Page 83 - 高中生活AI大智慧-電子書_Neat
P. 83
為表現，而非真正懂得思考。現今常見的 AI，機器僅能模擬人類，並
不具意識，也不理解動作本身的意義，還處於弱人工智慧的分類。
而機器學習是從資料中學習模型，深度學習則是利用多層輸入 -
輸出層的非線性函式學習資料的特徵。不同於 AI 寬廣的定義，機器
學習和深度學習都需要有一組數據資料，經由學習後，建立模型來給
予反饋答案。
我們以「如何判斷貓跟狗」來當例子說明機器學習和深度學習的
差異：
如果某個專家定義一個「專家系統」的規則為「貓都有花紋，狗
沒有」、「貓有長尾巴，狗有短尾巴」，並將聲音或者圖片輸入系統
使其回饋，這已經算是 AI 的一部份了；但這樣定義的結果很有可能
出錯，如果我們用這個專家系統去判斷這隻「沒有花紋且有短尾巴」
的貓，就有可能會被誤判成狗。
因此到了機器學習的時代，我們會希望能有一組由眾多貓跟狗組
成的資料，盡可能什麼種類都有，然後經由人類知識，從資料先行萃
取一些特徵資料加以量化，例如貓或是狗的形狀、花紋、聲音種類等，
從中建立模型，然後讓機器學習模型去判斷貓和狗。我們能發現機器
學習時大概能分為：輸入資料→特徵擷取→模型→輸出答案，四個步
驟。
到了深度學習時代，則捨去人類知識作的特徵萃取，讓多層結構
的神經網路自己從大量資料中，學習這組資料可以做什麼樣的特徵擷
取，即貓跟狗的特徵是根據人類給模型的資料，機器自己建立模型去
81
