課程理念從自然界學習
從自然界學習
智慧的運作
AI 並非憑空誕生——遺傳演算法源自生物演化，神經網路仿照大腦神經元， 蟻群最佳化學習螞蟻覓食行為。這門課讓你看見科技與自然的深層共鳴。
- 理解 AI 技術背後的自然科學原理
- 從生物演化到遺傳演算法，跨域整合觀點
- 以真實科學問題驅動機器學習應用
- 探索大腦神經科學對 AI 設計的啟發
課程主題
你將學到什麼？
自然科學基礎
理解自然界的基本規律和運作機制，建立跨域思考的知識框架
- 物理學中的守恆定律
- 生物演化與適應機制
- 化學反應與平衡原理
- 生態系統的互動關係
人工智慧技術
掌握 AI 的核心概念和實作方法，從理論到實際應用
- 機器學習基礎原理
- 神經網路架構設計
- 深度學習模型應用
- 強化學習原理
跨域應用
AI 如何改變科學研究
🌤️
氣候預測
使用機器學習模型分析氣象數據，預見天氣趨勢
🧬
生物資訊
透過 AI 分析基因序列，預測蛋白質結構
💊
藥物研發
運用深度學習加速新藥開發與候選分子篩選
🌿
生態監測
利用 AI 辨識物種，追蹤生態系統長期變化
課程特色
為什麼這堂課
與眾不同？
不同於傳統 AI 課程從數學公式切入，我們把自然科學當作 AI 的學習橋梁， 用直覺理解代替死記硬背。
跨域整合學習
每週案例從自然科學現象出發，逐步建立對應的 AI 解決思路，兼顧廣度與深度。
動手實作優先
配合 Python 與 Google Colab 環境，課堂直接執行程式碼，即時驗證理論。
專題導向評量
期末以實際科學問題為題，運用 AI 工具設計解決方案，展示跨域整合能力。
進階探索
延伸閱讀主題
仿生演算法
從自然進化中獲得靈感，開發更有效的最佳化演算法，如遺傳演算法、蟻群最佳化。
群體智慧
研究螞蟻、鳥群等生物群體行為，發展分散式 AI 系統與協作機制。
神經科學與 AI
結合大腦神經科學研究成果，改進人工神經網路的架構設計與學習機制。
學生心得
他們這樣說
“「程式只是工具，思維才是核心」— 這句話改變了我。”
我本來覺得自己不是「會寫程式的料」，文組人哪懂這些？但老師說程式只是工具，思維才是核心。這句話改變了我對自己的認知。這學期我完成了第一個小程式，雙然只有50行，但我超有成就感的！
陳○○
視傳系三年級
“用 AI 拍照片辨識植物，結合商設跟自然科學真的很有趣！”
平常就喜歡觀察大自然，上了這門課才知道 AI 可以幫我分析氣候、辨識生物物種。以後想做色彩學相關的設計項目，懂得 AI 工具真的很加分。
郭○○
商設系一年級
“遁傳演算法跟自然界的連結讓我大開眼界！”
一直以為 AI 很神秘，上完這門課才發現其實大自然早就在「經營 AI」了。糾羊演化對應遺傳演算法、鳥群對應群體智慧，這種跟自然界對話的方式讓我對設計也有了新的灵感。
林○○
產設系二年級