Submit Search
Upload
認知神經科學x人工智慧-黃從仁
•
16 likes
•
3,443 views
Tren Huang
Follow
2017台灣人工智慧年會
Read less
Read more
Science
Report
Share
Report
Share
1 of 41
Download now
Download to read offline
Recommended
The learning sciences and constrictivism
The learning sciences and constrictivism
ShianRen
思维导图(Mindmap)
思维导图(Mindmap)
wuchangcheng
單元一:人力資源管理的基本概念 講義
單元一:人力資源管理的基本概念 講義
Spring4teach
心理與行為資料中的因與果-黃從仁
心理與行為資料中的因與果-黃從仁
Tren Huang
[系列活動] 無所不在的自然語言處理—基礎概念、技術與工具介紹
[系列活動] 無所不在的自然語言處理—基礎概念、技術與工具介紹
台灣資料科學年會
ASAP 比價嗶嗶鳥爬蟲的秘辛與其他電商資料分析案例分享 - 2017 台灣資料科學年會
ASAP 比價嗶嗶鳥爬蟲的秘辛與其他電商資料分析案例分享 - 2017 台灣資料科學年會
Ethan Yin-Hao Tsui
人工智慧與機器人能有意識嗎? - 黃從仁
人工智慧與機器人能有意識嗎? - 黃從仁
Tren Huang
心理學x資料科學-黃從仁
心理學x資料科學-黃從仁
Tren Huang
Recommended
The learning sciences and constrictivism
The learning sciences and constrictivism
ShianRen
思维导图(Mindmap)
思维导图(Mindmap)
wuchangcheng
單元一:人力資源管理的基本概念 講義
單元一:人力資源管理的基本概念 講義
Spring4teach
心理與行為資料中的因與果-黃從仁
心理與行為資料中的因與果-黃從仁
Tren Huang
[系列活動] 無所不在的自然語言處理—基礎概念、技術與工具介紹
[系列活動] 無所不在的自然語言處理—基礎概念、技術與工具介紹
台灣資料科學年會
ASAP 比價嗶嗶鳥爬蟲的秘辛與其他電商資料分析案例分享 - 2017 台灣資料科學年會
ASAP 比價嗶嗶鳥爬蟲的秘辛與其他電商資料分析案例分享 - 2017 台灣資料科學年會
Ethan Yin-Hao Tsui
人工智慧與機器人能有意識嗎? - 黃從仁
人工智慧與機器人能有意識嗎? - 黃從仁
Tren Huang
心理學x資料科學-黃從仁
心理學x資料科學-黃從仁
Tren Huang
需求x科技-黃從仁
需求x科技-黃從仁
Tren Huang
黃從仁/心理與行為資料中的因與果
黃從仁/心理與行為資料中的因與果
台灣資料科學年會
[系列活動] 手把手的深度學習實務
[系列活動] 手把手的深度學習實務
台灣資料科學年會
[系列活動] 人工智慧與機器學習在推薦系統上的應用
[系列活動] 人工智慧與機器學習在推薦系統上的應用
台灣資料科學年會
[DSC x TAAI 2016] 林守德 / 人工智慧與機器學習在推薦系統上的應用
[DSC x TAAI 2016] 林守德 / 人工智慧與機器學習在推薦系統上的應用
台灣資料科學年會
[系列活動] 一日搞懂生成式對抗網路
[系列活動] 一日搞懂生成式對抗網路
台灣資料科學年會
[系列活動] Data exploration with modern R
[系列活動] Data exploration with modern R
台灣資料科學年會
[系列活動] Python爬蟲實戰
[系列活動] Python爬蟲實戰
台灣資料科學年會
[系列活動] 使用 R 語言建立自己的演算法交易事業
[系列活動] 使用 R 語言建立自己的演算法交易事業
台灣資料科學年會
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
台灣資料科學年會
0305大腦與行為
0305大腦與行為
Visual Cognition and Modeling Lab
樣形識別期末報告
樣形識別期末報告
Hero Jeng
0306大腦與行為
0306大腦與行為
景淳 許
1030720神經系統
1030720神經系統
Leo Chang
神念科技公司宣传小册子0914 1
神念科技公司宣传小册子0914 1
neurosky
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
Visual Cognition and Modeling Lab
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
Visual Cognition and Modeling Lab
More Related Content
Viewers also liked
需求x科技-黃從仁
需求x科技-黃從仁
Tren Huang
黃從仁/心理與行為資料中的因與果
黃從仁/心理與行為資料中的因與果
台灣資料科學年會
[系列活動] 手把手的深度學習實務
[系列活動] 手把手的深度學習實務
台灣資料科學年會
[系列活動] 人工智慧與機器學習在推薦系統上的應用
[系列活動] 人工智慧與機器學習在推薦系統上的應用
台灣資料科學年會
