[What I eat in a day? 我一天吃什麼?] #tbt leg day and no cardio.
Morning: hot green tea (not gonna call it breakfast coz its not breakfast, no food here!!)
Lunch: wanna eat something outside so added a salad to make myself happy. Love pret coz they have calories and nutrition info for easy tracking, had only a little bit of the dressing by dipping + achim original flavoured instant chicken breast
Sweet treat after lunch 午餐後甜點:as usual! chocolate brownie ice cream (whey protein powder mix with unsweetened almond milk) + almond butter + black coffee 與平常一樣巧克力布朗尼雪糕(蛋白粉與無糖杏仁奶拌勻)+ 杏仁醬 + 黑咖啡
Food before leaving office: steamed - spinach + chicken breast (smoked paprika flavoured, home marinated) + choy sum
Pre-training: abt 150g a relatively huge portion of cooked white rice + instant beef tenderloin from tryr
Post-training when home: choy sum +
Tumeric flavoured chicken breast (home marinated, airfried)
Sweet treats before bed: baked a small oatcake for myself with rolled oats + pb + unsweetened almond milk + baking powder (recipe see story highlight), top with pb, 0kcal maple syrup + some nuts - match with hot green tea
😋😋😋 #mealprep
同時也有11部Youtube影片,追蹤數超過12萬的網紅Trần Quốc Phúc,也在其Youtube影片中提到,Trần Quốc Phúc đã nhắc đến bạn trong 1 bình luận ??? Mời các anh/chị cùng tham gia vào buổi Livestream Pre – Training trước khóa học “7 NGÀY CHUYỂN ĐỔ...
「pre-training」的推薦目錄:
- 關於pre-training 在 Hilda 芊慧 Facebook 的最讚貼文
- 關於pre-training 在 Phạm Thành Long Facebook 的最佳解答
- 關於pre-training 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於pre-training 在 Trần Quốc Phúc Youtube 的精選貼文
- 關於pre-training 在 Trần Quốc Phúc Youtube 的最讚貼文
- 關於pre-training 在 Trần Quốc Phúc Youtube 的最佳貼文
- 關於pre-training 在 What is pre training a neural network? - Cross Validated 的評價
- 關於pre-training 在 s3prl/s3prl: Self-Supervised Speech Pre-training and ... - GitHub 的評價
- 關於pre-training 在 Continual pre-training vs. Fine-tuning a language model with ... 的評價
- 關於pre-training 在 2022國際GYROKINESIS®墊上禪柔Pre-training Course-高雄場 ... 的評價
- 關於pre-training 在 Pre-training Methods for Neural Machine Translation - Lei LI 的評價
pre-training 在 Phạm Thành Long Facebook 的最佳解答
Các buổi zoom bổ trợ hỗ trợ công cụ trước đào tạo
Còn ai nữa muốn tham gia vào cộng đồng Internet Power System 7 nào?
Liên hệ nhanh zalo 0947428338 hoặc để lại số điện thoại
pre-training 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
AI 如何為公司創造更多價值?專家:2 個缺陷,要先由人類來修補
2021/05/13
採訪‧撰文
盧廷羲
張凱崴
美國人工智慧國家安全委員會(NSCAI)今年 4 月建議,國防部每年應至少分配 3.4% 的預算投入科技領域,並提撥 80 億美元研發 AI。企業方面,微軟(Microsoft)4 月宣布,將以 197 億美元收購語音辨識開發商紐安斯通訊(Nuance Communications);後者是雲端與 AI 軟體的先驅。
從企業到國家,都愈來愈重視人工智慧,知道要想辦法運用 AI 創造更好的生活。不過,目前 AI 發展到底處於什麼階段?我們又該如何應用?
