Swift [第5單元] 人工智慧程式基礎

🗣 "假如你是一位高中老師，相較於數學、英文、自然等科目，你要如何對學生表達程式設計獨特的重要性？"

💡 "作為一位高中老師，我認為程式設計的獨特重要性在於它是一門全新的、革命性的學科，它把傳統的數學、英文、自然等科目融合在一起，形成了一個全新的學科體系。

首先，程式設計是一門有用的學科，它能夠幫助學生解決現實生活中的問題。現代社會越來越依賴科技和信息技術，而學習程式設計可以讓學生對科技和信息技術的發展有更深入的理解，並且可以用所學知識來創造新的技術產品，解決現實生活中的問題。

其次，程式設計是一門培養學生創新思維的學科。在程式設計的過程中，學生需要不斷創新，提出新的思路和解決方法，這能夠培養學生的創新思維和創造力。

最後，程式設計是一門有前途的學科。信息技術產業是當今社會發展速度最快、最具前景的行業之一，學習程式設計可以為學生未來的發展打下堅實的基礎，有助於他們成為有競爭力的人才。

綜上所述，我認為程式設計是一門獨特且重要的學科，學生應該認真學習，充分發揮它的優勢，為未來的發展奠定良好的基礎。"

// 5-8a 自然語言處理(1)：中文斷詞 NLTokenizer
// Created by Heman, 2023/05/18
import NaturalLanguage

let 文本 = "全台大露營活動明天開始報名"

// 第一段：辨識主要語言
guard let 主要語言 = NLLanguageRecognizer.dominantLanguage(for: 文本) else {
    print("Error: 無法判斷主要語言")
    exit(-1)
}
print(主要語言)

// 第二段：斷詞
let 斷詞器 = NLTokenizer(unit: .word)
斷詞器.setLanguage(主要語言)
斷詞器.string = 文本

// 第三段：列印
let 全文範圍 = 文本.startIndex ..< 文本.endIndex
let 索引陣列 = 斷詞器.tokens(for: 全文範圍)
for i in 索引陣列 {
    print(文本[i])
}

NLLanguage(_rawValue: zh-Hant)
全
台大
露營
活動
明天
開始
報名

1. 嚴格來說，所謂「自然語言處理」，處理的對象其實是文字；語言與文字含義稍有不同，從發展歷史來看，人類先有語言，後有文字，文字用來記錄語言。
   
2. 但是到了現代，同一種文字所對應的，可能不只一種語言，例如日語中的漢字，與中文用的其實是相同文字（同一個Unicode編碼）；又如英語、法語、德語大部分文字是相同的拉丁字母；俄語、斯拉夫語與中亞許多語言都採用西里爾文字(Cyrillic)…等等。所以程式中必須指定何種語言所用的文字。
   
3. 上節課所提到的「金鑰」(key)，在某些原文文件中，也稱為 token (令牌/權仗)。總之，token 就是某種象徵的替代物，例如令牌的意義就是替代本人(發號施令或認證)的物品。
   
4. 在上一課5-7b ChatGPT API的範例中，有沒有注意到我們在提問時並未指定語言，顯然ChatGPT 會自動判別字串的主要語言，類似NLLanguageRecognizer的功能。
   
5. 若不侷限於Apple的NaturalLanguage框架，一般而言，中文斷詞並沒有一定標準，以「全台大露營」為例，斷詞為「全台/大/露營」、「全/台/大/露營」、「全/台大/露營」都有可能。
   
6. 斷詞背後需要詞組資料庫，目前中文斷詞最常用的開源詞庫為中央研究院CKIP、台北醫學大學MONPA、中國大陸的Jieba(結巴)等三種。
   
7. 有個小地方，在本課一開始的ChatGPT回答中，使用「信息技術」一詞，乃是大陸的用語，台灣通常用「資訊科技」（兩者都是 Information Technology 的翻譯），可見ChatGPT背後的詞庫包含大陸詞彙的比例很可能超過台灣。

