作者: Jose

• 四大支柱理論：
  1. 證明論；
  2. 模型論；
  3. 公理化集合論；
  4. 遞歸論。
• 演算法的先驅、

數據處理（Data Processing，縮寫：DP）是將「收集和操作的數據項目產生有意義的輸出。」，也可以是儲存於資料庫進行管制與處理。

數據處理可能涉及的過程：

1. 驗證（Authentication） – 確保提供的數據是相關、正確，並且輸入的數據與數據來源一致。
2. 排序（Sorting algorithm） – 依某類順序作數據存儲，以不同的集合方式排列於數據庫。
3. 匯總（Kintone） – 從具體數據庫中，依需求提取要點數據。
4. 聚合（Polymerization） – 資料庫的多塊數據凝聚、整合。
5. 分析（Analysis） – 針對數據的收集、屬性、組織、解釋和表達。
6. 分類（Taxonomy） – 將數據按數據的特徵付以識別碼（identifier）成為各種類別。
7. 報告（Reports） – 列出期待數據（訊息）、摘要數據或演算結果的輸出。

---

〖智能〗【main】

四大支柱理論

數學基礎的四大支柱：證明論、模型論、公理化集合論、遞歸論。

---

【top】【main】

證明論

證明論（mathematical proof thery）根據邏輯系統的公理和推理規則構造，透過數學運算證明來簡化分析，採用歸納式的定義來表達資料結構。

---

【top】【main】

模型論

模型論（model theory）以數學集合論的論述角度，對數學概念表現（representation）的研究，也是對於數學系統基礎的「模型」的研究。當這些被研究對象之間的 運算或者關係乃至於一組公理被定義時，試圖相應證明，或該如何證明…等。

---

【top】【main】

公理化集合論

公理化集合論（Zermelo-Fraenkel Set Theory）是集合論透過建立一階邏輯的嚴謹重整，以解決樸素集合論中出現的悖論。
•）集合論的公理（ZFC）是一套不涵蓋具爭議性的選擇公理（如：「ZF」Zermelo-Fraenkel集合論）。

---

【top】【main】

遞歸論

遞歸論起源於可計算函數和圖靈度的研究。它的領域延伸至一般性的可計算性和可定義性的研究，又稱：可計算性理論（computability theory）。計算機科學家研究次遞歸層次、可行的計算和公用於可計算性理論研究的形式語言。

---

【top】【main】

演算法的先驅

演算法（英語：algorithm），在數學（算學）和電腦科學之中，指一個被定義好的、電腦可施行其指示的有限步驟或次序，常用於計算、資料處理和自動推理。簡言之，演算法是有效方法的一種，擁有一系列定義清晰的指令，並可於有限的時間及空間內清楚的表述出來。

• 大衛·希爾伯特（德語：David Hilbert，1862/01/23～1943/02/14｜德國·數學家）最早提出的問題可判定性，初步定型了「解決演算法的不完整概念」；也提出了希爾伯特空間的理論，是泛函分析（functional analysis）的基礎之一（如：希爾伯特的 23個問題）；同時也熱忱地支持康托（德語：Georg Ferdinand Ludwig Philipp Cantor，1845/03/03～1918/01/06）的集合論（set theory）與超限數（transfinite cardinal number/transfinite ordinal number）的研究。大衛·希爾伯特也是證明論、數理邏輯（mathematical logic）、區分數學與元數學（metamathematics）之差別的奠基人之一。
• 什麼是演算法
  https://youtu.be/JkEPYNPJGzQ （2020/05/20）
• 軟體工程師用不到的必修課
  https://youtu.be/GsxLEEgyvoA （2021/04/14）

---

【top】【main】

• 演算法、
• 認知科學、
• 深度學習、
• 人形機器人：
  人工神經網絡、
• 通用人工智慧的生存風險、

人工生命（artificial life）最初為計算機科學家克里斯多福·蘭頓（Dr. Christopher Langton）於 1987年在洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）召開的「生成以及模擬生命系統的國際會議」上提出，通過人工模擬生命系統，來研究生命的領域，是一種基於人工智能產生的概念。

---

〖思維〗【main】

演算法

演算法（algorithm）是擁有一系列定義清晰的指令，依有限步驟或次序施行，並可於有限的時間及空間內，清楚的表述出運算結果的一種有效方法。常被運用於計算、數據處理和自動推理的一種有效方法。

