我現在的感覺就是你是那個富二代，
底子太差，什麼亂七八糟的事情為了自己的臉面
而胡說八道。



即便有人盡心周全你的臉面，
也只敢用每個人對AI的定義不同這類模糊的說法
來幫你說明你的看法可以在這種情況下當成你個人的AI


一個技術人員面對自己無知，不思考能力如何改進
你還敢說自己有受過專業訓練嗎？


富二代會為自豪地說自己是專精技術人員嗎？

這裡有篇台灣人的文章，我本意是要透過搜尋 Fuzzy
這個有點年代的用詞，來開導你。
因為你原先提及的個人案例是沒有什麼模糊空間存在
「什麼訊號要做什麼事情的線性階梯圖」

剛好這篇有提到最初階段中
自動控制系統的內容，
你看一下我原先提到的溫室系統是否勉強可以屬於這個範疇

而你的需求僅限於 感測數值由你這個
專業生產技術人員來判斷解讀或是調整。
所以你需要設備商告訴妳有多少指標顯示
以及每個指標的意義還有合理範疇。
你才能對應生產線上的工作分析個別指標如何適應化你們的工廠。
這大概就是你原先的想法用跟各方專業人士討論的目標




人工智慧依照機器 (電腦) 能夠處理與判斷的能力區分為四個分級，分別為自動控制、探索推論、機器學習、深度學習。在本文章中我們會探討人工智慧是如何興起的，以及早期的人工智慧「模糊專家系統」是如何建構與運作，並討論傳統 AI 如何跟現代 AI 並存。透過專家系統+機器學習來解決日常生活中的最佳化問題。
人工智慧的歷史
人工智慧（Artificial Intelligence，AI）的發展可以追溯到第二次世界大戰的末期，當時為了解決軍事上和情報上的問題，因此科學家們開始研究發展一種有智慧的機器。從此科技戰就如火如荼地展開了！
人工智慧的分級
人工智慧依照機器能夠處理與判斷的能力大致分為四級：
第一級人工智慧：自動控制
機器含有自動控制的功能，可以經由感測器偵測外界的資訊。例如透過溫度感測器來偵測吸塵器的馬達是否過熱並達到停止運轉效果或是冷氣低於20度時就進入待機模式……等。因此程式設計師必須先把所有可能的情況都考慮進去才能寫出控制程式。這就衍伸出一些問題，像是靈活度不高，且需要有經驗的專家介入才能完成。
第二級人工智慧：探索推論
這邊逐漸開始強調邏輯推理，可以說是補足第一級的問題。將知識組織成Ontology(知識本體)並讓機器從知識本體中去推論。典型的例子就是專家系統，他是透過特定領域的專家訂定出一套知識庫與規則庫，並產生大量輸入與輸出資料的排列組合來解決日常生活中的問題。
第三級人工智慧：機器學習
機器可以根據資料學習如何將輸入與輸出資料產生關聯，機器學習是一種學習的演算法，並從資料中去學習並找出問題的解決方法。其應用包括搜尋引擎、大數據分析等。我們依據資料與學習方式可大致分為監督式學習、非監督式學習、增強式學習，此外自監督學習這個名詞最近也熱烈的討論中。
第四級人工智慧：深度學習
他是一種機器學習的方法，藉由模仿人類大腦神經元的結構，定義解決問題的函式。所謂深度學習是一種具有深度 (多層)的 Neural Network。機器可以自行學習並且理解機器學習時用以表示資料的「特徵值」，因此又稱為「特徵表達學習」，其應用包括：影像分類、手寫數字辨識等。
邏輯 VS. 模糊
人工智慧的方法非常多樣，早期的人工智慧研究聚焦在邏輯推論的方法
邏輯推論方法，需要百分之百確定的事實配合，因此在實務上不容易使用
模糊推論方法，雖然在理論上較不優美，但是在實務上卻很有用！

#133

#101

#113


2022-12-19 當AI走入田間，新科技為農業帶來怎樣的助力？

結論
台灣農業面臨人口老化、缺工等問題，雖然近年鼓吹青農返鄉，但是務農不但辛苦，還得靠天吃飯。
有了AI人工智慧系統，農業不再只是憑藉個人經驗，而是根據科學數據，精準地輔助田間工作，
甚至得到降低成本、節省人力的效果，有助於青農及新手投入農業。

反串問題在於純理論無實作, 所以至今沒有理解: 不論多麼智慧與擬人或任何優秀.

