real sex porn dirtyindianporn.mobi school girl sexy picture 5 min sex video pornindianvideos.pro full xvideos exbii sex allnewindianporn.pro baloch girls sex bangalore freesexyindians.pro indiansixy video border bhojpuri film letmejerk.fun idian porn
kamapisachi sex com indianpornbase.pro negro sex video download telugu x kathalu turkishxxx.online tamilnadu school uniform indian big women sex turkishsex.online moviewood.me desi fudi com turkishpornvideos.pro swamiji fucking xxx sex bp animalwomanxxx olx kanpur turkishxxx.mobi night suit for women
bangali sex vedio turkishporn.pro indian vidio sex sri reddy porn videos turkishpornography.pro lucky villager xxxvwww turkishporno.mobi desimmsclips porn sleeping aunt turkishsex.pro red wap sex kamlesh saini mms turkishhdporn.pro ghrelu sex

博客

AI成為社會發展的「必然選項」

數碼世界依靠數據驅動,其運作的三大支柱是數據、算力和算法。大數據(Big Data)及雲計算(Cloud Computing)技術對應前兩者,至於代表算法的技術便是人工智能(Artificial Intelligence),三者形成數碼世界的ABC三大基礎設備,三個要素缺一不可,相互促進、相互支撐。以美食作為比喻,大數據相當於食材;雲計算是烹煮必須的煤氣或電力;人工智能的演算法便是烹飪方法,三者俱備才能炮製出美味佳餚。 人工智能的概念早在70年前已有科學家提出。1956年夏天在美國達特矛斯(Dartmouth)舉行了一個關於人工智能研討會,正式提出人工智能(AI)的定義。隨着電腦出現,當時的科學家便構想將人類智能赋予電腦,讓電腦模仿人類思考,進而模擬人類的能力或行為。AI作為一門學科便在這時起步,人們普遍將這一年稱為AI元年。 時至今天,AI已進入了人類生活。我們日常接觸到的智能手機、叫車軟件、社交媒體、導航、搜尋引擎等都運用了AI技術。不過,這種在特定範圍執行具體任務的AI只屬於「狹義人工智能」(Narrow AI)。至於能夠模仿人類思維、決策,有自我意識、自主行為的「通用人工智能」(General AI)現時仍只能在科幻小說或電影找到,未能成為現實。在AI發展初期,利用以法則為主(Rule Based)的程式,將人類專家的知識和經驗變成數據形式,通過數據讓電腦進行推理,這種系統擁有多條法則,可進行簡單的推理,稱為專家系統。這些法則要明確,數量要少,例外的情況不能多,所以適用處理結構化的數據,但面對大範圍、數量多、非結構化的數據便難以應付。 機器學習數據為本着重學習 除了法則為本的程式外,AI另一重要分支是機器學習(Machine Learning)。與法則為本的方向相反,機器學習從下至上,着重AI模型的學習,盡可能提供大量數據,經由人類知識從數據提取一些具有特徵的數據(feature data),讓AI模型學習,然後用學習好的模型去判斷數據,並得出問題的答案。 機器學習將複雜的智能問題換成相對簡單的統計問題,而電腦正是處理統計數據的能手。經過大量數據的訓練後,AI便能總結出規律,應用到新的樣本。如果在缺乏足夠數據的全新場景,AI只能瞎猜,無用武之地。現時學術界普遍相信,讓電腦獲得智能的關鍵是大數據,因此機器學習已成為AI的主流方式。雖然「餵飼」AI越多數據,便越有智慧,但只要仍需人類參與特徵工程(把原始數據轉變成特徵的過程),效率便難以提升。科學家便模仿人類的生物神經網絡(Biological Neural Network)的結構和功能,創造出一種人工神經網絡(Artificial Neural Network)數學模型。 人工神經網絡由大量人工神經元(與人腦運作相似)聯結進行計算,是一種自適應系統(adaptive system),可根據環境變化調整自身,使行為在新環境下仍能達到最佳功能。簡單來說,這便是具備了學習功能,因此,深度學習(Deep Learning)在提取特徵的過程已無需人類協助,可以自行從海量數據中通過持續學習而完成。深度學習現時是機器學習眾多分支中,最廣為應用的AI技術。 AI決策系統贏圍棋世界冠軍 機器學習或深度學習較普遍的應用範疇有5類。一是電腦視覺(Computer Vision),如用於手機解鎖、安全監控、門禁系統等的人臉辨識技術。二是自動語音辨識(Automatic Speech  Recognition)技術,手機的語音輸入法或智能語音助手如Siri、Echo等均屬這類,可從語音中說一段話,隨即翻譯成另一種文字,實現不同語言之間的交流。三是自然語言處理(Natural Language Processing, NLP)。它是在機器語言和人類語言之間溝通的橋樑,實現人機交流。NLP最常見的例子是電郵篩選器,最開始是垃圾郵件篩選器。Gmail電郵系統更進一步可根據內容識別出電郵屬於主要、社交或促銷三類中的哪一類。此外,也常用於智能助手、語言翻譯、搜尋引擎等。四是決策系統。最著名例子是1997年IBM的超級電腦Deep Blue(深藍)打敗國際象棋世界冠軍,另一例是2016年打敗世界圍棋冠軍的AlphaGo。現時決策系統已在自動化、量化投資、AI遊戲等範疇廣泛應用。最後一類是大數據應用。社交媒體通過你看過的文字或圖像,知道你喜歡的內容,便可進行更精準的營銷。 AI在電腦視覺及語音技術的應用已有蓬勃發展,未來重點是增加不同場景的應用。在NLP的範疇仍需在語意理解能力方面再提升。至於決策,則要在通用能力下功夫,令電腦學習到的知識可以在不同場景運用。 關注倫理推動可解釋AI冒起 現時Al技術及產業應用已成為人類生活的「必選項」,但AI究竟是甚麼?對我們的生活帶來甚麼改變?不少人仍然一頭霧水,尤其是深度學習的能力,在某些範疇已超越人類,但透明度卻不足,令人難以理解。近年業界關注AI的倫理及治理問題,可解釋AI(Explainable  AI)成為業界研究的新興範疇,核心議題是AI的透明度與可解釋性。歐洲、美國及中國等主要國家近年均立法監管AI運用及帶來的私隱問題。聯合國教科文組織(UNESCO)更在2021年通過首份AI倫理協議,提出包括「透明性與可解釋性」在內的10大原則。部份人對AI仍停留在電影未來戰士(Terminator)的恐怖形象。當然擁有自我意識的通用AI可能會在未來出現,但我們必須認清AI對人類有甚麼影響,如何發展才對人類是最合適的。究竟AI最終會成為人類最佳的助手,抑或最恐怖的敵人?我們要主動掌握在自己的手中。 作者:香港中國商會常務副會長陳亨達 [...]