人工智慧、機器學習和深度學習是什麼?

在本文章中,我們將會解釋人工智慧、機器學習和深度學習到底是什麼東西。大多數人很容易就會弄錯這些所謂的「流行語」的意思,並且經常將它們混為一談。那麼,它們到底是什麼?

我們來逐一分析這些名詞吧。

 

群體智慧是指分散系統的集體行為(例如一群鳥的移動方式), 這已經在處理最佳化問題的人工智慧中實行。(來源:STRATIO)

簡言之,自從人工智慧這個名詞被創造出來後,已經涵蓋了各種不同的方法;從以指令碼編程的簡單機器到自然語言生成,都算是人工智慧的應用。它甚至還能涉及到哲學問題,例如什麼東西能視為「智慧」和「思考」?當然,為了讓 AI 真的派得上用場,又不會像《魔鬼終結者》電影演的那麼可怕,人們已經學會著重在更適合的 AI 主題,例如機器學習和深度學習。

ML(機器學習)-取得更好結果的方法

機器學習是 AI 的次領域,主要是透過數學方式開發可執行特定工作的模型。這說法聽起來還是相當模糊,我們會舉例說明一下。

想像您手邊有一組資料,包含學生的學習時間與各自的考試成績。假設花費的學習時間與考試分數之間有某種關係,我們可以利用機器學習模型(結構通常包含一些數學函數)處理資料,然後試著朝特定方向調整參數,讓模型能夠產生最接近實際資料的結果。由於這項技術不仰賴人類使用硬式編碼將特定規則寫入模型,而是由模型(在有限功能範圍內)自行「搜尋」最佳參數,因此我們將這個過程視為「學習」。

機器學習可視為一種逼近法,所以只要提供更多資料,就能執行更加準確的預測。在過去數十年間,學者開發出多種機器學習模型;這些模型大致上可分成監督式學習與無監督式學習。

監督式學習是指根據標籤化的輸入資料進行學習的演算法。標籤化資料可視為模型的真值 (ground truth);在學習階段中,模型旨在縮小預測結果與真值之間的差異。因此,可以說真值會在學習期間「監督」模型。我們大多將監督式學習用於迴歸問題和分類問題。

另一方面,無監督學習則是指使用無標籤資料進行訓練的模型。因為沒有一項可以作為標竿的真值,這種方法僅適用於為具有機率密度的輸入資料建立模型。儘管產生的結果準確性可能無法與監督式學習相提並論,但在資源不足、無法取得足夠標籤化資料的情況下,還是能產生有用的分析結果。分群 (clustering) 和降維 (dimensionality reduction) 都是無監督學習的經典應用。

若要進一步認識機器學習模型,可參考一下這篇文章,深入瞭解不同類型的 ML 模型

深度學習-更加複雜的 ML(而且運算也多上許多)

深度學習是更進階的機器學習分支,同樣都是為了建立迴歸/分類模型,唯一的差異在於深度學習使用人工類神經網路,而非其他統計模型。因此,您也可以將 DL 視為 ML 的次領域。但為什麼它現在變得那麼熱門?

顧名思義,人工類神經網路是人工神經元構成的網路;而人工神經元則是一個數學單元,可在對輸入值進行簡單計算後,提供一些輸出值。它跟實際的神經細胞非常相似,因為後者的作用基本上大同小異:接收電子訊號並產生輸出。而人工類神經網路也在做相同的事:它接收資料值,讓網路中的所有神經元處理資料值,再輸出一些終值。由於這類網路需要很多層神經元(而且層層堆疊)才能運作,因此學者加了「深度」二字,強調其結構之複雜性。

人工類神經網路的一般結構。(來源:VIASAT)

有人可能會想,為什麼這麼簡單的神經元,在大量平行和成串組合在一起後,居然能集體造就出 AI 產業中最出色的應用。這其實不難想像,只要將它與「實際的」生物演化過程比較就行了。單細胞生物本身的機能相當有限,不過,隨著大自然將更多細胞組合在一起,構成多細胞生物,更加複雜的生命形態也隨之誕生。然後,無脊椎動物演化成脊椎動物,魚類演化成靈長類,穴居人演化成智人(亦即我們),不只建造金字塔,還能發射火箭上太空。如果您可以體認到一大群細胞的力量,大概就能瞭解為什麼深度學習如此強大。

當然,有好必定有壞。使用深度學習,必須提供大量資料,才足以訓練出能用的統計模型(這也是為什麼「大數據」一詞會隨著深度學習的興起而出現)。再來,若要處理所有資料,必須具有強大的硬體,方可進行數以萬計的運算迭代。即使如此,深度學習已經向我們展示它無與倫比的可能性。以 Facebook 和 Pinterest 為例,Pinterest 利用深度學習進行更好的影像分類,而 Facebook 則運用類似技術,在使用者上傳相片時進行臉部辨識。(好比上傳照片時,Facebook常在您還沒tag好友之前就能自動顯示小方塊指出您的好友。)

除了社群媒體外,深度學習也同時支援我們日常生活中使用的工具,例如 Siri、Gmail(垃圾郵件偵測)、自動駕駛車等。工程師將深度學習視為 AI 的未來,因為它為 ML 的實際應用帶來接近無限的可能性。

總結

簡單來說,DL 包含在 ML 中,而 ML 又包含在 AI 領域中。多虧了深度學習,我們的生活才能變得更加便利。若要將 AI 實際運用在個人事業上,維持自己的競爭力,CloudMile 能透過「 AI 服務 」提供支援,透過完整端對端 AI 解決方案可無縫整合至您的事業。立即致電 02-2757-6077,由 CloudMile AI 專業顧問為您服務。

AI(人工智慧)-模仿生物的機器

當 Alan Turing(艾倫.圖靈)在 1940 年代率先提出電腦的概念時,機器只要能夠進行數學計算就可被視為具備人工智慧。隨著科技演進,AI 成為更加複雜的領域,泛指模仿動物或人類行為的機器或應用程式。儘管最近數十年來,人們對於 AI 的定義更加偏重在強調具備人類認知功能(例如「學習」階段和問題解決能力),教科書其實仍舊納入許多借用生物學概念的演算法(如:群體智慧、基因演算法)。

訂閱 CloudMile 電子報

所有 CloudMile 最新消息、產品動態、活動資訊和特別優惠,立即掌握。

我已閱讀並同意 CloudMile  隱私權政策.