// 5-8b 自然語言處理(2)： 斷詞＋朗讀
// Created by Heman, 2023/05/20
import NaturalLanguage
import AVFoundation

//let 文本 = "Apple today announced it will host its annual Worldwide Developers Conference (WWDC) in an online format from 5 until 9 June (PDT), 2023.😀"
//let 文本 = "Appleは今年の開発者会議イベント「WWDC 2023」を米国西海岸で6月5日から9日までオンラインで開催する予定だ。😀"
//let 文本 = "Apple은 올해 개발자 컨퍼런스 이벤트 WWDC 2023을 6월 5일부터 9일까지 미국 서부 해안에서 온라인으로 개최할 예정입니다.😀"
let 文本 = "蘋果公司預計在美國西岸時間6月5日至9日期間，以線上形式舉辦今年度的開發者大會活動WWDC 2023😀"

// 第一段：辨識主要語言
guard let 語言 = NLLanguageRecognizer.dominantLanguage(for: 文本) else {
    print("Error: 無法判斷主要語言")
    exit(-1)
}
print(語言)

// 第二段：斷詞
let 斷詞器 = NLTokenizer(unit: .word)
斷詞器.setLanguage(語言)
斷詞器.string = 文本

// 第三段：整句朗讀
let 語音合成器 = AVSpeechSynthesizer()
let 朗讀內容 = AVSpeechUtterance(string: 文本)
朗讀內容.voice = AVSpeechSynthesisVoice(language: 語言.rawValue)
語音合成器.speak(朗讀內容)

// 第四段：斷詞朗讀
let 全文範圍 = 文本.startIndex ..< 文本.endIndex
斷詞器.enumerateTokens(in: 全文範圍) { range, attribute in
    print(文本[range], attribute.rawValue)
    let 朗讀內容 = AVSpeechUtterance(string: String(文本[range]))
    朗讀內容.voice = AVSpeechSynthesisVoice(language: 語言.rawValue)
    語音合成器.speak(朗讀內容)
    return true
}

import PlaygroundSupport
PlaygroundPage.current.needsIndefiniteExecution = true

1. 試試看「文本」改用其他語言，觀察語言辨識、斷詞與朗讀結果。

1. 語言種類(language) — 標注其語言或文字(script)種類
   
2. 單詞種類(tokenType) — 標注為一般字詞、標點、空白…等
   
3. 情感分析(sentimentScore) — 介於 -1.0 ~ 1.0 之間，-1 代表最負面，1.0 代表最正面
   
4. 文法屬性(lexicalClass) — 標注為名詞、動詞、形容詞…等
   
5. 詞幹(lemma) — 指(拉丁語系)單字的原型，如 stories → story, forgotten → forget
   
6. 名詞分類(nameType) — 標注為人名、地名、公司組織名…等

import NaturalLanguage

let 標注器 = NLTagger(tagSchemes: [.language])

1. .language/.script 語言種類/文字種類
   
2. .tokenType 單詞種類
   
3. .sentimentScore 情感分析
   
4. .lexicalClass 文法屬性
   
5. .lemma 詞幹(Stem form)
   
6. .nameType 名詞分類

let 中文文本 = "請簡述日本明治維新與中國戊戌變法的異同。"
標注器.string = 中文文本

let (標注結果, 索引範圍) = 標注器.tag(at: 中文文本.startIndex, unit: .document, scheme: .language)
if let 語言 = 標注結果?.rawValue {
    print("\(中文文本)\n➥語言：\(語言)")
}

let 全文範圍 = 中文文本.startIndex ..< 中文文本.endIndex
標注器.enumerateTags(in: 全文範圍, unit: .word, scheme: .tokenType) { 標注結果, 索引範圍 in
    if let 詞性 = 標注結果?.rawValue {
        let 單詞 = String(中文文本[索引範圍]) + " (\(詞性))"
        print(單詞)
    }
    return true
}

