現在如果想知道未來一周的天氣、接下來自己有哪些行程，只要對著手機說一聲「Hey！Siri！」「OK！Google」就能啟動語音助理，讓他們來告訴你。至於未來會不會出現像電影《雲端情人》（Her）中，那位善解人意、能和主角交心的女聲，似乎也沒那麼難以想像。
這些年來，各式各樣新興科技陸續進入我們的視野，人工智慧（AI，artificial intelligence）、區塊鏈（blockchain）等等，雖然我們不一定了解這些技術的原理，但它們確實加速了許多領域的發展。然而在這些科技的背後，其實還有一項可以視為推手、多數人卻相對陌生的技術：機器學習（machine learning）。
「機器懂得學習，才有辦法成為人工智慧。」台灣大學電機工程學系助理教授李宏毅說，這個概念其實並不新穎，早在 1980 年代，就有人構思出來。但一直到近幾年，受惠於現代技術的演算能力，人類才終於能發揮這項技術的潛力，得以把機器的能力再往前推一步。
機器學習技術的應用，其實非常貼近我們的生活。例如語音助理之所以能辨識我們在說什麼，正是因為它們不斷學習「聽懂」我們說的話。
讓機器「自行」摸索規則，處理更複雜的問題
然而，為什麼機器需要懂得學習呢？最簡單的答案，就是它們能解決更複雜的問題。李宏毅解釋，過去工程師通常是寫了一套規則，當機器遇到特定情況時，會參考這些規則，決定它們要做出哪些反應。
可是，當我們希望機器可以處理更多的事情時，想要寫出所有的規則並不實際。他同樣以語音辨識的技術為例，假設我們希望語音助理能聽得懂「今天下午的天氣如何？」應該是請人錄製一段音源，並告訴助理說，這樣的音源可以轉換為以上的文字。
但這時候會碰到一個瓶頸：每個人講出這句話的音調、咬字和語氣都不太一樣，難道工程師要蒐集所有講中文的人，錄下這句話的聲音再寫下規則嗎？因此，類似這種規則難以窮盡，或是不容易訂出規則的領域，靠著傳統方法，必然有其局限。
所以，與其試圖寫出所有的規則，不如讓機器「自行」摸索出規則，這正是機器學習最基本的概念。也就是說，替機器整理好數據，並告知這些資料背後的涵義，經由演算、歸納之後，它們就學習到一套邏輯與分析的方法。
舉例來說，如果我們希望機器能夠分辨出，哪些照片中有貓，就要先彙整非常多貓的照片，並告訴機器說這些照片裡有貓，包含貓有哪些特徵，像是尖耳朵、鬍鬚等。當這些資料經由機器演算之後，便能訓練它們一旦辨識到特定元素，就能判定照片裡有一隻貓。
此外，具備機器學習能力的影像辨識系統，也因此能夠應用在更廣的領域，像是腫瘤、心臟超音波、視網膜等醫學影像，可望降低醫生繁重的作業，更有效率地判讀這些病變。
在影像之外，應用到機器學習的場景其實也很廣泛，像是你的 email 信箱，知道哪些是垃圾郵件；影音平台總是能推薦你有興趣的影片，都是系統逐漸學習而來的邏輯。而在未來，自動駕駛要判斷路況，或更懂你的智慧家電，都會運用到這項技術。
不過，傳統機器學習更像是協助人類記憶、分類的工具，要透過機器學習做出更貼近想像的人工智慧，得更進一步探究「深度學習」（deep learning）的領域。李宏毅比喻，「機器學習」就像是只有一層神經元的人腦，「深度學習」則是增加了很多神經元，因此才能做到自行學習、判斷特徵，並形成自己的邏輯。
同樣是判斷照片裡有沒有貓，傳統機器學習仰賴人類先訂好規則，告訴它要抽取那些特徵，但深度學習只要給予足夠照片，就能不斷拆解照片中的圖形，並把相似者分為一類，最後摸索出「貓是什麼模樣的動物」，自行歸納出貓的特徵，用類似人類學習的過程，掌握分類的原則。
資料來源:https://tw.money.yahoo.com/ai-時代下-哪-種人可能會失業-專家解析深度學習-033500487.html
融資融券,多空雙向交易
新百王融資利率,給您金金計較的優惠
新百王證券 近乎苛求 誠心服務
營業員 - 吳清輝 07-2118888轉213
↓↓↓線上開戶↓↓↓ LINE ID：qqchinhwei
(連結網址：http://www.nhks.com.tw/accapply_online.aspx)
留言列表