至今還沒實體化.
我有實作, 所以已經點出來, 即使高運算力達到任何程度, 實際上硬體變更依然有存在.
雖然只寫了輸入輸出, 但也寫了auxiliary, 意思說的就是不同設備間彼此配合運作.
更寫出了大工具去運用小工具這個原理, 可惜反串依然無法去整個概念的構思.

AI到底是什麼? 或者說人到底是什麼? 以及如何共存, 或互相配合, 這才是最終極目的.
整個工廠是個活物, 不同設備, 不同人員都是其中不同單位的AI, 這是我架構整體的俯視圖.

而AI肯定是會跟人不同, 因為基礎就不一樣, AI不會遺漏, 不會忘記, 速度又快.
不論你說的是哪種定義, 哪種程度的AI, 它們的基礎就有以上三個特質.

也不要去在意圖靈測試, 那是多久以前的人的思維, 對那時候而言, 那個測試有意義.
對如今已經沒有, 效能, 餵給高運算體的資訊, 以及餵給高運算體的思維, 邏輯, 已經不同.
你用如今的賽車去看當時純機械的的賽車? 不行吧? 不要說賽車了, 普通車就已經不同.

我們已經超越了前人的科技, 所以就要重新去思考所謂的人工智能.

菁英哥不需要做到這種程度來堅持維護你的面子。

你只是生產部門的專業人士，

不是其他領域的專業人士。

當然任何資料科學家都需要跟你們這類領域專家合作才能迸出有意義的成果。

但不代表你們可以評斷採用的方式符合所謂的AI

所以我請你去問你的設備廠商是否他們採用AI的方式來處理你的需求。


讓你能接觸的專業人士來對外行人說理，我相信對妳比較好。



人會忘記，也會犯錯

AI也會犯錯，外行人不要太幻想

他甚麼事情都愛裝懂

本版第一裝懂大師就是他

沒有第二人

他的專長就是把自己的專長套到別的領域

自己蓋廠經驗就能類推台積電晶圓廠蓋廠

沒有隔行如隔山，只有一法通、萬法通

傻B湊4, 其中有3個甚至沒有實務經驗... 最後一個不知.

P大PO的那些, 其實反而是很多政府宣導用的, 而樓上三位嘴的也是那個為主軸.
簡單說就是至少有3個人的理解, 僅止於紙面宣傳, 然後各自做文章.
(別忘了反串你當初從哪裡拷貝關於PLC跟HMI的資訊, 但凸顯了實際上不曉得怎麼用)

那些怎麼定義...
理論上算智能調整, 但AI到底要怎麼重新去定義, 現在應該沒有一個正統的答案.
看看幾個推出AI器材的都無法說出一個明確, 推出AI軟體的用運算來解釋.
而微軟服務跟AI系統軟體的服務目前也還在增加項目跟運作方式, 我也看沒答案.

只是我至少有理解到如果在工業環環境, 高智能運算跟人之間, 進展到哪裡.
但無法說出那個方向跟盡頭在哪裡, 而是提出哲學的思考, 到時候, 責任歸屬?

一對恩愛的老夫婦

有一天　老先生出去玩準備回家

在高速公路上

剛好老伴在收聽廣播：「現在高速公路上有一位瘋狂駕駛正在逆向行駛中，請各位注意ｏ」

於是老伴很緊張　馬上打電話給老先生說：「老ㄟ呀！現在高速公路上有一位瘋狂駕駛正在逆向行駛，你要小心喔！」

剛說完，老先生馬上回應：

什麼一台？　我看到好幾百台都逆向！

加拿大的老先生請加油~~~~