// 5-8c 自然語言處理(3)： 詞性標注
// Created by Heman, 2023/05/24
import NaturalLanguage

let 中文文本 = "請簡述日本明治維新與中國戊戌變法的異同。"

// 第一段：用NLTagger辨識主要語言（支援中文）
let 標注器1 = NLTagger(tagSchemes: [.language])
標注器1.string = 中文文本
let (標注結果, 索引範圍) = 標注器1.tag(at: 中文文本.startIndex, unit: .document, scheme: .language)
if let 語言 = 標注結果?.rawValue {
    print("\(中文文本)\n➥語言：\(語言)")
    print(索引範圍)
}

let 英文文本 = "Will you still love me tomorrow?"

// 第二段：用NLTagger分析情感（不支援中文）
let 標注器2 = NLTagger(tagSchemes: [.sentimentScore])
標注器2.string = 英文文本
let (標注結果2, 索引範圍2) = 標注器2.tag(at: 英文文本.startIndex, unit: .paragraph, scheme: .sentimentScore)
if let 情感分數 = 標注結果2?.rawValue {
    print("\(英文文本)\n➥sentimentScore＝\(情感分數)")
}

// 第三段：用NLTagger標注單詞種類（支援中文）
let 標注器3 = NLTagger(tagSchemes: [.tokenType])
標注器3.string = 中文文本
let 全文範圍 = 中文文本.startIndex ..< 中文文本.endIndex
標注器3.enumerateTags(in: 全文範圍, unit: .word, scheme: .tokenType) { 標注結果, 索引範圍 in
    if let 詞性 = 標注結果?.rawValue {
        let 單詞 = String(中文文本[索引範圍]) + " (\(詞性))"
        print(單詞)
    }
    return true
}

// 第四段：用NLTagger標注文法屬性（不支援中文）
let 標注器4 = NLTagger(tagSchemes: [.lexicalClass])
標注器4.string = 英文文本
let 全文範圍2 = 英文文本.startIndex ..< 英文文本.endIndex
標注器4.enumerateTags(in: 全文範圍2, unit: .word, scheme: .lexicalClass) { 標注結果, 索引範圍 in
    if let 文法屬性 = 標注結果?.rawValue {
        let 單字 = String(英文文本[索引範圍]) + " (\(文法屬性))"
        print(單字)
    }
    return true
}

1. tag 字面意思是（實體的）「標籤」，例如 price tag (價格標籤)或 AirTag (Apple產品)，意思和 label 差不多；tag 也可以當作動詞，「加上標籤」的意思。
   
2. 在Swift語言中，Tuple 不只可以當作雙元組，任意多元的組合都可以稱為Tuple。
   
3. Tuple 類似 struct 定義的多元資料結構，只是沒有定義欄位名稱，甚至不需要宣告。
   
4. 作業：請自行更換「文本」內容，試著將整篇文章放進來測試看看，甚至改成讀取本機檔案或網路論壇文章，加以分析。

let (data, response) = try await URLSession.shared.data(from: myURL)
或
let (內容, 回應碼) = try await URLSession.shared.data(from: myURL)

// Tuple 第一種用法：
func 三度空間座標() -> (Double, Double, Double) {
    return (0.1, -1.2, 3.2)
}
// 函式回傳值用法一：
let (x, y, z) = 三度空間座標()
print(x, y, z)
// 函式回傳值用法二：
let 座標 = 三度空間座標()
print(座標.0, 座標.1, 座標.2)    // 直接用 0, 1, 2... 當作欄位名稱

// Tuple 第二種用法：
func 三度空間座標() -> (x: Double, y: Double, z: Double) {
    return (0.1, -1.2, 3.2)
}
// 函式回傳值用法：
let 座標 = 三度空間座標()
print(座標.x, 座標.y, 座標.z)    // 用元素標籤當作欄位名稱