美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授張凱崴形容,目前人工智慧技術已經可以幫助人類完成很多事,像是疫情來襲,電腦可以從大數據中篩選條件,自動搜尋、判讀潛在病例,幫助醫生大幅減少檢查時間,但 AI 也並非萬能,要先認知它的局限。他研究如何讓 AI 更符合人性,獲得 2021 年的史隆研究獎(Sloan Research Fellowships)。
AI 局限1. 資料寬廣度不足時,就會複製人類偏見
張凱崴認為,電腦在學習的時候,是依賴「彙整數據資料」來判斷,並沒有真正思考,如果資料來源太狹隘、不夠多元,資料寬廣度不足,電腦判斷就會出現偏差,「你跟電腦講清楚 input(輸入)、output(輸出),提供足夠的數據資料,它可以對應、學得很好,但還有很多面向 AI 做不到。」
舉例來說,亞馬遜(Amazon)2014 年推出智慧音箱(Amazon Echo),使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而,有些人口音較罕見,或是用字較特殊,智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案,就可能失靈,這是當前 AI 的其中一大問題。
張凱崴進一步解釋,AI 另一項挑戰是,它無法清楚分辨「不曾出現」與「不能出現」(無法出現)之間的區別,只是從資料統計出要學的東西,無法像人類一樣進行邏輯思辨。
AI 的運作方式,第一步是輸入資料,第二步是分析,但這過程容易出現偏見。例如電腦在理解「總統」這個字,會去看四周有什麼字詞,來學習總統這個詞,由於許多總統都是男性,電腦就會「覺得」總統是男性。
這也是為什麼,如果讓 AI 學習,在它的認知裡,女性「不可能」當美國總統(因為沒有資料紀錄)。「你可以跟人類說,任何職業、性別都是平等的,但對電腦來講,這很困難,」張凱崴說明,一旦資料的寬廣度受限,電腦就容易產生偏見。
就像在自然語言處理(Natural Language Processing,讓電腦把輸入的語言變成有意義的符號)領域,張凱崴說明,AI需要知道代名詞指的是「哪個名詞」,才能運算下去。但如果資料受限,使用男性的「他」,電腦可能判斷這個代名詞是指總統、總理、執行長;但換成女性的「她」,由於數據不足,電腦就會混亂,出現系統性誤差。
他再舉一例,美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統(GPT,Generative Pre-training),推出到 GPT3 版本,屬於書寫類 AI,電腦能夠揣測人們說完上一句話,下一句可能會講的句子,自動完成後半段。
好比有人上一句寫下「我正在和教授聊天」,系統可能推導出「我們在研究室討論學術問題」,因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示,GPT2(前一代版本)系統也從資料中學習到許多偏見,像是如果句子前半談論白人男性,系統傾向產生正面評價;如果句子前半是黑人女性,系統竟會產生負面句子。對企業來說,許多組織接觸 AI,想讓它們取代部分工作,首先需要留意資料的廣度、多元性,才能減少電腦犯錯的機會。
AI 局限2. 即便條件相同,也無法每次都做出正確判斷
「其實,現在的 AI 就像一台原型飛機,還缺乏穩定性。」張凱崴說,現行的 AI 就好比萊特兄弟(Wright brothers)剛發明飛機,看似可以做很多有趣的事,但「可以飛」跟「飛得很好」,有一大段落差。
紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片,AI 掃描後,確認是不是本人,但當時系統沒有估算到某些亞洲人眼睛比較小,一名亞裔男子被判定「沒有張開眼睛」,因此照片無效。
張凱崴說,在這個例子中,凸顯出 AI 的穩定性不足,「系統沒有考慮到不同人種的差異,很死板地認為你眼睛沒張開。」所謂的缺乏穩定性,指的是 AI 沒辦法在相同條件下,每次都做出正確決策,這也是使用 AI 時,須留意的第二個挑戰。
他再舉例,許多模型可以準確分析,一則影評對電影的評價是正面或負面。然而研究顯示,有時只要將影評中一些字換成同義詞,例如把電影(movie)換成影片(film),或改寫句子,即使意思並未改變,系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。
在設計這些程式時,人們必須注意到 AI 可能有局限,設定的資料範圍要更完整,考慮這些因素,就能減少偏見、落差,進而加強穩定性。
餵指令給 AI 要多元化,嘗試「換句話說」、刻意混淆
經理人雖然不一定具備 AI 方面的專業知識,但只要掌握觀念,再透過 AI 領域專才協助,也能優化系統。張凱崴指出,最直接的方法是,設計 AI 模型時,要把來源群組不同的資料分門別類測試,在測試階段讓群體多元化,並確保不同特色的使用者,用起來都沒有問題。
舉例來說,一套 A 系統擁有來自各地的使用者,如果設計者是台北人,設計系統的思維容易以台北生活為主,很可能因為當地習慣不同,導致花蓮使用者操作不順。
另一個方法,則是用不同的「語意」,去測試 AI 有沒有徹底學會一個概念。例如,有一套餐廳評鑑的 AI 系統,只要蒐集、整理使用者意見,就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性?張凱崴建議,可以利用「抽換詞面」的方法。
比如,把詞彙換成同義字,再看 AI 是否能運算出相同結果,「你可能會發現,原本評比結果是食物很美味,但如果美味換成比較困難的詞,AI 就會分不出這則評比是好是壞。」因此在訓練模型時,可以將詞彙隨機抽換成同義詞,增加 AI 的詞彙量。
第三種方式更進階:改變句型、重寫句子。張凱崴指出,同樣一句話,如果換成不同說法,電腦可能判讀錯誤,將「因為發生 A 事件,所以導致 B 事件」,改寫成「B 事件發生了,是因為 A 事件的緣故」,明明兩句話意思一樣,但 AI 很可能因為穩定性不足,搞混兩者的差別。如果要鞏固 AI 的穩定性,可以使用自動改寫的方式,增加資料的多樣性。
張凱崴表示,經過這些測試,讓 AI 接受更多元化的訓練,得到更廣的學習範圍,往後碰到同義詞、相似資訊,才能有效判讀。
張凱崴總結,AI 還在快速發展,或許可以創造更多工作機會、新的職位,但現行階段,它只是輔助角色。AI 並非魔術盒子,使用它就一定有更好結果,人們還是要保持高度耐心,先認識它的缺陷,才能在技術更迭下,發揮出最好的結果。
