失 智 電影推薦的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

智能機器如何思考

為了解決失 智 電影推薦的問題，作者肖恩•格里什 這樣論述：

任何足夠先進的技術初看都與魔法無異。 自動駕駛汽車已經在很多國家上路，網飛的演算法能主動預測你喜歡的電影，DeepMind的計算機程式通關了雅達利遊戲，AlphaGo在古老的圍棋領域攻克了人類智慧的防線。 這一切是如何發生的？智慧型機器究竟如何思考？ 在這本書中，作者用幾乎人人都能讀懂的語言展示了人工智慧領域的前沿成果，深入解讀了感知演算法、強化學習、智慧體、卷積神經網路、深度語音辨識、圖片識別等科技巨頭紛紛擁抱的概念，正是它們讓當今的機器如此智慧。   DARPA和ImageNet的挑戰賽給未來播撒了怎樣的種子？ 網飛的電影推薦為什麼如此準確？ 人工智慧怎麼打DOTA？ AlphaGo

除了下圍棋還會做別的嗎？ 神經網路如何做到能聽、能說、能記憶？ 我們為什麼要不斷製造能複製人類智力和行為的機器？   這本書將為你打開機器學習與神經網路的黑匣子，讓你看懂“魔法”背後的機制。關於自動駕駛汽車、網飛演算法、會玩遊戲的人工智慧以及AlphaGo，這本書幾乎囊括了你想知道的一切。     肖恩•格里什（Sean Gerrish） 穀歌前工程專家，普林斯頓大學的機器學習博士，機器學習極客。 曾在高頻交易機構泰莎科技擔任工程師，並在穀歌擔任機器學習和資料科學團隊的工程專家。       推薦序 IX 前言 XIII   1 自動機的秘密 長笛演

奏者 003 今天的自動機 005 鐘擺的擺動007 這本書中的自動機 008   2 自動駕駛汽車：挑戰不可能 沙漠中的百萬美元競賽 015 如何打造自動駕駛汽車 017 規劃路徑 021 路徑搜索 022 導航025 無人車挑戰賽的獲勝者 028 一場失敗的比賽 031   3 保持在車道內行駛：自動駕駛汽車的感知 第二次無人車挑戰賽 035 自動駕駛汽車中的機器學習 037 斯坦利的架構 038 避開障礙物 040 尋找道路的邊緣 043 開眼看路 045 路徑規劃 047 斯坦利大腦的各個部分如何相互交流 049   4 在十字路口避讓：自動駕駛汽車的大腦 城市挑戰賽 055 感知抽象

057 比賽 059 老闆的高層次推理層 061 攻克交通堵塞 068 三層架構 071 對自動駕駛汽車看到的物體進行分類 076 自動駕駛汽車是複雜的系統 077 自動駕駛汽車的軌跡 078   5 網飛和推薦引擎的挑戰 百萬美元大獎 083 競爭者 084 如何訓練分類器 085 比賽的目標 089 龐大的評分矩陣 091 矩陣分解 096 第一年結束 102   6 團隊融合：網飛獎的贏家 縮小競爭者之間的差距 107 第一年末 108 隨時間變化的預測 111 過度擬合 114 模型混合 115 第二年 119 最後一年 120 賽後 124   7 用獎勵教導電腦 DeepMind

玩雅達利遊戲 129 強化學習 132 教導智能體 134 為智慧體編寫程式 36 智慧體如何觀察環境 140 經驗金塊 141 用強化學習玩雅達利遊戲 148   8 如何用神經網路攻克雅達利遊戲 神經資訊處理系統 153 近似，而非完美 153 用作數學函數的神經網路 155 雅達利遊戲神經網路的結構 161 深入研究神經網路 170   9 人工神經網路的世界觀 人工智慧的奧秘 175 國際象棋自動機“土耳其人” 177 神經網路中的誤導 179 識別圖像中的物體 180 過度擬合 183 ImageNet 185 卷積神經網路 188 為什麼是“深度”網路？ 194 資料瓶頸 197