// 相當於 Tuple 第二種用法：
struct Point3D {
    let x: Double
    let y: Double
    let z: Double
}
func 三度空間座標() -> Point3D {
    return Point3D(x: 0.1, y: -1.2, z: 3.2)
}
// 用法：
let 座標 = 三度空間座標()
print(座標.x, 座標.y, 座標.z)

typealias Point3D = (x: Double, y: Double, z: Double)

func 三度空間座標() -> Point3D {
    return Point3D(x: 0.1, y: -1.2, z: 3.2)
}

1. 元素是有次序的，可用 0, 1, 2, … 當作預設欄位名稱
   
2. 元素名稱（或稱標籤）可有可無
   
3. 不同元素可相同類型，也可不同類型
   
4. Tuple 資料類型是所謂的 “value type”，也就是元素是由 let 定義，初始化之後不能再變更。
   
5. Tuple 可以只有一個甚至零個元素，零個元素的 Tuple 記為空括號 ()，還記得當一個函式不需要任何參數時，仍然要寫「函式名稱()」，空括號 () 就是零元素的 Tuple，在 Swift 中零元素的Tuple 類型又稱為 Void。

1. 最早使用 Tuple 的程式語言應該是 LISP，Tuple 在 LISP 中稱為 List (串列)，是 LISP 的主要資料類型，甚至 LISP 原名就是 “List Processing” 的縮寫。
   
2. 發明 LISP 的約翰·麥卡錫(John McCarthy，亦被尊為人工智慧之父)是一位數學家，從數學來看，List 是集合的擴展（集合的元素須相同類型，List 元素可不同類型），而集合論又是衍生自整數論，因此 Tuple/List 有很深厚的數學理論作為基礎。
   
3. 在大部分程式語言中，Tuple 通常是固定長度（長度指元素個數），而 List 則是長度可變。
   
4. 注意這裡的 List 指串列資料類型，與SwiftUI 的 List (視圖物件)無關。

import NaturalLanguage

if let 詞嵌入 = NLEmbedding.wordEmbedding(for: .english) {
    if let 詞向量 = 詞嵌入.vector(for: "apple") {
        print(詞向量, 詞向量.count)
    }
}

let 語義距離1 = 詞嵌入.distance(between: "apple", and: "banana")
let 語義距離2 = 詞嵌入.distance(between: "apple", and: "table")
print(語義距離1, 語義距離2)

詞嵌入.enumerateNeighbors(for: "apple", maximumCount: 20) { 近似詞, 語義距離 in
    print("\(近似詞): \(語義距離)")
    return true
}

// 5-8d 追尋語義 NLEmbedding
// Created by Heman, 2023/05/30
import NaturalLanguage

if let 詞嵌入 = NLEmbedding.wordEmbedding(for: .english) {
    let 單詞 = "apple"
    
    if let 詞向量 = 詞嵌入.vector(for: 單詞) {
        print(詞向量, 詞向量.count)
    }
    
    let 語義距離1 = 詞嵌入.distance(between: 單詞, and: "banana")
    let 語義距離2 = 詞嵌入.distance(between: 單詞, and: "table")
    print(語義距離1, 語義距離2)
    
    詞嵌入.enumerateNeighbors(for: 單詞, maximumCount: 20) { 近似詞, 語義距離 in
        print("\(近似詞): \(語義距離)")
        return true
    }
}

let 中文詞嵌入 = NLEmbedding.wordEmbedding(for: .traditionalChinese)
print(中文詞嵌入)

1. 詞向量的空間維度是300維
   
2. 蘋果(apple)與香蕉(banana)的距離是 0.82，與桌子(table)距離1.24 (0 < 距離 < 2.0；距離越小詞義越近）
   
3. 與蘋果(apple)相近的單字包括藍莓(blueberry)、桃(peach)、梨(pear)…等，藍莓距離最小最近似
   
4. 目前不支援中文

1. 早期的自然語言處理將字詞轉換為數學的方法，大多採用數理邏輯與集合論，設法將語法及語義轉換成邏輯規則，衍生出形式語言(formal language)與專家系統。
   
