52 Club · 01. AI與機器人
深度神經網路從輸入層、隱藏層到輸出層，理解 AI 如何轉換訊號
深度神經網路先接收多模態資料，經多層表徵學習形成高階概念，再輸出分類、預測、生成、排序或行動建議。
Guided Reading
一次閱讀一個觀點
先看總圖，再依照下方編號逐頁閱讀。每次只顯示目前選取的圖片與解說。
主題總圖
深度神經網路的三層旅程
輸入 → 表徵 → 輸出
輸入層決定模型看見什麼；隱藏層透過權重、非線性映射與特徵抽取，把原始訊號轉成高階表徵；輸出層再把表徵轉成可理解、可使用的結果。
- 輸入品質決定模型起點與上限
- 黑箱是大量參數的層級化計算
- 明確輸出仍需不確定性評估與人類判斷
點圖開啟原尺寸01 / 04
帶走這個問題
評估一個 AI 輸出時，先追問它接收了哪些資料、可能學到什麼代理特徵，以及輸出的不確定性是否被正確表達。
確認輸入來源與代表性
辨認可能的捷徑或偏誤
讓人類負責最終情境判斷
Keep Exploring
讀完這一篇，繼續探索下一個問題。
帶著剛剛形成的觀點，看看下一個主題會打開什麼新的視角。