小時候，在以考核為前提的學習模式下，老師們在學校裡通常都以考試審核我們有沒有好好地吸收知識，明確地指出是非對錯，藉此將知識灌輸給我們。這種學習模式也適合應用在教導電腦吸收知識，基於這種模式的明確性，人們能夠直觀地發展出一套理論來模仿這種學習模式。因此，這種模式亦成為最早被計算…
於2014年，DeepMind 開始以深度神經網絡[1]為基礎的 AlphaGo 研究計劃。往後三年內，先後擊敗樊麾、李世乭[2] (이세돌) 及柯潔[3]等頂尖職業棋士，引起不少人對深度神經網絡的關注。在這三年裡，不僅圍棋界風雲變色，繪畫、作曲、編劇等偏重藝術創作性質的範疇，亦受到很大的衝擊。今次我們先來看看機器學習[4]的基本原理，這類技術在音樂創作上的最新發展，了解一下專用型人工智能[5] (narrow artificial intelligence) 應用在不同範疇，例如音樂創作及圍棋時的異同。
近年天氣越見反覆，降雨量越見難以預測，批評及質疑天文台暴雨警告系統的聲音不絕於耳。有見及此，本文將以數據為基礎，釐清天文台發出暴雨警告的條件。
根據天文台網頁所述，「紅色暴雨警告信號表示香港廣泛地區已錄得或預料會有每小時雨量超過50毫米的大雨，且雨勢可能持續」。因此，假設天文台發出暴雨警告訊號有以下三個因素：
生物的遺傳依靠基因的傳承，是近百多年來的主流認知，由十九世紀孟德爾的碗豆雜交實驗，乃至近數十年間的基因編輯實驗，隨著科技的進步，我們能夠獲得更多可靠的資訊，用以豐富及完善遺傳基因這套模型。