張凱崴
台灣大學資訊工程系碩士、美國伊利諾大學(UIUC)電腦科學博士。美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授,研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎(Sloan Research Fellowship),研究團隊開發的運算方法,使人類語言處理的程序更有效率、更多元,同時兼具公平性。
附圖:優化AI系統的3方法
資料來源:https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis
pre-training 在 Trần Quốc Phúc Youtube 的精選貼文
Trần Quốc Phúc đã nhắc đến bạn trong 1 bình luận
??? Mời các anh/chị cùng tham gia vào buổi Livestream Pre – Training trước khóa học “7 NGÀY CHUYỂN ĐỔI VẬN MỆNH” phiên bản KHÍ THẾ MỚI - THẮNG LỢI MỚI cùng Thầy.
⏰ Vào lúc 19g30 ngày 4/3/2021 (theo giờ Việt Nam) với chủ đề buổi học: "3 từ khoá chuyển đổi vận mệnh".
✔️ Hãy comment “TÔI” để thể hiện sự quyết tâm CHUYỂN ĐỔI bản thân để tiếp bước trên con đường trở thành người GIÀU CÓ & NHÂN ÁI, làm nền tảng giúp con, gia đình mình và đóng góp cho xã hội.
? Nhóm facebook: https://www.facebook.com/groups/485793418779049

pre-training 在 Trần Quốc Phúc Youtube 的最讚貼文
??? Mời các bạn cùng tham gia vào buổi Livestream Pre – Training trước khóa học “7 NGÀY CHUYỂN ĐỔI VẬN MỆNH”
⏱ vào lúc 19g30 ngày 7/1/2021 (theo giờ Việt Nam) để chuẩn bị các kiến thức tham gia vào các CHỦ ĐỀ CHÍNH CỦA KHÓA HỌC.
✔️ Hãy comment “TÔI” để thể hiện sự quyết tâm CHUYỂN ĐỔI bản thân để tiếp bước trên con đường trở thành người GIÀU CÓ & NHÂN ÁI, làm nền tảng giúp con, gia đình mình và đóng góp cho xã hội

pre-training 在 Trần Quốc Phúc Youtube 的最佳貼文
? CHỦ ĐỀ: 3 GIAI ĐOẠN VÀNG QUYẾT ĐỊNH TƯƠNG LAI CON BẠN
Con bạn năm nay bao nhiêu tuổi? Bạn có biết độ tuổi nào có tính quyết định đối sự phát triển và tương lai của con không? Nếu cha mẹ bỏ lỡ những giai đoạn vàng này thì con bạn chắc chắn sẽ gặp rất nhiều khó khăn trong cuộc sống sau này, thậm chí bị ảnh hưởng về tinh thần, mang những nỗi đau, nhưng ám ảnh mãi mãi.
Theo bạn NUÔI CON có cần PHẢI HỌC không? Cha mẹ bắt đầu học cách nuôi dạy con từ khi nào là tốt nhất? Và học như thế nào? Học ở đâu?
✅ Tôi sẽ giải đáp những điều đó trong buổi livestream Pre-training vào 19h30 tối nay, buổi chia sẻ được phát sóng đồng thời trên Facebook và Youtube chính thức của Trần Quốc Phúc!
? CMT “Tôi” để cam kết có mặt tối nay nhé!
Khóa học chính thức KHAI GIẢNG vào 19h30 ngày 22/12/2020 trên lớp học Zoom.
? ĐĂNG KÝ NGAY TẠI ĐÂY: https://daycon.richser.com

pre-training 在 s3prl/s3prl: Self-Supervised Speech Pre-training and ... - GitHub 的推薦與評價
Self-Supervised Speech Pre-training and Representation Learning Toolkit. - GitHub - s3prl/s3prl: Self-Supervised Speech Pre-training and Representation ... ... <看更多>
pre-training 在 What is pre training a neural network? - Cross Validated 的推薦與評價
Instead of repeating what you did for the first network and start from training with randomly initialized weights, you can use the weights you ... ... <看更多>
相關內容