Category Archive for 'Mr. Thursday'

Stroop Effect

Posted By Mr. Thursday Stroop Effect和蝴蝶效應有沒有關係呢?答案是沒有!Stroop Effect是在1935年的時候,由一位實驗心理學家John Ridley Stroop所提出的。這個效應是說,當我們看到代表某個顏色的字,譬如說:RED,我們當然會唸RED。但是當看到的字填上了和字代表的顏色相異的顏色,我們反應的速度就會變慢,譬如說:RED,我們會先想唸出RED,再來才想唸BLUE。Stroop將實驗進一步分成兩種:(1) 唸出字意義上代表的顏色。(2)唸出字看起來的顏色。當我們要唸出上了不同的顏色的字,就會發生幾毫秒的延遲,我們就稱之為Stroop Effect了!

Read Full Post »

想像一下,我剛才說了一句話,那句話是:「想像一下,我剛才說了一句話,那句話是:「想像一下,我剛才說了一句話,那句話是:……….」」,如此下去,就好像站在兩面平行擺設的鏡子中間,鏡子中的影像不斷的重複。再舉個例子,寫完一封信想要匿名保密,就署名「知名不具」。回信的人寫:「知知名不具 具」。之後再回信的時候就變成:知知知名不具具具,加上括號可能比較清楚:(知(知(知名不具)具)具)。

Read Full Post »

認知與記憶

Posted By Mr. Thursday 各位看到上面這張圖,想請各位比較一下中間的圓圈,左邊的是否看起來比較小?右邊的是否看起來比較大呢?答案是:兩個圓圈大小是一樣的,可以自行拿尺來量量看哦!這個錯覺英文名稱叫做Ebbinghaus Illusion,描述人類在判斷物體的大小的時候,會受到週遭物體大小的影響。然而我們如果要拿起某個大小的物體,我們的手指距離會迅速地調整到自動大小,如果是機械手臂,還要有好的機器學習演算法才辦的到。 在認知心理學裡面,有很多這種測驗,想要探討人腦在認知的過程中,到底有哪些奇妙的機制在裡面。經過了前幾篇的介紹,我們分別走訪了分子層、大腦生理層、以及機器學習的角度,對於人類大腦的學習功能的探討,這一篇我們將從認知心理學的角度出發,來看看我們的大腦,尤其是在記憶的部分。之後就會固定在這四個方向:「分子」、「大腦生理」、「認知心理」、以及「機器學習」四個大方向,一起攻克我們大腦複雜的結構,解開人類智慧之謎。偶而也會介紹網路上可以看到的相關演講給各位,讓各位對這個領域的最新發展也能夠有所熟悉!

Read Full Post »

Posted By Mr. Thursday 上回和各位分享了KNN演算法。不過在演算法的歸類上,我錯把KNN歸類成非監督式學習,英文稱為unsupervised learning。在這邊我重新定義監督式/非監督式學習:監督式學習是說,我們把資料給機器學習的時候,資料會有label,也就是說,每一個資料對應的正確答案,都會給機器看。機器學完以後,會產生一個模型 (model),也就是他學習完的成果,之後遇到新的資料,他就用學習出來的模型來判斷新的東西,輸出新東西該有的正確答案。用之前判斷大頭照是男生或女生的例子,每一張照片給機器學習的時候,除了照片本身,還會讓機器知道每張照片的正確答案 (男生還是女生)。之後機器用他學出來的模型 (model) 來判斷新的照片,接著輸出答案 (男生或女生)。

Read Full Post »

大腦一日遊

Posted By Mr. Thursday 在提到「探索人類的大腦」以及「神經元與動作電位」之後,本篇要和各位簡單介紹一下人類大腦的構造。之所以要認識我們的大腦,出發點是在於人工智慧想要在機器上實現人類的智力。最早的方法,就是人類利用「反省思考」的能力,來發現自己。然而這個方法有時候會有些問題,舉例來說:小時後我們也許想要觀察,我們是怎樣子睡著的?我們怎樣子從清醒、變成睡眠狀態?結果隔天醒來,發現自己又沒有看到睡著的那一剎那了。因此,現在有各種觀察儀器出爐,像是磁核共振、電極錄下神經的電位變化、以及基因工程等方法。今天就重點介紹大腦一些重要的區域,並提供相關的圖片和影片,讓各位可以對我們的大腦,有個基本的印象了!下面是人類的大腦的示意圖:

Read Full Post »

KNN演算法

Posted By Mr. Thursday  各位看到標題,如果沒有聽過KNN演算法,會不會覺得疑惑:KNN是甚麼呢?是不是CNN看久了,就變成DNN、ENN、最後變成KNN了呢?當然不是啦 XD!KNN全名是k-th nearest neighbor,中文意思是「第k位最接近的鄰居」。甚麼是「第k位最接近的鄰居」呢?假設在一個廣場上,有100個朋友,每位朋友都是你的鄰居,最接近你的鄰居,就是「第一位距離最近的鄰居」了,比第一位稍微遠一點的鄰居,就是「第二位距離最近的鄰居」了,以此類推,第10位距離最近的鄰居,就是k=10的時候了。 至於KNN演算法是甚麼,又有甚麼特別呢?之前提過了「人工智慧與機器學習」。KNN演算法就是一種機器學習的演算法。在進一步探討甚麼是KNN演算法之前,我們先介紹一下甚麼是演算法。演算法可以看成是一種「步驟」的集合。舉例來說:我們煮一道菜,第一步是先洗菜,第二步切菜,第三步放油,第四步快炒,第五步加點水悶幾分鐘,第六步再炒幾分鐘,最後第七步加鹽和味精,然後炒到菜煮熟為止。演算法就是這樣子,把工作分成詳細的步驟,有些步驟可能會重複執行,像是菜不夠鹹,就再加點鹽,一直到口味對了為止。有時候會依照情況的不同而有不同的步驟,像是過馬路的時候,如果是紅燈,我們重複「等待」的步驟,如果是綠燈,我們會進行「走路過斑馬線」的步驟。

Read Full Post »

Posted By Mr. Thursday  上次「神經元與動作電位」文章裡面可能專有名詞多了一些,讓各位不是很容易就能吸收,因此我在這邊嚐試著用比較淺顯易懂的比喻方式,解說一下甚麼是動作電位了! 首先我們可以想像我們每個人是一個神經元,我們從別的人身上面讀取訊號,然後也會把自己的訊號傳給別人。我們長長的手臂,就像是神經元的「軸突」一樣,負責把訊號從自己身上傳出去。我們的頭髮有點像是「樹突」,像一根根的樹枝一樣,負責接收別人傳來的訊息。神經元之間聯繫的方式,是軸突搭在另一個神經元的細胞表面,或是搭在樹突上面,就有如我們的手放在別人的頭髮裡面,準備把訊息傳給別人,別人再用頭髮接收訊息。

Read Full Post »