  10 深入瞭解深度神經網路的內部秘密 電腦生成圖片 203 壓縮函數 204 ReLU啟動函數 207 機器人之夢 211   11 能聽、能說、能記憶的神經網路 對機器而言，“理解”意味著什麼？ 221 深度語音辨識 222 迴圈神經網路 223 為圖像生成字幕 230 長短時記憶網路 233 對抗數據 235   12 理解自然語言 宣傳噱頭還是人工智慧研究的福音? 239 IBM的沃森 240 攻克《危險邊緣》所遇到的挑戰 241 浩如煙海的知識 242 《危險邊緣》挑戰賽的誕生 245 DeepQA 247 問題分析 249 “沃森”如何解讀句子 252   13 挖掘《危險邊緣》

的最佳答案 地下室基準 261 生成候選答案 263 查找答案 266 羽量級篩檢程式 269 證據檢索 270 評分 274 匯總和排名 277 調整“沃森” 281 重新審視DeepQA 282 沃森有智能嗎？ 283   14 用蠻力搜索找到好策略 通過搜索玩遊戲 289 數獨 290 樹的大小 294 分支因數 297 遊戲中的不確定性 297 克勞德•香農與資訊理論 302 評價函數 303 “深藍” 308 加入IBM  310 搜索與神經網路 311 西洋雙陸棋程式 313 搜索的局限 315   15 職業水準的圍棋   電腦圍棋 319 圍棋 321 通過抽樣走子來建立直覺

324 神之一手 330 蒙特卡洛樹搜索 333 單臂老虎機 337 AlphaGo是否需要如此複雜 339 AlphaGo的局限 341   16 即時人工智慧與《星際爭霸》 構建更好的遊戲機器人 345 《星際爭霸》與人工智慧 346 簡化遊戲 348 實用《星際爭霸》機器人 351 OpenAI與《DOTA 2》 354 《星際爭霸》機器人的未來 357   17  50年後或更遙遠的未來 人工智慧起起伏伏的發展過程 363 如何複製這本書中的成功 364 資料的普遍使用 368 下一步去向何方 369   致謝 373 注釋 375     10多年前，我遇見了肖恩

。當時我在谷歌領導團隊，負責開發為穀歌的搜索廣告業務提供支援的許多大型機器學習系統。肖恩是我們小組裡最頂尖的工程師之一，當時他正在研究機器學習前沿領域的一系列具有挑戰性的問題。我們一起工作以來，體現在統計機器學習技術中的各類人工智慧已經從相對難以觸及的神秘技術、研究人員和高科技公司的專屬領域，發展成為日益平易近人的、卓有成效的工具和技術，值得每一位軟體發展人員使用。 目前機器學習領域取得的快速進展，在一定程度上是由以下因素推動的：資料爆炸，高性能電腦體系結構的復興，雲提供商競相為開發人員和研究人員構建可擴展的人工智慧平臺，人們將即時智慧嵌入移動設備、汽車、其他消費電子產品和日益普遍的連接到雲

端的計算設備的熱潮。這種快速進步中包括一些驚世駭俗的成就，機器在許多狹窄的領域已經接近於或超過了人類的能力，例如在圖像中標記物體、識別語音、玩策略遊戲以及翻譯語言，但我們仍處於這些技術發展的初期，擺在我們面前的是長達幾十年的創新和發現之旅。 對開發人員和研究人員而言，理解機器學習的工作原理是一個明智的職業選擇。目前，全球的科技巨頭公司對這些技術的專業知識都有很高的需求。微軟、亞馬遜、穀歌、蘋果、百度等許多公司都提供應用程式介面、工具包和雲計算基礎設施，將機器學習的開發工作交給全世界數以千萬計的開發人員。未來幾年，隨著越來越多的應用套裝程式含智慧功能，大多數開發人員都需要掌握一些機器學習技術。