2. 後期在電腦的計算能力與儲存容量大幅成長之後，才開始嘗試將字詞轉換為高維向量，用統計學方法分析語義。
   
3. 詞嵌入背後理論是基於語言學的語義分布假說(Distributional Hypothesis)，認為嵌入在同樣上下文位置的詞，會有類似的語義，不論是哪種語言。著名的說法來自英國語言學家 J. R. Firth (1957): "you shall know a word by the company it keeps”。
   
4. 不要嘗試去想像300維度空間是什麼樣子。我們所處的空間最多到 [x, y, z] 3維空間，愛因斯坦說還要加上時間 t，變成 [x, y, z, t] 4維空間，但實際上，超過3維就已經是抽象空間，只為方便在數學上用向量與矩陣加以操作，無法對應到實體空間。
   
5. 詞嵌入可當作機器學習前段的準備工作，因此稱為預訓練(Pre-training)，ChatGPT 所採用 GPT 3.5 語言模型的預訓練高達1,750億條參數（含詞嵌入），詞向量空間有1,536維度。

// 在電子書(.playgroundbook)模式下執行
import AVFoundation

// 第一段：列出攝影鏡頭
let 鏡頭列表 = AVCaptureDevice.DiscoverySession(deviceTypes: [.builtInWideAngleCamera], mediaType: .video, position: .unspecified)
print(鏡頭列表.devices)

1. iPad (2018, 第6代) — 2個鏡頭
   

   [[後置相機][com.apple.avfoundation.avcapturedevice.built-in_video:0], [前置相機][com.apple.avfoundation.avcapturedevice.built-in_video:1]]

   
   
2. Macbook Air (2020, M1) — 1個鏡頭
   

   [[FaceTime HD相機][EAB7A68F-EC2B-4487-AADF-D8A91C1CB782], [Heman 2020相機][30353333-0000-0000-0000-000000000001]]

   
   
3. Mac mini (2018, Intel i3) — 空陣列，表示沒有攝影鏡頭
   

   []

// 第二段：取得錄影授權
Task {
    let 已授權 = await AVCaptureDevice.requestAccess(for: .video)
    print("授權了嗎？\(已授權)")
}

// 本段需要等待非同步（另一個執行緒）傳回結果
import PlaygroundSupport
PlaygroundPage.current.needsIndefiniteExecution = true

// 注意變數的生命週期
let 錄影任務 = AVCaptureSession()

// 擴充第二段：取得錄影授權＋開啟鏡頭
Task {
    let 已授權 = await AVCaptureDevice.requestAccess(for: .video)
    print("授權了嗎？\(已授權)")
    
    // 第三段：開啟鏡頭
    if 已授權 {
        guard let 預設鏡頭 = AVCaptureDevice.default(for: .video) else { return }
        guard let 錄影輸入 = try? AVCaptureDeviceInput(device: 預設鏡頭) else { return }
        print(預設鏡頭, 錄影輸入)
        
        let 錄影輸出 = AVCaptureVideoDataOutput()
        if 錄影任務.canAddInput(錄影輸入) {
            print("開始設置鏡頭參數")
            錄影任務.beginConfiguration()
            錄影任務.addInput(錄影輸入)
//            錄影輸出.setSampleBufferDelegate(影像接收者, queue: DispatchQueue(label: "影像取樣"))
            錄影輸出.alwaysDiscardsLateVideoFrames = true
            錄影任務.addOutput(錄影輸出)
            錄影任務.commitConfiguration()
            print("設置完畢")
            錄影任務.startRunning()
        }
    }
}

// 本段需要等待非同步（另一個執行緒）傳回結果
import PlaygroundSupport
PlaygroundPage.current.needsIndefiniteExecution = true