[DSC x TAAI 2016] 林守德 / 人工智慧與機器學習在推薦系統上的應用
[DSC x TAAI 2016] 林守德 / 人工智慧與機器學習在推薦系統上的應用
台灣資料科學年會
[系列活動] 一日搞懂生成式對抗網路
[系列活動] 一日搞懂生成式對抗網路
台灣資料科學年會
[系列活動] Data exploration with modern R
[系列活動] Data exploration with modern R
台灣資料科學年會
[系列活動] Python爬蟲實戰
[系列活動] Python爬蟲實戰
台灣資料科學年會
[系列活動] 使用 R 語言建立自己的演算法交易事業
[系列活動] 使用 R 語言建立自己的演算法交易事業
台灣資料科學年會
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
台灣資料科學年會
Viewers also liked
(10)
需求x科技-黃從仁
需求x科技-黃從仁
黃從仁/心理與行為資料中的因與果
黃從仁/心理與行為資料中的因與果
[系列活動] 手把手的深度學習實務
[系列活動] 手把手的深度學習實務
[系列活動] 人工智慧與機器學習在推薦系統上的應用
[系列活動] 人工智慧與機器學習在推薦系統上的應用
[DSC x TAAI 2016] 林守德 / 人工智慧與機器學習在推薦系統上的應用
[DSC x TAAI 2016] 林守德 / 人工智慧與機器學習在推薦系統上的應用
[系列活動] 一日搞懂生成式對抗網路
[系列活動] 一日搞懂生成式對抗網路
[系列活動] Data exploration with modern R
[系列活動] Data exploration with modern R
[系列活動] Python爬蟲實戰
[系列活動] Python爬蟲實戰
[系列活動] 使用 R 語言建立自己的演算法交易事業
[系列活動] 使用 R 語言建立自己的演算法交易事業
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
Similar to 認知神經科學x人工智慧-黃從仁
0305大腦與行為
0305大腦與行為
Visual Cognition and Modeling Lab
樣形識別期末報告
樣形識別期末報告
Hero Jeng
0306大腦與行為
0306大腦與行為
景淳 許
1030720神經系統
1030720神經系統
Leo Chang
神念科技公司宣传小册子0914 1
神念科技公司宣传小册子0914 1
neurosky
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
Visual Cognition and Modeling Lab
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
Visual Cognition and Modeling Lab
Similar to 認知神經科學x人工智慧-黃從仁
(7)
0305大腦與行為
0305大腦與行為
樣形識別期末報告
樣形識別期末報告
0306大腦與行為
0306大腦與行為
1030720神經系統
1030720神經系統
神念科技公司宣传小册子0914 1
神念科技公司宣传小册子0914 1
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
20110310 成功大學心理學系介紹
認知神經科學x人工智慧-黃從仁
1.
認知神經科學x人工智慧 黃從仁 模型建構與資訊學實驗室 臺灣大學心理學系
2.
© Shane Turnbull 人工智慧è認知(神經)科學 認知(神經)科學è⼈人⼯工智慧
3.
幾個息息相關的領域 雖然目標和研究風格迥異 心智 大腦認知神經科學 電腦 類 神 經 網 路 計 算 神 經 科 學 認 知 科 學 人 工 智 慧
4.
AIè認知科學 把心智歷程類比成電腦的計算歷程 中央處理器 隨機存取記憶體 硬碟 序列/平行計算 執行控制系統 短期/工作記憶 長期記憶 序列/平行計算
5.
幫助了解哪個腦區儲存/處理哪些資訊 機器學習è認知神經科學 (1/2)
6.
Hung et al.,
2005, Science 發現能辨識物體的神經元不在乎物體的位置與大小 機器學習è認知神經科學 (2/2)
7.
Horikawa et al.,
2013, Science 當代讀心術 (1/2) 從腦訊號知道你在看/想/夢什麼
8.
https://youtu.be/W6T9tD7rQEA 了解腦訊號的本質幫助設計腦機介面/神經義肢 當代讀心術 (2/2)
9.
人類心智 vs. 人工智慧 兩個領域可以共演化 更了解人類心智運作 更好的人工智慧/機器人
10.
© Shane Turnbull 人工智慧è認知(神經)科學 認知(神經)科學è⼈人⼯工智慧
11.
如果您很深度地學習深度學習 通常會有以下很有深度的問題: 如何設計深度學習網路? 如何了解深度學習網路? 我很有深度的回覆是: 從認知(神經)科學找答案!
12.
設計CNN (1/2) CNN在許多層面上仿製人類物體辨識系統
13.
Recognition Tolerance è
Data Augmentation Neural Normalization è Batch Normalization Synaptic Pruning è Weight Decay Sparse Coding è Dropout 設計CNN (2/2) CNN在許多調教技巧也是模仿神經系統
14.
