技術部落格

集結國內外精選文章,掌握最新雲端技術新知與應用

首頁 / AI 與機器學習 / 人工智慧、機器學習、深度學習是什麼? – Machine Learning 教學系列 (一)

人工智慧、機器學習、深度學習是什麼? – Machine Learning 教學系列 (一)

什麼是人工智慧、機器學習、深度學習?(一)

這系列 Machine Learning 教學文章,將帶您了解人工智慧、機器學習、深度學習的差異、該怎麼選擇資料訓練機器學習系統、以及機器學習系統又是如何被訓練的?
 data-lazy-src=

人工智慧 (Artificial Intelligence)

什麼是人工智慧?

人工智慧 (AI) 是能讓事物變更聰明的科技,我們可以這樣定義:「讓機器展現人類的智慧。」它是一個能讓電腦執行人類工作的廣義術語,而人工智慧的範圍眾說紛紜,隨著時間推衍產生更多的應用和變化。

人工智慧在哪裡?

現今所執行的系統是一種弱人工智慧的形式 – 系統可以做一件或是多件事情,而做的程度與人類相當,甚至超越人類。比如說我們透過寫程式碼來創建學習系統,訓練它辨識物體或是手勢。舉例來說:自然語言處理、電子遊戲行為的人工智慧、機器學習都是弱人工智慧的形式。

人工智慧:常見使用案例

⬩ 物體識別
⬩ 語音識別 / 聲波探測
⬩ 自然語言處理 / 語意分析
⬩ 創造力 – e.g. 風格轉換 – 學習用藝術家的風格繪畫
⬩ 預測 – 當輸入未曾見過的例子時,預測所得到的輸出是什麼
⬩ 語言翻譯
⬩ 修復 / 轉換 – e.g. 利用機器學習來判斷一張照片中存在著什麼物件,或是對照片進行人臉辨識
⬩ 延伸閱讀:更多 AI 實用案例

 

機器學習 (Machine Learning)

什麼是機器學習?

機器學習(ML)通常可以這樣定義:「透過從過往的資料和經驗中學習並找到其運行規則,最後達到人工智慧的方法。」

機器學習包含透過樣本訓練機器辨識出運作模式,而不是用特定的規則來編程。這些樣本可以在資料中找到。換句話說,機器學習是一種弱人工智慧(narrow AI),它從資料中得到複雜的函數(或樣本)來學習以創造演算法(或一組規則),並利用它來做預測。

從例子中學習

機器學習是關於如何預測未來。它透過以下的方式去進行訓練:
⬩ 它需要資料(去訓練系統)
⬩ 從資料中學習樣本
⬩ 根據步驟2所獲得的經驗,替未曾見過的新資料做分類,並推測它可能是什麼

機器學習的厲害之處在於它可以自主學習。現在的機器學習應用都做得不錯,比如識別物件,同樣的 ML 系統仍然可以使用在未來的物件,並不需要重寫程式碼,這是相當方便且強大的。

不同的編程方式

傳統的編程

編寫一個有明確規則的計算機程序

if email contains V ! agra
then mark is-spam;
if email contains …
if email contains …

 機器學習程序

編寫一個能學習例子的計算機程序

try to classify some emails;
change self to reduce errors;
repeat;

現在聯繫 iKala Cloud,瞭解更多雲端加值服務!

深度學習(Deep Learning)

什麼是深度學習?

深度學習(DL)可以這樣被定義:「一種實現機器學習的技術。」
這樣的DL技術被稱為深度神經網絡(deep neural networks – DNNs)。在DNNs的情況下,深度學習本質上就是DL所在的代碼結構,它們被安排在鬆散地模仿人類大腦的圖層中,學習模式中的模式(learning patterns of patterns)。

總結

人工智慧這個概念可以追溯到1950年代,是相當長的一段時間。到了1980年,機器學習開始越來越受歡迎。大約到了2010年,DL在弱人工智慧系統方面有了重大的進展。你可以發現這三個詞彼此之間的聯繫 – 基本上是彼此的子集。深度學習驅動機器學習,最後實現了人工智慧。

想知道更多雲端 AI 應用?點此了解更多。

延伸閱讀

1. 該怎麼選擇資料,來訓練機器學習系統? – Machine Learning 教學系列(二)
2. 如何訓練機器學習系統? – Machine Learning 教學系列(三)

 

 

分享本文:
FacebookLineTwitter
回到頂端