù)值，然后從點連成線，線再組合成面。-例如，常見的JPG格式的數(shù)字圖像的彩色采樣點，即是像素。I舉例說明-每一個像素都具有三個數(shù)值，代表紅光、綠光、藍光的亮度；就是剛才所介紹的RGB三色光。經(jīng)由三色光的疊合來得到各種顏色。-在計算機中，以整數(shù)0~255的值來代表小光點的R、G和B的亮度。其中0是最暗，255是最亮。例如，當RGB都是255時，迭合之后就呈現(xiàn)出白光。black128.128,128graymaroon0,0,255ABCDsilver192,192,1920000limeyellow12345678greenolivenavypupletealbluefuchsiaaquawhite255,0,2550,255,255255,255,255。，0t128,0,0,128,12&12&0,0,128128,0,1280,128,128255?().00,255,0255,255,09瞬間辨識像素的顏色和位置?每一個像素都有三個特征值：RGB三原色的值?，F(xiàn)在有4個像素如下圖所示：ABCDEFGHIJKLMN1像素。像素1像素2像素32X[]3255000255025500002554567K0[]0Kl[]0108910Y0[]25502550Yl[]0255001112瞬間辨識像素的顏色和位置-上圖里的X[]含有4個像素的特征值，我們?nèi)祟愐谎劬湍芸闯鲞@里有兩個紅色像素，有一個綠色像素，以及一個藍色像素。那么AI是否也能瞬間看出來呢？-可以的，使用K0[]卷積核來對X[]進行卷積運算，得到Y0[]，就可以看出來了：有兩個值是255，代表有兩個紅色像素（分別是像素0和像素3）。-同理，使用Kl[]卷積核來對X[]進行卷積運算，得到Y1[]，

就可以看出來了：有一個值是255，代表有一個紅色像素（即像素1）°范例：專家直覺-在一個工廠里，有一部機器天天運作中，它會處于3種狀態(tài)之—，分別以RGB顏色代表之。如下圖：()范例：專家直覺-每天中午12:00記錄其當天狀態(tài)。當其狀態(tài)為順時鐘、或反時鐘變化，屬于正常變化。如下圖：正常變化）正常變化)范例：專家直覺-否則為異常變化（跳機）。如下圖：異常變化6范例：專家直覺-否其中值得留意的是，依據(jù)工廠的機器管理準則：如果出現(xiàn)〈連續(xù)異常變化（跳機）〉就必須停機檢修。-現(xiàn)在，我們就來看看過去一周（工作6天）以來，這部機器狀態(tài)紀錄數(shù)據(jù)，如下：范例：專家直覺-茲把這些數(shù)據(jù)呈現(xiàn)于Exce1表格里，如下圖：1ABCDEFGH1JKLMNoPQRsT像素0像素1像素2像素32X[]3255000025502550002552550002550451000016K0[](RB)7Kl[]001100(BR)8510025502559Y0[]10Yl[]025505100111213I范例：專家直覺-有一位負責檢視機器狀態(tài)的老師傅來了，他一眼就能看出了這部機器，在過去一周（工作6天）里并沒有出現(xiàn)〈連續(xù)異常變化（跳機）〉的現(xiàn)象。?所以不必須停機檢修。-那么AI是否也能瞬間看出來呢？范例：專家直覺-可以的，使用K0[]卷積核來對X[]進行卷積運算，得到Y0[]，就可以看出來了：有一個值達到510，代表發(fā)現(xiàn)一次異常（跳機）現(xiàn)象，從紅色狀態(tài)跳到藍色。-同理，使用K1[]卷積核來對X[]進行卷積運算，得到Y1[]-就可以看出來了：有一個值是達到510，代表發(fā)現(xiàn)一次異常（跳機）現(xiàn)象，從藍色跳到紅色。-人們經(jīng)常知道該如何行動，卻無法解釋行動的理由。直覺其實不需要理由，或是只要一個就夠了。選對相信直覺的時機，你將發(fā)現(xiàn)不多想、不思考的驚人力量。透過經(jīng)驗法則導引出的直覺，即使不比復雜的分析過程更為有用，至少也一樣有用。在行為決策的世界里，有時候關鍵并不在于搜集大數(shù)據(jù)。運用專家直覺-請看實際范例演示及說明I專家直覺的角色?人們經(jīng)常知道該如何行動，卻無法解釋行動的理由。直覺其實不需要理由，或是只要一個就夠了。?選對相信直覺的時機’你將發(fā)現(xiàn)不多想、不思考的驚人力量。透過經(jīng)驗法則導引出的直覺，即使不比復雜的分析過程更為有用，至少也一樣有用。?在行為決策的世界里，有時候關鍵并不在于搜集大資料。專家直覺的角色?專家直覺的WideLearning---＞納入人類專家經(jīng)驗法則而得出的〈關聯(lián)性智慧〉。?大數(shù)據(jù)算法的DeepLearning---＞探索復雜大數(shù)據(jù)而得出的〈關聯(lián)性智慧〉。當今主流AI（即機器學習）最擅長的就是表現(xiàn)出這種〈關聯(lián)性智慧〉。I擅用卷積核(Kernel)?幵啟cnnOl.py，呈現(xiàn)出畫面：-上圖里的紅、藍、綠色塊各代表一個像素(Pixel)。每一個?A—■I,________▲>f_▲■_________■V-I擅用卷積核(Kernel)-請按下〈展幵〉，就呈現(xiàn)出其RGB值，如下：-例如，左上角的綠色像素，其RGB值為：［0,255,0］。而右上角的藍色像素，其RGB值為：［0,0,255］。I擅用卷積核(Kernel)-按下〈正規(guī)化〉，將RGB值歸一于0~1之間，如下：I擅用卷積核(Kernel)-按下〈找出最紅的〉，就拿卷積核(即W□權重)對該9個像素進行卷積(Convolution)運算，得到結果：16I擅用卷積核(Kernel)-于是卷積的結果為：-11-1V-----------/-從卷積結果可以看出來：正上方和左下方的兩個像素，是最紅的像素。卷積核的權重從那里來呢?-準備拿專家直覺來訓練卷積核。-請點選〈工作表5＞，呈現(xiàn)如下：ABCDGHKLMN0（不挑選）0（要挑選）0（不挑選）（第＜0＞類）（不挑選）（第＜0＞類）（不挑選）（第類）（不挑選）（第＜0＞類）（要挑選）（第＜1〉類）2550（）（不挑選）（第罰＞類）02550（不挑選）（第罰〉類）02550學習正規(guī)化EF25502550（第罰〉類）（第＜1〉類）機器學習，自主找出W[]，用來找出最紅的PixelT0100001001112131415160°2550025525525525500255卷積核的權重從那里來呢?-專家直覺只要將9個像素進行〈分類〉，分成兩類即可。-接著按下〈正規(guī)化〉，并按下〈學習〉來展幵機器學習。-幾秒鐘之后，學習完成了，就計算出權重值（w[]）了：這是從專家學習而來的1（要挑選）（不挑選）（不挑選）（不挑選）（要挑選）（不挑選）（不挑選）（不挑選）（不挑選）3.75879-4.12052學習機器學習，自主找出W[]，用來找出最紅的Pixel.F二-4.12065使用該卷積核-這個權重w=[3.75