CI & AI-FML

與台南大學科技部計畫產學成果（協力廠商：女媧創造、慶奇科技、名威通訊）

計算智慧作為人工智慧的核心技術，當中包含模糊邏輯、神經網路、進化計算，它在開發智慧系統中扮演著至關重要的作用，如遊戲和遊戲引擎、基於神經的系統，各種深度網路模型、基於進化的最佳化方法和先進的認知技術，同時也是人工智慧的一個重要分支。

教材教具 & 平台系統

• 使用AI-FML 平台快速構建基於 CI 現實世界中的知識庫和規則庫，同時也可以使用專家資料進入粒子群最佳化（PSO）工具來訓練知識庫（KB）與規則庫（RB）。
• 使用AI-FML Blockly 實驗室對AI-FML 進行編程，可根據輸輸入的學習資料和自適應網路的模糊推理系統（ANFIS）模型或粒子群最佳化（PSO）中的模糊標記語言（PFML）的KB和RB操作模糊推理機制。
• 學生可採用NUWA實驗室與AI-FML機器人Kebbi Air互動。 他們可以與機器人共同學習，以模擬機器人的感知和認知特徵。
• AI-FML 平台會將推論的結果透過 MQTT 伺服器傳送到AI-FML Kebbi 機器人、AIOT-MoonCar、AIOT-Learning Tool等硬體置上，最後使用者可透過接收到的推論結果進行更近一步的精準控制。

AI-FML 友善流程設計

使用者能夠根據流程化設計的使用者介面，快速建立模糊控制器，建立完後並可進行模糊化。

AI-FML 圖形化建立輸入/輸出與規則庫

簡潔明瞭的使用者介面，讓使用者能夠快速且清楚地將現實世界模糊化，並可進行推論。

AI-FML 模糊類神經架構

設計完成後即產生出 Neural Network 神經網路。

AI-FML 1855-2016 IEEE Standard for Fuzzy Markup Language

設計完成後同時也能夠產生 AI-Fuzzy Markup Language。

AIFML Blockly

使用AI-FML Blockly 實驗室對 AI-FML 進行編程的，同時也能夠將結果產生 Micro Python Code，使用者可將程式碼燒入硬體中，讓 AIFML 能夠在沒有網路的情況下繼續執行。