健康照護科技專題: 2月 2025

其實不是必要的，但是如果你是新手，必須花費幾年時間才能變成領域中的人
AI 擁有全世界的知識，遠超過一般人的知識，雖然不會馬上把你變成專家，但是可以把你帶入門
AI可以整理知識這不難懂，但為什麼AI 可以產生新研究點子呢?
AI 擅長從別的領域借用知識，例如有人研究過土石流的風險成因，當你研究家中風險時，AI 可能會轉化知識過來，這個點子雖然在土木工程不算創新，但在家中安全管控卻沒有人試過。同樣地，老鼠大腦會利用傅立葉轉換濾掉環境雜訊，這個知識會被AI拿來用在降躁耳機，而降躁對耳機設計來說就是創新了。
那為什麼我們沒有想到這樣的點子，因為電子工程師未必知道老鼠大腦，可能也不熟悉土木工程，而且即使使用Google 也找不出來。
那為什麼不能要求AI直接給新點子，因為AI必須先了解你在研究甚麼，文獻中有那些被做過，痛點在哪裡，研究缺口在哪裡，從這裡出發才能去看看有沒有其他領域知識可以借用。
AI 可說是跨領域專家，很會轉換既有知識，因此可以"想出"好點子。(其實是借用啦!)

How-to

1. start from a paper by attaching a PDF or a requirement (for example, design an AI interview system)

2. generate a literature survey (ChatGPT OK, but better with Claude)

3. generate a better system (better with Claude by asking "Is there any novelty?")

4. check any subsystem that you are interested in

5. Use Claude to generate codes (codes better with Claude) and illustrations (optionally, must use Claude)

研究開發流程:

1. 以參考論文或需求為起點

從一篇具體的研究論文或明確的系統需求開始是很好的做法。這讓我們有清晰的目標和範圍。我們可以仔細分析論文中提出的問題、方法和結果,或是深入理解需求文件中描述的系統功能和限制。

2. 進行文獻調查(建議使用 Claude 協助)

文獻調查是了解研究現狀的重要步驟。我們可以請 Claude 協助:

- 分析相關領域的重要論文

- 總結現有方法的優缺點

- 找出目前研究中存在的問題和挑戰

- 歸納可能的改進方向

3. 設計更好的系統(建議透過詢問 Claude "是否有創新之處?")

在理解現有研究後,我們可以開始設計新系統。Claude 可以幫助:

- 提出創新的解決方案

- 分析設計方案的優勢

- 評估可行性和潛在問題

- 提供改進建議

4. 深入研究感興趣的子系統

選擇最感興趣或最具挑戰性的子系統進行深入研究。這可能包括:

- 分析子系統的具體需求

- 研究可能的實現方法

- 評估不同方案的優劣

- 選擇最適合的解決方案

5. 使用 Claude 生成程式碼和圖示

最後是實現階段。Claude 可以:

- 生成高品質的程式碼(特別適合使用 Claude)

- 提供詳細的註解說明

- 製作系統架構圖和流程圖(必須使用 Claude)

- 生成使用說明文件

這個流程強調了循序漸進的研究方法,從理解現有工作開始,通過創新設計提出改進,最後落實到具體實現。在整個過程中,Claude 可以提供寶貴的協助,特別是在文獻分析、創新思考和程式實現等方面。

實例: Research Grant Proposal

sonnet 3.5

plain to scientific

novelty elevated

sonnet 3.5-> opus 3

sec 1 background

sec 2 literature

sec 3 method

enhance sec 3

generate challenges and solutions (from context)

generate expected outcome (from context)

晚餐接機大作戰(半導體廠製程排程): AI 協同軟體開發

半導體工廠中包含各種機台，EUVL,以及備料，封裝（包含CoWoS)

這些製程中發生的排程，如何優化產出（throughput)，減少機台怠機時間，縮短風險路徑（critical path)，以及容許有限度風險不確定性。

機器人可用於排程

Dinner Operation vs. Semiconductor Fab Scheduling Optimization

Scheduling Parallelism in Plans problem (Eng) (from source)