CNN只模仿了“是什麼” 還有“在哪裏”的處理系統
15.
What-Where系統互通訊息 但Where優先於What的處理 https://youtu.be/IjMVsTFVX10
16.
只模仿What的不足 無法分解問題來各個擊破
17.
需要注意力來決定處理哪裡 Ba et al.,
2015, ICLR 否則feature space會太大,要學的mappings太多
18.
注意力有各種形式 (1/2) Itti &
Koch, 2001, NRN 如注意外在的What/Where/When與內在的Which/How
19.
所有被注意的對象都會有更強的神經反應 注意力有各種形式 (2/2) Reynolds &
Heeger, 2009, Neuron
20.
數學上無解: x=紅 è y=紅
(叫意) x=紅 è y=綠 (叫色) 數學上有解: x=(紅,叫意)è y=紅 x=(紅,叫色)è y=綠 相同/類似的知覺不一定產生一樣的動作 從知覺到動作 知覺 動作學習/記憶
21.
Frankland & Bontempi,
2005; Diekelmann & Born, 2010 學習速度互補的學習系統 主要是解決:系統穩定性vs.學習彈性的兩難
22.
Deep Q Network 學習上的困難:
X(t)~X(t+1) 但 Y(t)≠Y(t+1) deeplearning4j.org; Mnih et al., 2015, Nature 也讓快學的完美記憶教慢學的Q-learning
23.
如果您很深度地學習深度學習 通常會有以下很有深度的問題: 如何設計深度學習網路? 如何了解深度學習網路? 我很有深度的回覆是: 從認知(神經)科學找答案!
24.
神經解剖: 腦結構對行為的影響 腦傷或腦切除的研究可幫助了解一個腦區的重要性 Zeiler &
Fergus, 2014
25.
神經電生理: 神經元的敏感度 (1/2) 神經電生理可幫助理解到底神經元在處理什麼 Karpathy
et al., 2016, ICLR
26.
Spike-Triggered Average使用隨機的刺激樣本 https://en.wikipedia.org/wiki/Spike-triggered_average 神經電生理: 神經元的敏感度
(2/2)
27.
認知科學中行為研究法的啟發 把 Machine Learner
當人來研究 觀察法 推論相關 產生假說 效率較高 實驗法 推論因果 驗證假說 效率較低 知覺 動作黑盒子
28.
觀察法的範例 (1/2) VGG-Face如何判斷誰是同志? Wang &
Kosinski, 2017
29.
Wang & Kosinski,
2017 觀察法的範例 (2/2) 可把同志與非同志臉先平均來觀察臉部特徵差異
30.
Wang & Kosinski,
2017 觀察法è實驗法的範例 或把所有臉的局部區域遮蔽看預測能力的改變
31.
實驗法的範例: 分類 可隨時根據假說重新分類/排列樣本重做實驗 假說:男同志鼻子較長? 長鼻男 同志?VGG-Face 短鼻男
非同志?VGG-Face 檢驗假說:用卡方檢定兩群臉的預測次數是否有差異
32.
實驗法的範例: 迴歸 為何人/機器可預測一張臉有多受人喜歡? 對人類的Y做假說檢驗是在研究人如何判斷 小X 小Y?VGG-Face 大X
大Y?VGG-Face 對機器的Y做假說檢驗是在研究機器如何判斷 … …
33.
SCUT-FBP顏值資料庫 (1/2) 500位亞洲女性臉孔的評分(1-5) Xie et
al., 2015
34.
改用CNN可達r=0.82±0.03的預測準度 Xie et al.,
2015 SCUT-FBP顏值資料庫 (2/2)
35.
Sanity Check: 已經知道是對的該對 r=0.33 Rhodes
et al., 1998, PBR 假說1: 臉愈對稱愈討喜
36.
假說1的檢驗 實際值與預測值的相關與文獻值接近 r=0.31 r=0.35 0.000 1.000 2.000 3.000 4.000 5.000 0 0.2 0.4
0.6 0.8 1 顏值 左右對稱性 實際值 預測值
37.
但有多「白」不好定義 假說2: 一白遮三醜
38.
r=0.38 r=0.57 0.000 1.000 2.000 3.000 4.000 5.000 0 0.2 0.4
0.6 0.8 1 顏值 亮度 實際值 預測值 假說2的檢驗 先看亮度如何影響顏值的判斷
39.
r=0.39 r=0.60 0.000 1.000 2.000 3.000 4.000 5.000 0 0.2 0.4
0.6 0.8 1 顏值 顏色飽和度 實際值 預測值 假說2的檢驗 再看飽和度如何影響顏值的判斷
40.
© Shane Turnbull 人工智慧è認知(神經)科學 認知(神經)科學è⼈人⼯工智慧
41.
認知神經科學x人工智慧 黃從仁 模型建構與資訊學實驗室 臺灣大學心理學系
Download now