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。 設計在場的讀書會成員代表Design，機器代表Learing的那一邊。這兩者去比疼痛估測，我們會透過這個比較結果體會到主觀經驗的侷限性。因為傳統人工智慧，就是先有人的主觀經驗，再讓機器去模仿，但人有一些有用的經驗是連自己都無法描述，說不出來的，這部份屬於抽象關聯，只能用Learning的方法讓機器擁有。

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