From python to svg

Try ChatGPT o1, Claude

Try smart search. Prompt Claude to generate A* search Algorithm

Generate code base by using Claude Sonnet 3.5 (better than ChatGPT o1)

To run Python, use Google Colab

Tweak the program by trials and errors

Visualize results as Python can generate complex states

state

Dashboard

flow

Debug, Cleanup, Optimized by ChatGPT o1

最佳解最高的平行度，throughput 高，idle time 減少，critical path 短

次佳解因為James 似乎太奔波了，剛從機場回來，馬上得回去剛才的機場接人

在工廠等於也就是機器人來回運動，但是沒有產出

次佳解 Sarah 好忙，先烤火雞，換手給機場回來的 James，然後去機場接Emily，James 接手烤火雞，idle time 過長，而且造成沒有必要的 switchover

我將分享一篇關於處理現實世界排程問題的智慧代理式人工智慧論文。我不會著重於總結論文內容或解釋其數學原理，而是要帶各位了解如何運用當前可用的人工智慧工具來解決論文中的問題。

首先，我會展示為什麼 ChatGPT o1 的先進推理雖然能得出可行解，但無法獲得最佳解。接著，我會說明為什麼人工對程式的調整仍然很重要。最後，我將展示如何實現平行運算，以及如何實現智慧代理式人工智慧。

I will share the following paper focusing on agentic AI that deals with real world scheduling problem (for example those in foundries). Instead of summarizing the paper and explaining its mathematics, I will guide you through the details how the problem is the paper can be solved using AI tools available right now. I will first show why ChatGPT o1 reasoning cannot get an optimal solution although it works out a feasible solution. Then I will demonstrate why human tweaks on the program still mater. Finally, I will show how parallelism is implemented and agentic AI is achieved.

AI 可以生成 OK 解

Human 可以進一步優化

碰到瓶頸可以用AI

找到最佳解(Lucky)

More to explore

Solving river crossing puzzles

2025年2月3日星期一

晚餐行動

感恩節全家晚餐大作戰

Why LLM fails (source)

ChatGPT o1 reasoning feasible outcome optimized by human

Claude Sonnet 3.5 illustration of solution (happens to be acceptable)

What if Emily arrived at the airport at 4:30

ChatGPT o1 OK at the first try

Sonnet 3.5 illustration (attention bias occurs. some constraints forgotten)

What if Emily arrived at the airport at 2:30

ChatGPT o1 reasoning feasible outcome optimized by human

Sonnet 3.5 illustration (attention bias occurs. some constraints forgotten)

What if Emily arrived at the airport at 2:30

Minimize the sum of waiting time at the airport and car driving time

Planning: LLM vs. A* search

Given 19, 36, 55, 7, can you give an equation that equals 622? inspired by source

try combinations

chat

LLM is not good at this.

Claude in reasoning mode got it in seconds.

Using reasoning such o1

Do A* search with Python code

(what is A* search?)

change to JS

Visualize the process

Plot in grids

Animate step by step

ChatGPT o1 did it in 41 sec. comparing to 0.001 s using A*

2025年2月2日星期日

River Crossing with Alice and her company (River Crossing Puzzle 1)

Five people - Alice, Bob, Carlos, Diana, and Elena - must cross a river in a small boat. The boat can only hold three people at a time. The following conditions apply:

* Alice refuses to be in the boat with Carlos

* Bob and Diana must travel together if either one is in the boat

* Elena can only operate the boat when Carlos is not present

* At least one person in each crossing must know how to operate the boat

* Only Bob, Carlos, and Elena know how to operate the boat

Infer an efficient plan.

五個人 - Alice、Bob、Carlos、Diana和Elena - 必須搭乘一艘小船過河。這艘船一次最多只能載三人。以下是限制條件：