這正是這本書的寶貴價值所在。 這本書誕生自肖恩對瞭解現代機器學習成功之路的渴望。在用清晰易懂的方式描述這些系統的本質時，肖恩利用10多年的行業和學術經驗解決了機器學習帶來的一些最棘手的問題。鑒於機器學習系統能夠複製某些方面的人類智慧，等到某個突破點臨近，原本由人類特有的創造詩意詞句的能力或許也會被機器複製。肖恩對這些技術嚴謹實用的描述反映了他在科研戰壕中的歲月，不時令人感到痛苦的反復試驗讓戰壕中的人們瞭解到，機器學習並不是魔法。如果你知道如何應用它，瞭解它的局限所在，它就是強有力的前沿工具；如果你不知道，它就幾乎一文不值。 肖恩通過列舉現實世界的例子，回避不必要的術語，使現代機器學習的概念

變得通俗易懂。這本書假設讀者在機器學習或電腦科學領域的知識相對較少，因此對更廣泛的受眾而言非常友好。鑒於當前圍繞機器學習和人工智慧的對話頗為活躍，並且這些技術可能對我們的未來產生影響，任何想要參與這場對話的人都應該盡可能地學習。由於市場上缺乏對機器學習通俗易懂的專業介紹，這本書將成為引導你理解底層技術的理想方法，它可以幫助你更好地判斷哪些言論值得相信，哪些說得天花亂墜的謬論應該被拋棄。   微軟CTO（首席技術官） 凱文•斯科特（Kevin Scott）  

失 智 電影推薦進入發燒排行的影片

因應影音串流平台時代：本國自製節目比例之革新

為了解決失 智 電影推薦的問題，作者李崇安 這樣論述：

電視媒體具有高度的影響力，因此國家經常課予電視媒體推廣本國文化的義務，具體做法為要求電視公司製播一定比例的本國節目。近年來，由於影音串流平台的普及度、影響力已與電視媒體並駕齊驅，是否、如何在影音串流平台上實踐本國自製節目比例制度遂引起相關業者以及主管機關的討論。影音串流平台為新興的影視服務型態，並擁有與傳統電視媒體不同的運作模式，如何在鼓勵創新與政策目的間取得平衡是一重要的議題。基此，本文選擇從比較研究的角度切入。具體的研究方法上，本文先爬梳並歸納美國、加拿大、歐盟以及韓國等四國對於影音串流平台的管制態度，分別為「閱聽人觀點」與「技術觀點」。前者，認為影音串流平台在觀看體驗上與電視並無二致，

故採取拉齊管制的思維。後者則側重於影音串流平台在服務型態、運作模式（推薦系統, Recommendation System）上與傳統電視的差別，而以低度管制因應。進一步，在本國自製節目比例制度的實踐上，採取閱聽人觀點的歐盟確實較為積極，要求影音串流平台的目錄（catalogue）中必須要有30%的歐洲內容。而傳統上相當重視本國文化保護的加拿大則採技術觀點，僅要求業者投資本地的創作。透過上開研究，本文認為歐盟以介入影音串流平台的推薦系統作為推廣歐洲內容的手段，精確因應了媒體科技的改變，可供借鏡。而加拿大則展現在管制手段的靈活運用，在政策選擇上亦值得參考。除此之外，本文並嘗試研究影音串流平台所使用

的推薦系統的原理。結合前開研究成果，本文發現介入推薦系統是一個可行、有效的路徑，確實能提高本國自製節目在平台上的曝光度，但過高的要求可能會減損推薦系統的精確度，造成閱聽人體驗不佳。因此本文認為，在要求影音串流平台透過修改推薦系統推廣本國文化時，應考量比例對閱聽人體驗的衝擊，即是否會過度扭曲推薦結果。於制定比例時，可先採相對低的比例，後再參酌本國自製節目點擊率等資訊決定是否漸進式的提高。

十六歲的哲學課

為了解決失 智 電影推薦的問題，作者手島純 這樣論述：

當我賣力奮戰，哲學給了答案。 　　十六歲，正是開始接觸哲學，學習擁抱自由，最美好的年紀！ 　　法國高三的全部課程中有18%是哲學課，畢業會考第一堂考的就是哲學，這個百年傳統造就了當今勇於獨立思考，超有個性的法國人。 　　不只法國，包括義大利、西班牙、德國、英國、日本……，都在高中開設哲學課。 　　巴西從2009年起，也在高中增設了哲學課，為的是要加強年輕人的公民意識，提高投票率。 　　很多國家逐漸發現，哲學教育能深化社會的公共論壇，帶動一個國家的進步。 　　哲學引導你思考，思考引導你批判，批判引導你行動，精力充沛的年輕人需要哲學與他激盪。 　　讀哲學・做自己！一本寫給年輕人