---

〖以方塊圖表示有限步驟或次序的流程圖〗【top】【main】

深度學習

深度學習（deep learning）是一種以人工神經網路為架構的一種機器學習的分支，對資料運算進行特徵學習（representation learning/ feature learning｜功能學習）的演算法（algorithm）。

---

【top】【main】

人工神經網絡

人工神經網絡（artificial neural network）是一種模仿·生物神經網絡的結構和功能，研發於機器學習和認知科學領域，簡稱：類神經網絡。類神經網絡的基礎是需要有一個推理演算法則，透過集合模擬「簡單的人工節點」，稱作神經元（neurons），然後連接在一起形成一個類似生物神經網路的網狀結構。類神經網絡已經被用於處理某類方案（solutions），如：機器視覺、語音辨識。

---

【top】【main】

通用人工智慧的生存風險

通用人工智慧的生存風險是假設通用人工智慧（Artificial General Intelligence）重大進展可能導致人類滅絕或其他一些無法逆轉的全球性災難。假如人工智能在一般智能領域超越人類，成為「超智能」，那麼人類將趨於無法控制它；導致人類的生存率風險（x-risk）。人類的生存風險可能取決於「未來機器超級智能」的行為。

---

【top】【main】

人形機器人

人型機器人（英語：android｜音譯：安卓）是一種旨在模仿人類外觀與行為的機器人（robot，如：看護機器人、聊天機器人…等），又稱：仿生人。依據機器人學（robotics）研發的進展，已經可以設計出功能化擬真化的人形機器人。
2001年美國·麻省理工學院研發了號稱世界上第一個有類似人類感情的機器人。
§ 杭州校園參與測試與展示：人機協同的人形機器人
https://youtu.be/wy-FtWABteI?t=514 （2025/05/22）

---

【top】【main】

學習曲線、S-shaped 學習曲線、機器學習、人工智能、

學習（learning）是獲得新的理解、知識、行為、技能、價值觀、態度和偏好的過程。人類與其他動物和一些機器都具備學習能力；也有證據顯示某些植物具有某種學習能力。
學習的領域可依據認知、情感、技能…等，區分為 3種類型：接受學習與發現學習、有意學習與偶然學習、實質學習和機械學習。
§ 自己感覺到能力不足，學什麼都不成功嗎？
https://youtu.be/PhaRona5PXk （2022/12/19）

---

〖流程圖〗【main】

學習曲線

學習曲線（learning curve）是以圖形化（如：S-shaped 學習曲線）表示學習速率曲線的一種。通常對某種活動的參與或工具的使用，剛開始接觸時掌握信息較匱乏，學習速率較為平緩；基於學習技巧的經驗，一旦掌握信息的速率，學習速率逐漸趨向攀升加速；最終達到停滯高原期。
因此，學習曲線表示剛開始學習「某種活動的參與或工具的使用」必須花費較長時間熟悉信息/技巧，稱之為：平緩起始期；一旦掌握訊息/熟練技巧之後，學習速率趨向陡峭，稱之為：攀升加速期；隨著信息/技巧知識高階的運籌自如，針對「某種活動的參與或工具的使用」達到巔峰，稱之為：停滯高原期。

• 簡易入門學習：
  微軟視窗（Microsoft Windows）的記事本（程式設計師常用純文字編輯器來編輯程式和設定檔，如：＊.txt）很容易就能學會使用，短時間內就能由「學習起始、攀升而停滯高原期」，在學會基本的使用方法之後就學不到更多關於記事本的操作技巧（不是指撰寫＊.txt 的內容）。
• 複雜知識學習：
  UNIX下的命令行·文本編輯器：Vim很難在短時間內就能由「學習起始、攀升而停滯高原期」。Vim在應用上提供了十分豐富的功能，要熟練地掌握它，往往是比較困難的。

愛德華·桑代克（Edward Lee Thorndike｜1874/08/31～1949/08/09）是操作制約（operant conditioning/instrumental conditioning）的第一位研究者，以貓試圖逃出他所設計的迷箱（puzzle box｜知名動物行為的實驗裝置，如：史金納箱）畫出了， 觀察貓如何從迷箱中逃脫的學習曲線，總結出三條學習定律：準備律、效果律和練習律。

---

【top】【main】