國立臺灣大學電機工程學系／李宏毅 教授
中小網大
這門課深入探討「AI 能否自我成長」與「自我改進（Self-improving）」的核心課題，解析 AI 是否已迎來不必依賴人類研發的「跨越盧比孔河」臨界點。
內容從機器學習三步驟出發，盤點人類在提供標準答案與定義 Loss 時的介入程度，並解析模型如何透過自我修正、Entropy 最小化、LLM 生成 Proxy Reward 及 Proposer-Solver-Verifier 閉環架構實現自主演化。
課程同時剖析當前無監督訓練的效能瓶頸、作弊風險及強 AI 訓練弱 AI 的實務前沿，帶領學員全面掌握自主學習 AI 的技術現況與邊界。
內容從機器學習三步驟出發，盤點人類在提供標準答案與定義 Loss 時的介入程度，並解析模型如何透過自我修正、Entropy 最小化、LLM 生成 Proxy Reward 及 Proposer-Solver-Verifier 閉環架構實現自主演化。
課程同時剖析當前無監督訓練的效能瓶頸、作弊風險及強 AI 訓練弱 AI 的實務前沿，帶領學員全面掌握自主學習 AI 的技術現況與邊界。
一、AI 自我成長與「跨越盧比孔河」的歷史與定義
二、從自我修正到監督式學習微調
三、強化學習中的獎勵塑造（Reward Shaping）
四、無監督自定 Loss 與熵值最小化（Entropy Minimization）
五、推論時期訓練（Test Time Training, TTT）與封閉循環訓練架構
六、強模型訓練弱模型（Weak-to-Strong Alignment）與實務邊界
這門課主要在探討「AI 能否完全不靠人類，自己學會變得更強」。
內容深入剖析 AI 如何從仰賴人類設計，走向「自己出題考自己、自己定義學習目標與打分」，並在推論時自我微調修正；同時，課程也帶大家看清這條自主演化之路的技術邊界，探討 AI 在無人介入下可能遇到的能力上限與失控偏差問題，適合想掌握無人自主訓練架構與演算法優化的技術人員修習。
內容深入剖析 AI 如何從仰賴人類設計，走向「自己出題考自己、自己定義學習目標與打分」，並在推論時自我微調修正；同時，課程也帶大家看清這條自主演化之路的技術邊界，探討 AI 在無人介入下可能遇到的能力上限與失控偏差問題，適合想掌握無人自主訓練架構與演算法優化的技術人員修習。
猜你喜歡
製造業智慧ERP與數據分析
線上課程
製造業智慧ERP與數據分析
製造業AI驅動轉型與應用架構實戰
線上課程
製造業AI驅動轉型與應用架構實戰
綠色差旅AI轉型
線上課程
綠色差旅AI轉型
雙軸驅動之餐飲管理
線上課程
雙軸驅動之餐飲管理
智慧住宿之動態分析
線上課程
智慧住宿之動態分析
批發及零售業AI治理與財務即時決策
線上課程
批發及零售業AI治理與財務即時決策
批發及零售業AI財務決策與獲利分析
線上課程
批發及零售業AI財務決策與獲利分析
服務業智慧財務與AI決策應用
線上課程
服務業智慧財務與AI決策應用
打造專屬離線超級AI工作站
線上課程
打造專屬離線超級AI工作站
AI人工智慧能否自我成長（下）
線上課程
AI人工智慧能否自我成長（下）
活動詳情：https://smelearning.sme.gov.tw/news.php?node=840