的哲學書。 　　「對高中生說『應該這麼做才對』是沒用的！ 　　很多老師想跟年輕人講解哲學探討人生，但他們對年輕人的困境似乎無法切身體會。 　　既然如此，不如就讓每天與高中生互動的我來寫一本哲學書吧。」——手島純 　　現代高科技讓生活變得非常方便，但如此發達的科技可能也把人類逼進絕境，福島核能發電廠發生的災害，就是一個證明。人類有建設核能發電的聰明才智，但這份聰明才智卻也給人們帶來莫大的痛苦。披著安全神話外衣的核電廠，會在海嘯中毀於一旦，這種事誰也想不到。 　　「到底科技可以做些什麼？」「該如何進行？」「高科技對人類真的有意義嗎？」反省這些問題，就是所謂「哲學式的思考」。 本書特色 　

　．本書所選介的哲學家，都是知名度高、其學說對年輕人而言容易理解的。 　　．刻意捨棄系統性的哲學理論，優先介紹盧梭、齊克果這類「一肚子煩惱的哲學家」。 　　．介紹生平時，側重在哲學家的成長過程，如此可讓其哲思變得較為具體，易於把握。 　　．書中所選介的哲學家著述，大部分引用原文，只有少部分經簡化詮釋。 專家推薦 　　台灣高中哲學教育推廣學會（PHEDO）教師／雲科大通識教育中心助理教授  簡端良——專文推薦 　　李賢中  台灣大學哲學系教授兼系主任 　　沈清楷  輔仁大學哲學系助理教授 　　吳岱穎  作家／建國中學教師 　　凌性傑  作家／建國中學教師 　　楊　翠  東華大學華文文

學系副教授——青春洋溢。攜手推薦 　　（依姓氏筆劃順序排列）

藝文活動平台未來契機探討

為了解決失 智 電影推薦的問題，作者呂智隆 這樣論述：

近年來隨著網路科技的發達與平台經濟的盛行，在各大產業中相繼出現平台企業的經營，如零售業的 Amazon 及蝦皮購物、旅遊業的 Airbnb、外送餐飲業的 Uber Eats 及 Foodpanda、或是社交類的 Facebook、Instagram 等等，唯獨藝文產業尚未出現一強而有力的整合型平台。與此同時，台灣的藝文產業卻發展地相當艱辛：藝文市場人才的供給逐年攀升，但一般大眾觀賞表演的需求卻沒有相應增加，呈現供需失衡的問題。藝文市場未能健全運作，其中一部分的原因與藝文平台未能有效運作有關。有鑑於此，本研究利用 Alexander Osterwalder 所提出的商業模式九宮格，參考各大知名

台的設計，並結合平台設計與推薦系統原理，自行提出一套全新的藝文平台商業模式與介面設計，命名為 LiveX。同時，本研究採用服務品質與顧客滿意度等相關理論設計驗證架構，並以兩廳院 OpenArts 平台進行比較，藉由個別訪談、焦點團體訪談及專家業者訪談進行商業模式及介面設計的驗證。研究結果發現：藝文平台內建個人化活動推薦系統、具 Instagram 水準的使用者體驗、具參考性的活動評價機制有助於提升平台服務品質。然而，作為一個新創平台，若要成功維運或提供專業化人士的接洽服務，需先提升平台的信譽與安全性，才能讓使用者在平台放心地進行付費交易。在經營策略的部分，建議藝文平台經營者可從「吸引用戶」、「

促進互動」、「媒合」三個部分做優化改善：在吸引用戶的部分，應儘量符合使用者的期望做功能與介面的優化；在促進互動的部分，應思考如何提升平台的網絡外部性，藉以提升平台藝文資訊的曝光度；在促進媒合的部分，應善用大數據及 AI 技術，為使用者提供個人化的活動推薦，進而提升使用者對藝文表演活動的興趣。