這種餵以大量相關資料，讓AI演算法自己找出其中細部資料的關聯性與整體變化趨勢的方法，有一個大問題是，就是不知道AI演算法到底學到了什麼，像這個例子，AI演算法看了大量美少女吃拉麵的圖片後，還是不知道吃麵要用筷子夾起來，然後筷子是兩根滴。（吃圍巾的那張，最有趣！）

要調校這個錯誤，就是餵以大量美少女用兩根筷子去夾拉麵入口的圖片，但是你真的不知道AI演算法，看了這些所謂正確圖片後，會不會認為拉麵不是拿來吃的，而是夾來玩的。

類神經網路式的機器學習，其演算邏輯是程式自己辨識輸入的大量資料的差異而長出來的，例如餵以大量人工辨識與分類的合格PCB板與不合格PCB板（有假焊、漏焊、短路、斷線等瑕疵）的照片，程式就能學習到分辨合格與不合格PCB照片的方法（其學習到的機器辨識邏輯，一般來說人類無法理解或調校），並非以規則導向的專家系統（而這些規則與比重，是與專家討論而得出的，人類也看得懂，也能調校）。

所以，這種AI演算法的大問題，就是不知道它到底學習了什麼，又要怎麼調校，只能不斷地餵它不同的資料。因此，只要換一個問題，單單調整其解法讓其結果有用，就會麻煩到要人命。

+9

蘇膺中

10月19日下午7:53  · 

［悲報］ai不太會畫筷子

（持續新增圖）

• 謝昆霖

  基於像素導向的學習，而不是物件導向的

  
  
  • 作者

    揚昇法律．專利事務所

    謝昆霖 其實，辨識與建立物件模型是這種類神經網路學習方法的第一步，不然，AI就會畫出根本看不懂的東西出來。例如AI畫的漫畫風美少女，就有抓到原始圖庫裡漫畫風美少女的精髓，模型建立的不錯。不過，你看AI畫的拉麵，混用各種麵條，裡面的丸子與蛋，不知道為什麼看起來就很怪，拉麵的物件模型是各種材料物件的組合，顯然AI也沒學好（應該是原始圖片選的不太好，無法凸顯美味拉麵的影像特色）。然後你看到AI畫的筷子物件，手，拉麵的關係一直建立不起來，應該也是同樣的問題，就是餵給AI學習的圖片內容不佳的緣故。

    但是，問題一直是，到底要怎麼調校與糾正這個學習結果呀？只能不斷試誤，繼續餵它各種人工選擇過的圖片，希望AI會學習到而已。