機器學習初探 @ 晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

筆者最近開始在學習人工智慧當中的分支-「機器學習」，有一些學習心得想跟各位讀者分享，如圖一所示，其實人工智慧包含了機器學習(Machine learning)及深度學習(Deep learning)的內容，其實人工智慧的目的在於如何讓事物變得更聰明，能有效展現人類的智慧，在這過程中，我們會需要讓事物記憶各種情境(給予事物資料)，並加以透過演算法(機器學習、深度學習)使事物能學習這些內容，並加以判斷在各種情境下該做如何的處理，舉例來說:為了讓你家的大門能去辨別「人」跟「老鼠」的差別，人可以進入你家但老鼠不行，在這過程中的一開始，為了要讓你家大門知道甚麼是老鼠、甚麼是人，你一定會讓大門開始去紀錄一堆人跟一堆老鼠的照片或相關可供辨別的資訊，讓大門能開始區分人跟老鼠的差異，最終你會希望你家大門下次遇到老鼠的時候能辨別這是老鼠，不可以進入你家，但當你阿姨的表弟的鄰居來你家的時候，大門能讓那他進來，不會出現人與老鼠都可進入或不可進入的情況。在上述的例子中，在訓練你家大門的過程中，一定有機會出現人與老鼠都可進入或不可進入的狀況，因為就像人類在學習新東西的時候總是會有出錯的可能，既然是要訓練事物模擬人類學習的過程，這樣出錯的機會當然也會存在，甚至會比人類的出現的錯誤還要更多，因為人類在學習新東西的過程，不是只是單純透過過往的資料(老鼠和人的圖片)和經驗中學習並找到其運行規則(機器學習的概念)，人類的學習可以透過與其他經驗的連結來加強目前學習的成效，例如你學會了辨別人與老鼠，那這樣的學習經驗能否套用在辨別其他物體上(人與貓的差別)，機器學習可能只能做到讓事物從已知的資訊(人類找到的特徵)來去預測，但深度學習能讓事物從已知的資訊中去產生人類沒找到的關鍵特徵來去得到更精準的預測，所以機器學習被視為是弱的人工(工人)智慧，而深度學習則是透過機器學習的技術達到更接近人工智慧的技術，兩者是相符相乘的，最終的目的都是希望事物能達到真正的人工(人類)智慧。

圖二說明了機器學習與深度學習的不同，兩者差別在於機器學習把學習過程把特徵擷取跟分類技術分成兩步驟，開發者必須先透過資料找到能預測output可能的特徵(人為尋找)，進而透過分類技術來去預測；深度學習則是將這兩步驟同時進行，讓機器可以自動化的從資料擷取與output有關的特徵(機器尋找)，透過分類技術來去預測output。如果把機器學習跟深度學習比喻成兩種人(一般人跟天才)，機器學習就是一般人，一件事的完成會先拆成好幾個部分，各別完成後再組合再一起，但深度學習則是天才，一件事情可以直接從頭做到尾，中間原本應該要分開完成的過程可以直接一步到位，而且最後的成果甚至還比機器學習更好，因為天才總是可以想到一般人所沒有想到的東西，能更完美的達成任務。