// 第四段：影像接收者
import CoreImage
var 影像接收者 = 相機鏡頭()    // 物件「相機鏡頭」宣告如下：

class 相機鏡頭: NSObject, AVCaptureVideoDataOutputSampleBufferDelegate {
    var 單幅影像: CGImage? = nil
    func captureOutput(
        _ output: AVCaptureOutput, 
        didOutput sampleBuffer: CMSampleBuffer, 
        from connection: AVCaptureConnection)
    {
        let 圖層 = CIContext()
        if let 暫存區影像 = CMSampleBufferGetImageBuffer(sampleBuffer) {
            let 轉換格式 = CIImage(cvPixelBuffer: 暫存區影像)
            if let 影像 = 圖層.createCGImage(轉換格式, from: 轉換格式.extent) {
                單幅影像 = 影像
                print(Date(), 單幅影像?.width, 單幅影像?.height)
            }
        }
    }
}

// 5-9a 開啟攝影鏡頭
// Created by Heman, 2023/06/23
// 在電子書(.playgroundbook)模式下執行
import AVFoundation

// 第一段：列出攝影鏡頭
let 鏡頭列表 = AVCaptureDevice.DiscoverySession(deviceTypes: [.builtInWideAngleCamera], mediaType: .video, position: .unspecified)
print(鏡頭列表.devices)

// 第三段的全域變數
let 錄影任務 = AVCaptureSession()

// 擴充第二段：取得錄影授權＋開啟鏡頭
Task {
    let 已授權 = await AVCaptureDevice.requestAccess(for: .video)
    print("授權了嗎？\(已授權)")
    
    // 第三段：開啟鏡頭
    if 已授權 {
        guard let 預設鏡頭 = AVCaptureDevice.default(for: .video) else { return }
        guard let 錄影輸入 = try? AVCaptureDeviceInput(device: 預設鏡頭) else { return }
        print(預設鏡頭, 錄影輸入)
        
        let 錄影輸出 = AVCaptureVideoDataOutput()
        if 錄影任務.canAddInput(錄影輸入) {
            print("開始設置鏡頭參數")
            錄影任務.beginConfiguration()
            錄影任務.addInput(錄影輸入)
            錄影輸出.setSampleBufferDelegate(影像接收者, queue: DispatchQueue(label: "影像取樣"))
            錄影輸出.alwaysDiscardsLateVideoFrames = true
            錄影任務.addOutput(錄影輸出)
            錄影任務.commitConfiguration()
            print("設置完畢")
            錄影任務.startRunning()
        }
    }
}

// 第四段：影像接收者
import CoreImage
var 影像接收者 = 相機鏡頭()    // 物件「相機鏡頭」宣告如下：

class 相機鏡頭: NSObject, AVCaptureVideoDataOutputSampleBufferDelegate {
    var 單幅影像: CGImage? = nil
    func captureOutput(
        _ output: AVCaptureOutput, 
        didOutput sampleBuffer: CMSampleBuffer, 
        from connection: AVCaptureConnection)
    {
        let 圖層 = CIContext()
        if let 暫存區影像 = CMSampleBufferGetImageBuffer(sampleBuffer) {
            let 轉換格式 = CIImage(cvPixelBuffer: 暫存區影像)
            if let 影像 = 圖層.createCGImage(轉換格式, from: 轉換格式.extent) {
                單幅影像 = 影像
                print(Date(), 單幅影像?.width, 單幅影像?.height)
            }
        }
    }
}

import PlaygroundSupport
PlaygroundPage.current.needsIndefiniteExecution = true

1. 為什麼電腦沒有鼻子（嗅覺）呢？如果電腦有嗅覺，對人類有何好處？若要讓電腦有嗅覺，需要什麼條件？
   
2. 筆者預計等年底 Swift Playgrounds 4.4 新版發表後，明(2024)年利用 RealityKit 來撰寫下個單元（第6單元），主題暫定為：擴增實境與3D設計。
   
