今天要來介紹另一種generative model──variational auto-encoder (VAE) [1] 以及他的延伸 conditional variational auto-encoder (Conditional VAE) [2]
之前提到的generative adversarial nets (GAN) 是讓discriminator和generator透過互相競爭產生一個足夠好的generator來generate data
而VAE則是想透過機率模型模擬出data的distribution
新的data可以透過distribution sample得到


一直以來我都想寫一些類似科普的文章,希望能夠用沒那麼技術的文字來介紹一些東西
只是之前都太懶惰了哈哈哈哈 最近決定邊讀新的paper,邊用blog介紹這些paper,寫下我對這些paper的理解
有發現錯誤的地方請跟我說,也歡迎大家討論

這篇要介紹的是machine learning現在超紅的generative adversarial nets (GAN) [1] 以及他的延伸 conditional generative adversarial nets (Conditional GAN) [2]
適合對machine learning有些認識的人閱讀


繼去年3月AlphaGo擊敗了李世乭之後
前陣子AlphaGo又擊敗了目前圍棋積分世界第一的柯潔
這樣的結果在圍棋界和AI界都造成了極大的轟動
剛好我對這兩個領域都稍有涉獵,就來談談AlphaGo的出現代表了什麼意義吧

和人類比起來,AI下棋會有什麼優勢呢
大部分人第一個想到的應該是計算能力吧
在下棋的時候,棋手會在腦內模擬棋局的各種變化
我下這、你下那、我再下這、你再下那,啊!這樣的下法好像不好
然後重新模擬另一種變化,直到找到一個比較滿意的下法
不過人類的計算能力有限,一秒鐘能夠計算3~4種變化就很厲害了
但AI一秒鐘卻可以計算上千甚至上萬種變化
這樣的計算能力的確讓AI在許多棋類佔盡優勢


今天想要來談談台灣的國文教育
前陣子在網路上看到網友在票選哪個科目小時候學了對長大最沒什麼幫助,國文被許多人提到
從小到大,國文佔的學分是數一數二多的
我們花了這麼多時間學習國文,大家卻覺得沒什麼幫助
這真是一件很弔詭的事情

我覺得其中一個重要的原因在於我們的國文教育太注重國文常識和古文理解了
我們花了太多時間在記作者的生平及字號和背誦古文了
反而忽略了許多重要的問題,像是表達能力


好久沒更新blog了,今天要來和大家分享一個數學面試題
這個面試題是我聽過的題目中數一數二有趣的題目

題目如下:
有一個主人邀請了11個客人來他家玩
在客人回去之前,主人決定送其中一個客人一份禮物
主人想了一個遊戲來決定這個幸運的人,他要所有客人和自己圍成一圈
一開始禮物在主人手上,接著他會有一半的機率把禮物往左傳,一半的機率往右傳
拿到禮物的人也要以一半往左一半往右的機率把禮物傳出去
只要客人一碰到這個禮物,他就喪失拿到禮物的機會了,不過他還是得繼續幫忙傳禮物
換句話說,比其他10個客人晚碰到禮物的那個客人即可獲得禮物
現在問題來了,如果你是其中一個客人,請問你坐在圓圈中哪個位子獲得禮物的機會最高呢?