Page 49 - 高中生活AI大智慧-電子書_Neat

以辨識出圖中的貓或狗。人工先行分類，對電腦演算法比較簡單，但
對人來說，先行處理資料比較辛苦些。

監督式學習多用於處理分類及迴歸問題，例如用手機拍攝花卉、
動物或是酒瓶標籤，可以出現對應的花卉、動物、酒的名稱及相關資
訊。

非監督式學習（Un-supervised learning）

想像一個孩子出生到長大的過程，大人都不告訴他如何做，完全
自己在嘗試錯誤中學習 (Trial and Error)。

非監督式學習是在提供沒有標註資料的情況下，讓電腦演算法
自行在資料中找出特徵及模型，機器必須自己尋找答案，在辨識及預
測時也花許多時間達到正確結果，例如模擬考後沒有提供答案，學生
考後不能依此比對誤差，未來可能也會花比較多時間才能提升學測成
績。任意選出 1000 張沒有標註的貓與狗照片，輸入電腦後，電腦開

始學習辯識貓與狗的外表，因為照片沒有標註，電腦演算法必須自行
把照片內的特徵分類，才能在進行辨識時，找尋這些特徵（4 隻腳、
尖耳朵、長鬍子）辨識出圖中的貓或狗。這種方法沒有經過人工分類，

對人類來說不用先標註資料，可是對電腦演算法來說花費時間比較
長。

47