3. 與第6課(5-6a)提過的觀念類似，攝影鏡頭實際上也是由作業系統控制與管理，AVCaptureSession 只是擔任程式與作業系統之間的協調者角色，算是間接控制者。

// class v.s. struct
// Tested by Heman, 2023/07/04
// 第一段
struct 新朋友 {
    var 姓名: String
    var 手機號碼: String
}

class 舊朋友 {
    var 姓名: String
    var 手機號碼: String
    init(name: String, phone: String) {
        姓名 = name
        手機號碼 = phone
    }
}

let 小明 = 新朋友(姓名: "王小明", 手機號碼: "0919123456")
let 阿呆 = 舊朋友(name: "郝呆", phone: "0921543876")
print("1. \(小明.姓名) \(小明.手機號碼)")
print("2. \(阿呆.姓名) \(阿呆.手機號碼)")

1. 王小明 0919123456
2. 郝呆 0921543876

// 第二段
var 大明 = 小明
var 阿瓜 = 阿呆

大明.姓名 = "王大明"
阿瓜.姓名 = "郝美麗"

print("3. \(小明.姓名) \(大明.姓名)")
print("4. \(阿呆.姓名) \(阿瓜.姓名)")

3. 王小明 王大明
4. 郝美麗 郝美麗

// 第三段
extension 新朋友 {
    mutating func 改名(newName: String) {
        self.姓名 = newName
    }
}

extension 舊朋友 {
    func 改名(newName: String) {
        self.姓名 = newName
    }
}

大明.改名(newName: "王太明")
阿瓜.改名(newName: "郝完美")
print("5. \(小明.姓名) \(大明.姓名)")
print("6. \(阿呆.姓名) \(阿瓜.姓名)")

5. 王小明 王太明
6. 郝完美 郝完美

1. Swift 還有第3種定義物件的方法，就是 enum (列舉)，也就是說，enum 除了定義 case 值，還能定義函式（物件方法），enum 也是 Value type。不過，enum 定義的物件與 class, struct 用途明顯不同，故在此不做比較。
   
2. 筆者建議初學者定義物件時，儘量用 struct，而不用 class。Swift 官方文件也提到 “In practice, this means most of the custom types you define will be structures and enumerations.”，請參考 Swift Structures and Classes
   
3. 事實上，Swift 還有第4種物件，叫做 actor (演員)，用來解決多執行緒並行計算時會遇到的資料衝突問題(data race)，屬於進階語法，在此不提。
   
4. 規範(protocol)並不是物件。規範可以想成是 class 或 struct 的上一層類別（就像生物分類時，「種」的上層「屬」或「科」，也就是範圍較大的類別），但規範本身並不是物件類型，無法直接產出物件實例。
   
5. 圖片來源：UIKit Class Hierarchy Chart

雪白西丘斯 wrote:
人工智慧程式並非如此，同樣的程式與輸入條件，在不同時間可能產生不同的結果，而且連寫程式的作者，也無法預期執行的準確結果。為什麼會這樣？下一節我們會以最近非常熱門的 ChatGPT 人工智慧程式來當例子，實際觀察一下這個現象。

但為什麼人工智慧程式不像一般程式那樣，完全根據輸入產生唯一的結果，這樣既容易預期，也好判斷對錯呢？簡單的說，因為人工智慧程式所針對的問題，大多沒有明確答案，就像下棋，在任一時間，問下一步下在哪個位置贏面最大？這就產生很多選擇，甚至可能沒有一個正確答案。

為了達到圖靈與麥卡錫所期望，讓電腦也能夠理解人類的智慧，目前人工智慧程式大多採用數學上的統計模型來「趨近」答案，也就是說，AI 每一次回答，其實都帶有隨機性，即使相對較明確的答案可能是代表99.9%機率（有0.1%機率會出現其他結果），不像一般程式那樣，100%一定都是同樣結果。